La mayor parte de la analítica de marketing existe para sobrevivir a las reuniones. Dashboards que nadie abre entre una revisión y otra, modelos de atribución de los que todos desconfían en silencio y reportes trimestrales diseñados para que nunca haya que tomar una decisión. Construyo una medición capaz de sostenerse si la explicas en voz alta, ante tu CFO o ante el propio cliente al que se está midiendo.
El tracking se audita antes de confiar en él, porque los números empiezan a fallar justo en la configuración que nadie revisa. La atribución se trata como un conjunto de mentiras útiles que hay que triangular, y las llamadas telefónicas y los resultados offline que hoy ignora tu dashboard vuelven a entrar en el panorama. La incrementalidad se demuestra con pruebas de grupo de control (holdout) que cualquier equipo de marketing puede correr, sin necesidad de un área de ciencia de datos; así validé un retorno de 342 a 1 cuando la versión del dashboard era demasiado buena para firmarla con mi nombre. El modelado de marketing mix (MMM) entra donde la inversión y la variedad de canales lo justifican, con un no rotundo donde no. Y la gobernanza, esa disciplina profundamente aburrida de UTM y nomenclatura, decide si las preguntas del año que viene van a tener respuesta.
El estándar de los entregables viene del mejor cliente que tuve. Cada análisis termina en una decisión, con el número que la cambiaría dicho de antemano. Los dashboards se rehacen hasta que las personas para quienes existen los abren de verdad, lo que suele significar menos gráficos, un lenguaje más llano y una página que dice qué hacer el lunes.
Aquí la privacidad es una condición de diseño: medición sujeta a consentimiento, datos propios puestos a trabajar, clean rooms alimentadas solo con datos propios lo bastante limpios para cruzarse y configuraciones para categorías reguladas que ya pasaron el escrutinio de HIPAA. Si tus números transmiten seguridad y tus decisiones no, esa brecha es justamente el proyecto. Suele ser más corto que las últimas tres presentaciones de proveedores que tuviste que aguantar, y termina con números que vas a defender sin titubear.
Números para defender en voz alta
Cerrar la brecha entre dashboards convincentes y decisiones firmes: ese es el trabajo.
HablemosPreguntas frecuentes
¿Necesitamos un equipo de ciencia de datos para correr pruebas con grupo de control?
No. Una prueba con grupo de control compara a quienes ven los anuncios con un grupo equivalente que no los ve, y un equipo de marketing puede diseñarla y leerla con el tamaño de muestra correcto. El retorno de 342 a 1 de eBay se validó así.
¿En qué modelo de atribución deberíamos confiar?
Usa varios y no confíes en ninguno por sí solo. Los reportes de las plataformas, la analítica y los modelos multitouch ven cada uno una parte del panorama, así que el trabajo los triangula, suma las llamadas y las ventas offline, y resuelve con pruebas de grupo de control las preguntas que importan.
¿La medición sigue funcionando con reglas de consentimiento y con HIPAA?
Sí. Las etiquetas se activan con consentimiento, los datos propios hacen el trabajo que les está permitido y las configuraciones para categorías reguladas ya resistieron el escrutinio de HIPAA.
De The Signal, en inglés
Ver todas las notasImpressions Are Not Created Equal. Frequency Should Not Be Either.
A search impression, a feed impression, and a banner impression are three different events wearing one name. Why every channel needs its own frequency math.
27 de junio de 2026Most Attribution Dashboards Get Built and Then Ignored
A dashboard nobody opens has a trust problem. The fix is admitting uncertainty on the dashboard itself instead of hiding it behind false precision.
3 de abril de 2026Marketing Mix Modeling Came Back From the Dead Because Nothing Else Survived
MMM was the dusty econometrics of big TV advertisers until signal loss made it modern again. What mix modeling does, what it needs, and who should wait.
1 de abril de 2026You Do Not Need a Data Science Team to Run a Holdout
Incrementality testing sounds like a research department. It is a spreadsheet, a map, and the discipline to leave some money on the table for six weeks.
25 de marzo de 2026Every Attribution Model Is Wrong. Choose the One Wrong in Your Favor.
First-touch, last-touch, linear, data-driven: what each marketing attribution model assumes, what it hides, and how to use models without believing them.
24 de marzo de 2026Your Match Rate Is the Ceiling on Everything Else
Every first-party data strategy depends on one unglamorous number: how much of your customer file the platforms can recognize. Typical is about 20 percent.