Según el Estudio InfoAdex de la Inversión Publicitaria en España 2026, los anunciantes invirtieron en 2025 unos 6.267 millones de euros en medios controlados, y más de la mitad, 3.493,7 millones, fue a digital. Buscadores (1.000,9 millones) y redes sociales (880,6 millones) son ya el segundo y el tercer medio por volumen.
Para un director de marketing de una empresa grande, esas cifras se traducen en algo muy concreto: la mayor parte de su presupuesto está en canales que se pueden medir al céntimo y, aun así, sigue sin saber qué parte de ese gasto habría ocurrido igual.
El CAC promedio es la métrica que oculta el problema
Una empresa grande invierte en muchos canales a la vez. Cuesta saber qué canal trajo cada venta, los ciclos de venta son largos y el retorno llega trimestres después del gasto. En ese entorno, la métrica que más engaña es el CAC promedio. Reparte el coste entre todas las conversiones y esconde lo importante: en un mismo canal, los últimos euros invertidos traen clientes mucho más caros que los primeros.
Lo que decide la asignación es cuánto cuesta el siguiente cliente en cada canal. La atribución, la gobernanza y la previsión de este marco existen para responder esa pregunta con datos.
Cuatro familias de canales que se saturan de forma distinta
Antes de asignar euros conviene clasificar los canales por la función que cumplen, porque cada grupo se mide de forma distinta y la saturación no se parece en uno y en otro.
Los canales de performance siempre activos (búsqueda de pago, retargeting en redes) son medibles, de alta intención y con un CAC marginal predecible, pero rinden cada vez menos: llega un punto en que subir la inversión solo sube el coste por cliente.
Los canales de generación de demanda (vídeo, discovery, creadores de contenido) tienen menos intención y ventanas de atribución amplias. Su efecto se ve de forma indirecta, en las búsquedas de marca y el tráfico directo, y rara vez en el clic que cierra la venta. El estudio de InfoAdex recoge que la inversión en influencers creció un 23,5 % en 2025, hasta 129 millones de euros, de modo que esta familia pesa cada vez más en el reparto aunque siga siendo la más difícil de atribuir.
Los canales relacionales y de ciclo de vida (email, CRM, mensajes dentro del producto) trabajan la maduración del cliente con coste marginal bajo y actúan sobre todo sobre retención y expansión.
Las iniciativas de marca (patrocinios, liderazgo de opinión, televisión) tienen impacto durante varios trimestres y contribuyen a conversiones asistidas, pero cuesta atribuirlas directamente. La tentación es recortarlas primero cuando aprieta el presupuesto, precisamente porque su retorno no aparece en el último clic.
La gente aprende y cambia de conducta con el tiempo: quien vio un patrocinio en primavera puede buscar la marca en otoño, y para entonces el informe mensual ya atribuyó esa venta a otro canal. La marca vive justo en ese plazo largo que el informe mensual no ve.
Las curvas de CAC marginal deciden dónde va el siguiente euro
Conforme sube la inversión, cada canal se acerca a la saturación y el CAC marginal se separa del promedio. Modelar los rendimientos decrecientes, comparar CAC marginal con LTV por canal y vigilar la curva de payback permite mover el siguiente euro al canal con mayor contribución incremental, aunque en el informe agregado luzca mejor otro. El CAC marginal también avisa antes. Si sube sin que suba la inversión, algo ha cambiado: la audiencia se agota, la creatividad cansa o los competidores pujan más. El promedio tarda mucho más en mostrarlo.
Un ejemplo con cifras ilustrativas lo deja claro. Un canal de búsqueda de pago recibe 40.000 € al mes en cuatro tramos de 10.000 €. El primer tramo trae 250 clientes, el segundo 200, el tercero 120 y el cuarto 60. El CAC marginal de cada tramo es de 40 €, 50 €, 83 € y 167 €. El CAC promedio del canal, 40.000 € entre 630 clientes, sale en 63 €, y con un margen de contribución por cliente de 120 € el canal parece rentable.
Pero el cuarto tramo cuesta 167 € por cliente que deja 120 €: cada uno de esos 60 clientes destruye 47 € de margen. Retirar ese tramo y moverlo a otro canal que esté en la zona eficiente de su curva sube el resultado sin tocar el presupuesto total.
Construir esa curva no exige un modelo econométrico sofisticado para empezar. Basta con ordenar el gasto histórico de un canal por tramos (por ejemplo, semanas de gasto bajo, medio y alto) y mirar cuántos clientes trajo cada incremento: el dibujo casi siempre es una ese, con un tramo inicial de aprendizaje algo caro, una zona media muy eficiente y una cola en la que cada euro rinde menos.
No hace falta clavar el punto exacto de saturación, que se mueve con la estacionalidad y con lo que hagan los competidores. Basta con saber en qué parte de la curva está hoy cada canal. Uno en la zona media admite más inversión sin castigar el margen; uno que ya entró en la cola necesita creatividad nueva, otra audiencia u otro formato antes de recibir un euro más.
En España la estacionalidad deforma estas curvas más de lo que parece. Entre Black Friday, Navidad y Reyes, los costes por mil impresiones suben porque compiten por el mismo inventario el comercio, la alimentación y la juguetería, y la curva de un canal se desplaza entera hacia arriba. Comparar el CAC marginal de noviembre con el de marzo sin corregir por temporada lleva a conclusiones equivocadas; lo correcto es comparar cada canal con el mismo periodo del año anterior.
Cómo diseñar una prueba geográfica en el mercado español
La asignación se corrige probando. La prueba más clara es apagar un canal unas semanas en algunas provincias y ver si las ventas bajan. También se prueban creatividades y audiencias. Un canal que parece rentable en el informe puede no aportar nada: se apaga y las ventas siguen igual.
Las provincias son una unidad natural para los tests de geo-lift: tienen tamaño suficiente, datos de ventas propios y segmentación disponible en las principales plataformas. Hay tres trampas habituales. La primera son Madrid y Barcelona: concentran tanto volumen y tanta actividad de competidores que, metidas en el grupo de prueba, dominan el resultado, así que lo habitual es dejarlas fuera o tratarlas como un experimento aparte.
La segunda son Canarias, Ceuta y Melilla, con fiscalidad indirecta propia (IGIC en Canarias, IPSI en Ceuta y Melilla), costes logísticos distintos y a menudo otra oferta de envío; su comportamiento de compra no es comparable al de la península y ensucian cualquier grupo de control. La tercera son los festivos autonómicos y locales: un puente en una comunidad que no existe en otra altera la demanda de esa semana, y hay que cruzar el calendario de pruebas con el de festivos antes de lanzar.
Con esas exclusiones, un diseño sencillo de grupos emparejados de provincias con historial de ventas parecido, dos o tres semanas de apagado y una ventana de observación que cubra el ciclo de compra da una lectura causal mucho más fiable que cualquier informe de atribución.
¿Cómo se lee el resultado? Pongamos que se apaga el retargeting durante tres semanas en el grupo de prueba, lo que ahorra 45.000 €. Las ventas del grupo caen un 1 % frente al control, unos 60 pedidos sobre 6.000, que con 50 € de margen por pedido suman 3.000 €. El canal devolvía unos 7 céntimos de margen por euro invertido, aunque el panel de atribución le adjudicara cientos de conversiones.
Una advertencia de método. Las ventas se ven a diario, y cada mirada es una ocasión para detener la prueba en cuanto la diferencia parece significativa. En tres semanas de datos diarios, una caída del 1 % puede aparecer y esfumarse varias veces por puro ruido, y quien detiene la prueba en el día oportuno suele confirmar justo lo que esperaba. La duración y el criterio de lectura se fijan antes de empezar, y no se tocan.
Tres familias de atribución, superpuestas
El error de fondo es buscar el "modelo único" de atribución. Con muchos canales hay que superponer enfoques y triangular, porque cada familia ve una parte distinta de la realidad.
Los modelos basados en reglas (primer contacto, último contacto, lineal, por posición) son simples y fáciles de explicar, pero frágiles y sesgados en ciclos largos: reparten el mérito según una convención fijada de antemano, sin medir causalidad. Los modelos estadísticos, como la atribución basada en datos o el marketing mix modelling (MMM), combinan más señales. A cambio, piden muchos datos y un equipo de ciencia de datos. El MMM parte de las ventas totales a lo largo del tiempo y estima cuánto aportó cada canal, también los offline. Los métodos causales y experimentales (pruebas geográficas, divisiones de audiencia, tests de incrementalidad) son los únicos que miden el efecto real.
En una empresa grande se combinan los tres. La atribución multitoque (MTA) sigue a cada usuario por los canales digitales. El MMM muestra la tendencia general y el gasto offline, que el MTA no ve. Cuando los dos discrepan, decide un experimento. Ninguno es el informe final. Juntos ayudan a decidir el presupuesto, la creatividad y la expansión a nuevos mercados.
Lo delicado llega cuando los modelos se contradicen, y se contradicen a menudo. El MTA suele dar demasiado mérito al último canal antes de la compra, porque ve mal los contactos anteriores. El MMM, en cambio, da más peso a la parte alta del embudo, que el MTA apenas registra. La regla práctica es dejar que el experimento rompa el empate. Si la atribución digital adjudica a un canal de retargeting un tercio de las conversiones pero un test de apagado no mueve las ventas, manda la señal causal y el presupuesto se recorta, por muy bien que luzca ese canal en el panel.
Una cifra demasiado buena suele ser primero un error de datos: una etiqueta UTM duplicada o una conversión contada dos veces. Un canal que de repente "explica" el 40 % de las ventas merece una auditoría antes que un aumento de presupuesto.
El consentimiento de cookies ya recortó lo que ve tu MTA
En España hay un motivo adicional para no fiarse solo de la atribución a nivel de usuario. La Agencia Española de Protección de Datos actualizó su guía sobre el uso de cookies el 11 de julio de 2023 para adaptarla a las directrices europeas sobre patrones engañosos, y dio de plazo hasta el 11 de enero de 2024 para aplicarla. El cambio clave: aceptar y rechazar tienen que presentarse en el mismo nivel y con el mismo protagonismo, de modo que rechazar no puede costar más clics que aceptar.
La consecuencia para la medición es directa. Una parte de los usuarios que rechaza las cookies de analítica y publicidad desaparece de los recorridos que reconstruye el MTA, y esa parte no es aleatoria: varía por dispositivo, por edad y por canal de llegada. El MTA sigue dando números exactos, pero sobre una muestra sesgada.
Por eso en el mercado español el MMM y los experimentos geográficos, que trabajan con datos agregados de ventas y no necesitan seguir a cada usuario, han ganado peso en la toma de decisiones. Si tu tasa de consentimiento cambió al rediseñar el banner, compara los informes de atribución de antes y de después con cuidado: parte de la "caída" de un canal puede ser solo pérdida de visibilidad. Cuando el ROI agregado baja, conviene mirar esa tasa antes de culpar al canal.
Del gasto declarado al valor generado
El ROI solo significa algo si tiene en cuenta tres cosas que el gasto bruto ignora: el efecto real del marketing, el plazo y la economía de cada cliente. Las cifras centrales son pocas. El CAC medido al margen. El LTV que combina ARPU, retención, expansión y bajas. El periodo de payback en meses. El ingreso incremental, es decir, lo que generó el marketing por encima de lo que habría llegado igual. Y el margen de contribución después del coste de servir. Un canal con buen ROAS aparente puede tener margen de contribución negativo una vez descontado lo que cuesta atender a esos clientes.
En una empresa grande hay que mirar más allá del trimestre. Muchos clientes compran meses después del primer contacto, y la temporada altera las cifras. El ROI de una campaña de ciclo largo no se juzga con el dato del mes, sino con una ventana que abarque el ciclo de venta real.
El payback merece una lectura propia, porque gobierna la velocidad a la que es seguro crecer. Dos canales con el mismo cociente LTV/CAC pueden tener perfiles de caja opuestos: uno recupera la inversión en tres meses y otro en catorce. El segundo, aunque acabe siendo igual de rentable, consume caja mientras tanto y limita cuánto se puede escalar sin financiación adicional.
Ignorar el payback lleva a comprometer presupuesto en canales que solo devuelven el dinero cuando el ejercicio ya se ha cerrado.
Gobernar el presupuesto trimestre a trimestre
La herramienta de base es un presupuesto rodante de cuatro trimestres que se actualiza cada trimestre con las previsiones, el CAC marginal, las proyecciones de ROI, la saturación de cada canal y las oportunidades nuevas.
Encima se montan tres cadencias con propósitos distintos: la mensual vigila el rendimiento por canal, las alertas de saturación y los cambios de CAC y LTV; la trimestral reasigna presupuesto y decide la entrada en nuevos mercados; la semestral o anual revisa la estrategia de marca y el desarrollo de capacidades. Tomar decisiones estratégicas con datos mensuales ruidosos es una fuente habitual de bandazos.
A esto se suma la planificación de escenarios: simular una desaceleración del consumo, subidas de CPC y CPM, picos de demanda, la entrada de un competidor o la expansión a Portugal o Latinoamérica convierte la incertidumbre en un plan con ramas pensadas de antemano.
Las métricas que solo tienen sentido a gran escala
Tres familias de indicadores completan el cuadro. Los del embudo completo siguen el paso entre etapas más el crecimiento de búsquedas de marca, el tráfico directo y la contribución al pipeline; en compras muy meditadas ese movimiento pesa más que la conversión aislada. Los de eficiencia muestran si el sistema mejora: cuánto cuesta cada venta que el marketing generó de verdad, cuánto cuesta una oportunidad cualificada y cómo se compara el ROAS medio de un canal con el de su último euro. Y los de cartera (reparto entre marca y performance, ROI por región, presupuesto asignado frente a ejecutado) tratan el marketing como una cartera que hay que reequilibrar cada cierto tiempo.
¿Y si no hay volumen para experimentar?
Las empresas medianas y el B2B de ciclo largo tienen un problema real con todo este marco. Un MMM fiable pide dos o tres años de datos semanales con suficiente variación de gasto. Una prueba geográfica necesita ventas suficientes por provincia para que una caída del 1 % se distinga del ruido. Una empresa que cierra 40 contratos al trimestre no tiene ni lo uno ni lo otro, y fingir rigor experimental con esos volúmenes produce cifras más peligrosas que la intuición, porque llevan decimales.
Por debajo de cierto volumen, tienen razón. Como referencia orientativa, si el grupo de prueba no acumula al menos unos cientos de conversiones en la ventana del test, el experimento no podrá ver efectos del tamaño que importan.
En ese caso funcionan mejor herramientas más modestas: la pregunta "¿cómo nos conociste?" en el formulario o en la primera llamada comercial, apagados largos de un solo canal con comparación contra el mismo trimestre del año anterior y la curva de CAC marginal por tramos, que solo necesita el histórico propio. Por encima de ese volumen, la prueba geográfica es el árbitro más barato que existe, y no hacerla es pagar por la duda.
Un marco que solo funciona si todos traen la misma cifra
Sostener todo esto depende tanto de capacidades como de números. El equipo necesita dominar unit economics, triangulación de atribución, modelización de escenarios y diseño de experimentos, y las métricas tienen que hablar el mismo idioma que producto, finanzas, ventas y ciencia de datos. Cuando cada área trae su propia cifra de CAC a la mesa, la reasignación deja de decidirse por la curva marginal y pasa a decidirse por quién defiende mejor su número, que es exactamente lo que este marco intenta evitar.
Con 3.493,7 millones en digital solo en medios controlados, saber qué parte del gasto habría ocurrido igual vale mucho dinero. En la próxima reasignación, ningún canal debería recibir un euro más si su último tramo tiene un CAC marginal por encima del margen de contribución por cliente.