Recursos
Modelos de atribución y cómo evaluar un MMP
Respuesta corta
La atribución asigna crédito por una conversión a uno o varios puntos de contacto previos. Ningún modelo es "el correcto": last-click sirve para operación táctica, los modelos multi-touch reparten mejor el crédito en recorridos largos, y solo la experimentación causal mide impacto real. Un MMP es el sistema operativo de esa señal en mobile, no el juez final de causalidad. Elige MMP por caso de uso —deep linking, escala de UA, transparencia de precio o medición omnicanal—, no por ranking genérico.
El problema que casi nadie plantea bien
La mayoría de los equipos discuten qué modelo de atribución usar antes de resolver un problema anterior: qué pueden observar realmente.
Hoy la limitación estructural no es matemática, es de observabilidad. El bloqueo de cookies de terceros, la partición de almacenamiento en navegadores, el consentimiento obligatorio para ciertos identificadores, la agregación y el retraso de postbacks en iOS, y la fragmentación entre dispositivos reducen la capacidad de conectar cada exposición con cada conversión a nivel usuario.
Elegir entre time-decay y position-based cuando el 40% de tus conversiones llegan modeladas es optimizar el decorado. Primero se arregla la recolección; después se discute el reparto de crédito.
Cómo funciona la atribución, en términos operativos
El sistema necesita tres cosas para funcionar: registrar un toque elegible, conservar identidad o contexto suficiente para reconocer al usuario cuando convierta, y aplicar reglas de ventana y prioridad para asignar crédito.
| Componente | Qué hace | Qué suele romperlo |
|---|---|---|
| Tracking client-side | El navegador o SDK envía eventos desde la sesión del usuario (gtag, Tag Manager, Firebase SDK) | Ad blockers, pérdida de cookies, errores JS/SDK, restricciones del navegador, consentimiento faltante |
| Tracking server-side | El backend manda eventos por HTTP (Measurement Protocol, APIs S2S de MMPs) | Identity stitching incompleto, duplicación con SDK sin deduplicar, timestamps erróneos, pérdida del click ID |
| Deep links / referrers | Transportan el contexto de campaña hasta la app o la landing | Redirecciones que destruyen parámetros, link decoration bloqueada, apertura en webview |
| Redes autoatribuibles (SANs) | Meta, Google y TikTok reportan su propia atribución vía API | Sobreconteo cruzado entre redes, ventanas distintas, no reconciliable con last-click |
| Marcos de privacidad | SKAdNetwork, AdAttributionKit, Attribution Reporting API | Agregación, umbrales de privacidad, retrasos de postback, pérdida de granularidad |
La consecuencia práctica: cuanto más dependa tu medición de la capa client-side, más frágil es. La capa server-side es más robusta, pero introduce su propio riesgo —duplicación y stitching mal resuelto— si no se implementa con reglas de deduplicación explícitas.
Comparación de modelos de atribución
| Modelo | Cómo asigna crédito | Cuándo sirve | Sesgo principal |
|---|---|---|---|
| Last-click | 100% al último toque elegible | Operación táctica, conciliación simple, cuentas pequeñas | Sobrevalora branded search, retargeting y canales de cierre |
| First-click | 100% al primer toque | Medir descubrimiento y entrada al funnel | Ignora todo lo que ocurre después |
| Linear | Reparto uniforme | Recorridos con pocos toques y peso similar | Trata todos los toques como equivalentes cuando no lo son |
| Time-decay | Más peso a lo reciente | Ciclos de compra cortos | Sigue castigando la fase de descubrimiento |
| Position-based | 40/20/40 típico | Compromiso entre descubrimiento y cierre | Los pesos son arbitrarios, no derivados de datos |
| Data-driven / algorítmico | Modelo entrenado sobre secuencias observadas | Volumen alto y datos de identidad razonables | Sigue siendo observacional: hereda el sesgo de lo que se pudo observar |
| Incrementality | Compara tratamiento vs. control | Decisiones de asignación de presupuesto | No traza el journey; responde otra pregunta |
La evidencia académica sobre esto es consistente y algo incómoda: los modelos de atribución son útiles para organizar información, pero pueden fallar al aproximar el efecto causal verdadero. Los experimentos de campo a gran escala en eBay (Blake, Nosko y Tadelis, Econometrica, 2015) y en Meta (Gordon et al., Marketing Science, 2019 y 2023) muestran que los métodos observacionales suelen sobrestimar el efecto causal de search y social, a veces por márgenes grandes.
Regla práctica de ADEX: usa atribución para decisiones tácticas dentro de canal, y usa incrementalidad para decisiones de asignación de presupuesto entre canales. Son herramientas para preguntas distintas.
Qué revisar antes de culpar al modelo
Antes de cambiar de modelo o de MMP, este es el orden de diagnóstico que aplicamos:
- Integridad de parámetros. ¿Sobreviven los click IDs a todas las redirecciones, shorteners y consent walls?
- Deduplicación. ¿Se cuenta el mismo evento dos veces cuando llega por SDK y por servidor?
- Ventanas. ¿Las ventanas de clic y de vista son iguales en el MMP, en las plataformas y en el CRM? Casi nunca lo son.
- Scopes. ¿Se están mezclando métricas de usuario, sesión y evento en el mismo informe?
- Cobertura de consentimiento. ¿Qué porcentaje del tráfico está en modo denegado y cómo se está modelando?
- Cobertura de eventos. ¿Los eventos de negocio (no solo de instalación) están mapeados y llegando?
- Discrepancia con plataformas. ¿Cuál es el delta entre MMP y cada SAN, y es estable en el tiempo?
Cuando el paso 7 muestra un delta inestable, el problema casi siempre está en los pasos 1 a 4, no en el modelo.
Inventario comparativo de MMPs
El mercado sigue concentrándose en seis proveedores, con Firebase/GA4 como stack de analítica adyacente pero no equivalente a un MMP neutral.
| MMP | Dónde destaca | A quién conviene | Consideración |
|---|---|---|---|
| AppsFlyer | Escala, cobertura de partners, ecosistema enterprise | UA móvil de alto volumen, equipos con muchas integraciones | Precio y complejidad crecen rápido con el volumen |
| Adjust | Fraude, automatización, buena ergonomía de producto | Apps en crecimiento con equipos de growth pequeños | Menos profundidad en algunos casos web-to-app |
| Singular | Unificación de coste + atribución, ETL a warehouse | Equipos que necesitan coste normalizado y raw data | Curva de implementación más técnica |
| Branch | Deep linking y recorridos web-to-app | Productos donde el link es parte del producto | La atribución es fuerte, pero el diferencial es el linking |
| Kochava | Medición omnicanal, CTV, opciones de entrada gratuitas | Equipos que miden más allá de mobile | Menor presencia de partners en algunos mercados |
| Tenjin | Transparencia de precio, foco app/gaming | Estudios de gaming y apps sensibles a coste | Menos funciones enterprise |
| Firebase / GA4 | Analítica de producto y reporting web+app | Núcleo de analítica, no sustituto de MMP neutral | No es un tercero independiente frente a Google |
No existe un ganador universal. La elección correcta depende de qué pregunta te duele más: ¿mi problema es linking, escala, coste, transparencia o unificación de datos?
Cómo lo aborda ADEX
Trabajamos la atribución en cuatro capas, en este orden:
- Recolección. Validación de SDK, mapeo de eventos de negocio, tracking server-side donde el client-side es frágil, y reglas de deduplicación explícitas.
- Reconciliación. Comparación sistemática entre MMP, SANs y CRM, con umbrales de discrepancia aceptables definidos por adelantado.
- Modelo. Selección del modelo según la decisión, no según la moda. Documentamos qué modelo alimenta qué decisión.
- Validación causal. Tests de incrementalidad o geo-experiments cuando la decisión mueve presupuesto material.
ADEX está certificado en los cuatro MMPs principales —AppsFlyer, Adjust, Singular y Branch— y ha completado más de 12 migraciones de MMP. Esa cobertura importa por una razón concreta: cuando el proveedor recomendado es también el proveedor que vende, el consejo no es neutral.
Cuándo esto no es tu prioridad
Sé honesto sobre el umbral. Si inviertes menos de unos 10.000 € al mes en medios de pago, si tienes un solo canal, o si tu ciclo de compra se cierra en la misma sesión, la ganancia de una arquitectura de atribución sofisticada es marginal. Arregla primero el producto, la oferta y la conversión de la landing.
La atribución empieza a pagar cuando tienes varios canales compitiendo por el mismo crédito, un ciclo de compra que cruza dispositivos o días, y suficiente presupuesto para que una mala reasignación cueste dinero real.
Preguntas frecuentes
¿Qué es un MMP y por qué importa? Un Mobile Measurement Partner es un tercero neutral que atribuye instalaciones y eventos in-app entre múltiples redes de publicidad. Importa porque las redes se autoatribuyen: sin un árbitro común, la suma de conversiones reportadas por tus canales superará tus conversiones reales.
¿Cuál es el mejor modelo de atribución? No hay uno mejor en abstracto. Last-click para operación diaria, data-driven para lectura de recorridos con volumen suficiente, e incrementalidad para decidir presupuesto. Usar un solo modelo para las tres decisiones es el error más común.
¿Cuánta discrepancia entre MMP y Meta o Google es normal? Siempre hay discrepancia porque las ventanas, los criterios de vista y la deduplicación difieren. Lo relevante no es el número absoluto sino su estabilidad: un delta constante es un problema de configuración conocido; un delta que se mueve es un problema de recolección.
¿SKAdNetwork y AdAttributionKit sustituyen al MMP? No. Son marcos de atribución agregada de Apple con retrasos y umbrales de privacidad. El MMP los integra y los reconcilia con el resto de tu medición, pero no puede recuperar la granularidad que Apple no entrega.
¿Puedo migrar de MMP sin perder datos históricos? Sí, con un parallel run de 7 a 14 días, exportación de raw data histórica y validación evento por evento antes del cutover. Lo que no se puede es reconstruir retroactivamente atribución que el nuevo proveedor nunca observó.
¿Necesito data warehouse para hacer esto bien? No para empezar, sí para escalar. En cuanto necesites unir coste, atribución, CRM y retención en la misma pregunta, un warehouse deja de ser opcional.
Siguiente paso
Si tus dashboards y tus plataformas no cuadran, el problema rara vez es el modelo. Revisar mi setup de MMP →
Lecturas relacionadas
- Atribución rota y CAC: cómo la mala medición destruye decisiones
- ROAS vs incrementalidad: qué métrica usar para cada decisión
- Servicio: atribución y gestión de MMP
- Servicio: migración de MMP
Fuentes externas
- Blake, Nosko y Tadelis (2015). Consumer Heterogeneity and Paid Search Effectiveness: A Large-Scale Field Experiment. Econometrica. https://doi.org/10.3982/ECTA12423
- Gordon, Zettelmeyer, Bhargava y Chapsky (2019). A Comparison of Approaches to Advertising Measurement: Evidence from Big Field Experiments at Facebook. Marketing Science. https://doi.org/10.1287/mksc.2018.1135
- Gordon, Moakler y Zettelmeyer (2023). Close Enough? A Large-Scale Exploration of Non-Experimental Approaches to Advertising Measurement. Marketing Science. https://doi.org/10.1287/mksc.2022.1413
- Shao y Li (2011). Data-driven Multi-touch Attribution Models. ACM SIGKDD. https://doi.org/10.1145/2020408.2020453
- Documentación de producto de Apple (SKAdNetwork, AdAttributionKit), Google (atribución en GA4) y de cada MMP citado.