Recursos
ROAS vs incrementalidad: qué métrica usar para cada decisión
Respuesta corta
El ROAS responde "¿cuánto ingreso atribuido obtuve por cada euro invertido?". La incrementalidad responde "¿cuánto de ese resultado ocurrió por causa de la publicidad y no habría ocurrido igualmente?". El ROAS es útil para optimización táctica dentro de un canal; la incrementalidad es la métrica que debe gobernar la asignación de presupuesto entre canales, países y etapas del funnel. Usar ROAS para decidir dónde poner el siguiente euro es el error más caro del performance marketing.
El conflicto, en una frase
Los canales con ROAS más alto suelen ser los menos incrementales.
Branded search, retargeting y formatos de cierre de demanda muestran ROAS excelentes precisamente porque capturan demanda que ya existía. El anuncio aparece delante de alguien que ya te estaba buscando, se lleva el crédito, y tu dashboard te felicita.
El experimento clásico de eBay (Blake, Nosko y Tadelis, Econometrica, 2015) es el ejemplo canónico: los anuncios sobre keywords de marca no mostraron beneficios medibles de corto plazo. En non-brand, el impacto positivo se concentró en usuarios nuevos e infrecuentes, mientras los usuarios frecuentes absorbían buena parte del gasto sin cambiar su conducta.
En dirección contraria, otros experimentos muestran que campañas de display pueden elevar compras totales —incluyendo compras offline y sin clic— aunque el ROAS visible en plataforma no lo refleje bien.
El patrón: el ROAS sobrevalora sistemáticamente el fondo del funnel y subvalora la parte alta.
Definiciones y fórmulas
| Métrica | Fórmula | Qué responde | Advertencia |
|---|---|---|---|
| ROAS | Ingresos atribuidos / gasto publicitario | Eficiencia atribuida | Útil para operar, no causal por sí solo |
| Target ROAS | (Valor de conversión / gasto) × 100% | Objetivo de puja basado en valor | Un objetivo demasiado alto restringe volumen |
| Lift absoluto | Y_tratamiento − Y_control | Efecto causal total | Requiere un contrafactual comparable |
| Lift relativo | (Y_tratamiento − Y_control) / Y_control | Efecto causal porcentual | Es la métrica comparable entre campañas |
| Valor incremental | Valor_tratamiento − Valor_control | Ingreso nuevo real | Base para el iROAS |
| iCPA | Gasto / conversiones incrementales | Coste por conversión causal | Siempre más alto que el CPA atribuido |
| iROAS | Valor incremental / coste incremental | Retorno causal | La métrica de asignación de presupuesto |
| mROAS | Δ ingresos / Δ gasto | Retorno del siguiente euro | Lo relevante para escalar, no el ROAS promedio |
La distinción entre ROAS promedio y mROAS (marginal) merece atención propia. La asignación óptima de presupuesto se define en el margen: no importa lo que ha rendido el gasto pasado, importa lo que rendirá el siguiente euro. Un canal con ROAS medio de 4x puede tener mROAS de 1,2x si ya está saturado.
Métodos de medición causal
| Método | Cómo funciona | Cuándo usarlo | Requisito mínimo |
|---|---|---|---|
| Holdout por usuario | Grupo de control aleatorizado que no ve los anuncios | Canales con identidad de usuario (Meta, Google) | Volumen de conversiones suficiente para potencia |
| Geo-experiment | Regiones tratadas vs. regiones de control | Canales sin identidad, TV, OOH, o cuando el holdout no está disponible | Suficientes geos comparables y estables |
| Ghost ads / PSA | El control ve un anuncio neutro | Cuando quieres controlar selección de audiencia | Soporte de la plataforma |
| Switchback | Encender y apagar por periodos | Presupuesto pequeño, decisiones rápidas | Baja estacionalidad intra-periodo |
| MMM | Modelo de series temporales sobre inversión y resultados | Asignación macro entre canales y planificación | 2–3 años de historia y variación de inversión |
El consenso técnico actual es que MMM y experimentos no compiten: se calibran mutuamente. Los marcos modernos —Meridian de Google, Robyn de Meta— están diseñados explícitamente para incorporar resultados de experimentos como priors del modelo. Un MMM sin experimentos que lo anclen es un ejercicio de curve fitting elegante.
Un problema del que casi nadie avisa: la potencia estadística
Aquí está la restricción incómoda. Lewis y Rao ("The Unfavorable Economics of Measuring the Returns to Advertising", QJE, 2015) mostraron que estimar el ROI publicitario con precisión útil requiere muestras enormes, porque la varianza del gasto individual del consumidor es mucho mayor que el efecto del anuncio.
En la práctica esto significa dos cosas:
- Un test mal dimensionado no es "un test pequeño": es ruido. Un resultado no significativo no prueba que el canal no funcione.
- Empieza por el canal donde más presupuesto está en juego, no por el más fácil de testear. Un test bien hecho sobre el 40% de tu inversión vale más que cinco tests sobre el 3%.
Antes de correr un test, calcula la potencia. Si necesitas seis meses para detectar el efecto mínimo que te importa, el test no es viable y conviene decidir con MMM o con juicio explícito.
Cómo se ve en la práctica
Un portafolio típico después de su primera ronda de tests:
| Canal | ROAS reportado | iROAS estimado | Lectura |
|---|---|---|---|
| Branded search | 12,0x | 1,4x | Casi todo era demanda existente. Reducir, no eliminar |
| Retargeting | 8,5x | 2,1x | Sobrevalorado, pero incremental en cohortes frías |
| Prospecting social | 2,2x | 2,0x | El ROAS ya era casi honesto |
| Display / video | 0,9x | 1,6x | Subvalorado por la atribución de último clic |
Nota la asimetría: los canales de cierre pierden mucho al pasar a métrica causal; los de descubrimiento ganan. Esa asimetría es la razón por la que reasignar presupuesto usando solo ROAS tiende a estrechar el funnel hasta que el crecimiento se detiene.
Advertencia importante: las cifras de esta tabla son ilustrativas del patrón, no benchmarks. Tu iROAS depende de tu categoría, tu notoriedad de marca, tu ciclo de compra y tu nivel de saturación.
Cómo lo aborda ADEX
Trabajamos la medición en tres capas, y las mantenemos separadas a propósito:
- Capa operativa (diaria). Métricas de plataforma, CPA, ROAS, gasto por campaña. Sirve para gestionar, no para decidir presupuesto.
- Capa experimental (trimestral). Un test de lift o geo-experiment por trimestre sobre el canal con más presupuesto en juego. Los resultados se documentan con su intervalo de confianza, no solo con el punto estimado.
- Capa de asignación (semestral). Reasignación de presupuesto guiada por iROAS y mROAS, no por ROAS atribuido.
ADEX ha gestionado más de 50M USD de inversión publicitaria en 18 países, y la mayor parte del valor que aportamos no está en optimizar campañas: está en evitar que un equipo mueva 200.000 € hacia un canal que solo parecía rentable.
Cuándo no necesitas incrementalidad
Sé honesto sobre el umbral:
- Menos de 20.000–30.000 € al mes en un canal: el test no tendrá potencia y el coste de oportunidad del holdout es alto en proporción.
- Un solo canal: no hay decisión de asignación que tomar.
- Producto o oferta sin validar: primero valida que alguien quiere comprar.
- Tracking roto: arregla la medición antes de medir causalidad. Un experimento sobre datos sucios produce un número limpio y falso.
Preguntas frecuentes
¿Qué es la incrementalidad en marketing? Es el efecto causal de la publicidad: cuántas conversiones ocurrieron por causa del anuncio y no habrían ocurrido de todas formas. Se mide comparando un grupo expuesto con un grupo de control comparable.
¿Cuánto presupuesto necesito para un test de lift? Depende de tu tasa de conversión base y del efecto mínimo que quieras detectar, no de una cifra fija. Como orientación práctica, por debajo de 20.000–30.000 € mensuales en el canal, la mayoría de los tests carecen de potencia para dar una respuesta útil.
¿Un holdout no me hace perder ventas? Sí, ese es el coste del experimento: el grupo de control es dinero que no inviertes en gente que quizá habría convertido. Ese coste suele ser mucho menor que el de mantener durante un año un canal cuyo iROAS real es 1,0x.
¿MMM sustituye a los experimentos? No. Un MMM sin experimentos que lo calibren es propenso a resultados poco fiables. Los marcos actuales de Google y Meta incorporan resultados experimentales como priors precisamente por eso.
¿Por qué mi branded search tiene ROAS altísimo? Porque captura demanda que ya existía. Buena parte de esos usuarios te habrían encontrado igualmente por resultado orgánico. Es el candidato número uno para un test de incrementalidad.
¿Con qué frecuencia debo correr tests? Un test bien diseñado por trimestre sobre el canal de mayor presupuesto es un ritmo sostenible para la mayoría de equipos. Más frecuencia rara vez compensa el coste operativo.
Siguiente paso
Si nunca has validado tu canal de mayor inversión, ahí está tu primer test. Diseñar mi primer test de incrementalidad →
Lecturas relacionadas
- Atribución rota y CAC
- Leads baratos vs pipeline real
- Servicio: agencia de performance marketing
- Servicio: dashboards de marketing
Fuentes externas
- Blake, Nosko y Tadelis (2015). Consumer Heterogeneity and Paid Search Effectiveness. Econometrica. https://doi.org/10.3982/ECTA12423
- Lewis y Rao (2015). The Unfavorable Economics of Measuring the Returns to Advertising. Quarterly Journal of Economics. https://doi.org/10.1093/qje/qjv023
- Gordon, Zettelmeyer, Bhargava y Chapsky (2019). A Comparison of Approaches to Advertising Measurement. Marketing Science. https://doi.org/10.1287/mksc.2018.1135
- Documentación de Google sobre Conversion Lift, geo experiments y Meridian; documentación de Meta sobre Conversion Lift y Robyn.
Las tablas numéricas de este artículo son ilustrativas del patrón descrito y no constituyen benchmarks de industria.