· Germán Muñoz Moreno, Co-fundador
Atribución vs. MMM vs. incrementalidad: qué mide cada uno
¿Qué diferencia hay entre atribución, marketing mix modeling y pruebas de incrementalidad, y cuál necesito?
Los debates de medición muchas veces suenan a competencia: la atribución está muerta, el MMM regresó, sólo cuentan los experimentos. La competencia es sobre todo una confusión. La atribución, el marketing mix modeling y las pruebas de incrementalidad responden tres preguntas distintas, con datos distintos, a velocidades distintas. En cuanto sabes qué pregunta estás haciendo, la elección del método casi se hace sola.
Tres preguntas, tres métodos
La atribución pregunta: ¿qué contactos vinieron antes de esta venta? Sigue recorridos individuales (clics, visitas, visualizaciones) y reparte el crédito de cada venta entre ellos con un modelo. Su fuerza es la velocidad y el detalle: por campaña, por anuncio, por día. Su límite es que describe lo que pasó antes de una venta, no lo que la causó. Cómo se reparte el crédito está en modelos de atribución explicados.
El marketing mix modeling pregunta: ¿cuánto aporta cada canal a las ventas totales a lo largo del tiempo? Usa datos agregados, típicamente inversión semanal por canal, ventas, precios, temporadas y promociones, y estima estadísticamente la contribución de cada canal. No necesita cookies y puede incluir canales que la atribución no ve, como la televisión o los espectaculares. Sus límites son que necesita mucho historial y que es débil en campañas individuales.
Las pruebas de incrementalidad preguntan: ¿qué causó esta campaña que no habría pasado sin ella? Comparan un grupo expuesto a la campaña con un grupo comparable que no lo estuvo, con una audiencia de control o regiones donde se pausaron los anuncios. Es la única de las tres que mide la causa directamente, y es lenta, acotada y cuesta las ventas que dejas de lado durante la prueba.
Lado a lado
| Atribución | Marketing mix modeling | Prueba de incrementalidad | |
|---|---|---|---|
| Pregunta | ¿Qué contactos vinieron antes de cada venta? | ¿Cuánto aporta cada canal a lo largo del tiempo? | ¿Qué causó esta campaña? |
| Datos | Recorridos individuales y órdenes | Inversión, ventas y contexto semanales agregados | Un grupo de prueba y uno de control |
| Velocidad | Diaria | Mensual o trimestral | Semanas por prueba |
| Detalle | Campaña y anuncio | Canal | Una campaña o un canal a la vez |
| Necesita cookies o IDs | Sí | No | Depende del diseño |
| Principal punto ciego | Lo que habría pasado de todos modos | Las campañas individuales | Todo lo que no se está probando |
Dónde falla cada uno
La atribución acredita contactos que casualmente estaban ahí. Un anuncio de retargeting que se le muestra a gente que iba a comprar de todos modos junta crédito por ventas que no causó. La atribución de las plataformas agrega un segundo problema: cada plataforma se acredita a sí misma, así que varias pueden reclamar la misma orden. Verificar cada reclamo contra las órdenes de tu tienda arregla el segundo problema; sólo las pruebas atacan el primero. Medimos cuánto de lo que se acredita una plataforma se puede verificar en cuánto de lo que Meta se acredita puedes verificar.
El MMM necesita años de datos semanales con suficiente variación en la inversión para separar canales, y los canales correlacionados (siempre subes Meta y Google juntos antes de una venta especial) son difíciles de distinguir. Sus resultados son estimaciones con mucha incertidumbre, y un modelo es tan bueno como sus supuestos sobre cuánto dura el efecto de un anuncio.
Las pruebas son caras en ventas perdidas, difíciles con volúmenes chicos y responden una pregunta a la vez. Una prueba de un canal en noviembre dice poco sobre otro canal en mayo.
Herramientas que puedes usar
Dos plataformas grandes publican paquetes de MMM de código abierto. Meridian es un MMM de código abierto hecho por Google, ahora con Meridian GeoX para calibrar el modelo con experimentos geográficos. Robyn es un paquete experimental de MMM de código abierto de Meta Marketing Science, pensado para calibrarse con métodos de verdad de campo como pruebas geográficas, estudios de lift o atribución. Los dos requieren a alguien cómodo con la estadística y el código.
Para las pruebas, las plataformas de anuncios ofrecen estudios de lift a los anunciantes que califican, y una prueba geográfica (pausar o subir la inversión en algunas regiones y compararlas con otras parecidas) se puede hacer sin más que una planeación disciplinada y las órdenes de tu tienda por región.
Cómo encajan
Los métodos funcionan mejor como un sistema. La atribución corre a diario y te dice qué campañas preceden a las ventas. Las pruebas, algunas veces al año, te dicen cuánto de ese crédito es real para tus canales más grandes. El MMM, si llegas a él, te dice cómo repartir el presupuesto del año siguiente entre canales, calibrado con las pruebas. Cada uno corrige un punto ciego de los otros.
Un orden práctico para la mayoría de las tiendas
- Primero, vuelve honesta la atribución. Verifica lo que se acredita cada plataforma contra las órdenes de tu tienda, quita los reembolsos y arregla el doble conteo. Todo lo demás se construye sobre números en los que puedas confiar. Las causas de la diferencia están en por qué los números de Meta, Google, GA4 y tu tienda nunca cuadran.
- Luego prueba tu apuesta más grande. Elige el canal con más inversión y haz una prueba limpia, por ejemplo un control geográfico de cuatro a seis semanas.
- Considera el MMM después. Cuando tengas dos o más años de datos semanales, varios canales y decisiones de presupuesto a lo largo de trimestres, un modelo de código abierto empieza a valer el esfuerzo.
Adray está en el primer paso: atribución a nivel de orden entre canales, con lo que se acredita cada plataforma al lado de las órdenes verificadas. No vende modelos de mix de medios ni pruebas de lift, y una tienda que los necesite debería usar las herramientas de arriba junto con Adray. Para el concepto de atribución multi-touch a fondo, revisa nuestra guía.
Preguntas frecuentes
¿Qué es el marketing mix modeling (MMM)?
Un modelo estadístico que estima cuánto aporta cada canal de marketing a las ventas totales, con datos agregados en el tiempo (inversión semanal por canal, ventas, precios, temporadas, promociones) y no con recorridos individuales. Funciona sin cookies ni rastreo por usuario.
¿Qué es una prueba de incrementalidad?
Un experimento que compara a un grupo expuesto a una campaña con un grupo comparable que no lo estuvo, como una audiencia de control o un conjunto de regiones donde se pausaron los anuncios. La diferencia en ventas es lo que causó la campaña.
¿La atribución multi-touch está muerta?
No, pero sus límites están más claros. Sigue siendo el único método que te dice, rápido y por campaña, qué contactos vinieron antes de cada venta. No puede decirte qué habría pasado sin el anuncio, por eso funciona mejor verificada contra tus órdenes reales y calibrada con pruebas.
¿Una tienda pequeña puede hacer pruebas de incrementalidad?
Sí, en formas sencillas: pausa un canal en algunas regiones durante unas semanas y compara las ventas contra regiones parecidas, o usa un estudio de lift de una plataforma si cumples sus requisitos. La restricción es el volumen: con pocas ventas por semana, una prueba necesita más tiempo para separar la señal del ruido.
¿Necesito MMM si ya tengo atribución?
No hasta que tus preguntas sean sobre presupuesto entre canales a lo largo de trimestres, incluidos canales que la atribución no ve, como televisión o medios fuera de línea. Para casi todas las tiendas pequeñas y medianas, la atribución contra órdenes más algunas pruebas responde más por menos.