Hay un solo canal que te dice la verdad sin que tengas que adivinar: el call center. La persona llama, te dice “vi tu spot en la mañana”, y tú lo anotas. Atribución limpia, sin discusión.
El resto del tiempo estás a ciegas. Alguien escucha un spot de radio camino al trabajo, no llama a nadie, abre Mercado Libre seis horas después, compra y cierra el navegador. Esa venta es tuya. Nunca lo vas a saber.
Empecé a construir un modelo de atribución porque me cansé de no saber qué funcionaba. La pregunta que lo disparó era simple de enunciar y endemoniada de responder: ¿cómo le atribuyes una venta de marketplace a una entrevista de radio que pasó hace seis horas? Venía de una temporada en la que había apostado fuerte sin nada con qué medir, y la incomodidad de no poder explicar mis propios resultados era justo lo que no quería repetir.
Lo que encontré construyéndolo se parece poco a lo que esperaba encontrar.
El consumidor no respeta tu mapa
Lo primero que aprendí, y lo que todavía me sorprende, no tiene que ver con números. Tiene que ver con personas.
Tú diseñas una arquitectura de canales. Planificas una campaña para que empuje al call center, o al D2C, o al retail. Le pones su objetivo a cada pieza, su métrica, su lugar en el plan. Y el consumidor, que nunca leyó tu plan, hace lo que se le da la gana.
El comportamiento del consumidor no respeta la arquitectura de canales que diseñaste.
Planificas para call center y la venta cae en marketplace. Planificas para D2C y aterriza en una tienda física. He tenido campañas que, vistas en su canal directo, parecían un fracaso, y resultaron ser el motor de venta de un canal que ni siquiera estaba en el plan. El éxito estaba ahí todo el tiempo; yo lo estaba buscando en la puerta equivocada.
El caso que mejor lo resume es el de la radio. Una entrevista en radio te puede matar las ventas del call center y, al mismo tiempo, dispararte las de marketplace. Suena contraintuitivo hasta que lo ves pasar: la gente ya no llama para que le cuenten, escucha, le da curiosidad, y va directo a buscar el producto donde sabe comprar rápido. La televisión abierta hace algo parecido, pero con retraso: su efecto no aparece el mismo día, aparece al día siguiente.
Ninguna de esas cosas las anticipa el sentido común. Y sin medir, nunca las habrías visto: las habrías seguido atribuyendo al canal equivocado, felizmente, año tras año.
El problema no era matemático
Pensé que lo difícil iba a ser la matemática. Me equivoqué de problema.
Lo difícil es organizacional. El modelo se alimenta de información que no está en mis manos: depende de áreas que dependen, a su vez, de plataformas que entregan los datos cuando se les da la gana. Hay días en que tengo lo que necesito al corriente. Hay semanas en que no tengo casi nada. El modelo es exactamente tan bueno como la cadena de personas y sistemas que lo alimentan, y esa cadena casi nunca está bajo mi control. Nadie te advierte que el cuello de botella de un modelo de datos no van a ser los datos, sino la política de quién te los pasa y cuándo. Buena parte de mantenerlo vivo es, en los hechos, perseguir personas para que te manden un archivo.
Al inicio cometí el error de llegar con respuestas en lugar de preguntas. Daba por sentado que ciertos canales eran los motores —los que el manual, la costumbre y la intuición señalan— y defendía decisiones que la data después desmentía. El reverso de la radio que conté arriba fue, para mí, una de esas correcciones: yo habría jurado que una entrevista en radio alimentaba el call center, porque así había sido siempre y así lo dice el sentido común del oficio. La estaba leyendo al revés. Esa es la parte incómoda de medir en serio: te obliga a aceptar que estabas equivocado sobre cosas que creías saber, y a sostenerlo frente a gente que las creía igual que tú. No es agradable. Pero es el precio de entrada.
Ahí vive una pelea que todavía no termina, entre la intuición y la data. La intuición es rápida, convincente y muchas veces correcta, y por eso es peligrosa. La data es lenta, parcial y a veces llega tarde, y por eso es fácil ignorarla cuando contradice lo que ya decidiste. He aprendido a no darle la razón automática a ninguna de las dos. No voy a fingir que siempre gana la que debe; gana la que llega a tiempo con el argumento más difícil de rebatir, y mi trabajo es asegurarme de que esa sea la data más seguido de lo que sería sin el modelo.
Análisis, no predicción
Voy a ser honesto en algo que es fácil de omitir cuando uno presume el modelo: todavía es de análisis, no de predicción. Me dice qué pasó. No me dice qué va a pasar. Y ese salto —de explicar el pasado a anticipar el futuro— es trabajo de años, no de meses. Lo sigo trabajando, consciente de que quizá nunca llegue del todo.
Aun así sigo alimentándolo. Aunque dependa de cadenas que no controlo. Aunque a veces se parezca más a un arte que a una ciencia. Aunque no me dé todas las respuestas.
Porque he ido entendiendo que el modelo no es el destino. Es la disciplina de no dejar de preguntarme qué funcionó y por qué. Construir uno y decirlo es una cosa; que funcione, que de verdad cambie cómo decides, es otra distinta y mucho más lenta. Pero esa pregunta, sostenida en el tiempo, es lo que separa medir de adivinar. Y a estas alturas prefiero la versión incómoda y honesta de medir —la que me deja con más preguntas que respuestas— a la versión cómoda de creer que ya sabía la respuesta.