3 errores de atribución de leads que cometen los despachos

La atribución de leads decide qué campaña parece rentable y cuál no, aunque las dos hayan trabajado juntas para conseguir el mismo cliente. En Google Analytics 4 el modelo por defecto ya no es el último clic, sino un cálculo basado en datos que reparte el mérito entre varios puntos de contacto. La mayoría de despachos, sin embargo, sigue mirando el informe equivocado y recorta presupuesto al canal que investigó y comparó al futuro cliente antes de que llegara al formulario. Este artículo repasa los errores de configuración más habituales y cómo detectarlos con las herramientas que ya tienes activadas.

El último clic esconde el trabajo previo

Cuando alguien busca abogado, casi nunca decide en la primera visita. Empieza por un término genérico, lee dos o tres artículos, ve un anuncio en redes unos días después y termina llegando por una búsqueda de marca antes de rellenar el formulario de contacto. El modelo de último clic solo ve ese paso final: le da el cien por cien del mérito a la búsqueda de marca y cero al contenido que lo educó y al anuncio que lo trajo de vuelta.

El problema no es teórico. Un despacho que reparte presupuesto mirando solo el último clic tiende a recortar los canales que generan interés temprano, contenido, SEO, campañas de reconocimiento, porque «no convierten», y a concentrar el gasto en la búsqueda de marca, que ya iba a convertir de todas formas. El resultado es un embudo más corto pero también más caro: entra menos gente por arriba, así que queda menos gente disponible para cerrar por marca al final.

Atribución de leads y su papel en el despacho

La atribución de leads es el conjunto de reglas que decide qué campaña, canal o contenido se lleva el mérito cuando un formulario, una llamada o un chat se convierten en un lead. No mide tráfico: mide qué pasos, dentro del recorrido completo de un usuario, empujaron de verdad la conversión.

La atribución no es la fuente del último clic: es el reparto del mérito entre todos los puntos de contacto que llevaron a la conversión.

Para un despacho esto importa porque las decisiones de presupuesto se toman, casi siempre, con el informe equivocado abierto. Si el panel de campañas sigue mostrando último clic sin que nadie lo haya cambiado, cada euro invertido en visibilidad temprana, artículos, redes, campañas de marca, parece gasto perdido, aunque esté sosteniendo el mismo recorrido que luego cierra la búsqueda de marca. Configurar bien este apartado forma parte de una analítica web pensada para despachos, no de un ajuste puntual que se hace una vez y se olvida.

El modelo basado en datos frente al último clic

Desde noviembre de 2023, Google Analytics retiró los modelos de atribución al primer clic, lineal, de declive en el tiempo y según la posición. Hoy quedan tres: el basado en datos, que es el predeterminado, el último clic en pago y orgánico, y el último clic solo en pago de Google. El primero reparte el mérito entre varios pasos; los otros dos lo concentran en un único contacto.

Los factores que usa el algoritmo para repartir mérito

El modelo basado en datos usa aprendizaje automático para comparar rutas que terminan en lead con rutas que no, y calcula el peso de cada contacto con un enfoque contrafáctico: qué habría pasado si ese contacto no hubiera existido. Tiene en cuenta el tiempo transcurrido entre interacciones, el tipo de dispositivo, el número total de interacciones de la ruta, el orden en que se vieron los anuncios y el tipo de creatividad. Ningún canal recibe un porcentaje fijo de antemano: el reparto sale de los datos reales de esa cuenta.

La diferencia práctica con el último clic de pago

El último clic en pago de Google sigue siendo útil para un caso concreto: pujar en Google Ads, donde interesa saber qué palabra clave cerró la conversión sin mezclar otros canales. Pero usarlo para explicar el conjunto del marketing del despacho, contenido, redes, publicidad, búsqueda de marca, da una foto sesgada, porque cualquier campaña que trabaje la fase temprana del recorrido aparece con cero conversiones aunque haya sido decisiva para que el cliente llegara a contactar. El modelo basado en datos evita ese sesgo desde el origen.

Rutas de conversión, el mapa real de tus leads

Google Analytics 4 tiene dos informes, dentro del apartado de Publicidad, pensados justo para esto:

• Rutas de eventos clave: muestra las combinaciones de canales que más se repiten antes de un lead, y permite cambiar el modelo de atribución desde el propio informe para comparar.
• Comparación de modelos: enfrenta dos modelos a la vez, por ejemplo basado en datos contra último clic, y muestra, canal por canal, el porcentaje en que suben o bajan las conversiones y los ingresos atribuidos.

Revisar estos dos informes antes de tocar un presupuesto lleva quince minutos y evita la conclusión más habitual y más equivocada: que un canal no funciona porque el informe de adquisición, configurado por defecto en modo simplificado, solo enseña el último contacto.

Errores habituales al configurar la atribución de leads

Tres fallos de configuración explican la mayoría de lecturas erróneas en despachos que sí tienen GA4 instalado:

• No marcar como evento clave lo que de verdad es un lead. Si solo se mide el envío del formulario y no la llamada, el clic a WhatsApp o el chat, el modelo reparte mérito sobre una parte del embudo real y descarta el resto.
• UTMs inconsistentes. La misma campaña de LinkedIn con mayúsculas distintas, guiones distintos o sin parámetro de campaña se registra como fuentes separadas, y el algoritmo no puede agrupar lo que el propio equipo ha fragmentado.
• Quedarse en el informe de adquisición. Ese informe usa el modelo por defecto del origen del usuario, no el de conversión, y no está pensado para repartir mérito entre varios canales: para eso están Rutas de eventos clave y Comparación de modelos.

Ninguno de los tres se corrige tocando el modelo de atribución: se corrige en la configuración de eventos clave y en la disciplina de etiquetado, antes de que el algoritmo reciba un solo dato.

Decisiones de presupuesto con datos de atribución

Cambiar de golpe todo el presupuesto en función de un informe nuevo es tan arriesgado como no cambiarlo nunca. Lo razonable es mover el gasto en tramos, un 10 o 15 % cada mes, hacia los canales que el modelo basado en datos revalúa al alza, y comprobar durante varias semanas si los leads que llegan mantienen la calidad, no solo el volumen.

Un despacho con pocos leads al mes no debería leer los porcentajes de Comparación de modelos como una cifra exacta: con poco volumen de conversiones, el algoritmo tiene menos rutas de las que aprender y las diferencias entre modelos se mueven más. Lo útil en ese caso es la tendencia, qué canal sube o baja de un mes a otro, no el número concreto. Traducir esa lectura en un plan de medios forma parte de una estrategia de marketing jurídico que reparta el presupuesto según lo que de verdad mueve leads, no según qué canal tocó el último clic.

Preguntas frecuentes sobre atribución de leads

¿Qué modelo de atribución usa GA4 por defecto?

Desde 2023, GA4 usa por defecto el modelo basado en datos, que reparte el mérito de cada lead entre los distintos canales de su recorrido según aprendizaje automático. Antes el valor por defecto era una variante de último clic, que concentraba todo el mérito en el contacto final.

¿Cuántas conversiones necesito para que el modelo funcione bien?

Google no publica una cifra exacta. Cuantos más leads registra la cuenta, más rutas tiene el algoritmo para aprender y más fiable es el reparto. Un despacho con pocos leads al mes debe leer los datos como tendencia, no como porcentaje definitivo mes a mes.

¿El último clic sirve para algo?

Sí, para casos concretos: pujar en Google Ads o revisar qué anuncio cerró una conversión sin mezclar otros canales. No sirve para juzgar el conjunto del marketing del despacho, porque ignora todo el trabajo previo de contenido, redes y campañas de marca.

¿Quién debe revisar esto en un despacho pequeño?

Alguien del equipo de marketing con acceso a GA4, o un especialista externo si el despacho no tiene analista propio. Si nadie lo revisa, los informes se quedan en modo por defecto y las decisiones de presupuesto siguen basándose en el último clic sin que nadie lo haya decidido así. Un especialista en analítica puede hacer esta revisión en una sesión.

Fuente: Ayuda de Google Analytics (Google)