Incrementalidad

La atribución mira los recorridos que terminaron en una compra y decide cómo repartir el mérito entre la publicidad que apareció por el camino. Todos esos recorridos, por definición, incluyeron publicidad. Las personas que habrían comprado de todos modos están en esos datos, y no se pueden distinguir de las que se dejaron convencer.

La incrementalidad hace la pregunta que la atribución no puede hacer por su propia estructura: cuántas de esas ventas se habrían producido sin ninguna publicidad. Para responderla hay que observar una situación en la que los anuncios no se mostraron, lo que significa no mostrárselos a alguien a propósito.

Esa es toda la diferencia, y por eso ningún modelado mejor cierra la brecha. Un modelo de atribución más sofisticado sigue viendo solo los recorridos que convirtieron. Es una forma mejor de repartir una cifra que quizá ya era demasiado grande desde el principio.

Pujar por el nombre de marca del propio cliente da unos resultados espectaculares en los informes. Los clics son baratos porque nadie es más relevante para esa búsqueda, la tasa de conversión es alta porque la persona ya estaba buscando al cliente, y el ROAS del informe es la mejor cifra de la cuenta.

La mayoría de esas personas habrían llegado de todos modos a través del resultado orgánico que aparece justo debajo del anuncio. La publicidad no ha creado la demanda; le ha cobrado al cliente por interceptarla.

Si aun así compensa pagarla es una pregunta empírica real, no retórica. Si los competidores pujan por la marca, el anuncio defiende una posición que de otro modo ocuparían ellos. Si el resultado orgánico es débil o queda por debajo de otros contenidos, el anuncio cubre ese hueco. Si no pasa ninguna de las dos cosas, es un gasto sin retorno.

Una prueba de dos semanas sin anuncios de marca lo responde directamente, y es la prueba de incrementalidad más fácil de hacer, porque el tráfico es alto y el efecto, si existe, es grande.

La prueba geográfica es la más práctica. Se eligen regiones que se comporten de forma parecida, se desactiva la publicidad en algunas de ellas, se deja todo lo demás igual y se comparan las conversiones totales de los dos grupos, no las atribuidas. El resultado es una cifra de incremento que ningún debate sobre atribución puede cuestionar.

Las dos grandes plataformas también ofrecen sus propios estudios de incremento de conversiones, que asignan a los usuarios al azar y son más eficientes estadísticamente que la segmentación geográfica. La contrapartida es que la plataforma se pone nota a sí misma, y el estudio solo mide esa plataforma.

El tercer diseño, y el menos satisfactorio, es la prueba de encendido y apagado en el tiempo: activar, pausar y comparar. Lo contamina todo lo que haya cambiado entre los dos periodos, que en marketing suele ser mucho. Úsalo solo cuando no puedas hacer una prueba geográfica, y trata el resultado como un indicio.

Sea cual sea el diseño, lo difícil es la disciplina. Una prueba que se ajusta a mitad de camino porque las regiones pausadas iban mal no ha medido nada, y las dos semanas se han perdido.

Lo normal es que lo sea, y una agencia que no ha preparado al cliente para ello está a punto de tener una reunión difícil sobre sus propios informes.

El planteamiento que funciona es decir de antemano que las dos cifras miden cosas distintas y que la de la prueba será más baja, de modo que esa cifra más baja significa que la prueba funciona, no que la publicidad falla. Dicha después, la misma frase suena a excusa.

Lo útil comercialmente no es un veredicto sobre si un canal funciona. Es un factor de corrección: si el incremento medido es el 60 % de las conversiones atribuidas, las cifras atribuidas siguen sirviendo para el día a día, aplicando un descuento conocido a cualquier decisión comercial.

Y un canal con poca incrementalidad real no es necesariamente un canal que haya que cortar. Una búsqueda de marca que protege frente a las pujas de la competencia hace un trabajo defensivo que aparece como poca incrementalidad y que costaría más dejar de hacer.