Una reflexión de Jono Alderson plantea un dilema habitual en marketing: cómo aprobar mejoras necesarias cuando no podemos predecir con precisión cuántas ventas generarán.
Cuando una previsión se convierte en requisito para actuar
El consultor de SEO técnico Jono Alderson publicó el 8 de octubre una reflexión con un título provocador: “Bravery is the most important KPI”. Su argumento cuestiona que las empresas condicionen decisiones relevantes a previsiones que no pueden calcularse con suficiente fiabilidad.
Alderson defiende que los responsables de marketing deben poder justificar una inversión con conocimiento del negocio y evidencia disponible, reconociendo sus incertidumbres. También advierte de que esa convicción no exime de evaluar riesgos ni de reconsiderar una decisión.
Qué nos dice realmente un modelo de atribución
Un modelo de atribución reparte el crédito de una conversión entre las interacciones observadas. El último clic concentra ese crédito en una interacción final; otros modelos, como la atribución basada en datos, lo distribuyen entre distintos puntos del recorrido.
Por tanto, no tiene sentido describir toda la atribución como un sistema que premia únicamente el último clic. Su utilidad depende de la pregunta que queremos responder, de los datos disponibles y de las reglas del modelo utilizado.
Para tomar decisiones, conviene explicitar esas condiciones. Una cifra presentada sin contexto puede transmitir una precisión mayor de la que permite el análisis.
Un ejemplo: el formulario que nadie quiere arreglar
Imaginemos un portal de empleo que recibe visitas, pero acumula quejas porque adjuntar un currículum desde el móvil resulta complicado. El equipo propone simplificar el formulario.
Antes de aprobar el trabajo, dirección pide una previsión exacta de cuántas candidaturas adicionales producirá y cuánto dinero generarán. El equipo conoce el problema, pero todavía no dispone de datos suficientes para responder con esa precisión.
Una propuesta razonable podría empezar por documentar los errores, observar dónde abandonan los candidatos y estimar el coste de la mejora. Después, podría desplegarse una versión limitada y comprobar qué ocurre.
Este es un ejemplo ilustrativo: permite formular una decisión comprobable sin prometer de antemano un resultado comercial exacto.
Qué debería contener una propuesta con incertidumbre
Desde Sombra Radio proponemos sustituir las promesas excesivamente precisas por una explicación que permita evaluar la decisión:
- Problema: qué está fallando y qué evidencia tenemos.
- Hipótesis: por qué creemos que la intervención puede ayudar.
- Alternativas: qué otras opciones existen, incluida la de aplazar el trabajo.
- Coste y alcance: cuánto estamos dispuestos a invertir inicialmente.
- Evaluación: qué resultados observaremos y cuándo revisaremos la decisión.
- Límites: qué señales justificarían modificar o detener el proyecto.
En el ejemplo del formulario, podríamos observar la proporción de solicitudes completadas, los errores al adjuntar archivos y las consultas de soporte. También revisaríamos la calidad de las candidaturas: aumentar el volumen no basta si el resultado deja de ser útil para los clientes.
Cómo aplicar este criterio a un proyecto de IA
Supongamos ahora que una empresa quiere introducir un asistente para atender consultas. Antes de extenderlo a todos los usuarios, propondríamos una prueba acotada, con presupuesto y duración definidos.
La evaluación debería incluir el tiempo de resolución, los errores, las derivaciones a personas y el coste por consulta resuelta. Así, el equipo puede contrastar el beneficio esperado con los problemas que aparezcan durante el uso.
La decisión de ampliar el proyecto dependería de esos resultados. Atreverse a empezar también implica estar dispuesto a reconocer que una solución necesita cambios o que no merece continuar.
La lectura de Sombra Radio
La valentía tiene sentido cuando permite plantear una incertidumbre con honestidad y asumir la responsabilidad de una decisión. Pierde valor cuando se utiliza para evitar preguntas o descalificar los datos que contradicen una idea.
Preferimos una propuesta que explique qué sabe, qué desconoce y cómo aprenderá, antes que una previsión impecable cuyos supuestos nadie pueda defender.
El objetivo de medir debería ser ayudarnos a elegir, revisar y mejorar. Para conseguirlo, cada indicador necesita una pregunta útil detrás y alguien dispuesto a actuar sobre la respuesta.
Fuentes
- Jono Alderson: Bravery is the most important KPI — artículo de opinión, 8 de octubre de 2026
- Google Analytics: configuración y definición de los modelos de atribución
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
