Retargeting y búsqueda de marca: los canales con mejor CPA no eran los que más ventas generaban
Caso real · Un apagado por geografía de cuatro semanas y un informe que llevaba dos años señalando al canal equivocado
La incrementalidad es la parte de las ventas que no se habría producido sin la inversión. La atribución, por sí sola, no puede medirla: la atribución reparte las ventas que ya ocurrieron entre los canales que estuvieron presentes, y estar presente no es lo mismo que haber causado. De ahí el síntoma que abre este caso: la suma de conversiones de todas las plataformas supera las ventas reales, y los canales que mejor rinden en el informe son, con frecuencia, los que llegan últimos a una decisión ya tomada.
Aquí eso significaba dos años de presupuesto creciendo en el sitio equivocado.
El punto de partida: cada plataforma se atribuye el mismo cliente
«Cada canal se atribuye el mismo cliente y la suma de todos es mayor que mis ventas. ¿Cuánto habría vendido igualmente sin esa inversión?»
La segunda frase es la buena. La primera es un síntoma conocido y hasta asumido —todo el mundo sabe que las plataformas se solapan—; la segunda es la pregunta de negocio, y casi nadie tiene forma de responderla.
Una marca con inversión repartida en varios canales y un informe mensual que llevaba tiempo diciendo lo mismo: retargeting y búsqueda de marca eran los dos canales con mejor coste por adquisición. Con diferencia. Cada revisión trimestral movía presupuesto hacia ellos, que es exactamente lo que el dato pedía.
El circuito de decisión era impecable en su lógica interna:
El canal con mejor CPA recibe más presupuesto. Nadie discute eso en una reunión.
El canal sin conversiones atribuidas se recorta. Lleva dos años justificándose con métricas blandas y perdiendo cada comparación contra un número duro.
La suma no cuadra, pero se normaliza. Se asume que hay solape, se aplica un factor de corrección mental, y se sigue decidiendo con las mismas cifras.
Cada nuevo modelo de atribución da un reparto distinto. Último clic, data-driven, ventana de 7 o 30 días — cambian los números, no cambia la conclusión. Y ese es el indicio de que el problema no está en el modelo.
La pregunta que trajo el proyecto no era «qué modelo de atribución uso». Era «cuánto habría vendido igualmente». Ninguna herramienta de atribución responde a eso, por diseño: solo ve a la gente que convirtió, nunca al contrafactual.
El fallo que no aparece en ningún informe
Merece nombrarse, porque es estructural y no se corrige solo.
La atribución premia sistemáticamente a los canales que están cerca de la conversión. El retargeting (remarketing, en la terminología de Google Ads) impacta a alguien que ya visitó la web. La búsqueda de marca la activa quien ya conoce el nombre y lo teclea. Ambos aparecen en el último tramo del recorrido, capturan el clic final y se llevan el crédito de una decisión que se formó antes y en otro sitio.
El canal que formó esa decisión —descubrimiento, alcance, contenido, lo que sea que puso el nombre en la cabeza del comprador— no aparece en ninguna tabla, porque su efecto se manifiesta semanas después y a través de otro canal.
Y aquí está el bucle vicioso: cuanto mejor funciona el canal de descubrimiento, mejor CPA muestran retargeting y marca. Más gente conoce la marca, más gente la busca, más barato sale captar a quien ya venía. El informe interpreta esa mejora como mérito de los canales de cierre y desplaza presupuesto hacia ellos, debilitando la fuente. El deterioro llega meses después, difuso, y se atribuye a la competencia o al mercado.
Un año o dos de esto y la marca ha reasignado la mitad del presupuesto hacia el tramo que solo recoge.
Lo que descartamos
Cambiar el modelo de atribución. Es la primera propuesta que aparece y no resuelve nada. Pasar de último clic a data-driven redistribuye el crédito con otro criterio, pero sigue repartiendo solo entre canales presentes y sigue sin decir qué habría pasado sin ellos. Cambia el reparto de una tarta cuyo tamaño no se está discutiendo.
Montar un MMM completo de entrada. Un modelo de mix de medios en condiciones exige años de histórico, granularidad semanal por canal y por región, y varios meses de trabajo. Es una herramienta válida —y para inversiones grandes, la correcta a medio plazo—, pero no es por donde se empieza cuando la pregunta se puede contestar con un experimento en cuatro semanas. Empezar por el modelo es la forma más cara de retrasar la primera decisión.
Fiarse del brand lift como medida de negocio. El brand lift mide recuerdo, notoriedad o consideración. Son señales útiles y correlacionan con la demanda, pero no son ventas. Sirven como indicador intermedio en canales sin conversión medible, nunca como sustituto de la prueba de incrementalidad. Un lift de notoriedad de nueve puntos no dice cuánto facturaste de más.
Deduplicar por CRM y dar el tema por cerrado. La deduplicación arregla el síntoma cosmético —que la suma no supere las ventas— y deja intacto el problema real. Tras deduplicar sigues sin saber qué habría vendido igualmente. De hecho es peor, porque ahora los números cuadran y parecen fiables.
Lo que sí hicimos
1. Separar lo que la atribución sí puede contestar de lo que no
Media hora de trabajo conceptual que ahorra meses de herramienta. La atribución sirve para operar dentro de un canal: qué campaña, qué creatividad, qué público rinde mejor comparado con otro del mismo canal, donde el sesgo de proximidad afecta a todos por igual. No sirve para decidir el reparto entre canales, porque ahí el sesgo es justamente lo que se está midiendo.
Aceptado eso, la conversación cambia. Deja de buscarse el modelo correcto y empieza a diseñarse un experimento.
2. Diseñar un apagado por geografía
El método más limpio y el más incómodo de vender: apagar el canal en un grupo de regiones y dejarlo encendido en otras comparables, durante un periodo suficiente para que el efecto se manifieste.
Cuatro semanas. Regiones emparejadas por volumen histórico de ventas, estacionalidad y presión competitiva — no por tamaño de población, que es el error habitual. Y una línea base de al menos ocho semanas previas para poder distinguir el efecto del ruido.
Lo incómodo: alguien tiene que aceptar apagar inversión en un canal que el informe señala como el mejor. Esa conversación es el 80% de la dificultad del proyecto. El otro 20% es estadística.
3. Medir la caída real contra la caída prevista
Aquí llegó el resultado que reordenó el presupuesto. Las ventas en las regiones apagadas cayeron mucho menos de lo que la atribución predecía. Una parte considerable de las conversiones que retargeting y búsqueda de marca se anotaban se produjo igualmente, por otras vías.
Traducido a la única frase que importa en un comité: se estaba pagando por cerrar ventas que ya estaban cerradas.
4. Buscar la señal de demanda en el otro extremo
En paralelo, el seguimiento del canal de descubrimiento —el que no se atribuía conversiones directas y llevaba dos años defendiéndose— contra indicadores adelantados: volumen de búsquedas de marca, tráfico directo, sesiones nuevas, altas en base de datos.
El patrón fue nítido: los movimientos de ese canal precedían a los movimientos de la demanda con semanas de desfase. Era una señal adelantada de la demanda y aportaba una evidencia que la atribución por conversión no estaba capturando. Y era el que llevaba dos ciclos presupuestarios perdiendo dinero en cada revisión.
5. Cerrar el circuito con el CRM y las ventas reales
Ninguna de estas conclusiones vale nada si se sostiene sobre conversiones de plataforma. Todo el análisis se ancló al dato de ventas del CRM, por región y por semana, que es el único número que nadie discute.
Esto exige trazabilidad entre el lead y la venta. Si no existe, es el trabajo previo — y normalmente el que retrasa el proyecto.
6. Convertir el hallazgo en un calendario, no en un informe
Un test de incrementalidad es una foto. La demanda cambia, la competencia cambia y el resultado caduca.
Lo que quedó instalado fue un calendario de experimentos: apagados rotatorios por canal y por región, dos o tres al año, con diseño acordado de antemano y un umbral de decisión fijado antes de mirar los datos. Fijar el umbral antes es lo que impide que el resultado se interprete a conveniencia de quien defiende cada canal.
Resultado
El reparto de presupuesto entre canales dejó de decidirse con datos de atribución. Ese es el cambio de fondo y el único irreversible.
La inversión en retargeting y búsqueda de marca se redujo, sin caída proporcional en ventas. Parte de lo liberado se reasignó al canal de descubrimiento, que pasó de justificarse cada trimestre a tener presupuesto estable.
Las revisiones trimestrales cambiaron de métrica. Se pasó de comparar CPA entre canales —una comparación que nunca fue válida— a discutir contribución incremental y coste por venta incremental.
Apareció un techo en el canal de descubrimiento. El segundo test mostró rendimientos decrecientes por encima de cierto nivel de inversión. Es un resultado menos vistoso que el primero y probablemente más rentable a largo plazo: evita el error simétrico de sobreinvertir en el canal recién ascendido.
El informe mensual se simplificó. Menos tablas de atribución, más serie temporal de ventas contra inversión por región.
La conversación con dirección mejoró. Un experimento con grupo de control se explica en una diapositiva y se defiende sin conocimientos de analítica. Un modelo de atribución data-driven, no.
Por qué lo hacemos así
Atribución e incrementalidad responden preguntas distintas y confundirlas cuesta dinero durante años. La atribución reparte crédito entre los canales presentes en una conversión. La incrementalidad aporta la evidencia necesaria para decidir cuánto presupuesto adicional tiene sentido poner en un canal.
El contrafactual— lo que habría ocurrido sin la inversión— no aparece directamente en los datos. Hay que construir una comparación que permita estimarlo, idealmente mediante un experimento controlado y, cuando no sea viable, mediante otros diseños causales.
El orden importa: primero el experimento, que da una respuesta accionable en semanas; después, si el volumen de inversión lo justifica, el modelo que permita planificar sin apagar nada. Al revés se tarda un año en la primera decisión.
Dónde no aplica: con inversión baja o ventas muy concentradas geográficamente no hay regiones comparables suficientes para montar el control, y el test no alcanza significancia. En negocios con ciclo de compra muy largo, cuatro semanas de apagado no bastan y el diseño se complica bastante. Y si la marca no tiene distribución geográfica —tienda única, mercado local—, hay que sustituir el geo holdout por otros diseños: apagados temporales alternos, o experimentos de audiencia dentro de plataforma, que son menos limpios pero factibles. Un aviso final: si tu problema es que la medición base está rota, esto no es tu proyecto todavía. Un experimento sobre datos sucios da un resultado limpio y falso.
Preguntas frecuentes
¿Qué es el retargeting y por qué suele tener el mejor CPA?
El retargeting, o remarketing en la terminología de Google Ads, muestra anuncios a personas que ya visitaron la web o interactuaron con la marca. Suele tener el mejor coste por adquisición del informe porque llega al final del recorrido, cuando la decisión de compra ya está muy avanzada, y se queda con el último clic. Ese buen CPA no prueba que haya causado la venta: solo que estaba presente cuando ocurrió.
¿El retargeting es incremental?
Depende del volumen. El retargeting puede capturar conversiones que se habrían producido igualmente. Cuánto ocurre depende del mercado, la presión publicitaria, la ventana de atribución y el comportamiento de los usuarios. La forma de saberlo en una cuenta concreta es medirlo, y suele ser el primer test que recomendamos precisamente porque es donde más sorpresas hay.
¿La búsqueda de marca genera ventas nuevas?
En buena medida captura demanda ya existente: quien teclea el nombre de la marca ya la conoce y ya tiene intención. La parte incremental es la que defiende ese tráfico frente a competidores que pujan por tu nombre, y su tamaño depende de cuánta presión competitiva haya sobre tus términos. Es medible con el mismo tipo de test, y el resultado varía mucho entre sectores.
¿Qué es un test geo lift o geo holdout?
Es un experimento que apaga un canal en unas regiones y lo mantiene en otras comparables. Se emparejan regiones por volumen histórico de ventas, estacionalidad y presión competitiva; se apaga el canal en la mitad de ellas durante un periodo suficiente —cuatro semanas es un punto de partida razonable en ciclos de compra cortos—; y se compara la evolución de ventas reales del CRM entre ambos grupos contra una línea base previa de ocho semanas o más. El umbral de decisión se fija antes de mirar los resultados.
¿Sirve el brand lift para medir el impacto de un canal?
Sirve como indicador intermedio en canales sin conversión directa medible: informa de si el mensaje ha movido recuerdo, notoriedad o consideración. No sustituye a la medición de incrementalidad en ventas, porque una mejora en notoriedad no se traduce automáticamente en facturación ni en una proporción conocida. Úsalo para diagnosticar, no para justificar presupuesto ante dirección.
¿Por qué cambiar de modelo de atribución no resuelve el problema?
Porque cualquier modelo de atribución, sea de último clic, basado en datos o con ventanas de 7 o 30 días, reparte el crédito solo entre los canales que estuvieron presentes en la conversión. Cambia cómo se divide la tarta, pero no dice cuánta se habría vendido sin cada canal. Si distintos modelos dan repartos distintos y la conclusión no cambia, es la señal de que la pregunta necesita un experimento, no otro modelo.
¿Qué canal aparece como el más eficiente en vuestro informe y cuánto de ese resultado habéis comprobado que sea incremental? Si queréis saber qué parte de vuestras ventas habría ocurrido igualmente, analizamos si un experimento de incrementalidad es viable en vuestro negocio y qué diseño tendría sentido.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.