Modelado de Atribución con BigQuery y GA4 en 2026: De Reglas Heurísticas a Cadenas de Markov y Shapley

En un entorno digital donde el recorrido del consumidor (customer journey) abarca múltiples dispositivos, puntos de contacto y semanas de maduración de compra, determinar qué canal generó una venta sigue siendo una de las preguntas más complejas y estratégicas para cualquier Director de Marketing o Líder de Analítica.

Aunque Google Analytics 4 (GA4) ofrece por defecto un modelo de Atribución Basada en Datos (Data-Driven Attribution o DDA), este presenta limitaciones significativas en la práctica:

1. Es una caja negra: Los algoritmos propietarios de Google no permiten auditar las ponderaciones exactas ni exportar los pesos asignados a cada punto de contacto granular.
2. Ignora los datos offline y del CRM: Las conversiones que cierran en llamadas de ventas B2B, puntos de venta físicos o contratos recurrentes a 90 días no se integran de manera nativa en el cómputo algorítmico estándar.
3. Sesgo hacia el propio ecosistema: Los modelos predeterminados tienden a sobreponderar los puntos de contacto dentro de Google Ads en detrimento de canales orgánicos, de marca o de descubrimiento temprano.

Para tomar decisiones de inversión publicitaria con rigor financiero, la solución definitiva en 2026 es explotar el export diario de eventos de GA4 hacia Google BigQuery y modelar la atribución multitoque con SQL y algoritmos probabilísticos.

1. Deconstruyendo el Export de GA4 en BigQuery

Cada fila en la tabla diaria de GA4 (events_YYYYMMDD) representa un evento granular ejecutado por un usuario (user_pseudo_id). Para reconstruir las rutas de navegación que precedieron a una conversión, el primer paso técnico consiste en desanidar los parámetros de sesión y extraer la fuente, el medio y la campaña.

A continuación, un ejemplo de consulta SQL optimizada para BigQuery que unifica sesiones y canales:

WITH sesiones_usuario AS (
  SELECT
    user_pseudo_id,
    TIMESTAMP_MICROS(event_timestamp) AS event_time,
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id') AS session_id,
    traffic_source.source AS source,
    traffic_source.medium AS medium,
    traffic_source.name AS campaign,
    event_name,
    CASE 
      WHEN event_name IN ('purchase', 'generate_lead') THEN 1 
      ELSE 0 
    END AS is_conversion
  FROM
    `tu-proyecto-gcp.analytics_XXXXXXXXX.events_*`
  WHERE
    _TABLE_SUFFIX BETWEEN '20261001' AND '20261025'
),
rutas_consolidadas AS (
  SELECT
    user_pseudo_id,
    session_id,
    MIN(event_time) AS session_start,
    CONCAT(COALESCE(MAX(source), '(direct)'), ' / ', COALESCE(MAX(medium), '(none)')) AS channel_touchpoint,
    MAX(is_conversion) AS converted_in_session
  FROM
    sesiones_usuario
  WHERE
    session_id IS NOT NULL
  GROUP BY
    user_pseudo_id, session_id
)
SELECT
  user_pseudo_id,
  session_start,
  channel_touchpoint,
  converted_in_session,
  -- Reconstrucción de la secuencia con funciones de ventana
  STRING_AGG(channel_touchpoint, ' > ') OVER (
    PARTITION BY user_pseudo_id 
    ORDER BY session_start 
    ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
  ) AS customer_journey_path
FROM
  rutas_consolidadas
ORDER BY
  user_pseudo_id, session_start;

Esta estructura tabular nos permite responder de inmediato: ¿cuántos toques necesita en promedio un usuario antes de convertir?, ¿qué canales funcionan como iniciadores de interés (First-Touch) y cuáles como cerradores (Last-Touch)?

2. Comparativa: Reglas Heurísticas vs. Modelos Algorítmicos

En el espectro de la atribución publicitaria, encontramos dos grandes filosofías:

3. Implementando Cadenas de Markov: El Efecto de Remoción

El modelo de Cadenas de Markov modela el viaje del usuario como un grafo dirigido donde cada canal es un estado, y las visitas sucesivas representan probabilidades de transición entre estados hasta alcanzar el estado absorbente: “Conversión” o “Abandono”.

La métrica clave que obtenemos se llama Removal Effect (Efecto de Eliminación): $$\text{Removal Effect}(C) = \frac{\text{Probabilidad Base de Conversión} - \text{Probabilidad sin el Canal } C}{\text{Probabilidad Base de Conversión}}$$

Si al eliminar de las rutas históricas las campañas de Paid Social la tasa de conversión global del sitio cae un 35%, ese canal tiene un Removal Effect de 0.35, independientemente de que en el informe de Último Clic solo aparezca con un 5% de ventas directas.

Normalizando los efectos de eliminación de todos los canales activos: $$\text{Peso Atribuido}(C) = \frac{\text{Removal Effect}(C)}{\sum_{i} \text{Removal Effect}(C_i)}$$

Esto dota al equipo de Growth de un argumento irrefutable para defender presupuestos de prospección y contenidos educativos ante la dirección general.

4. Integración de Datos Offline y LTV del CRM

Uno de los mayores beneficios de trabajar en BigQuery es la posibilidad de ejecutar un JOIN entre la tabla de analítica web y la base de datos de tu CRM (Salesforce, HubSpot o base de datos relacional interna) utilizando un identificador unificado (user_id o hashed_email).

Esto resuelve la mayor queja de las áreas de finanzas: no todos los leads tienen la misma calidad ni el mismo Lifetime Value (LTV).

Al calcular el modelo de atribución ponderado no por el volumen bruto de conversiones, sino por el margen neto generado a 90 días, la asignación de presupuesto se reorienta de inmediato hacia aquellos canales que atraen clientes duraderos y no simplemente cazadores de ofertas de un solo uso.

Conclusión: El Retorno de la Soberanía de Datos

Depender pasivamente de los tableros cerrados de las plataformas publicitarias conduce a duplicidades de atribución donde Meta, Google Ads y TikTok reclaman para sí la misma venta.

Construir tu propio repositorio de datos en BigQuery conectado a GA4 y procesar modelos multitoque transparentes no solo optimiza el ROAS entre un 15% y un 30%: le devuelve a la organización la soberanía analítica y la claridad estratégica que el crecimiento sostenible exige en 2026.

Arturo Navarro

Growth Marketer & Business Intelligence Leader con más de 14 años de trayectoria. Fundador de Hacks! y especialista en analítica avanzada, SEO y modelos de atribución.

LinkedIn Ver biografía completa →