El análisis de atribución multitáctil (MTA) examina el orden y la secuencia de las interacciones que un usuario tiene con diferentes puntos de contacto antes de realizar la conversión.
Este método asigna un peso relativo a cada interacción en función de reglas predefinidas, lo que permite determinar las contribuciones reales a las conversiones.
Los algoritmos de MTA tratan cada punto de contacto, como una campaña, de forma independiente, asignando crédito en función de su rendimiento específico.
Cuando analizamos datos a un nivel particular, como el nivel de campaña, los algoritmos tratan cada variable única (en este caso, cada campaña) de forma independiente.
Esto significa que si comparamos campañas entre sí, los algoritmos las evalúan individualmente y les dan crédito en función de su desempeño respectivo.
Imaginemos que necesitamos comparar una dimensión general como un canal de marketing (por ejemplo, SEO) con cientos de campañas pagas únicas, cada una con sus propios atributos.
Si aplicáramos un nombre de campaña genérico a todo el canal SEO gratuito y lo comparáramos con estas diferentes campañas, los resultados serían engañosos e inexactos.
Los algoritmos no serían capaces de matizar las subdimensiones del canal SEO, lo que llevaría a conclusiones sesgadas y poco fiables.
Para tener en cuenta esta cuestión, es fundamental analizar los datos en el contexto de la dimensión elegida.
Esto significa que debes centrar tu análisis en variables que contengan el mismo nivel o dimensión de interés, ya sea un canal, un medio o una campaña.
Los porcentajes aún no cuadrarán, pero pueden ayudarte a dar un paso atrás y ver los resultados desde una perspectiva más amplia.
En el ejemplo de al lado, al SEA, cuando se analiza a nivel de canal, se le atribuyen 300 conversiones de un total de 1000 (30% del total).
Sin embargo, en el análisis del nivel de soporte, solo a Google Ads se le atribuyen 360 conversiones, aunque el total es menor (600 conversiones).
Las conversiones que faltan son aquellas que sólo contenían viajes gratuitos.
Este ejemplo ilustra la imposibilidad de comparar los niveles entre sí.
Cada análisis sólo es relevante dentro de su propia dimensión.
Estos dos análisis basados en el mismo conjunto de datos iniciales son correctos dentro de su alcance respectivo.