Modelos de Atribución de Google: ¿por qué el gigante de la tecnología remueve opciones?

El primero de julio, Google Analytics Universal dejó de actualizar datos y toda la industria estuvo enfocada en auditar que la migración a GA4 haya sido realizada de la mejor manera posible. En estos últimos meses, Google ha introducido aún más cambios, anunciando que removerá la mayoría de los modelos de atribución que computaba automáticamente.

La gigante tecnológica, ha decidido que tanto en la plataforma de Google Ads y Analytics, a partir de mayo de 2023, eliminará cuatro modelos de atribución (primer clic, lineal, decaimiento por tiempo y basado en posición), pasando a promover la utilización del modelo de atribución data-driven.

Los modelos de atribución son cruciales para los especialistas en marketing, ya que permiten aproximar qué impacto están teniendo los marketers en las acciones que realizan las personas en los activos -página web, app, canal de mensajería- de la empresa. Los cuatro modelos que Google ha decidido eliminar han sido durante mucho tiempo una piedra angular en la comprensión del comportamiento del cliente. Desafortunadamente, todos los modelos tienen sus limitaciones.

Las personas estamos expuestos a múltiples estímulos, en diferentes entornos, que influencian nuestras decisiones de compra. Desde recomendaciones de amigos, hasta comerciales que vemos en la vía pública o personalidades que utilizan diferentes marcas, todo tiene un grado de incidencia en las acciones que finalmente tomamos.

La nueva estrella de Google es el modelo de atribución impulsado por datos, un modelo de atribución innovador que utiliza el aprendizaje automático para analizar grandes cantidades de datos y asignar un valor a cada punto de contacto, en función de su impacto en el recorrido del cliente. El objetivo de Google es poder aproximar el peso relativo de muchos de esos factores que influencian a las personas en sus decisiones finales.

No obstante, los expertos en marketing tienen opiniones mixtas sobre este cambio. Algunos elogian el enfoque de Google en la IA y el aprendizaje automático, argumentando que ofrece una visión más completa del recorrido del cliente. Por el contrario, otros expresan su preocupación de que el nuevo modelo es una «caja negra» que se computa sobre un camino a la compra cada vez menos visible para Google, por los diferentes cambios en el ecosistema que están aconteciendo. Los cambios introducidos por Apple en los últimos años, sumado al crecimiento de ad blockers y a usuarios que utilizan más dispositivos, entre otros, hace que, potencialmente, Google tenga una visión parcial y sesgada hacia su propio ecosistema, sobre el que tiene mayor control.

Entonces, es relevante preguntarse: ¿por qué Google está realizando este cambio?

Una explicación podría ser que Google está buscando reducir los costos de mantenimiento de su sistema y mejorar su rendimiento. Al eliminar modelos menos utilizados, Google puede consolidar y simplificar sus medidas. Según Google, el modelo impulsado por datos es el modelo más utilizado para las conversiones en las ofertas automáticas y los cuatro modelos que se están eliminando representan menos del 3% de las conversiones web de Google combinadas.

Además, al promover el uso del modelo impulsado por datos, Google probablemente está tratando de aumentar la efectividad de su plataforma en términos de ventas incrementales efectivamente causadas. Sin embargo, la preocupación de que este cambio pueda sesgar los resultados a favor de Google Ads -en particular Youtube- debe ser contemplada y analizada.

¿Cómo se puede validar el modelo de atribución para tomar decisiones de asignación de presupuesto más efectivas?

Desde Bunker DB creemos que no existe -ni existirá- una «única solución perfecta» a esta pregunta, por la complejidad del problema que está intentando resolver y las limitaciones existentes. La mejor forma de auditar y «calibrar» el modelo de atribución que proporciona Google Analytics es ejecutando experimentos aleatorios en los medios que lo permiten, y utilizar los resultados como un input para la toma de decisiones. 

Otra alternativa que toma cada vez más relevancia y es «resistente» a los cambios que reducen la capacidad de mapear el camino a la compra online, es el uso de modelos de Marketing Mix. Los modelos MMM utilizan datos agregados y métodos estadísticos para estimar el impacto incremental de cada palanca de marketing en el mediano y largo plazo, permitiendo ajustar la compra de medios que sugiere el modelo de GA.

En conclusión, aunque este cambio de Google pueda parecer drástico, es un reflejo del movimiento general hacia la IA y el aprendizaje automático en el marketing digital. 

Los especialistas en marketing deben estar preparados para adaptarse y abrazar estos cambios, teniendo un ojo crítico y utilizando diferentes métodos para un mejor control y rendimiento de su presupuesto.