Centralización de datos cross-channel: 210.000 € al año comprando conversiones que ya se habrían producido
Caso real · Anunciante B2B multicanal, 1,4 M€ de inversión anual, cinco plataformas y una agencia por bloque
La visibilidad cross-channel es la capacidad de comparar el rendimiento de todos tus canales de pago bajo una misma definición de conversión, una misma ventana de atribución y un mismo criterio de imputación de fecha. No es un dashboard ni una simple centralización de datos. Es un acuerdo sobre qué significan las palabras, ejecutado después sobre las herramientas. Este caso cuenta cómo lo montamos para un anunciante que llevaba dos años tomando decisiones de presupuesto con una tabla que no comparaba nada.
El punto de partida: cinco plataformas y ningún dato común
El director de marketing llegó con una frase que hemos oído demasiadas veces:
«Tengo cinco informes, cinco agencias y ninguna cifra que pueda llevar a dirección sin que alguien la discuta. Necesito ver todos los canales en un mismo sitio y con las mismas reglas.»
La situación era la habitual en una empresa que ha ido sumando canales sin parar a rehacer la medición. Google Ads, Meta, TikTok, LinkedIn y DV360. Cada uno con su agencia especialista, cada uno con su informe, y un comité mensual en el que una tabla comparativa de CPA por canal decidía dónde iba el presupuesto del trimestre siguiente.
Cuando abrimos la configuración cuenta por cuenta, esto es lo que había:
| Plataforma | Ventana de atribución | Imputación de fecha | Post-view |
| Google Ads | 30 días clic, data-driven | Día del clic | No |
| Meta | 7 días clic + 1 día view | Día de la impresión | Sí |
| TikTok | 7 días clic + 1 día view | Día de la impresión | Sí, sin que nadie lo supiera |
| 30 días clic | Día del clic, zona horaria UTC | No | |
| DV360 | 30 días post-view | Día de la impresión | Sí, sin descuento cruzado |
Sumadas, las cinco plataformas reclamaban 2.300 conversiones en el último trimestre cerrado. El CRM registraba 1.350. Un 70% de sobredeclaración agregada.
Y la consecuencia fue la peor posible. En el comité anterior se había recortado un 35% el canal con «peor CPA»… que resultó ser el único que estaba midiendo sin post-view y con imputación al día del clic. Se penalizó al canal más honesto de la tabla. Eso es lo que pasa cuando no hay visibilidad cross-channel: no es que te falte información, es que la que tienes te empuja a decidir al revés.
Lo que no hicimos
Conviene empezar por aquí, porque es donde suele arrancar el sobrecoste.
No propusimos una plataforma de atribución de terceros. El mercado está lleno de herramientas que prometen «la verdad» a cambio de una licencia anual de cinco cifras y un modelo que nadie de tu equipo puede explicar en un comité. Si no puedes defender delante de tu director financiero cómo se ha calculado un número, ese número no te sirve. Por muy bonito que sea el gráfico.
No tocamos las señales de optimización. Los eventos de conversión que cada plataforma usa para entrenar sus algoritmos de puja se quedaron exactamente como estaban. Cambiarlos para «cuadrar el informe» degrada el rendimiento real de las campañas a cambio de mejorar la estética de una tabla. Es un intercambio pésimo. Lo hemos visto hacer más veces de las que debería.
No desactivamos las métricas nativas. Cada agencia siguió viendo sus números en su plataforma, con su ventana y su modelo. Los necesitan para trabajar día a día. Lo que cambió es que esos números dejaron de ser la base de la decisión de presupuesto.
No montamos un data lake ni un CDP para centralizar los datos. El problema no era de capacidad de almacenamiento ni de ingesta. Era de definiciones. Un CDP habría resuelto con 40.000 € y seis meses un problema que era de dos páginas de Word y una auditoría técnica.
Cómo construimos la visibilidad cross-channel
Seis bloques de trabajo, en este orden. El orden importa: cada uno depende del anterior.
1. Traducir los objetivos de negocio a métricas de plataforma
Empezamos por lo aburrido, que es lo importante. Sentarnos con marketing, ventas y dirección a definir qué es un lead, qué es una oportunidad y qué es una venta para la empresa, no para cada herramienta.
Salieron cosas incómodas. El «lead» de Meta incluía descargas de un ebook que ventas no llegaba a llamar nunca. El de LinkedIn era una solicitud de demo. Comparar el CPA de ambos era comparar el precio de dos cosas distintas y llamarlo eficiencia (por qué el CPA de cada plataforma no es comparable lo contamos en otro caso [enlazar a /casos/cpa-google-ads-vs-meta-ads-comparar-plataformas]).
De ahí salió una matriz de equivalencias: para cada KPI de negocio, qué métrica exacta de cada plataforma le corresponde, con qué ventana y con qué salvedades. Dos páginas. El director de marketing las pone encima de la mesa cuando alguien defiende una cifra.
2. Homogeneizar taxonomía y naming
Las campañas de cinco agencias se llamaban de cinco maneras distintas. Definimos una nomenclatura común —canal, objetivo, mercado, línea de producto, tipo de audiencia— y la aplicamos en las 187 campañas activas, junto con la estructura de parámetros UTM.
Trabajo mecánico, cero glamour, tres semanas. Es lo que permite que después una tabla agrupe sola sin que nadie renombre nada en Excel a final de mes.
3. Homogeneizar la configuración de cuentas
Alineamos lo alineable sin tocar la optimización: zonas horarias (LinkedIn cerraba el día en UTC, el resto en Europe/Madrid), monedas, criterio de imputación de fecha en el reporting y ventanas de referencia declaradas de forma explícita.
Lo que no se puede homogeneizar —los modelos internos de cada plataforma, el post-view de TikTok— quedó documentado como factor de corrección conocido. Documentado, no ignorado. Esa distinción es la mitad del trabajo.
4. Auditar trackings y Consent Mode
Revisamos el contenedor de Tag Manager, los eventos de GA4 y los píxeles de cada plataforma. Aparecieron dos duplicidades de disparo (un evento de compra que saltaba también en la página de gracias al recargar) y una implementación de Consent Mode v2 que estaba modelando conversiones de forma inconsistente entre plataformas: Google modelaba, Meta no recibía nada, y la diferencia se estaba leyendo como diferencia de rendimiento.
Se corrigió. Y se documentó el impacto del consentimiento sobre cada fuente, con su tasa de aceptación real (68% en aquel momento), porque eso hay que poder explicarlo en comité, no esconderlo debajo de la alfombra.
5. Deduplicación entre plataformas
Con la taxonomía en su sitio y los identificadores conectados, implantamos un sistema de matching que detecta cuándo dos plataformas reclaman la misma conversión y aplica un criterio de reparto acordado con el cliente, no impuesto por un modelo cerrado.
De las 2.300 conversiones reclamadas, el sistema identificó 840 duplicidades. Las 1.460 restantes cuadran con el CRM con un desfase del 8%, atribuible a leads offline y a conversiones asistidas fuera de ventana. Un desfase explicable es un desfase aceptable.
6. La capa neutral de medición
Este es el paso que separa «tener números coherentes» de «tener visibilidad cross-channel de verdad».
Integramos tres fuentes independientes de las plataformas:
- Un ad server propio, que registra impresiones y clics con criterio único para todos los canales. Misma regla para todos, sin excepciones.
- La analítica propia, con GA4 y datos de servidor.
- Un marketing mix modeling (MMM), un modelo de mix de medios que estima la contribución de cada canal al negocio total sin depender de ningún píxel.
Tres evidencias que se contrastan entre sí. Cuando las tres apuntan en la misma dirección, la decisión es sólida. Cuando divergen, la divergencia es la información: normalmente señala un canal que está capturando demanda que ya existía. En este cliente pasó con branded search, que el MMM situó en un 30% de la contribución que las plataformas le asignaban.
Todo con seudonimización y minimización de datos desde el diseño. Una capa de medición cross-channel que no cumple RGPD es un pasivo, no un activo.
Resultado a seis meses
Una sola tabla en el comité. Todos los canales con la misma definición de conversión, la misma ventana y el mismo criterio de fecha. Cuando alguien pregunta «¿esto es comparable?», la respuesta está escrita.
El canal recortado volvió. Medido con el mismo criterio que el resto, resultó ser el segundo más eficiente de la cartera. Se restableció su inversión y creció un 40% sobre el presupuesto original. Su CPA real era un 34% inferior al que mostraba la tabla antigua.
Las agencias no perdieron nada de lo que necesitaban. Conservaron sus herramientas y sus señales de optimización. Lo que perdieron fue la posibilidad de defender un presupuesto con una cifra que solo su propia plataforma podía verificar.
Las decisiones se toman dentro de la reunión. Antes se consumía la sesión discutiendo de quién era el número bueno. Ahora esa discusión no existe: el número bueno se acordó una vez, por escrito, y lo firmaron todos.
Coste: cuatro meses de implantación, sin licencias de terceros. La reasignación de presupuesto derivada del ejercicio se llevó por delante 210.000 € anuales que estaban comprando conversiones que ya se habrían producido igualmente.
Por qué lo hacemos así
Un problema de visibilidad cross-channel casi nunca se resuelve comprando una plataforma. Se resuelve poniendo de acuerdo a las personas sobre qué significan las palabras que ya usan, corrigiendo lo que está mal configurado y añadiendo una capa de contraste independiente para lo que las plataformas no pueden decirte de sí mismas.
Lo primero es trabajo de definición. Lo segundo, trabajo técnico sobre herramientas que ya tienes. Lo tercero es lo único que hay que construir.
Más barato, más rápido y —esto es lo que importa a tres años vista— es tuyo, es explicable y no depende de que renueves una licencia en enero.
Dónde no aplica: si operas con un solo canal de pago y un ciclo de venta de menos de 48 horas, este ejercicio te sobra. La complejidad de medición debe ser proporcional a la complejidad del mix. Montar una capa neutral para gestionar 80.000 € en Google Ads es artillería para matar moscas.
Preguntas frecuentes
¿Qué es la visibilidad cross-channel en marketing?
Es la capacidad de comparar el rendimiento de todos los canales publicitarios bajo una misma definición de conversión, una misma ventana de atribución y un mismo criterio de imputación de fecha. No consiste en tener todos los datos en un mismo dashboard, sino en que esos datos signifiquen lo mismo antes de juntarlos.
¿Qué es una capa neutral de medición y para qué sirve?
Es un conjunto de fuentes que no dependen de las plataformas publicitarias y miden todos los canales con la misma regla: un ad server propio, la analítica propia con datos de servidor y un marketing mix modeling (MMM). Sirve para contrastar lo que cada plataforma dice de sí misma. Cuando las tres apuntan en la misma dirección, la decisión es sólida; cuando divergen, suelen señalar un canal que está capturando demanda que ya existía.
¿Hace falta un CDP o un data lake para centralizar los datos de marketing?
En la mayoría de los casos, no. Antes de licenciar nada, revisa definiciones de KPI, taxonomía de campañas, configuración de cuentas y trackings. Si el problema es de definiciones —y suele serlo—, ningún CDP ni ninguna otra herramienta lo va a arreglar: se limitará a cobrarte por reproducir el desorden con mejor tipografía.
¿Qué es la deduplicación de conversiones entre plataformas?
Es el proceso de identificar cuándo dos o más plataformas están reclamando la misma conversión y aplicar un criterio de reparto acordado. Requiere un identificador común y una taxonomía homogénea. En este caso, 840 de 2.300 conversiones reclamadas eran duplicados.
¿Centralizar los datos obliga a tocar la optimización de las campañas?
No, y no debería. Las señales de conversión que alimentan los algoritmos de puja se dejan intactas. La homogeneización se aplica a la capa de reporting y decisión, no a la de compra de medios. Confundir ambas capas es el error más caro de todo el proceso.
¿Cuánto tarda un proyecto de este tipo?
Entre tres y cinco meses para un mix de cinco plataformas, con el grueso del esfuerzo en las dos primeras fases: definición de KPI y homogeneización de taxonomía. El trabajo técnico es la parte rápida.
¿Te suena esta situación? Hablemos de cómo está montada tu medición actual. La primera conversación sirve para saber si tu problema es de definiciones, de configuración o de capa de contraste — y las tres tienen soluciones de tamaño muy distinto.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.