La attribution multicanal asigna crédito entre los touchpoints de un journey B2B. Ningún modelo es preciso, porque gran parte del journey es inobservable, así que el uso práctico es comparar el desempeño direccional de forma consistente y no establecer la contribución verdadera.
Los debates de attribution consumen una energía enorme en los equipos de marketing B2B y rara vez se resuelven, porque son discusiones sobre una pregunta sin respuesta correcta.
Partes significativas de un journey B2B son invisibles: una recomendación en una conversación privada, una mención en una comunidad, un asistente de IA resumiendo tu categoría. Ningún modelo captura nada de eso.
Por qué ningún modelo de attribution es correcto
Cada modelo codifica un supuesto sobre qué touchpoints importan. First-touch acredita el descubrimiento, last-touch acredita el cierre, el lineal trata todo como igual, y ninguno de estos es cierto.
Suma los touchpoints inobservables y la precisión se vuelve imposible en principio, no en la práctica. Aceptarlo temprano evita una gran cantidad de discusión desperdiciada.
Para qué sirve realmente la attribution
La comparación bajo un método consistente. Si el mismo modelo se aplica a lo largo del tiempo, los cambios en la contribución medida de un canal son informativos aunque el número absoluto esté equivocado.
Eso es suficiente para la decisión que usualmente enfrentas, que es a dónde mover el siguiente incremento de presupuesto y no qué merece cada canal en alguna contabilidad final.
¿Qué modelo deberías usar?
- First-touch. Útil cuando la pregunta es qué crea awareness en un mercado que no te conoce.
- Last-touch. Simple y muy sesgado hacia los canales de captura que interceptan demanda creada en otro lugar.
- Multi-touch. Más balanceado, más complejo, y tan bueno como tu tracking de los touchpoints que puedes ver.
- Holdout testing. El único método que mide la incrementalidad real. Más lento, más difícil y considerablemente más veraz.
Primero deja bien la plomería
La attribution depende de unir el comportamiento anónimo con un contacto conocido y con una oportunidad del CRM. Si esa cadena se rompe, el modelo está calculando sobre datos incompletos y ninguna sofisticación lo rescata.
Las convenciones consistentes de UTM, un identificador que se pasa hasta el CRM y el tráfico interno filtrado importan más que la selección del modelo. La mayoría de los problemas de attribution son problemas de datos.
Úsala junto con preguntarle a la gente
Una pregunta self-reported en tu formulario, preguntando cómo se enteraron de ti, capta cosas que ningún tracking captará. Las respuestas nombran de forma rutinaria canales que los reportes de attribution consideran insignificantes.
Trátalo como un correctivo. Cuando la attribution self-reported y la modelada difieren marcadamente, la brecha por lo general localiza un canal que hace un trabajo invisible.
- ✓ Ningún modelo de attribution es correcto. Gran parte de un journey B2B es inobservable en principio.
- ✓ Usa un modelo de forma consistente para comparar a lo largo del tiempo, no para establecer el crédito verdadero.
- ✓ La mayoría de los problemas de attribution son problemas de datos. Arregla la unión antes de elegir un modelo.
- ✓ La attribution self-reported capta lo que el tracking no puede. El desacuerdo localiza el trabajo invisible.
FAQ
¿Cuál es el mejor modelo de attribution para B2B SaaS?+
Ninguno es preciso. Elige uno apropiado para tu pregunta, aplícalo de forma consistente y usa holdout tests cuando una decisión sea lo bastante grande como para justificar medir la incrementalidad real.
¿Por qué la attribution nunca coincide con lo que dice sales?+
Porque partes significativas de un journey B2B son invisibles para el tracking: recomendaciones privadas, menciones en comunidades y resúmenes generados por IA. Sales se entera de estas, y ningún modelo las registra.
¿Deberías preguntarle a los clientes cómo se enteraron de ti?+
Sí. La attribution self-reported capta canales que el tracking no puede ver, y un desacuerdo marcado con tu modelo por lo general identifica un canal que hace un trabajo invisible.