El problema de la medición no es la falta de métricas
Los equipos de medios pagos tienen más informes que nunca.
Google Ads, Meta, plataformas de analytics, sistemas de e-commerce, CRMs y herramientas de atribución: todos ellos son capaces de reportar ingresos, conversiones y retorno de la inversión publicitaria. El problema es que esos sistemas pueden discrepar —a veces de forma relevante— mientras cada uno parece internamente consistente.
Esto no significa necesariamente que uno de ellos esté averiado.
Pueden estar respondiendo a preguntas diferentes.
La atribución pregunta qué puntos de contacto reciben crédito por las conversiones observadas. La incrementalidad pregunta cuántas conversiones no habrían ocurrido sin la publicidad. El modelado de mix de marketing estima cómo los cambios en los medios y en otros factores se asocian con resultados de negocio a lo largo del tiempo y puede apoyar decisiones de asignación de nivel superior.
Un stack de medición profesional no pregunta cuál de ellos debe reemplazar a los demás.
Pregunta qué método es apropiado para qué decisión.
La atribución es rápida, granular y no causal por defecto
La atribución es el caballo de batalla operativo de la publicidad digital.
Puede reportar el desempeño de campañas, palabras clave, anuncios, audiencias o creatividades con rapidez suficiente para influir en las decisiones diarias. La atribución de plataforma también alimenta los sistemas de optimización que deciden dónde deben entregarse los anuncios.
Esa velocidad es extremadamente valiosa.
Pero la atribución normalmente observa relaciones entre exposición, clics y conversiones. No establece automáticamente que la publicidad causó la conversión.
Una campaña de búsqueda de marca es el ejemplo clásico. Alguien que ya pretende comprar puede buscar el nombre de la marca, hacer clic en un anuncio y comprar. La plataforma puede atribuir correctamente la venta a la interacción con el anuncio según su modelo elegido, mientras sigue sobreestimando cuánta demanda incremental creó el anuncio.
Esto no hace que la atribución sea inútil.
Esto hace que la atribución sea operativa en lugar de universalmente causal.
La incrementalidad crea el contrafactual
Las pruebas de incrementalidad intentan responder a la pregunta que la atribución no puede responder directamente:
¿Qué habría pasado si la publicidad no se hubiera difundido?
Una prueba puede dejar de difundir publicidad para un grupo de control mientras mantiene la exposición en un grupo de tratamiento, y luego comparar resultados de negocio.
Dependiendo del canal y de la plataforma, esto puede implicar holdouts aleatorizados, experimentos geográficos u otros diseños controlados.
El punto fuerte es la causalidad.
La debilidad es que los experimentos cuestan tiempo, exigen potencia estadística y, en la práctica, no logran responder a todas las preguntas a nivel de campaña todos los días.
Esto hace que la incrementalidad sea especialmente valiosa para incertidumbres estratégicas: si un canal está creando nueva demanda, si un programa de retargeting está recibiendo crédito excesivo, si el aumento de gasto sigue siendo incremental o si los medios de la parte superior del embudo generan resultados de negocio que la atribución basada en clics no capta.
Google ha ido profundizando la incrementalidad en su stack de medición, incluyendo herramientas de geoexperimento y MMM.
El MMM observa el portafolio
El modelado de mix de marketing actúa en un nivel más amplio.
En lugar de reconstruir trayectorias individuales de clientes, un MMM normalmente usa datos históricos agregados para estimar la relación entre la inversión en medios y los resultados, a la vez que considera otros factores.
Esto lo hace particularmente útil para la asignación entre canales, canales con rutas de clic débiles, medios offline y planificación estratégica de presupuesto.
También introduce limitaciones importantes.
Los modelos dependen de variación suficiente y datos de alta calidad. Los canales correlacionados pueden ser difíciles de separar. Variables de negocio, como precio, promociones y estacionalidad, pueden distorsionar la interpretación si se omiten o se especifican mal.
El desarrollo moderno del MMM ha ido buscando cada vez más resolver esas debilidades.
Meridian, de Google, por ejemplo, ofrece soporte para la calibración a partir de experimentos de incrementalidad y agregó funcionalidades para variables no relacionadas con medios, efectos de más largo plazo y ROI marginal.
La lección importante no es que todo anunciante deba adoptar Meridian. Google es en sí mismo una plataforma de medios, y sus productos de medición no deben tratarse como prueba neutral de la eficacia de los medios de Google.
La lección es que el MMM se está volviendo más accesible y cada vez más conectado a la calibración experimental, en lugar de tratarse como un ejercicio econométrico anual aislado.
Los tres métodos deben conciliarse, no competir
Un stack de medición útil crea una jerarquía de preguntas.
La atribución puede ayudar a decidir qué término de búsqueda, creatividad o campaña merece atención hoy.
La incrementalidad puede determinar si un canal o una táctica está de hecho creando negocio adicional.
El MMM puede ayudar a decidir si la asignación a nivel de portafolio entre Meta, Search, YouTube, medios minoristas, televisión y otras inversiones es económicamente racional.
Los métodos también deben desafiarse entre sí.
Si la atribución de la plataforma dice que un canal produce un ROAS de 6x, pero pruebas de incrementalidad repetidas muestran un retorno causal sustancialmente más débil, las decisiones diarias de campaña no deben ignorar esa evidencia.
Si un MMM sugiere que un canal es altamente productivo, mientras que los experimentos repetidos no logran detectar lift, los supuestos del modelo pueden necesitar investigación.
Si un resultado de incrementalidad de una única prueba corta entra en conflicto con años de evidencias más amplias, la propia prueba puede haber tenido potencia estadística insuficiente o haber sido contaminada.
La calidad de la medición proviene de la triangulación.
El stack necesita una capa financiera
La medición de marketing a menudo se detiene demasiado pronto.
Incluso unos ingresos perfectamente incrementales no son lo mismo que el beneficio.
Un canal puede crear nuevas ventas y aun así destruir el margen de contribución si el costo de adquisición, los descuentos, el fulfillment, las comisiones de pago, las devoluciones o los costos de atención al cliente consumen la economía.
El stack de medición debe, por lo tanto, conectar los resultados de medios con las finanzas.
Como mínimo, los operadores deben poder pasar de ingresos atribuidos a ingresos incrementales y, después, a contribución incremental.
Esto crea una pregunta presupuestaria mucho más sólida que “¿Qué canal tiene el ROAS más alto?”
La mejor pregunta pasa a ser:
¿Dónde puede el próximo dólar de gasto crear el mayor valor económico incremental aceptable?
Use cada método con la cadencia que merece
El stack se vuelve práctico cuando cada método recibe una cadencia de decisión.
La atribución y los informes de plataforma operan de forma continua.
La incrementalidad puede ejecutarse periódicamente en torno a incertidumbres relevantes, nuevos canales, ampliaciones de presupuesto, promociones o sospecha de sesgo de atribución.
El MMM puede operar con una cadencia estratégica más lenta y orientar la asignación trimestral o anual, la planificación de escenarios y las curvas de retorno decreciente.
No existe una fuente universal de la verdad
La expresión “fuente única de la verdad” es útil para datos de transacción. Es más peligrosa para la eficacia de marketing.
El área financiera puede tener una fuente de la verdad para las ventas realizadas.
Pero ningún sistema observacional de informes puede responder perfectamente a todas las preguntas causales sobre medios.
La medición profesional, por lo tanto, exige un estándar diferente: no un único número, sino un sistema coherente de evidencias.
La atribución proporciona velocidad. Los experimentos proporcionan validación causal. El MMM proporciona perspectiva de portafolio. El área financiera determina si el crecimiento resultante es económicamente valioso.
Cuando estas capas discrepan, la discrepancia no es ruido que deba eliminarse.
Es una señal para investigar.
