«Half the money I spend on advertising is wasted; the trouble is I don’t know which half»

John Wanamaker (1838-1922)

Qué es la atribución

La atribución consiste en asignar cada conversión, del tipo que sea (ventas, registros, descargas, etc.), y sus ingresos correspondientes, a la fuente responsable de la misma. El objetivo es poder evaluar y optimizar cada una de nuestras acciones de marketing.

Hoy en día, las formas de impactar a nuestro público objetivo son innumerables. A los canales tradicionales se ha sumado el mundo digital. Los consumidores están online en cualquier momento y en cualquier lugar. Por ello, la variedad de canales online usados por las marcas para anunciarse es cada vez mayor.

Además. como consumidores, en la mayoría de procesos de compra somos impactados en varios momentos con información o publicidad que, de un modo u otro, condicionan nuestra decisión de compra.

Por ejemplo, si estamos considerando comprar una cámara de fotos, antes de hacerlo es probable que leamos reseñas en varios blogs (algunas de las cuales pueden tener enlaces de afiliación hacia tiendas de cámaras de fotos), que hagamos clic en algún buscador (Google, comúnmente) tanto en resultados de pago como orgánicos, que seamos impactados por publicidad display sobre cámaras de fotos (en base al historial de navegación), que empecemos a seguir ciertas páginas relacionadas con la temática en redes sociales y que volvamos de manera directa a algunos de los sitios webs con los que nos hemos encontrado en este proceso. Puede que, por el camino, también nos hayamos suscrito a alguna newsletter.

Esta variedad de canales, reflejada en el ejemplo anterior, es algo muy común en la mayoría de procesos de compra. Este camino que recorre el usuario hasta que realiza la conversión, es algo que se conoce como customer journey o, en castellano, ruta de conversión.  Como marca, la amplia variedad de customer journeys diferentes es algo que nos complica enormemente la atribución: ¿A qué canal le atribuimos la conversión? ¿Qué canal diríamos que ha sido el responsable de la misma?

La atribución trata de dar respuesta a las anteriores preguntas para, con ello, ayudar a marcas y anunciantes a mejorar su eficiencia y a optimizar la distribución del presupuesto.

Retos de la atribución

Ya hemos comentado en la introducción de este artículo dos de los retos más importantes de la atribución. Ambos muy conectados entre sí:

  1. La amplia y creciente variedad de canales.
  2. El customer journey: como consumidores, en la mayoría de procesos de compra somos impactados en varios momentos con información o publicidad que, de un modo u otro, condicionan nuestra decisión de compra.

Otro de los retos de la atribución es el concepto conocido como cross-device o multidispositivo. Los consumidores no usamos un único dispositivo en nuestro día a día, sino que solemos acceder a varios diferente de entre una amplia gama: teléfonos móviles, tabletas, ordenadores portátiles, PCs de escritorio, relojes inteligentes, smart TVs… En todos esos dispositivos, cabe la posibilidad de recibir un impacto que condicione nuestra decisión de compra. No se trata únicamente de que utilicemos una amplia variedad de dispositivos, sino que, además, varios de esos dispositivos tienen un uso compartido con otras personas, como, por ejemplo, los dispositivos que utilizan varios miembros de una familia o aquellos que compartimos en nuestro trabajo.

El principal problema del cross-device es que dificulta el seguimiento del customer journey. Resulta más complejo seguir el rastro a un usuario concreto a lo largo de todos sus impactos y puntos de contacto. En ocasiones ese rastro se pierde. Y, si no somos capaces de conocer el camino completo del usuario, difícilmente podremos atribuir correctamente la conversión correspondiente a cada parte del camino.

Lo anterior se complica más todavía en el momento en el que introducimos las conversiones y los impactos que, sobre el consumidor, tienen lugar en el mundo offline, donde no tenemos herramientas analíticas tan precisas como en el mundo digital. Y donde esa conexión de la analítica on y off no es tarea fácil.

Además, volviendo al mundo online, surge otra pregunta complicada: ¿Qué hacemos con las impresiones de anuncios display que, habiendo sido mostrados en zonas visibles para el usuario, no han recibido ningún clic?

Aunque dichas impresiones hayan sido mostradas en zonas visibles para el usuario (lo que se conoce como viewability), eso no implica que hayan sido realmente vistas. Que una impresión se considere vista, significa que el usuario ha hecho el scroll suficiente en la página web, de tal modo que el anuncio quede a la vista. Pero eso, que el anuncio esté a la vista, no nos garantiza que el usuario le haya prestado atención o haya reparado en dicho anuncio. ¿Entonces? ¿Las consideramos como parte de ese customer journey? ¿Debemos considerar que han tenido su efecto en la conversión?

Más problemas: el bloqueo de etiquetas y cookies y otras trabas al seguimiento online de usuarios. Es decir, nos encontramos con problemas como los siguientes:

  • Usuarios que utilizan bloqueadores de anuncios (ad blockers), que pueden afectar, de manera indirecta, a los códigos de seguimiento de herramientas de analítica web como Google Analytics.
  • Navegadores que, por defecto o a petición del usuario, restringen el seguimiento analítico vía cookies.
  • Regulaciones legales, como la nueva GDPR, que limitan o complican la identificación y seguimiento de usuarios.

Por tanto, recapitulando, la atribución tiene como reto a un usuario que recorre un customer journey con una amplia y creciente variedad de canales (tanto online como offline), en varios dispositivos (algunos de ellos compartidos por diferentes usuarios) y con algunos puntos de contacto que no tenemos claro si realmente se han producido (como las impresiones visibles  en las que no se ha hecho clic). Todo ello, bajo complicaciones tecnológicas y legales a la hora de identificar y rastrear a dicho usuario.

Para finalizar, no debemos olvidar la ventana de atribución, que plantea preguntas de difícil respuesta: ¿Cuánto tiempo antes de la conversión consideramos que un punto de contacto o interacción del consumidor ha participado y contribuido a dicha conversión? Es decir, planteando una duda más concreta para ilustrar este concepto, ¿Una sesión de un cliente en nuestro sitio web, tres meses antes de su conversión, la podemos considerar parte de su conversión cuando, tras la mencionada sesión, el cliente ha estado inactivo durante varias semanas?

Por tanto, todavía no hemos entrado en los diferentes modelos de atribución, y ya queda claro que atribuir correctamente las conversiones no es una asunto sencillo.

Modelos de atribución basados en reglas

Los modelos de atribución basados en reglas pretender determinar cómo se reparte el valor de las conversiones entre todos los puntos de contacto que han participado en la ruta de conversión. Para hacerlo, como su propio nombre indica, estos modelos se basan en un conjunto de reglas predeterminadas en función de la posición de cada punto de contacto en la ruta.

Estos modelos de atribución, o bien asignan la totalidad de la conversión a un canal o punto de contacto concreto, o bien, tanto la conversión como su valor monetario, son repartidos entre varios de ellos.

Podemos diferenciar seis modelos de atribución basados en reglas:

  • Última interacción: el último punto de contacto del cliente recibe el 100% de la conversión y del valor económico de la misma.
  • Primera interacción: el primer punto de contacto del cliente recibe el 100% de la conversión y del valor económico de la misma.
  • Lineal: cada punto de contacto del cliente recibe el mismo crédito en la atribución. Por ejemplo, si ha habido 5 puntos de contacto, cada uno de ellos se reparte el 20% de la conversión.
  • Basado en el tiempo: cada punto de contacto recibe mayor crédito cuanto más cercano está en el tiempo a la conversión. Puede hacerse igualmente de manera descendiente, es decir, cuanto más cercano está en el tiempo a la primera interacción, mayor crédito recibe el punto de contacto.
  • Basado en la posición: se le da el mismo peso tanto a la primera como a la última interacción. Normalmente se les asigna entre un 30% y un 40% a cada una de ellas. El resto de puntos de canales, se reparten, de manera equitativa, el resto del crédito restante. Es decir, se repartirán entre un 20% y un 40%.
  • Personalizado: si ninguno de los modelos anteriores nos convence, podemos crear nuestro propio modelo personalizado en el que decidamos qué peso concreto le damos a cada posición en la ruta de conversión.

Además de los seis modelos de atribución anteriores, conviene recordar otros dos modelos propios de Google Analytics:

  • Último clic indirecto: es el utilizado de manera predefinida por Google Analytics. En este modelo, se descarta el tráfico directo y se atribuye el 100% del valor de la conversión al último canal en el que el cliente haya hecho clic antes de realizar una compra o una conversión. El canal directo solo recibirá crédito por la conversión cuando sea el único canal que haya participado en la misma.
  • Último clic de Google Ads: el último clic en un anuncio de búsqueda de Google Ads recibe el 100% de la conversión y del valor económico de la misma, con independencia de la posición de dicho clic en la ruta de conversión.

Modelos de atribución basados en datos

Los modelos de atribución basados en datos, a los que es frecuente referirse en inglés, con términos como data-driven attribution o dynamic attribution, se basan en complejos algoritmos matemáticos que analizan todos los customer journeys, tanto los que acaban en conversión como los que no, y tratan de evaluar y determinar el peso real que tiene cada canal en la conversión.

Además, estos modelos pueden alimentarse de información externa a la empresa, como la situación del mercado, la temporalidad, aspectos demográficos u otros comportamientos del usuario, más allá de sus puntos de contacto con la empresa.

Los modelos de atribución basados en datos han ido ganando protagonismo en los últimos años, gracias sobre todo al desarrollo de la inteligencia artificial y, más concretamente, del aprendizaje automático (el famoso machine learning que tan en boca de todos está hoy en día).

Por tanto, el modelo de atribución basado en datos parece, a priori, el más eficiente, sin embargo plantea varios inconvenientes a la hora de su aplicación:

  • Las herramientas de atribución basadas en datos todavía no han conseguido solventar todos los retos que plantea la atribución. O, al menos, no lo han conseguido de una manera totalmente efectiva.
  • Todas las herramientas de atribución basadas en datos tienen un coste económico que, por lo general, es elevado. No hablamos de herramientas baratas.
  • Para poder explotar un modelo de atribución basado en datos, necesitamos un gran volumen de datos de calidad. Solo las empresas con un muy elevado volumen de tráfico e impresiones, y que hayan llegado a, al menos, a un estado de madurez en su analítica digital, pueden obtener conclusiones estadísticamente significativas.
  • Para ciertas marcas, no todos los canales tienen los mismos KPIs. Es decir, los tipos de métricas que van a medir la efectividad de cada canal, pueden ser diferentes entre cada uno de dichos canales. Y eso complica la eficiencia de las herramientas de atribución.
  • No todo puede ser tenido en cuenta por el algoritmo. Los consumidores reciben impactos que afectan a la conversión y que no son, al menos de momento, medibles, como la conversación de palabra con un amigo sobre un producto o marca.

Profundizando en la atribución: mirando más allá del canal

En este artículo, hasta ahora, nos hemos referido a la conversión a nivel de canal, fuente de tráfico o punto de contacto. Sin embargo, conviene mencionar que la medición de atribución no debe quedarse en ese nivel, sino que se debe profundizar más.

Es importante, desde luego, conocer la influencia o el peso que cada canal y fuente de tráfico ha tenido en la conversión, pero, para poder tomar decisiones que realmente nos ayuden a optimizar nuestros resultados, debemos profundizar y llevar la medición de la atribución a los elementos concretos que componen dichos canales.

El objetivo debe ser no solo conocer el peso en la conversión de, por ejemplo, Google Ads, sino que, además, debemos poner el foco en entender, el peso que cada una de las campañas, grupos de anuncios y palabras clave han tenido en la misma. Solo por mencionar alguno de los elementos en los que estamos interesados en profundizar, que no son los únicos.

Medir correctamente la atribución para el conjunto de Google Ads, nos permite tomar decisiones como incrementar o reducir el presupuesto. Que no es poco, ¿eh?. Pero nedir la atribución entre campañas, grupos de anuncios y palabras clave, nos lleva a un nivel superior de optimización, donde tendremos información accionable para, por ejemplo, modificar pujas de CPC máximo, pausar grupos de anuncios, variar el presupuesto de las campañas u optimizar los diferentes ajustes de puja por ubicación y dispositivo.

Qué modelo de atribución elegir

Siempre y cuando tengamos datos suficientes, deberíamos tender a un modelo de atribución basado en datos. Con la excepción de que la previsión de mejora de la rentabilidad, causada por el uso de una herramienta de atribución basada en datos, no sea suficiente para compensar el coste de la misma.

En el caso de los modelos basados de atribución basados en reglas, para elegir el más adecuado podemos tener en cuenta las siguientes consideraciones:

  • Última interacción (o último clic) es un modelo muy injusto que, salvo en negocios con ciclos de venta muy reducidos, no suele ajustarse a la realidad. El problema es que, en la mayoría de herramientas, es el único modelo utilizado. Lo mismo sucede con el modelo último clic indirecto, el utilizado por Google Analytics, aunque al menos en este caso se le atribuye a la última interacción no directa, ya que se entiende que el cliente ya estaba prácticamente convencido con anterioridad.
  • Primera interacción resulta útil cuando tengamos productos prácticamente desconocidos y queramos potenciar aquellos canales que ayudan al descubrimiento del mismo. Es decir, queremos primar a los canales que abren camino.
  • El modelo lineal puede ser apropiado cuando haya una serie de puntos de contacto, en un orden determinado, que vayan «educando» al cliente y moldeando la conversión final. Con este modelo entendemos que todos los puntos de contacto son igual de importantes y necesarios.
  • El modelo basado en el tiempo, en el que se le da más peso a las últimas interacciones, puede resultar interesante para marcas que realizan habitualmente promociones de corta duración.
  • El modelo basado en la posición será el más adecuada cuando queramos centrarnos, y dar el mismo peso, tanto a los canales que han descubierto nuestro producto o marca al cliente, como a los canales que han finalizado la conversión.

En Google Analytics, en su versión gratuita, disponemos de una herramienta de comparación de modelos de atribución que nos permiten ver las diferencias de atribución por canales según el modelo elegido. Sin embargo, no podremos cambiar el modelo de atribución utilizado por la herramienta, que por defecto es el último clic indirecto.

Google Ads, por su parte, permite elegir entre varios modelos de atribución: último clic, primer clic, lineal, declive en el tiempo, según la posición y, por último, basado en datos. Efectivamente, de manera gratuita Google Ads permite elegir el modelo de atribución basado en datos, siempre y cuando cumplamos los requisitos.

Hay que tener en cuenta, en todo caso, que Google Ads se atribuye como conversión todas aquellas que han pasado por un clic de Google Ads, con independencia del resto de canales participantes. Por tanto, los modelos de atribución de Google Ads no evalúan el peso del canal Google Ads sobre el total de canales, sino que lo que hacen es repartir internamente las conversiones mediante las reglas del modelo elegido. Es decir, cambiando de modelo en Google Ads no se modifica el total de conversiones que Google Ads se atribuye a sí mismo, sino que se modifica la forma en que dichas conversiones son atribuidas y repartidas entre las diferentes campañas, grupos de anuncios y palabras clave de Google Ads.

El que varias de nuestras herramientas tengan configurados modelos de atribución diferentes, es lo que provoca que, en ocasiones, los datos de conversión no coincidan. De hecho, éste suele ser uno de los motivos principales por los que el número de conversiones de Google Ads y de Google Analytics no coinciden.

En resumen (TL;DR)

La atribución consiste en asignar cada conversión, del tipo que sea (ventas, registros, descargas, etc.), y sus ingresos correspondientes, a la fuente responsable de la misma. El objetivo es poder evaluar y optimizar cada una de nuestras acciones de marketing.

Sin embargo, esto no es una tarea sencilla ya que, hoy en día, cualquier usuario antes de una compra, realiza interacciones con la empresa vendedora en una amplia y creciente variedad de canales (tanto online como offline), en varios dispositivos (algunos de ellos compartidos por diferentes usuarios) y con algunos puntos de contacto que no tenemos claro si realmente se han producido o si han tenido algún efecto (como las impresiones visibles en las que no se ha hecho clic). Todo ello, bajo complicaciones tecnológicas y legales a la hora de identificar y rastrear a dicho usuario, como los ad blockers, la navegación en modo incógnito o la GDPR.

Para medir la atribución podemos recurrir tanto a modelos de atribución predefinidos, que están basados en reglas, como a modelos de atribución más complejos, basados en datos, que asignan la atribución en base a algoritmos matemáticos.

Elegir uno u otro modelo dependerá de las peculiaridades de nuestra marca y producto, así como del volumen de datos que seamos capaces de generar.

En cualquier caso, más allá del modelo elegido, entender cómo funciona la atribución ya es un gran paso para poder tomar mejores decisiones a la hora de optimizar nuestros esfuerzos y campañas de marketing.