Un estudio de la World Federation of Advertisers y Ebiquity muestra que solo el 15% de los líderes de marketing de empresas globales considera que la medición de efectividad es el principal driver de sus decisiones presupuestarias. Está pendiente convertir evidencia en acción.

Nunca ha habido tanta información disponible para evaluar una inversión publicitaria. Marketing cuenta hoy con dashboards, modelos econométricos, atribución, experimentación, brand tracking, datos de plataformas y nuevas herramientas basadas en inteligencia artificial. Sin embargo, tener más mediciones no necesariamente significa estar midiendo mejor. Y, menos aún, que esa evidencia termine influyendo en dónde se pone el presupuesto.

Esta es la principal alerta del Paid Media Effectiveness Handbook, elaborado por la World Federation of Advertisers (WFA) y Ebiquity a partir de una investigación realizada entre 71 líderes senior de 10 sectores y entrevistas en profundidad con profesionales de grandes multinacionales. En conjunto, las organizaciones participantes representan más de US$40 mil millones en inversión anual en publicidad.

La conclusión central es contundente: dos tercios de los anunciantes se encuentran por debajo del nivel de madurez que necesitan en medición de efectividad de medios. Y el problema no parece estar principalmente en la falta de herramientas. De hecho, ocho de cada diez organizaciones ya utilizan Marketing Mix Modelling (MMM) y una proporción similar trabaja con estudios de brand lift. El verdadero déficit aparece en el momento de conseguir que esa evidencia llegue a las decisiones de presupuesto.

Solo el 15% de los líderes encuestados afirma que los resultados de efectividad son el principal factor que determina sus decisiones de presupuesto. El estudio describe así una brecha entre “saber” y “hacer”: las organizaciones saben cada vez más sobre sus medios, pero todavía tienen dificultades para transformar ese conocimiento en decisiones concretas.

El problema no es la falta de datos

La paradoja que recorre todo el estudio es que la industria dispone de más datos que nunca y, al mismo tiempo, sigue teniendo dificultades para utilizarlos de manera efectiva.

Una primera causa es la fragmentación. 46% de las organizaciones se encuentra en los niveles más bajos de madurez en su capacidad para integrar distintas fuentes de datos en una visión unificada. A esto se suman las restricciones derivadas de la privacidad y la creciente complejidad del ecosistema.

La segunda presión proviene de la expansión de los canales. Retail media, connected TV, influencer marketing y las nuevas formas de búsqueda impulsadas por inteligencia artificial avanzan más rápido que la infraestructura de medición disponible para evaluarlos. Los llamados walled gardens son considerados un desafío severo o crítico por más de 60% de los participantes.

La tercera es la presión financiera. Los CFO están exigiendo que la inversión en medios pueda justificarse con la misma lógica que cualquier otra partida del estado de resultados. Pero la medición continúa concentrándose en indicadores de delivery o desempeño, mientras los indicadores comerciales tienen una presencia mucho menor. Solo 17% mide regularmente el impacto de los medios sobre el beneficio neto, y menos de 6% mide su impacto sobre el customer lifetime value.

Del “qué pasó” al “qué hacemos”

El handbook propone entender la medición como un sistema compuesto por cuatro dimensiones: Metric Clarity, Measurement Toolkit, Decision Discipline y Commercial Bridge. Qué significa lo que se está midiendo, cómo se mide, qué se hace con la evidencia y cómo se conecta con el negocio.

El estudio advierte sobre la frecuente confusión entre conceptos como efectividad, eficiencia y ROI. Una campaña puede ser muy eficiente desde la perspectiva del costo por impresión o adquisición, pero ser poco efectiva si no logra el objetivo comercial buscado. La eficiencia responde a cuánto cuesta obtener un resultado; la efectividad, a si efectivamente se logró el resultado que importaba.

Lo mismo ocurre con el ROI. Para decisiones de asignación presupuestaria, el handbook recomienda poner especial atención en el ROI marginal, es decir, el retorno incremental de la próxima unidad de inversión, y no solamente en el promedio histórico. La lógica es que el retorno marginal cambia a medida que aumenta o disminuye el gasto y permite identificar dónde tiene mayor sentido colocar el siguiente peso.

Esta precisión conceptual es relevante porque una medición puede terminar siendo poco útil cuando cada área interpreta de manera distinta el mismo indicador. Por eso, una de las primeras recomendaciones del estudio es definir un vocabulario común entre marketing, medios, analytics, finanzas, procurement y agencias.

No existe “la” herramienta correcta

Uno de los mensajes del handbook es que no hay una única metodología que entregue “la verdad”.

MMM, incrementality testing, brand tracking, multi-touch attribution, digital tracking o estudios de brand lift responden preguntas distintas, trabajan con horizontes temporales diferentes y tienen sus propios puntos ciegos. Por eso, el desafío es conectar las herramientas de manera que cada una aporte aquello que mejor puede medir.

De ahí surge otra recomendación clave: cuando dos metodologías entregan resultados diferentes, no hay que forzar un único número. El estudio sostiene que las discrepancias pueden ser una fuente de aprendizaje. MMM puede estar mirando un período de semanas o meses, mientras MTA trabaja sobre ventanas mucho más cortas; una metodología puede incorporar factores externos que otra no considera; y los modelos pueden estar trabajando con fuentes de datos distintas. El hecho de que entreguen resultados diferentes no significa automáticamente que uno esté equivocado.

La recomendación, sin embargo, no es sumar herramientas indefinidamente. El estudio dice que un sistema bien conectado de dos o tres metodologías fundamentales puede generar mejores decisiones que seis herramientas fragmentadas que no se integran.

El sesgo hacia el corto plazo

Una de las mayores preocupaciones que revela la investigación es la dificultad para distinguir los efectos inmediatos de los efectos de construcción de marca.

Solo 4% de los líderes declara tener plena confianza en que su sistema actual permite separar correctamente el impacto de corto plazo sobre las ventas del efecto de largo plazo sobre la marca.

La consecuencia es potencialmente importante. Los indicadores de performance son rápidos, visibles y fáciles de incorporar a una conversación de resultados. Los efectos de construcción de marca, en cambio, requieren ventanas temporales más extensas y suelen ser más difíciles de atribuir.

Mientras 40% de los encuestados utiliza regularmente incremental ROAS de corto plazo, solo 25% utiliza incremental ROAS de largo plazo. Y aunque 71% mide regularmente awareness o consideration lift, solo 17% llega al impacto sobre el beneficio neto.

El estudio plantea que solo un 28% utiliza un marco formal y basado en evidencia para definir el balance entre inversión de performance y construcción de marca.

La evidencia llega cuando ya se decidió

Por su parte, el 54% de los líderes afirma que los insights llegan demasiado tarde para influir en el ciclo de planificación. A ello se suma que solo el 13% considera que su organización es fuerte en la velocidad que existe entre la generación de datos y la obtención de un insight accionable.

Por eso el documento introduce el concepto de Decision Discipline: la organización debe establecer explícitamente el recorrido que lleva desde el resultado de un modelo hasta una acción presupuestaria, lo que implica definir quién interpreta el resultado, quién transforma esa interpretación en una recomendación, quién tiene autoridad para modificar el presupuesto y en qué momento se toma la decisión.

El estudio propone, por ejemplo, establecer revisiones periódicas de efectividad vinculadas a los ciclos de planificación, con la presencia de quienes tienen capacidad de decisión. También recomienda establecer reglas anticipadas sobre qué hacer frente a determinados parámetros.

El “traductor” que falta

El estudio encuentra una relación relativamente sólida entre marketing y sus agencias: 81% evalúa positivamente ese alineamiento. Pero la coordinación cae cuando la medición tiene que llegar a otras áreas: solo 14% declara estar plenamente alineado con Finanzas y 17% con Procurement. Además, casi una cuarta parte califica como débil o inexistente el alineamiento entre marketing y el C-suite.

Aquí aparece el translator role. Las personas que construyen los modelos suelen no ser las mismas que toman las decisiones presupuestarias. Entre ambas conversaciones se necesita alguien capaz de traducir un resultado analítico en una recomendación comercial. La recomendación es que esta función tenga una responsabilidad clara dentro de la organización y, en los sistemas más avanzados, incluso opere como una capacidad dedicada e independiente.

Hablar con Finanzas en lenguaje financiero

El cuarto componente del sistema es lo que el handbook llama Commercial Bridge: el puente que permite llevar la evidencia desde marketing hacia Finanzas, la dirección comercial, el CFO y el directorio, y que parte por el lenguaje.

La recomendación es plantear la conversación con variables que Finanzas ya utiliza para evaluar otras inversiones: ingresos incrementales, contribución al beneficio, costo de adquisición y período de recuperación de la inversión.

El handbook resume este puente en cinco movimientos: hablar el lenguaje de Finanzas, sustentar la evidencia, construir confianza en el tiempo, valorar ambos horizontes temporales y asignar una capacidad responsable de conectar marketing y negocio.

IA: acelerar un sistema, no reemplazarlo

En un contexto donde la inteligencia artificial aparece como respuesta casi obligada a cualquier desafío de medición, el estudio introduce una advertencia relevante.

53% de los líderes considera la IA y la automatización una prioridad para el corto plazo, pero 67% califica su propia madurez en automatización en los niveles más bajos. Además, dos tercios de las organizaciones evalúan su capacidad de IA y automatización como inmadura y ninguna se considera de clase mundial.

La conclusión es que la IA amplifica el sistema en el que se instala. Si el sistema tiene datos limpios, responsabilidades claras y reglas de decisión, puede acelerar el paso desde la evidencia hacia la acción.

Esto es particularmente relevante para los nuevos canales. Retail media, influencer marketing y publicidad impulsada por IA están creciendo más rápido que la infraestructura que permite medirlos. La respuesta que propone el handbook no es construir un sistema completamente distinto para cada nuevo canal, sino extender las metodologías y la gobernanza existentes, comenzando siempre por la decisión que se necesita tomar.

La creatividad también se mide

El estudio identifica la creatividad como un punto ciego de muchos sistemas de medición. Algunas organizaciones más avanzadas la incorporan como un requisito previo -ninguna pieza sale sin pasar por un pretest- mientras otras incorporan variables de calidad creativa dentro de sus modelos para aislar su contribución.

Diez principios para pasar a la acción

El documento concluye proponiendo diez principios para construir un sistema de medición capaz de llegar efectivamente a las decisiones.

El primero es fijar y gobernar el vocabulario: definir los indicadores y asegurar que marketing, medios, analytics, Finanzas y agencias los entiendan de la misma manera.

El segundo es asignar cada metodología a la pregunta que puede responder mejor. El tercero, conectar las metodologías para que se complementen en lugar de competir.

El cuarto plantea permitir que las metodologías discrepen. En lugar de forzar un número único, hay que investigar por qué las respuestas son diferentes.

El quinto es construir un workflow desde el modelo hasta la decisión, identificando quién interpreta, recomienda y actúa. El sexto es establecer una cadencia de decisión, de manera que la evidencia se revise regularmente y no se convierta en un informe que nadie vuelve a mirar.

El séptimo es designar un traductor entre los modelos y quienes toman las decisiones presupuestarias. El octavo, hablar el lenguaje de Finanzas, privilegiando ingresos incrementales, contribución al beneficio y payback.

El noveno es sustentar la evidencia y construir confianza, explicando metodología, supuestos y resultados, incluidos los que no fueron positivos. Y el décimo es quizás el más pragmático: aceptar el pragmatismo por sobre la perfección. La medición rara vez entrega certeza absoluta; esperar evidencia perfecta puede significar no decidir nunca.

Una hoja de ruta de tres etapas

El handbook propone finalmente una progresión de madurez que puede servir a las organizaciones como diagnóstico.

En la etapa Foundation, la organización tiene herramientas, pero no necesariamente obtiene valor de ellas. Puede haber distintas definiciones para una misma métrica, datos que llegan tarde o de manera inconsistente, ausencia de un foro periódico de efectividad y modelos cuyos resultados nadie cuestiona. La prioridad es ordenar los fundamentos: lenguaje común, fuente de datos, gobernanza y una cultura que desafíe los resultados.

En la etapa Developing, la organización ya genera mediciones útiles, pero estas permanecen principalmente dentro de marketing. El siguiente salto consiste en vincular cada resultado con una decisión concreta, evitar que el corto plazo domine automáticamente el presupuesto, integrar performance y brand con el resto del negocio y establecer un programa regular de experimentación.

La etapa Advanced corresponde a organizaciones donde la evidencia ya tiene credibilidad más allá de marketing y es utilizada en decisiones comerciales más amplias. La aspiración no es simplemente tener modelos sofisticados, sino que el directorio y las áreas financieras confíen en ellos y que las decisiones estén efectivamente guiadas por evidencia.

El punto de partida puede ser diferente para cada compañía. Lo que el estudio considera universal es la arquitectura: medir lo que está conectado con una decisión, no medir por medir. Cada métrica debería poder rastrearse hasta un resultado de negocio; si una capa del sistema no conecta con la siguiente, existe una brecha que debe resolverse o reconocerse.