Imaginemos un recorrido bastante común. Una persona descubre una empresa porque encuentra una publicación en LinkedIn. No compra ni llena un formulario. Algunos días después recuerda la marca, la busca en Google y visita su sitio. Más adelante recibe un correo, se registra en un evento y, después de participar, habla con un asesor. Finalmente compra.

El ejemplo es hipotético, pero representa un problema muy real para muchas empresas. Si solamente observamos la última interacción, podríamos concluir que la venta fue resultado del asesor. Si analizamos únicamente la conversión digital, quizá se la atribuyamos al correo que produjo el registro. Pero ninguna de esas explicaciones cuenta la historia completa.

La decisión se fue construyendo mediante diferentes contactos y cada uno cumplió una función.

Ahí aparece la diferencia entre trazabilidad y atribución.

La trazabilidad permite reconstruir qué ocurrió durante el recorrido de una persona: de dónde llegó, qué contenido consumió, qué campañas encontró, cuándo se identificó, qué acciones realizó y qué sucedió después de comprar.

La atribución utiliza esa información para entender qué papel desempeñaron los diferentes canales, contenidos y campañas dentro del resultado.

Primero necesitamos saber qué ocurrió. Después podemos discutir quién merece el crédito.

El problema de trabajar con historias fragmentadas

Muchas empresas ya tienen una enorme cantidad de datos. El problema es que esos datos viven separados.

La plataforma publicitaria conoce los anuncios y los clics. Google Analytics registra visitas. El formulario almacena registros. El CRM contiene oportunidades. El sistema administrativo conoce las ventas.

Cada herramienta explica una parte del recorrido, pero ninguna necesariamente puede responder una pregunta mucho más importante: ¿cómo llegó esta persona desde el primer contacto hasta convertirse en cliente?

Esta fragmentación provoca discusiones conocidas. Marketing demuestra que produjo tráfico y leads. Ventas demuestra que cerró oportunidades. La dirección conoce los ingresos, pero sigue sin saber exactamente qué inversiones están generando los mejores clientes.

Una infraestructura de trazabilidad intenta unir esas piezas.

No se trata solamente de colocar parámetros UTM en los enlaces. Es necesario poder relacionar contenidos, campañas, sesiones, clics, personas, conversiones y compras mediante identificadores consistentes.

Cuando alguien visita por primera vez un sitio, normalmente no sabemos quién es. Podemos reconocer técnicamente una sesión o un visitante mediante un identificador interno, pero todavía no existe una persona identificada.

Eso cambia cuando se registra en un evento, llena un formulario, inicia sesión o compra.

En ese momento, cuando existe una base legítima para hacerlo, parte de la actividad anterior puede relacionarse con el contacto conocido. En lugar de comenzar la historia desde cero cuando aparece un lead en el CRM, podemos entender qué ocurrió antes de que esa persona decidiera identificarse.

Los SmartLinks pueden ayudar en esta infraestructura. Una misma publicación puede distribuirse mediante variantes para LinkedIn, email, WhatsApp, QR u otros canales. Todas llevan al mismo contenido, pero conservan información sobre el origen del clic.

Así podemos comenzar a responder no solamente qué contenido recibió visitas, sino qué canal produjo esas visitas y qué ocurrió posteriormente con las personas que llegaron desde cada uno.

La privacidad sigue siendo una condición indispensable. Tener trazabilidad no significa enviar nombres, correos o teléfonos a todas las plataformas. La información personal puede mantenerse dentro de infraestructura first-party mientras los sistemas analíticos trabajan con identificadores apropiados.

El último clic cuenta demasiado poco

Cuando ya podemos reconstruir el recorrido, podemos comenzar a trabajar mejor la atribución.

Una interacción pudo generar el descubrimiento. Otra pudo recuperar el interés. Otra ayudó a resolver una duda y otra produjo finalmente la conversión.

Por eso el último clic puede ser útil, pero no debería convertirse automáticamente en la explicación completa de una venta.

En nuestro ejemplo hipotético, LinkedIn produjo el descubrimiento, Google participó posteriormente en la investigación, el correo generó el registro y la conversación comercial terminó ayudando al cierre.

Quitar LinkedIn de la ecuación porque no produjo directamente la compra puede llevar a una conclusión equivocada. También sería incorrecto darle todo el mérito a LinkedIn simplemente porque fue el primer contacto.

La atribución multicanal permite conservar diferentes perspectivas: first touch, session touch, last touch, conversion touch y assisted touch. Ese modelo forma parte de la arquitectura de Customer Intelligence propuesta para Kursery.

El objetivo no es encontrar una fórmula perfecta que reparta matemáticamente una venta entre diez interacciones. El objetivo es comprender suficientemente bien el recorrido para tomar mejores decisiones.

Atribución no significa causalidad. También existe una limitación importante.

Que una interacción ocurra antes de una compra no demuestra que haya causado esa compra.

Si una persona leyó cuatro artículos antes de contratar un servicio, sabemos que esos contenidos formaron parte de su recorrido. Todavía no podemos afirmar que fueron los responsables de producir la decisión.

Para acercarnos a una explicación causal necesitamos experimentación, cohortes, grupos de comparación o suficiente evidencia histórica.

Esta diferencia importa porque un dashboard puede presentar porcentajes muy precisos aunque los datos detrás de ellos sean incompletos.

Es preferible tener una atribución que reconozca sus límites que construir una precisión ficticia. La trazabilidad debería continuar después de la venta

Hay otro problema cuando la atribución termina en la conversión.

Supongamos que una campaña produce clientes con un costo de adquisición muy bajo. Aparentemente funciona muy bien. Sin embargo, esos clientes cancelan rápidamente, requieren mucho soporte y tienen poco margen.

Otra campaña genera menos clientes y tiene un CAC más alto, pero esos clientes permanecen más tiempo, compran nuevamente y recomiendan la empresa.

¿Cuál canal funciona mejor?

Si dejamos de medir cuando ocurre la primera compra, probablemente elegiremos mal.

Por eso la trazabilidad debe conectarse con Customer Experience y Profit Velocity. La pregunta deja de ser solamente qué canal produce más ventas y comienza a convertirse en algo mucho más interesante: ¿qué canal, contenido, segmento y recorrido producen mejores clientes y mayor rentabilidad sostenible?

Este cambio es importante porque el objetivo empresarial no debería ser maximizar clics, formularios o incluso ventas aisladas. Debemos entender qué combinaciones producen crecimiento económicamente saludable.

De la atribución a Customer Intelligence

La trazabilidad también permite comprender mejor qué está buscando una persona. Si alguien consume repetidamente contenido relacionado con inteligencia artificial aplicada a ventas, regresa durante varias semanas, termina un video, visita una página comercial y posteriormente se registra en un evento relacionado, tenemos señales mucho más útiles que una simple categoría demográfica.

Podemos comenzar a diferenciar interés de intención.

Una persona puede estar interesada en un tema sin estar preparada para comprar. Otra puede mostrar señales suficientes para encontrarse mucho más cerca de un momento de Toma mi Dinero.

Esa diferencia permite construir Interest Score, Intent Score y eventualmente un TMD Score basado en patrones de comportamiento. También permite decidir mejor una Next Best Action: recomendar otro contenido, invitar a un evento, iniciar una conversación comercial, presentar una oferta o simplemente no ofrecer nada todavía.

Aquí es donde la atribución deja de ser solamente un reporte de marketing y comienza a convertirse en Customer Intelligence.

Primero memoria, después inteligencia. No necesitamos comenzar con inteligencia artificial predictiva ni con modelos sofisticados.

Primero debemos demostrar que podemos reconstruir correctamente un recorrido.

Necesitamos saber cómo llegó una persona, qué consumió, qué interacciones tuvo, cuándo pasó de anónima a conocida, qué produjo la conversión y qué ocurrió con ella después de convertirse en cliente.

Si no podemos responder esas preguntas con datos razonablemente confiables, agregar inteligencia artificial no soluciona el problema. Solamente permite analizar más rápido información incompleta.

La trazabilidad funciona como la memoria comercial de la empresa. La atribución ayuda a interpretar esa memoria. Customer Intelligence transforma posteriormente ese conocimiento en decisiones.

Y cuando conectamos esas decisiones con el comportamiento posterior del cliente, Customer Experience y Profit Velocity, dejamos de preguntar únicamente de dónde vino una venta.

Comenzamos a entender cómo se construyen los mejores clientes.