El ROAS de último clic premia al touchpoint final, lo haya causado o no. La búsqueda con IA responde sin que el usuario visite tu sitio, así que esa venta ni deja rastro. Ambos fallos miden clics, no causalidad. La corrección es la misma para pago y orgánico: incrementalidad en vez de atribución de último toque.
Cómo el último clic infla el ROAS en campañas pagadas
El cálculo del ROAS (ya lo explicamos a fondo en qué es el ROAS y cómo optimizarlo) parece simple: ventas atribuidas dividido gasto en publicidad. El problema está en el numerador. Según Mike Murphy, vicepresidente de marketing en la firma de atribución Incremental (27 de septiembre de 2026), la mayoría de los sistemas usan atribución de último clic: le dan todo el crédito al último punto de contacto antes de la venta, la haya causado o no.
Murphy pone un ejemplo con retail media: una tienda gasta US$10.000 en publicidad y atribuye US$50.000 en ventas, un ROAS de 5 a 1. La decisión obvia sería subir el presupuesto. Pero cuando el equipo de marketing separa las apariciones donde el producto ya salía en el resultado orgánico de aquellas donde solo aparecía por el aviso, el ROAS real cae a 3 a 1: la mitad de esas ventas habría ocurrido igual, sin publicidad.
El error también corre al revés. Cuando un comprador ve el aviso en el marketplace y cierra la compra después en el sitio propio de la marca, o cambia de dispositivo entre el clic y el pago, la atribución de último clic no conecta los puntos y el ROAS queda artificialmente bajo. Google explica en su Centro de Ayuda de Google Ads que, sin modelado de conversiones, lo que reporta la plataforma es solo la fracción observable del desempeño real de una campaña, justo el vacío que describe Murphy.
Murphy resume el remedio en una frase, citada por Practical Ecommerce (27 de septiembre de 2026):
"Your P&L should be your first source of truth, it doesn't lie."
Su sugerencia operativa es un holdout test: pausar la publicidad de un grupo de productos durante varias semanas mientras el resto mantiene el gasto normal, y comparar las ventas entre ambos grupos. Advierte que el resultado es direccional, no preciso, pero suficiente para saber si el ROAS reportado se acerca a la realidad.
Por qué la búsqueda con IA generativa deja el mismo hueco en lo orgánico
El mismo día que se publicó el análisis de Murphy, Kevin Indig entrevistó a George Bonaci, VP de Growth en Ramp (28 de septiembre de 2026), sobre el otro lado del problema: la atribución basada en clics tampoco sirvió nunca del todo para canales no pagados, y la búsqueda con IA generativa termina de taparla. Cuando Google AI Overviews o ChatGPT responden la pregunta del usuario sin que visite ningún sitio, la experiencia mejora para quien pregunta, pero la marca pierde el referral, el clic y el dato de conversión que antes revelaban cómo ese usuario la descubrió.
Ya veníamos siguiendo esa pérdida de señal: Google y la Unión Europea miden la búsqueda con IA, pero nadie mide el clic. Bonaci agrega un dato duro a esa tendencia: según la firma Graphite, citada en la entrevista, el tráfico que en realidad viene de IA puede estar subatribuido hasta 10 veces respecto a lo que muestra el analytics convencional.
Bonaci no descarta la atribución, la usa con matices: en Ramp todavía corren un modelo de atribución multi-touch y metas ancladas a ese modelo, pero discuten sus límites todos los días. Su punto más fuerte, en la misma entrevista con Growth Memo, es otro:
"Almost everything directly measurable is becoming commoditized thanks to AI. Most measurable work is no longer differentiated and the least measurable work is not valued."
La alternativa que propone no es abandonar la medición, es dejar de exigirle a la atribución algo que no puede dar. Bonaci ofrece dos caminos: triangular varias señales (share of voice en respuestas de IA, autorreporte del comprador, etiquetado en el CRM) para construir una vista de tres dimensiones del mismo problema, o construir contrafactuales directos con holdouts aleatorios, experimentos geográficos o rollouts por fases, el mismo principio del test que sugiere Murphy para retail media. Una encuesta del IAB (Interactive Advertising Bureau) citada en la entrevista encontró que 76% de los compradores de medios en Estados Unidos ya usa tests de incrementalidad, apenas más que el 73% que usa atribución y el 67% que usa marketing mix modeling, aunque solo 39% combina los tres métodos a la vez.
| Qué mide | Atribución de último clic | Incrementalidad |
|---|---|---|
| Pregunta que responde | Quién se lleva el crédito de la venta | Si la venta existiría sin la actividad |
| Dato que usa | Clic, referral, touchpoint observable | Grupo expuesto vs. grupo de control |
| Falla cuando | No hay clic que rastrear (IA, cross-device) o el crédito se infla | El experimento no está bien aislado |
| Ejemplo del cluster | ROAS 5:1 que en realidad es 3:1 | Holdout de Murphy, tests de Ramp e IAB |
El mismo error de medición, dos frentes distintos
Las dos fuentes llegan al mismo diagnóstico sin citarse entre sí, desde industrias distintas (retail media y fintech B2B). Esa coincidencia es la señal: no es un problema de un canal, es un problema de cómo se mide cualquier interacción que termina en el último eslabón visible. La atribución de último clic asume que el punto donde el sistema puede ver algo es el punto donde ocurrió la causa. Cuando la búsqueda deja de generar clic (AI Overviews, ChatGPT) o el punto de venta pertenece a un tercero (retail media, marketplaces), esa asunción se rompe, pero el sistema sigue reportando un número limpio igual.
A quién beneficia esta confusión: a las plataformas que capturan el touchpoint final. Las retail media networks cobran por ese espacio sabiendo que buena parte del crédito les corresponde solo por ser el último paso visible, no porque generen la intención. Google y OpenAI se quedan con la capa de descubrimiento y devuelven al usuario a tu sitio en un punto donde tu analítica ya no sabe de dónde vino. Ya vimos ese patrón cuando Google Ads automatizó más decisiones y movió el control hacia la medición propia: cada vez hay menos señal directa y más modelo estadístico rellenando el vacío.
A quién complica: a las marcas medianas que reportan ROAS de último clic como KPI único a su gerencia, y a las que ven caer sesiones orgánicas sin poder demostrarle a esa misma gerencia que ese tráfico no desapareció, solo dejó de tocar un link. Ambas conversaciones terminan en la misma pregunta incómoda: el presupuesto que estás por recortar en SEO o por subir en retail media, ¿se mueve por una señal real o por un artefacto de cómo mides?
Lo que ninguna de las dos fuentes dice, pero que se desprende de leerlas juntas, es que el reemplazo no es un modelo de atribución más preciso. Murphy y Bonaci coinciden, sin saberlo, en que la salida es una prueba (holdout, experimento geográfico, contrafactual) que no depende de ver el clic para saber si la plata funcionó.
Accionables para marcas chilenas y latinoamericanas
- Corre un holdout de cuatro semanas en tu canal pagado principal. Pausa un grupo de campañas o productos comparables mientras el resto sigue con gasto normal, y compara la venta real entre ambos grupos antes de decidir si subes presupuesto en retail media o Google Ads.
- Deja de reportar el ROAS de último clic como el único número a gerencia. Súmale el margen de contribución o el marketing efficiency ratio (gasto total de marketing sobre ingreso total) al lado, para que la decisión de presupuesto no dependa de una sola métrica que puede estar inflada.
- Si tu tráfico orgánico cae, no asumas que la demanda cayó con él. Antes de recortar contenido o SEO, triangula con al menos dos señales adicionales: menciones de marca en respuestas de ChatGPT o AI Overviews y tráfico directo a páginas clave, para saber si el usuario te sigue encontrando aunque ya no haga clic.
- Revisa el estado de resultados, no solo el dashboard de ads, antes de mover presupuesto grande. Si el gasto en publicidad sube y la utilidad no, ningún ROAS reportado justifica seguir subiendo esa línea.
Preguntas frecuentes sobre atribución, ROAS e IA
¿Qué es la incrementalidad y en qué se diferencia del ROAS?
El ROAS mide cuánta venta se atribuye a un anuncio según el modelo de atribución que uses, casi siempre último clic. La incrementalidad mide cuánta de esa venta no habría ocurrido sin el anuncio, comparando un grupo expuesto contra un grupo de control. Un ROAS puede verse excelente y ser incremental solo en una fracción, como muestra el ejemplo de retail media de Incremental.
¿Cómo mido el impacto de la búsqueda con IA si no genera clics?
No existe todavía una métrica única confiable. Bonaci recomienda triangular tres señales con puntos ciegos distintos: una de exposición (share of voice en respuestas de IA), una de comportamiento (autorreporte del comprador o etiquetado en el CRM) y un resultado de negocio (conversión). Cuando las tres se mueven juntas, la confianza sube; cuando divergen, ahí está la señal de que algo cambió.
