//
Qué modelo de atribución usar según tu modelo de negocio
Los costes de adquisición han subido año tras año en Meta y Google.
La audiencia es menos rastreable por las restricciones de iOS y por las políticas de privacidad de los navegadores y la consecuencia para cualquier anunciante es que la pregunta "¿qué canal generó esta venta?" cada vez es más cara de responder.
Esa pregunta es la que responde la atribución. A grandes rasgos, atribuir es repartir el crédito de una conversión entre los distintos puntos de contacto (touchpoints) que precedieron a la compra.
Un cliente puede haber visto un anuncio en Instagram, abierto varios emails, buscado tu marca en Google y entrado por un link de un podcast antes de pagar. Decidir qué canal recibe el mérito, y en qué proporción, es lo que define un modelo de atribución.
Elegir bien el modelo importa hoy por tres razones:
→ El CPM ha subido en Meta y Google, lo que reduce el margen de error en cualquier decisión de inversión publicitaria.
→ Desde iOS 14.5 y las restricciones de cookies en los navegadores limitan la señal disponible. El reporting nativo de las plataformas es más incompleto que en 2020.
→ Los tipos de compradores se han ampliado y los journeys de compra son más complejos, lo que rompe los modelos simples (last-click, first-click).
Lo que debes tener en cuenta es que el modelo correcto no es universal. Cambia según el ciclo de venta y la naturaleza del negocio.
Resumen de los modelos de atribución
Existen varios modelos de atribución y todos parten de la misma información (los touchpoints del journey), pero la usan de forma distinta.
Si nunca has elegido el modelo, lo más probable es que estés usando el default de la plataforma (generalmente last-click en Meta y data-driven en Google Ads), sin saber qué implica esa decisión para tu reporting.
Modelo de atribución "Last-click"
Asigna el 100% del crédito al último touchpoint antes de la conversión. Es el modelo predeterminado de la mayoría de herramientas. Tiene sentido cuando la compra es impulsiva y el ciclo es menor a 48 horas. Falla en ciclos largos.
Modelo de atribución "First-click"
El 100% al primer touchpoint del journey. Útil para entender qué canal abre puerta. Por desgracias Google inhabilitó esta opción en la plataforma de anuncios en 2023.
Modelo de atribución "Lineal"
Crédito uniforme entre todos los touchpoints. Cinco touches → 20% cada uno. No refleja la realidad de la mayoría de journeys, pero sirve como modelo de control.
Modelo de atribución "Time Decay"
Decaimiento exponencial: los touchpoints más cercanos a la conversión reciben más crédito. Útil cuando la proximidad temporal correlaciona con influencia real.
Position-based (U-shape, 40-20-40)
El 40% al primer touch, el 40% al último, y el 20% repartido entre los del medio. Funciona cuando descubrimiento y conversión son los dos momentos críticos. Variante W-shape (30% first / 30% lead creation / 30% opportunity creation / 10% resto), común en B2B SaaS.
Data-driven (DDA)
Machine learning sobre tus propios journeys. Default en Google Ads y GA4 desde 2023. Requiere volumen mínimo (~300 conversiones / 3.000 interacciones en 30 días en Google Ads) y es caja negra.
Markov chain
Modelo probabilístico que mide el impacto incremental de cada canal vía removal effect. El más sofisticado, pero requiere datos cross-channel limpios y herramientas especializadas.
¿Cómo elegir un modelo de atribución?
Elegir un modelo de atribución no es solo una decisión técnica. Define qué canales recibirán inversión, qué campañas se escalarán y cuáles se cortarán.
Dos cuentas con el mismo journey y el mismo presupuesto pueden tomar decisiones opuestas según el modelo:
un modelo te dice que el webinar en directo es el responsable principal de tus ventas
y otro modelo te dice que Google es el canal que peor funciona
Pero lo que no sabes es que los leads que te compran en el directo, vienen de Google.
Son dos variables determinan la elección: el ciclo de venta (cuántos días pasan entre el primer click y la compra) y el número de touchpoints típicos antes de la conversión.
Un ciclo de 24 horas con 1-2 touches no necesita el mismo modelo que un ciclo de 90 días con 8 touches. Aplicar la misma plantilla a ambos es lo que rompe la mayoría de decisiones de inversión.
Los cinco modelos de negocio que cubre este post tienen ciclos y patrones de touchpoints muy distintos. A continuación te contamos la recomendación práctica para cada uno.
Qué modelo de atribución usar para infoproductos (cursos, membresías)
Caso típico: lanzamiento PLF de un curso de 497€ con cinco días de carrito abierto.
Journey: Tráfico frío desde Meta → landing → webinar en directo → secuencia de emails de cierre → checkout. Ciclo desde primer click hasta compra: 7-14 días.
Touchpoints típicos: 3 a 7.
El problema típico de los infoproductores es atribuir las conversiones a su herramienta de email marketing: por ejemplo, ActiveCampaign asigna last-touch automáticamente en su Conversion Attribution Report, y la última fuente registrada suele ser un email de cierre.
El reporte dice "el 80% viene de email", el media buyer baja presupuesto en Meta, y dos semanas después caen los leads del siguiente lanzamiento.
Modelo recomendado: position-based (40-20-40) o time-decay con half-life de 7 días.
Position-based funciona cuando los dos momentos críticos son claramente abrir puerta (Meta ad) y cerrar (email final).
Time-decay funciona cuando el peso real se acumula en los días previos al checkout. Para PLF clásico, position-based ajusta mejor. Para evergreen perpetuo, time-decay refleja mejor el peso de los recordatorios.
Anotación técnica
→ Utiliza ventana de atribución 14 días click + 1 día view en Meta. La predeterminada de 7 días corta antes de la compra en lanzamientos PLF largos.
→ Optimizar a eventos de conversión del tipo Purchase desde el lanzamiento, no a Lead ni Add to Cart. El algoritmo aprende a traer compradores, no a curiosos que rellenan tu formulario.
→ LTV por fuente del primer click, no del último. Es la única forma de saber qué canal trae compradores que luego compran upsell o renuevan.
Errores a evitar:
Atribuir todo al último email
Usar ventana corta cuando el carrito abre cinco días después del primer click.
Qué modelo de atribución usar para captación de leads de servicios locales (dentistas, despachos, abogados)
Imagina un despacho de abogados que capta leads para reclamar IRPF cobrado de forma indebida a Hacienda.
Su ticket 1.500€-10.000€ según el caso. Ciclo desde primer click hasta cita realizada: 7-30 días. Touchpoints típicos: 2 a 5. Parte del volumen llega por teléfono, no por formulario.
La realidad: el cliente ve el anuncio de Facebook hace dos semanas, después buscó la clínica en Google y entró por de forma orgánica. El modelo de atribución "Last-click" asigna el mérito a Google, pero la inversión que abrió puerta fue Meta. Se corta Meta, mueren los leads dos meses después.
Modelo recomendado: first-click con ponderación del formulario.
En servicios locales, el coste real está en abrir puerta. Una vez el lead conoce la clínica o el despacho, lo más probable es que termine entrando por búsqueda orgánica o por teléfono directo.
El modelo "First-click" corrige la distorsión asignando el crédito al canal de descubrimiento.
Por ejemplo, si usas GoHighLevel puedes guardar nativamente tanto first_attribution como latest_attribution en cada contacto.
Anotación técnica
→ Optimizar a "cita realizada", no a form fill. Si el evento de conversión en Meta es solo el formulario, te traerá form fillers, no clientes.
→ Reportar first_attribution para decisiones de inversión y latest_attribution para decisiones de optimización creativa.
Errores a evitar:
No trackear las llamadas entrantes
Atribuir las conversiones a branded organic sin investigar el journey previo.
Qué modelo de atribución usar para servicios high-ticket (consultoría, agencias)
Imaginemos el caso de una consultoría con tickets de 8.000€ a 30.000€.
Normalmente el ciclo de 60-180 días con múltiples decisores. 309 touchpoints de media reportados en HubSpot para deals de 50K€-100K€. Pero el cálculo se complica porque hay touches que el reporting nativo no captura: emails 1:1, DMs en LinkedIn, podcasts escuchados, referidos.
La realidad: el cliente llegó por podcast → newsletter → web → Calendly con utm_source=directo. Calendly solo captura el último UTM en la página de booking. Atribuir el deal a "directo" es perder la pregunta importante: qué canal generó el descubrimiento.
Modelo recomendado: position-based (W-shape) o Markov.
W-shape (30% first / 30% lead creation / 30% opportunity creation / 10% resto) funciona cuando los tres momentos críticos del journey están bien definidos.
Markov captura sinergias entre canales: el podcast no convierte por sí solo, pero quitarlo del journey hace caer las demos.
Anotación técnica
→ En el formulario de Calendly o en el primer minuto de la llamada, preguntar "¿Cómo conociste mi trabajo?". La respuesta libre suele ser más precisa que cualquier UTM en high-ticket.
Errores a evitar:
Atribuir el 100% al UTM de Calendly
Tratar "directo" como un canal de adquisición real cuando casi siempre es la categoría residual del dark social.
Qué modelo de atribución usar para e-commerce
Imagina una tienda de suplementos. Ticket medio 39€. Ciclo desde primer click hasta primera compra: 75% en 24 horas, 80% en 48 horas según benchmarks de industria.
Touchpoints típicos: 1-4. La compra repetida entra en territorio de email/SMS más que de paid.
La realidad operativa son ciclos cortos, volumen alto, journeys lineales. Esto cambia radicalmente qué modelo tiene sentido.
Modelo recomendado: data-driven con volumen, o last-click pulido cuando hay CAPI.
Data-driven en Google Ads funciona cuando hay volumen mínimo (~300 conversiones / 3.000 interacciones en 30 días según los requisitos de Google)
Last-click pulido (7 días click + 1 día view) es defendible cuando el ciclo es <72 horas y CAPI está implementado en Meta.
Multi-touch en e-commerce de ticket bajo suele ser un error: no hay journey suficiente que modelar.
Anotación técnica
→ MER (revenue total / spend publicitario total) como métrica madre. No depende del modelo de atribución de ninguna plataforma.
→ CAPI en Shopify es la decisión técnica más importante post-2021. Sin server-side, Meta pierde una parte material de la señal tras iOS 14.5 según la documentación oficial.
Errores a evitar:
Pelearse con multi-touch sin tener volumen suficiente
Escalar campañas por ROAS bruto sin mirar AOV ni margen.
Cómo configurar la atribución
Configuración de Atribución en Meta Ads
Entra en Ads Manager → Columns → Customize Columns → Comparing Windows.
Cambio reciente clave: la ventana default pasó de 28 días click a 7 días click en abril de 2021 tras iOS 14.5. La ventana de 28 días ya no está disponible.
Configuración de Atribución en Google Ads
Modelos nativos disponibles: solo data-driven (default) y last-click desde junio de 2023.
Configuración: Objetivos → Medición → Atribución
Limitación principal:
solo dos modelos seleccionables.
Data-Driven Attribution es una caja negra y requiere volumen mínimo de ~300 conversiones / 3.000 interacciones en 30 días para funcionar bien.
Configuración de Atribución en ActiveCampaign
Modelos nativos: solo last-touch en el Conversion Attribution Report. Analiza UTM source, medium, campaign, term y content desde links rastreados.
Configuración: Reports → Conversion Attribution. Site Tracking debe estar activo en el sitio.
Limitación principal: sin multi-touch nativo.
Configuración de Atribución en Stripe
Modelos nativos: ninguno.
Stripe es procesador de pagos, no plataforma de atribución. Lo que sí soporta: UTM en Payment Links (utm_source, utm_medium, utm_campaign, utm_content, utm_term) y client_reference_id + metadata para pasar datos custom desde el frontend.
Configuración: Payment Links → URL parameters. Para Checkout Sessions, incluir UTM en success_url y metadata al crear la sesión vía API.
Configuración de Atribución en Calendly
Modelos nativos: captura UTM (last-touch en la página de booking únicamente). Soporta utm_source, utm_medium, utm_campaign, utm_content y utm_term.
Configuración: añadir parámetros UTM directamente al link de Calendly (?utm_source=...&utm_medium=...). En Meetings → filter Tracking IDs.
Limitación principal: solo captura UTM si el visitante completa el widget en la misma página donde llegó con los parámetros. Si navega a otra página intermedia, los UTM se pierden.
Cómo Paralex encaja en este stack
Paralex no decide tu modelo de atribución. Esa decisión es estratégica y depende de tu modelo de negocio. Lo que sí hace Paralex es asegurar que cada evento llegue limpio, deduplicado y completo a tu plataforma de elección.