Contribución, crédito e incrementalidad son preguntas distintas.

Puntos clave

• Nombra la cantidad antes de leer la gráfica: contribución, crédito o efecto incremental.
• El marketing mix modeling estima la contribución agregada en el tiempo y depende de los supuestos del modelo.
• La atribución redistribuye el crédito entre los puntos de contacto observados; cambiar la regla no cambia las conversiones.
• La incrementalidad necesita una comparación creíble, y un experimento pequeño puede no ser concluyente.

Nombra la cantidad antes de la gráfica

Un canal puede recibir crédito de atribución sin que ese crédito sea una estimación directa del efecto incremental. Una contribución modelada puede ser útil y, al mismo tiempo, depender de supuestos que hay que revisar. Empieza por escribir la pregunta de negocio en lenguaje llano: ¿qué pasó?, ¿cómo debería repartirse el crédito observado? o ¿qué habría pasado sin la intervención? La gráfica solo es útil cuando queda claro qué cantidad muestra.

Contribución a lo largo del tiempo

El marketing mix modeling examina los resultados agregados junto con los medios y otras variables explicativas. La documentación de Meridian, de Google, describe la contribución, las curvas de respuesta y los escenarios de presupuesto como resultados relacionados, con controles, efectos rezagados y saturación dentro de su flujo de modelado. Es un proceso de modelado, no una justificación para trazar una curva suave sobre cualquier serie de ventas disponible.

El ejemplo práctico de este sitio usa componentes mensuales construidos para que puedas revisar cómo se forman los totales. No es un modelo de Meridian ajustado ni ningún otro MMM de producción.

Referencia: Google Meridian: introducción (en inglés) ↗

Crédito a lo largo de un recorrido observado

La atribución reparte el crédito entre puntos de contacto. Para mostrar esa diferencia, nuestro ejemplo redistribuye las mismas 100 conversiones con tres reglas didácticas simples. El primer contacto asigna 55 a social, 30 a búsqueda y 15 a retail. El último contacto asigna 15, 60 y 25. La regla lineal asigna 35, 40 y 25. Cada columna sigue sumando 100.

La comparación muestra la consecuencia de una regla; no demuestra que cambiar la inversión vaya a generar otra conversión. Estas reglas didácticas no son la lista de modelos que Google Analytics ofrece actualmente.

Referencia: Google Analytics: primeros pasos con la atribución (en inglés) ↗

Una comparación con incertidumbre

Nuestro experimento de ejemplo registra 54 segundas compras entre 900 participantes del grupo de tratamiento y 5 entre 100 participantes del grupo de control. Las tasas son 6% y 5%, una diferencia observada de un punto porcentual. El intervalo normal aproximado de 95% va de −3.5 a +5.5 puntos. Incluye el cero.

La conclusión útil es que este ejemplo pequeño no es concluyente, no que la campaña haya logrado un incremento comprobado. Un análisis de producción necesitaría un diseño adecuado, diagnósticos y un tratamiento estadístico formal.

Usa las tres vistas juntas sin mezclar sus significados

Una conversación de planeación puede usar la atribución para revisar los recorridos observables, un MMM validado para investigar la respuesta agregada y un experimento para examinar una intervención específica. Conserva las distintas unidades, ventanas y supuestos al conectarlos. No sustituyas en silencio un resultado de negocio por el total de conversiones de una plataforma, ni la evidencia experimental por un número modelado.

Lo que el agente debe llevar al siguiente paso

El relevo debe incluir la pregunta, las definiciones de las fuentes, el método, la incertidumbre y la decisión propuesta. También debe nombrar la evidencia que justificaría revisar esa decisión. Una siguiente pregunta más clara suele ser más útil que un resumen más seguro de sí mismo.

Preguntas frecuentes