El modelo de atribución con IA que conectó inversión en campaña con revenue cerrado
El problema de atribución en marketing B2B había sido el más persistente de mi carrera: cómo conectar de forma creíble y metodológicamente sólida la inversión en campañas de marketing con el revenue que esas campañas eventualmente producían, en un contexto donde el ciclo de venta de 60 a 90 días y el proceso de decisión con múltiples touchpoints hacían cualquier modelo de atribución simplificado técnicamente incorrecto. Los modelos estándar disponibles en las plataformas eran inadecuados por diseño: el último clic ignoraba el 95% del viaje del comprador y el primero clic ignoraba el trabajo de conversión final.
El modelo de atribución que construí con IA usaba los datos de 18 meses de CRM para construir una estimación de la contribución de cada touchpoint en el ciclo de compra basada en datos históricos reales de la operación específica de la empresa. El proceso técnico era un modelo de cadenas de Markov que calculaba la probabilidad de conversión a cliente con y sin cada tipo de touchpoint presente en el ciclo, y asignaba crédito de atribución proporcional a la reducción de tiempo al cierre que cada touchpoint había producido históricamente.
La construcción del modelo requirió 3 meses: el primero para limpiar y estructurar los datos históricos del CRM de forma que el modelo pudiera procesarlos, el segundo para entrenar el modelo y validarlo contra un conjunto de hold-out de datos que no habían sido usados en el entrenamiento, y el tercero para construir el dashboard que presentaba los resultados en un formato que el directorio pudiera interpretar sin necesidad de entender la metodología del modelo.
Los resultados reorganizaron la conversación sobre la distribución de presupuesto de marketing. El contenido orgánico del blog, que bajo los modelos de atribución estándar recibía entre el 3% y el 8% del crédito de las conversiones, recibía bajo el modelo de Markov el 23% del crédito porque aparecía como primer touchpoint en el 67% de los ciclos de compra que terminaban en cliente. Los webinars sectoriales, que el modelo de último clic prácticamente ignoraba, recibían el 18% del crédito porque aparecían consistentemente en los ciclos de mayor LTV en etapas medias del proceso.
La redistribución de presupuesto basada en el modelo de atribución mejorado aumentó el ROI del portafolio de marketing en el año siguiente un 31%, no porque hubiera encontrado canales nuevos sino porque había redirigido la inversión hacia los canales que los datos reales de 18 meses de operación confirmaban que contribuían más al revenue, independientemente de lo que los modelos de atribución simplificados de las plataformas reportaban.