Atribución cross-channel con GA4: guía práctica

El problema: jardines cerrados y último clic

Cada plataforma publicitaria mide dentro de su propio jardín cerrado. Google Ads ve las interacciones con anuncios de Search, Shopping, YouTube, Display y Demand Gen; Meta ve las suyas; y ninguna ve las de la otra. Cada una aplica además su propia ventana de conversión y su propio modelo. El resultado es predecible: la suma de conversiones reportadas por las plataformas supera —a veces por mucho— las ventas reales del negocio.

A eso se le suma el sesgo del último clic. El modelo de último clic asigna todo el crédito al touchpoint final, que suele ser una búsqueda de marca o un canal de retargeting. Como advierte Google, ese enfoque castiga sistemáticamente a los canales de descubrimiento —YouTube, Display, prospecting— que trabajan arriba del funnel y rara vez son el último clic antes de la conversión. Optimizar el mix con esa foto lleva a recortar exactamente los canales que generan demanda nueva.

El tercer factor es estructural: la medición basada en cookies se erosionó. Con Consent Mode, restricciones de cross-device y navegadores que limitan el tracking, una parte de los caminos de conversión simplemente no se observa a nivel usuario. Cualquier modelo de atribución opera, por definición, sobre datos incompletos.

El enfoque de Google: atribución data-driven en GA4

La respuesta de Google al problema del último clic es la atribución data-driven (DDA), hoy el modelo por defecto y recomendado en GA4. A diferencia de los modelos de reglas fijas, DDA es cross-channel de punta a punta: reparte crédito fraccionado entre los puntos de contacto de todo el camino, no solo entre los anuncios de Google.

Cómo funciona realmente

Según la documentación de Google, DDA usa algoritmos de machine learning que evalúan tanto los caminos que convierten como los que no. El modelo aprende cómo cada touchpoint impacta el resultado incorporando factores como el tiempo desde la conversión, el tipo de dispositivo, la cantidad de interacciones con anuncios, el orden de exposición y el tipo de assets creativos. Con un enfoque contrafactual, contrasta lo que pasó con lo que podría haber pasado para estimar qué interacciones son las más probables de haber impulsado la conversión, y reparte el crédito según esa probabilidad.

Cada modelo DDA es específico de cada anunciante y de cada evento clave: no es una fórmula genérica, sino un modelo entrenado con los datos de tu propia cuenta. Google aclara además que las conversiones pueden reatribuirse hasta 7 días después de ocurridas, así que los números de días recientes todavía pueden moverse.

Una señal visible de que DDA está activo es el crédito fraccionado: al usar dimensiones de tráfico con alcance de evento (como Source, Medium o Campaign), vas a ver decimales en Key events y en las columnas de revenue, porque el crédito de una conversión se distribuye entre varias interacciones y suma 1.0.

Los tres modelos disponibles

GA4 dejó de ser un menú largo de modelos. Hoy ofrece solo tres en los reportes de atribución:

Los modelos de primer clic, lineal, decaimiento temporal y basado en posición fueron discontinuados en noviembre de 2023 y ya no están disponibles. Además, todos los modelos excluyen las visitas directas del crédito, salvo que el camino completo sea directo.

Deja de discutir plataformas y empieza a medir el recorrido completo

Te ayudamos a ordenar definiciones, ventanas y fuentes para que la atribución responda decisiones reales de inversión.

• 1

  Diagnóstico gratuito de tu stack GMP

  Un especialista revisa tu implementación actual (GA4, GTM, DV360, Ads) y te dice qué priorizar primero.

• 2

  Plan de acción a medida

  Sales de la llamada con next steps concretos para tu cuenta, no con una plantilla genérica.

• 3

  Sin compromiso, sin venta forzada

  Hablas con un especialista técnico, no con un vendedor. Si no encajamos, te lo decimos.

GMP Sales Partner · Implementamos GMP end-to-end · Equipo LatAm

Respuesta a la brevedad

Revisar mi atribución

Completa el form y coordinamos una asesoría sobre tu caso.

Cargando el formulario seguro de HubSpot…

Este formulario lo provee HubSpot y los datos que envíes se procesan allí. Consulta nuestra política de privacidad .

Sin compromiso · Google Marketing Platform Sales Partner

Reportes para verlo

Para inspeccionar cómo se reparte el crédito, GA4 trae en el espacio de Advertising los reportes de Rutas de conversión (Conversion Paths) y de Comparación de modelos (Model Comparison). El primero muestra qué partes del funnel reciben crédito data-driven; el segundo permite comparar lado a lado cómo cambia la asignación entre DDA y último clic, que es la forma más rápida de cuantificar cuánto te estaba engañando el último clic.

Integración GA4 + Google Ads y elección de canales

Conectar GA4 con Google Ads es lo que habilita usar tus conversiones y modelos de atribución para reporte y bidding en la plataforma de compra. Un punto clave que se configura en GA4 es qué canales pueden recibir crédito:

• Canales pagos de Google: solo ves conversiones de Google Ads en tus reportes. Es el default para reportes hacia Google Ads.
• Canales pagos y orgánicos: reportas conversiones de fuentes pagas y orgánicas, dando la vista cross-channel más amplia. Es el default para los reportes de GA4, pero aplica solo a conversiones web (las de app siempre usan canales pagos de Google).

Sobre las ventanas de conversión: para eventos de adquisición (first_open y first_visit) el lookback por defecto es de 30 días (opción de 7); para el resto de los eventos clave es de 90 días (opciones de 30 o 60). Elegir bien la ventana importa porque define cuánto de tu ciclo de compra real entra en el modelo. Con estos datos alimentando el bidding, la atribución conecta directo con Smart Bidding y con estrategias de value-based bidding.

Stitching propio: exportar a BigQuery

La atribución nativa de GA4 es un modelo cerrado: no expones el algoritmo ni puedes reconstruir caminos con tu propia lógica. Cuando necesitas eso —unificar identidades, reglas de negocio propias o combinar datos de CRM—, el camino es el export a BigQuery de GA4.

El export entrega los datos a nivel evento, con un dataset por propiedad (analytics_<property_id>), lo que te da la materia prima para hacer tu propio stitching de sesiones y usuarios, definir ventanas a medida y ejecutar modelos de atribución custom fuera de la caja negra de GA4. Es el sustrato técnico para equipos con capacidad analítica que quieren ir más allá de los tres modelos disponibles. Si estás construyendo esa base, encaja dentro de una estrategia de first-party data más amplia y suele apoyarse en un tagging server-side robusto (server-side tagging) para mejorar la calidad de las señales que después se modelan.

Los límites de la atribución (y qué no resuelve)

Ningún modelo de atribución —ni siquiera DDA— es la respuesta completa. Sus límites son inherentes:

1. No ve medios offline. TV abierta, radio, vía pública y prensa no dejan touchpoint digital. Para marcas de LatAm con peso offline, la atribución digital mide una fracción del mix.
2. Depende del consentimiento y del cross-device. Con Consent Mode y navegación fragmentada entre dispositivos, parte de los caminos no se observa. El modelo trabaja sobre datos incompletos. Por eso conviene tener sano el Consent Mode v2 y la medición sin cookies.
3. Correlación, no causalidad. DDA estima probabilidades sobre datos observados, pero no prueba qué habría pasado sin el anuncio. Para eso se necesitan experimentos.
4. Ventanas y reatribución. El crédito se limita a la ventana de lookback y puede moverse hasta 7 días después de la conversión; los números recientes no son definitivos.

Cuándo complementar con MMM y experimentos

Por eso la medición madura combina tres capas: atribución para operar el día a día, marketing mix modeling para decidir el reparto de presupuesto entre canales (incluido offline) y experimentos de incrementalidad para probar causalidad. Los experimentos de Conversion Lift y GeoX permiten aislar el impacto incremental real de un canal, y sus resultados sirven de calibración: Meridian, el MMM open source de Google, admite integrar resultados de experimentos como priors del modelo. El método detrás de esos estudios —diseño, tipos de experimento y lectura económica del resultado— está en el artículo de estudios de incrementalidad. La comparación detallada de enfoques está en la guía de MMM vs. atribución.

Productos: qué usar según el volumen

• GA4: la base cross-channel para la mayoría de las operaciones. DDA, reportes de comparación de modelos e integración con Google Ads sin costo de licencia.
• GA360: para volúmenes enterprise que necesitan límites más altos, subproperties, SLAs y export a BigQuery a mayor escala. Compara las diferencias en GA4 vs. Analytics 360.
• CM360: el ad server neutral de Google Marketing Platform. Con Floodlight centraliza el conteo de conversiones e impresiones across placements y sitios, lo que da una vista de atribución independiente de cada plataforma de compra —útil cuando operas medios más allá de Google, incluyendo DV360 y campañas de Connected TV.

Antes de invertir en modelos avanzados, conviene medir la salud de las señales que los alimentan. El Data Strength Score de GA4 te da un diagnóstico rápido del estado de tus datos, y la auditoría de tagging y Consent Mode verifica que la captura esté sana antes de que cualquier decisión de mix dependa de ella.

Siguiente paso

Resolver la atribución cross-channel no es elegir un modelo: es articular GA4, Google Ads, BigQuery, experimentos y MMM en una arquitectura de medición coherente, con los límites de cada pieza sobre la mesa. En Leadaki, como agencia Google Partner de LatAm, ayudamos a diseñar ese stack y a interpretar los resultados sin sesgos de último clic. Si quieres dejar de repartir presupuesto con datos que cuentan doble, conoce el servicio de analítica y medición avanzada.