La atribución de marketing explicada: los modelos comparados, lo que GA4 aún ofrece, por qué los clics no ven todo el recorrido y cómo atribuir el tráfico de IA.

En resumen
la atribución de marketing es el método que da a cada punto de contacto (un anuncio, un artículo, un email, una respuesta de IA) su parte del mérito en una conversión. Los modelos basados en reglas, como último clic, primer clic, lineal o basado en la posición, reparten ese mérito con una fórmula fija; los modelos basados en datos lo calculan a partir de sus propias rutas de conversión. Desde noviembre de 2023, Google Analytics 4 solo ofrece modelos basados en datos y de último clic, y ningún modelo basado en clics ve la influencia de las respuestas de IA ni de las búsquedas sin clic, así que la atribución debe completarse con datos declarados, seguimiento de menciones en IA y pruebas de incrementalidad.
¿Quiere ir más lejos? Pregunte a
La atribución de marketing responde a la pregunta de cada reunión de presupuesto: ¿qué canales generan clientes de verdad? El artículo de Wikipedia sobre la atribución en marketing la define como la identificación de las acciones del usuario que contribuyen a un resultado, asignando un valor a cada una. Esta guía compara los modelos, explica lo que no ven y muestra cómo tener en cuenta a los visitantes que descubren su marca en ChatGPT, Gemini o Perplexity.
Un cliente rara vez convierte tras una sola interacción. Un recorrido B2B típico puede ser así: un anuncio en LinkedIn, una búsqueda en Google que lleva a un artículo del blog, una newsletter, una comparación pedida a ChatGPT y, después, una búsqueda de la marca y una solicitud de demo. Cada paso es un punto de contacto; la solicitud de demo es la conversión. La atribución decide qué parte de esa conversión corresponde a cada punto de contacto.
La respuesta cambia los presupuestos. Con último clic, la búsqueda de marca se lleva el 100 % del mérito y el artículo parece inútil; con primer clic, el anuncio de LinkedIn se lo lleva todo. La atribución está en el centro de la analítica de marketing y debe leerse etapa por etapa en su embudo de marketing, porque los canales de la parte alta del embudo quedan sistemáticamente infravalorados en los modelos que favorecen el último paso.
Los modelos se dividen en dos familias: de un solo contacto (un punto de contacto se lleva todo el mérito) y multicontacto (el mérito se reparte).
La primera interacción registrada recibe el 100 %. Útil para ver qué canales atraen a personas nuevas al recorrido, ciego a todo lo que cierra la venta.
La última interacción antes de la conversión recibe el 100 %. El último clic no directo ignora las visitas directas y atribuye al último canal identificable. Sencillo y estable, sobrevalora la búsqueda de marca, el retargeting y el email, que a menudo recogen una demanda creada en otro sitio.
Cada punto de contacto recibe una parte igual. Parece justo, pero da a una newsletter abierta por costumbre el mismo peso que al artículo que desencadenó la compra.
Los puntos de contacto cercanos a la conversión reciben más mérito. Adecuado para ciclos de venta cortos y promociones; penaliza el contenido que inició una larga reflexión.
El primer y el último punto de contacto reciben el 40 % cada uno, y el 20 % restante se reparte en el medio. Valora tanto el descubrimiento como el cierre, con pesos fijos que son arbitrarios por definición.
Un algoritmo compara las rutas que convierten con las que no y estima la contribución adicional de cada punto de contacto. Se adapta a su negocio, pero necesita suficientes conversiones y sigue siendo una caja negra.
| Modelo | Reparto del mérito | Ideal para | Sesgo principal |
|---|---|---|---|
| Primer clic | 100 % al primer contacto | Medir canales de descubrimiento | Ignora el cierre |
| Último clic | 100 % al último contacto | Recorridos cortos y simples | Sobrevalora marca y retargeting |
| Lineal | Partes iguales | Una primera vista multicontacto | Trata todos los pasos por igual |
| Deterioro en el tiempo | Más mérito cerca de la conversión | Promociones, ciclos cortos | Infravalora el contenido inicial |
| Basado en la posición | 40 % primero, 40 % último, 20 % medio | Equilibrar descubrimiento y cierre | Pesos arbitrarios |
| Basado en datos | Calculado con sus rutas de conversión | Sitios con volumen de conversiones estable | Opaco, solo ve clics registrados |
Google ha simplificado la elección. Según el centro de ayuda de Google Analytics, los modelos de primer clic, lineal, deterioro en el tiempo y basado en la posición dejaron de estar disponibles en noviembre de 2023. Google Analytics 4 ofrece ahora tres opciones:
Para conservar una vista de primer contacto, use las dimensiones de fuente y medio del primer usuario en los informes de adquisición de GA4, o guarde la primera fuente de cada lead en su CRM. Para comparar canales, cree un informe propio: nuestra guía del panel de Google Analytics explica cómo.
Todos los modelos basados en clics comparten los mismos puntos ciegos, sea cual sea su fórmula:
El artículo de Wikipedia señala que los modelos multicontacto y basados en reglas suelen diferir del impacto medido en experimentos controlados. La atribución da una dirección, no una contabilidad exacta.
Es el punto ciego más reciente. Una parte creciente de la búsqueda de información ocurre en ChatGPT, Gemini, Perplexity, Claude o los AI Overviews de Google, y gran parte no genera ningún clic.
El tráfico referido por IA es visible cuando el asistente transmite un referente o una etiqueta. OpenAI indica en sus preguntas frecuentes para editores que ChatGPT añade utm_source=chatgpt.com a los enlaces que cita. Otros asistentes aparecen como referentes, por ejemplo perplexity.ai, gemini.google.com o copilot.microsoft.com. Cree en GA4 un grupo de canales personalizado que reúna estas fuentes; nuestro tutorial para medir las citas de IA con Google Analytics da la expresión regular que debe usar.
Parte del tráfico generado por la IA llega sin referente: enlaces copiados en el navegador, aplicaciones móviles o un usuario que lee la respuesta y luego escribe el nombre de su marca. Este tráfico oscuro de IA infla las visitas directas y las búsquedas de marca. Siga la tendencia de estas dos líneas junto con su visibilidad en las IA.
La atribución sin clic se apoya en señales previas: con qué frecuencia los asistentes de IA citan su marca en las preguntas de sus compradores y su cuota de voz en IA frente a la competencia. El seguimiento de menciones en IA de Sorank sigue de 25 a 150 prompts en ChatGPT, Claude y Gemini (más Perplexity y Grok desde el plan Pro) y muestra quién aparece citado en su lugar. Nuestro estudio de citas de ChatGPT detalla qué fuentes prefiere el asistente.
Los equipos maduros cruzan tres métodos en lugar de confiar en un solo modelo:
| Método | Qué mide | Fortaleza | Límite |
|---|---|---|---|
| Atribución multicontacto | Clics registrados por conversión | Diaria, detallada, por campaña | Ciega a impresiones, respuestas de IA y offline |
| Modelado del marketing mix | Relación estadística entre inversión y ventas en el tiempo | Cubre todos los canales, sin cookies | Necesita de dos a tres años de datos, vista mensual |
| Pruebas de incrementalidad | Ventas con y sin campaña (grupo de control, pruebas geográficas) | Mide el impacto causal real | Una pregunta por prueba, necesita volumen |
| Atribución declarada | El campo «¿Cómo nos conoció?» | Capta pódcasts, boca a boca, IA | Sesgo de memoria, texto libre que limpiar |
El modelado del marketing mix ya es accesible: Google publica Meridian, un modelo de código abierto. Para empresas pequeñas, el campo declarado es la victoria más rápida: añada «ChatGPT u otro asistente de IA» como respuesta explícita y verá un canal que los datos de clics ocultan.
El contenido orgánico es el que más sufre con la atribución de último clic: artículos y guías abren recorridos que terminan en una búsqueda de marca o en un email. Lo mismo ocurre con el GEO, donde una cita de una IA influye en un comprador que nunca hará clic. Mida juntas la búsqueda orgánica y la visibilidad en IA en un panel de GEO y SEO, y evalúe el contenido por conversiones de primer contacto, conversiones asistidas y citas, no solo por los ingresos de último clic.
El modelo de atribución correcto es el que mantiene estable, contrasta con otros métodos y amplía a las respuestas de la IA. Para ver con qué frecuencia ChatGPT, Claude y Gemini citan su marca y qué competidores ocupan su lugar, empiece con Sorank, el software de SEO y GEO en autopilot, con 3 días de prueba gratis.
Ningún modelo es el mejor para todas las empresas. La atribución basada en datos es la más precisa cuando tiene suficientes conversiones, porque aprende de sus propias rutas. Con poco volumen, el último clic no directo es más estable, siempre que revise también los informes de primer contacto para no infravalorar los canales que inician los recorridos.
La atribución sigue clics individuales registrados y reparte entre ellos el mérito de cada conversión. El modelado del marketing mix trabaja con datos agregados y relaciona estadísticamente la inversión por canal con las ventas a lo largo del tiempo. La atribución es detallada y rápida pero no ve las influencias no registradas; el modelado cubre todos los canales, pero necesita años de datos y ofrece una vista mensual.
Las visitas de ChatGPT llevan la fuente chatgpt.com, y otros asistentes aparecen como referentes, por ejemplo perplexity.ai o gemini.google.com. Cree en GA4 un grupo de canales personalizado con una expresión regular que cubra esos dominios y colóquelo por encima del canal Referral. Vigile también el tráfico directo y las búsquedas de marca, porque parte del tráfico de IA llega sin referente.
PROBARON SORANK ANTES QUE USTED
