Artículos en esta sección

Monográfico: Incrementalidad

En resumen

Una campaña puede «funcionar» en todos los informes y perder dinero. Si los clientes que la reciben habrían comprado igual, las ventas que se le atribuyen no son suyas, y el descuento que se les regaló es margen perdido. La incrementalidad mide lo único que importa: cuánto vendiste gracias a la campaña que no habrías vendido sin ella.

Este monográfico explica la diferencia entre atribución e incrementalidad, los conceptos para leerla (control, lift, ingreso incremental, iROAS, significación), los métodos que existen, cómo diseñar un test con grupo de control y cómo convertir el resultado en decisiones de presupuesto y de audiencia, para terminar en cómo se hace en FLYDE con un caso guiado. Si solo te llevas una idea: aparta el grupo de control antes de lanzar, fija la fecha de lectura y no la adelantes.

1. Qué es la incrementalidad y por qué la atribución no basta

La incrementalidad responde a la única pregunta que de verdad importa sobre una campaña: cuánto vendiste gracias a ella que no habrías vendido sin ella. No cuánto vendiste mientras estaba activa, ni cuánto vendieron los clientes que la recibieron, sino la diferencia entre lo que pasó y lo que habría pasado si no la hubieras lanzado. Esa diferencia es lo incremental. Todo lo demás es ruido con aspecto de resultado.

El problema con «la campaña funcionó»

Una campaña de email a clientes habituales con un 10 % de descuento se lanza un lunes. Durante la semana, el 18 % de los que la recibieron compra. El informe de atribución le adjudica 4.200 pedidos. Parece un éxito.

Ahora la pregunta incómoda: ¿cuántos de esos 4.200 habrían comprado igual esa semana? Son clientes habituales; compran todas las semanas. Si en una semana normal compran el 15 %, la campaña ha movido del 15 % al 18 %: tres puntos, no dieciocho. Y a cambio ha regalado un 10 % de descuento al 15 % que iba a comprar de todas formas. Es perfectamente posible que la campaña haya perdido dinero mientras todos los informes la daban por buena.

Este ejemplo no es una rareza; es la situación por defecto en cualquier empresa con base de clientes recurrente. Cuanto mejor es un cliente, más compra sin que nadie le mande nada, y más fácil es que una campaña se apunte ventas que no provocó.

Correlación y causa

La atribución mide correlación: el cliente recibió el impacto y después compró. La incrementalidad mide causa: el cliente compró porque recibió el impacto. La diferencia parece académica hasta que se traduce a presupuesto. Si decides cuánto invertir en cada canal según la atribución, invertirás más en los canales que mejor se colocan delante de ventas que ya estaban hechas (retargeting, cupones a fieles, búsqueda de marca). Si decides según la incrementalidad, invertirás en los que generan ventas nuevas.

La única forma de medir causa es comparar con lo que habría pasado sin la campaña, y eso no se puede observar directamente: a la misma persona no se le puede mandar y no mandar la campaña a la vez. La solución es la de cualquier experimento: dividir la audiencia en dos grupos equivalentes, actuar sobre uno y no sobre el otro, y comparar. El grupo que no recibe nada se llama grupo de control, y lo que se mide en él es el contrafactual: lo que habría pasado sin la campaña.

Qué cambia cuando se mide

Las empresas que empiezan a medir incrementalidad suelen pasar por tres sorpresas, en este orden:

  • Las campañas a los mejores clientes son mucho menos incrementales de lo que parecían. Campeones y leales compran igual con o sin campaña; lo que cambia es el margen.
  • Las campañas a clientes en riesgo o dormidos son mucho más incrementales de lo que indicaba la atribución, porque sin campaña esos clientes no compran nada. Un lift modesto sobre una base de casi cero es, en términos de ventas nuevas, el mejor retorno de la casa.
  • Algunas campañas tienen incrementalidad negativa: la audiencia que la recibió compró menos que la de control. Suele pasar con exceso de frecuencia o con descuentos que enseñan a esperar al siguiente.

El efecto conjunto es una reasignación de presupuesto que no se habría deducido de ningún informe de atribución. Por eso este monográfico cierra la serie: segmentar decide a quién hablar, la atribución reparte el mérito de lo que pasa, y la incrementalidad dice qué merece la pena repetir.

2. Conceptos que hay que tener claros

La incrementalidad usa un vocabulario pequeño y preciso. Merece la pena fijarlo antes de hablar de métodos, porque la mitad de los malentendidos en una reunión de resultados vienen de usar «lift» o «ROAS» con significados distintos.

Grupo tratado y grupo de control

El grupo tratado (o de test) recibe la campaña. El grupo de control es una parte de la misma audiencia, elegida al azar, que no la recibe. La palabra importante es «misma»: el control tiene que salir de la audiencia definida con los mismos criterios, no de otra audiencia parecida. Si tratas a los clientes de alto valor y controlas con los de valor medio, la diferencia que midas será la diferencia entre ambos grupos, no el efecto de la campaña.

El control se fija en el momento de crear la audiencia y no cambia durante el test. Es el único caso en que una audiencia debe ser estática: si el control se recalculara cada día, entrarían y saldrían personas y la comparación perdería sentido.

Lift

El lift es la diferencia relativa entre lo que hace el grupo tratado y lo que hace el control, en la métrica elegida. Si el 18 % del tratado compra y el 15 % del control también, el lift en tasa de compra es de 3 puntos porcentuales, o un 20 % relativo (18 dividido entre 15, menos 1). Conviene dar siempre las dos cifras: los puntos dicen cuánto se movió la métrica; el porcentaje relativo permite comparar campañas con bases distintas.

Conversiones y revenue incremental

Las conversiones incrementales son las que el tratado hizo de más respecto a lo que habría hecho con la tasa del control. Con 100.000 personas tratadas, un 18 % de compra en el tratado y un 15 % en el control, las conversiones incrementales son 3.000 (3 % de 100.000), no 18.000. El revenue incremental es ese número por el ticket medio (o, mejor, la diferencia de ingresos por persona entre ambos grupos multiplicada por el tamaño del tratado, que recoge también cambios en el importe por pedido).

Conversiones incrementales = Tamaño del tratado × (tasa de conversión del tratado − tasa de conversión del control)

ROAS e iROAS

El ROAS (retorno sobre la inversión publicitaria) divide los ingresos atribuidos a una campaña entre su coste. El iROAS divide los ingresos incrementales entre su coste. La diferencia entre ambos es, de nuevo, la diferencia entre mérito y causa: en el ejemplo del email a clientes habituales, el ROAS sería altísimo y el iROAS, descontando además el descuento regalado, probablemente negativo. Al comparar canales para asignar presupuesto, la cifra que importa es el iROAS.

Significación y ruido

Dos grupos iguales que no reciben nada no se comportan exactamente igual: hay variación aleatoria. Un lift del 1 % con grupos de 500 personas no significa nada; el mismo 1 % con grupos de 200.000 probablemente sí. La significación estadística es la medida de cuánto se puede confiar en que la diferencia observada no es azar. No hace falta ser estadístico para usarla, pero sí entender tres cosas: que un resultado puede ser real y no ser significativo (el test era pequeño), que uno significativo puede ser irrelevante para el negocio (un lift real del 0,2 %), y que cuanto menor sea el efecto esperado, mayores tienen que ser los grupos para detectarlo.

Canibalización y efectos indirectos

Una campaña puede ser incremental en su objetivo y no serlo para la empresa. Un descuento en una categoría puede adelantar compras que iban a ocurrir el mes siguiente (el lift de esta semana se paga con una caída dentro de cuatro), desplazar ventas de otra categoría o de otro canal, o enseñar al cliente a esperar la próxima promoción. Por eso la métrica del test debería ser lo más cercana posible al resultado total (ingresos o margen por cliente en un periodo suficientemente largo) y no solo la conversión en el producto promocionado.

Incrementalidad por segmento

La cifra de incrementalidad de una campaña es una media que esconde diferencias enormes. La misma campaña puede tener un lift del 1 % en campeones y del 40 % en clientes en riesgo. Medir por segmento es lo que convierte la incrementalidad de un veredicto sobre la campaña en una guía sobre a quién mandársela, y es donde se conecta con el primer monográfico de la serie: los segmentos no solo sirven para decidir a quién hablar, sino para descubrir con quién funciona lo que dices.

3. Métodos de medición

Hay cuatro formas habituales de estimar el contrafactual, de más a menos rigurosa. La primera es la que debería usar cualquier empresa que controla a quién envía sus campañas; las demás son para cuando ese control no existe o el canal no lo permite.

Test con grupo de control aleatorizado (holdout)

Se divide la audiencia al azar en tratado y control, se lanza la campaña solo al tratado y se comparan ambos grupos en la métrica elegida durante el periodo del test. Es el estándar: al ser la asignación aleatoria, cualquier diferencia que aparezca solo puede deberse a la campaña o al azar, y el azar se puede acotar con el tamaño de los grupos.

Funciona en todos los canales donde la empresa decide a quién impacta: email, SMS, push, WhatsApp, audiencias propias en plataformas publicitarias, llamadas, correo postal. Es el método que exige menos estadística y el que da resultados más claros. Su único coste real es dejar de impactar a una parte de la audiencia durante el test, que es exactamente el precio de saber.

Geo-experimentos

Cuando no se puede controlar a nivel de persona (publicidad exterior, televisión, radio, campañas de alcance en plataformas que no aceptan listas), se controla a nivel de zona: la campaña se lanza en unas regiones y no en otras comparables, y se comparan las ventas de ambas. El reto es la comparabilidad: hay que elegir zonas con comportamiento histórico parecido y suficiente volumen, y aun así los resultados son más ruidosos que un holdout por persona. Útil para medir medios masivos; no sustituye al holdout donde el holdout es posible.

Pre/post con grupo de comparación

Se compara la métrica antes y después de la campaña en el grupo impactado, y se descuenta lo que pasó en el mismo periodo en un grupo parecido que no recibió nada. Es lo que se hace cuando el test no se diseñó de antemano y hay que medir a posteriori. El grupo de comparación no es aleatorio, así que puede diferir en cosas que no se ven, y cualquier otro evento del periodo (una promoción de la competencia, el tiempo, una rotura de stock) contamina la lectura. Sirve como estimación aproximada; no para decidir presupuesto.

Modelos de marketing mix (MMM)

Un modelo estadístico relaciona las ventas agregadas con la inversión en cada canal a lo largo de meses o años, controlando estacionalidad, precio y otros factores, para estimar la contribución de cada canal. No necesita datos a nivel de persona ni grupo de control, por lo que sirve para medios que no se pueden testar. A cambio exige mucho histórico, mucha inversión por canal para que el modelo detecte algo, un equipo que lo mantenga y una fe razonable en sus supuestos. Es una herramienta de planificación anual de presupuesto, no de gestión de campañas.

Cuadro comparativo

Método Cómo estima el contrafactual Rigor Para qué canales Qué exige
Holdout aleatorizado Parte de la misma audiencia, al azar, no recibe la campaña Alto Todos los que impactan a personas identificadas Decidir el control antes de lanzar; aceptar no impactar a una parte
Geo-experimento Zonas comparables sin campaña Medio-alto Medios masivos y plataformas sin listas Zonas con histórico parecido y volumen suficiente
Pre/post con comparación Grupo parecido no impactado, antes y después Medio-bajo Cualquiera, a posteriori Aceptar que otros eventos contaminan la lectura
Marketing mix (MMM) Modelo sobre ventas agregadas e inversión histórica Medio Mix completo, incluidos medios no testables Años de datos, inversión alta por canal, equipo analítico

Cuál usar

Para las campañas sobre la propia base de clientes (que es donde vive la mayor parte del revenue dormido) la respuesta es siempre el holdout aleatorizado: es más riguroso, más barato y más fácil de explicar que cualquier alternativa, y es el método que el resto de este monográfico da por supuesto. Los geo-experimentos y el MMM entran cuando la pregunta es sobre medios masivos y presupuesto anual, y el pre/post queda para cuando no quedó más remedio. La mejor forma de no necesitar un pre/post es diseñar el control antes de lanzar, que es de lo que trata la sección siguiente.

4. Diseñar un test de incrementalidad

Un test de incrementalidad se diseña antes de lanzar la campaña, no después de ver los resultados. Casi todo lo que puede salir mal se evita con seis decisiones tomadas de antemano y anotadas en el mismo sitio donde se describe la campaña.

1. La hipótesis y la métrica

Qué esperas que cambie y en cuánto: «la campaña de reactivación subirá la tasa de compra de los clientes en riesgo del 4 % al 8 % en las cuatro semanas siguientes». La métrica debe ser la que el negocio quiere mover (ingresos o margen por persona en el periodo, tasa de compra, retención), medida igual en los dos grupos. Evita métricas intermedias (aperturas, clics): solo existen en el tratado, así que no se pueden comparar con el control.

2. El tamaño del control

No hay un porcentaje universal. Lo que determina el tamaño es el efecto que esperas detectar: cuanto más pequeño el lift esperado, más personas necesitas en cada grupo para distinguirlo del azar. Como orientación, en audiencias grandes (decenas de miles) un control del 10 % suele bastar; en audiencias de pocos miles conviene subir al 20 % o 30 %; por debajo de un millar es difícil medir nada con fiabilidad y es mejor agrupar varias campañas similares en un test más largo. Pensar en el control como «la audiencia a la que no vendo» lleva a hacerlo demasiado pequeño; pensarlo como «el coste de saber si esto funciona» lo pone en su sitio.

3. La aleatorización

El control se elige al azar dentro de la audiencia, y se elige una sola vez, al crear la audiencia o justo antes de lanzar. Nunca por un criterio que parezca neutral y no lo sea (los últimos de la lista, los de una región, los que no abrieron el último email): cualquier criterio no aleatorio introduce una diferencia entre grupos que luego se confunde con el efecto de la campaña.

4. La duración

El test dura, como mínimo, un ciclo de compra del negocio: si tus clientes compran cada tres semanas, leer a los cinco días solo recoge a los más impulsivos. Leer demasiado pronto es el error más frecuente y el que más resultados falsos produce, en ambos sentidos: campañas que parecían no funcionar y sí lo hacían, y lifts enormes de la primera semana que se evaporan cuando el control alcanza al tratado. Fija la fecha de lectura antes de lanzar y no mires antes.

5. La exclusividad del control

Durante el test, el control no puede recibir la campaña por otra vía. Si la misma oferta sale también en redes, en la web o en tienda, parte del control la verá y la diferencia entre grupos se diluye. No siempre se puede evitar (una promoción general afecta a todos), pero entonces lo que se mide es el efecto del canal, no el de la oferta, y conviene saberlo al leer.

6. El criterio de decisión

Qué resultado te llevaría a ampliar la campaña, a cambiarla o a abandonarla, decidido de antemano. Sin ese criterio, cualquier resultado se interpreta a favor de lo que ya se quería hacer.

Errores típicos

  • Control no aleatorio. Es el error de origen; invalida todo lo demás y no se puede corregir después.
  • Control contaminado. Personas del control que reciben la campaña por otro canal, o que entran en el tratado por un recálculo de la audiencia a mitad de test.
  • Control demasiado pequeño. El resultado sale sin significación y se interpreta como «no funciona» cuando en realidad es «no se pudo medir».
  • Leer antes de tiempo. Ver el resultado de la primera semana y decidir. Si vas a mirar antes, que sea para comprobar que los datos llegan, no para concluir.
  • Métrica incorrecta. Medir conversión en el producto promocionado y no el gasto total por cliente, con lo que la canibalización pasa desapercibida.
  • Olvidar el coste. Un lift positivo no es una campaña rentable: hay que restar el coste del envío, el descuento concedido a todo el tratado y el margen perdido en las ventas que habrían ocurrido igual.
  • Un solo test. Un resultado es una observación; dos consistentes, una evidencia. Las campañas recurrentes deberían llevar control siempre, no una vez.
  • Reutilizar el mismo control. Si el 10 % de la base nunca recibe nada durante meses, ese 10 % deja de ser representativo (y se le está dejando de vender). El control se sortea en cada test.

Cuánto esfuerzo supone

Menos del que parece. Si la audiencia se construye con reglas y la plataforma permite fijarla y apartar el control al crearla, el test añade dos decisiones (tamaño y fecha de lectura) a lo que ya se iba a hacer. Lo que cuesta no es el test; es la disciplina de no leerlo antes de tiempo y de aceptar el resultado cuando no es el esperado.

5. De la incrementalidad a la decisión

Medir incrementalidad solo tiene sentido si cambia lo que haces después. Esta sección trata de cómo convertir un resultado de test en tres tipos de decisión: cuánto invertir, a quién, y qué medir a continuación.

Reasignar presupuesto

El uso más directo. Si una campaña recurrente tiene un iROAS de 6 y otra de 0,8, la segunda está consumiendo presupuesto que rendiría más en la primera. No hace falta medir todas las campañas para empezar: basta con las que más presupuesto consumen y las que más se repiten. Dos o tres tests bien hechos sobre las campañas principales suelen mover más dinero que cualquier optimización del resto.

La lectura por canal es la segunda capa. Los canales que la atribución favorece (retargeting, búsqueda de marca, cupones a clientes fieles) suelen salir peor en incrementalidad; los que la atribución castiga (captación, contenidos, reactivación) suelen salir mejor. Cuando ambas medidas discrepan, la que manda para el presupuesto es la incrementalidad.

Decidir a quién

Es el uso más rentable y el menos practicado. La incrementalidad media de una campaña esconde segmentos donde es alta y segmentos donde es nula o negativa. Leer el resultado por segmento (valor, recencia, engagement, antigüedad) permite:

  • Dejar de impactar a quien compra igual. Los campeones rara vez son incrementales; quitarles los descuentos no reduce sus compras y recupera margen inmediato.
  • Concentrar la inversión donde el lift es mayor. Clientes en riesgo y dormidos de valor suelen ser el segmento con mejor retorno incremental, justamente porque su base sin campaña es casi cero.
  • Detectar segmentos donde la campaña hace daño. Un lift negativo en un segmento (por saturación, por un mensaje que no encaja) es una instrucción directa de exclusión.

El resultado es una campaña más pequeña, más barata y con más ventas nuevas que la original. Y una definición de audiencia mejor para la siguiente, que es donde la incrementalidad se reconecta con la segmentación: cada test enseña algo sobre quién responde, y ese aprendizaje debería volver a las reglas de la audiencia.

Rediseñar la campaña

Un test puede medir más de una cosa. Con dos grupos tratados y un control (oferta con descuento, oferta sin descuento, nada) se responde a la vez si la campaña funciona y si el descuento aporta algo sobre el mero recordatorio. Muy a menudo la respuesta es que el recordatorio ya hace la mayor parte del trabajo, y el descuento solo añade coste. Lo mismo vale para frecuencia (una vez frente a tres), canal (email frente a push) o momento.

El ciclo continuo

La incrementalidad no es un proyecto; es una forma de operar. Las campañas recurrentes llevan control siempre, con un control distinto en cada envío. Los resultados se leen en la fecha fijada, por segmento, y se anotan junto a la campaña. Cada trimestre se revisa qué campañas, canales y segmentos han demostrado ser incrementales y el presupuesto del siguiente se reparte según eso. Con el tiempo, la empresa acumula algo que ningún informe de atribución puede dar: un registro de qué funciona con quién, respaldado por evidencia y no por opinión.

Qué cambia en la organización

Conviene anticipar dos resistencias. La primera, de quien gestiona las campañas: dejar fuera al control se vive como ventas perdidas, cuando en realidad las ventas que el control «pierde» son exactamente las que la campaña no provocaría. La segunda, de quien recibe los informes: la incrementalidad da cifras más pequeñas y menos cómodas que la atribución. Las ventas atribuidas de una campaña pueden ser 18.000; las incrementales, 3.000. Las dos cifras son ciertas y responden a preguntas distintas; la organización necesita las dos y necesita saber cuál está mirando.

La serie de tres monográficos termina aquí: segmentar decide a quién se habla, atribuir reparte el mérito de lo que pasa, y medir incrementalidad dice qué merece repetirse. Las secciones que siguen muestran cómo se hace cada paso en FLYDE.

6. Cómo se hace en FLYDE

En FLYDE la incrementalidad se mide sobre audiencias: se compara lo que hace una audiencia principal, la que recibe la campaña, con lo que hace una audiencia vinculada que actúa como control. Todo ocurre en Market › Audiencia, en tres momentos: preparar los dos grupos, crear el análisis y leerlo. Las capturas son del entorno de demostración BookStore, con datos en euros.

6.1 Preparar los dos grupos

El análisis no crea el grupo de control: lo compara. Por eso el control tiene que existir antes, como una audiencia más, y cumplir las condiciones de la sección 4. El monográfico de segmentación detalla el procedimiento; en resumen:

  1. La audiencia principal se define con sus filtros, como cualquier otra.
  2. Desde su menú ••• › Duplicar se crea una copia, y en ella ESTABLECER LÍMITE la reduce al porcentaje elegido para el control.
  3. La copia se marca Fijar audiencia, para que su composición no cambie durante el test, y no se le asigna ningún destino de orquestación: el control no debe recibir la campaña por ninguna vía.
  4. En la audiencia principal se añade el filtro No en audiencia(s) con el control, para que los dos grupos no se solapen.

Listado de audiencias (BookStore) con la principal orquestada a Meta Ads y la de control fijada.

Figura 1. Listado de audiencias (BookStore) con la principal orquestada a Meta Ads y la de control fijada.

6.2 Crear el análisis

El menú ••• de la audiencia principal › Análisis de incrementalidad abre la pantalla del análisis, con un asistente de cuatro pasos.

Menú ••• de la audiencia: Análisis de incrementalidad.

Figura 2. Menú ••• de la audiencia: Análisis de incrementalidad.

Audiencia. Se elige la audiencia que actuará como control. Si puede haber usuarios en las dos, FLYDE pide decidir cómo tratarlos: excluirlos del control, que es la opción recomendada y cuenta a esos usuarios solo en la principal; excluirlos de la principal, para análisis específicos; o permitir el solapamiento, que los cuenta en ambos grupos y no se recomienda porque mezcla el efecto con el contrafactual. Si los grupos se prepararon como en el apartado anterior, el solapamiento es cero y la elección no cambia nada, pero conviene dejar la recomendada.

Paso Audiencia: el control seleccionado y las tres opciones de solapamiento.

Figura 3. Paso Audiencia: el control seleccionado y las tres opciones de solapamiento.

Campaña. Se vincula la campaña de Market › Campañas que corresponde al test, o se elige Sin campaña vinculada para configurarlo todo a mano. Al vincularla, FLYDE rellena automáticamente el rango de fechas, los productos y la categoría a partir de la campaña, de modo que el análisis mide exactamente el periodo y el surtido de la acción.

Paso Campaña: la campaña vinculada y los filtros que se autorrellenarán.

Figura 4. Paso Campaña: la campaña vinculada y los filtros que se autorrellenarán.

Filtros. Acotan qué se mide: rango de fechas, productos, tres niveles de categoría, medio de pago, canal de venta y tipo de cliente. Es donde se decide la métrica de la sección 4: medir solo el producto promocionado responde a si la campaña vendió ese producto; dejar los filtros abiertos mide el gasto total por cliente, que es lo que recoge la canibalización.

Paso Filtros.

Figura 5. Paso Filtros.

Nombre. Un nombre que diga qué se compara y cuándo («Win-back alto valor vs Control - Meta Ads oct 2026»), porque una misma audiencia puede acumular varios análisis. CREAR ANÁLISIS lo guarda y lanza el cálculo.

6.3 Leer el análisis

La pantalla del análisis tiene cuatro bloques:

  • La cabecera: nombre, estado (Procesando mientras se calcula), si es el análisis destacado, fecha de creación y del último cálculo, y la campaña vinculada, con enlace a ella.
  • Las dos audiencias, principal y vinculada, con su tamaño y el número de solapamientos excluidos.
  • La configuración aplicada (fechas, productos, categorías, medio de pago, canal, tipo de cliente), con la indicación de qué se autorrellenó desde la campaña.
  • Los resultados: un indicador de significación estadística, el Ingreso incremental frente al comportamiento del control, el Lift en ARPU (la diferencia de ingreso medio por usuario entre ambos grupos) y los Compradores incrementales (los usuarios adicionales que compraron gracias a la campaña).

El análisis creado: cabecera, audiencias principal y vinculada y configuración autorrellenada desde la campaña.

Figura 6. El análisis creado: cabecera, audiencias principal y vinculada y configuración autorrellenada desde la campaña.

Debajo, la Sección económica muestra, para cada métrica, el valor de la audiencia principal, el del control, la incrementalidad en porcentaje y su significación: CLTV, total de ingresos, importe medio de pedidos, total de cantidad devuelta y los productos más vendidos. CONFIGURAR GRÁFICOS elige qué métricas aparecen. Mirar la cantidad devuelta junto al ingreso evita celebrar un lift que se deshace en devoluciones.

La Sección económica, en otro entorno de demostración: gasto medio por cliente e importe medio de pedidos de la audiencia principal y del control, con una incrementalidad del +0,24 % marcada como no concluyente.

Figura 7. La Sección económica, en otro entorno de demostración: gasto medio por cliente e importe medio de pedidos de la audiencia principal y del control, con una incrementalidad del +0,24 % marcada como no concluyente.

Las cifras se leen como explica la sección 2: el ingreso incremental y los compradores incrementales son el efecto de la campaña; el resto de las ventas del grupo principal habría ocurrido igual. El indicador de significación dice si la diferencia puede ser azar. Con un control pequeño, un resultado no significativo no quiere decir que la campaña no funcione, sino que no se ha podido medir.

6.4 Varios análisis por audiencia, y el destacado

Una audiencia puede tener tantos análisis como tests se hagan sobre ella, uno por oleada o por variante. Aparecen como etiquetas en la parte superior, junto a + Nuevo análisis, y se editan o borran con sus iconos. Editar un análisis avisa de que los cambios afectan a los informes que lo consumen.

Uno de ellos está marcado como Destacado: es el que Trends usa como análisis de incrementalidad de esa audiencia. Así, la evolución de la audiencia en el tiempo y su incrementalidad se leen juntas, y el ciclo continuo de la sección 5 tiene un sitio donde quedar registrado.

6.5 Preguntar a Brain

Market Talks responde también a preguntas de incrementalidad, sin abrir cada análisis. Algunas útiles:

  • ¿Qué campañas del último trimestre tienen un ingreso incremental significativo?
  • Compara el lift en ARPU de la audiencia de reactivación entre las dos últimas oleadas.
  • ¿En qué segmentos de valor ha sido mayor la incrementalidad de la campaña de octubre?
  • ¿Qué audiencias tienen análisis de incrementalidad y cuáles no?

7. Caso guiado: medir la incrementalidad de la reactivación

Este caso continúa el del monográfico de segmentación, en el entorno BookStore. Allí se construyó la audiencia «Win-back alto valor» (clientes que tenían un RFM de 6 o más en el periodo anterior y no han comprado en el actual), se apartó un control del 10 % y se orquestó la audiencia tratada a Meta Ads. Aquí se cierra el círculo: se crea el análisis que compara ambos grupos y se explica cómo leerlo y qué decidir. Las capturas del asistente son del entorno BookStore.

Paso 1. Comprobar los dos grupos

En Market › Audiencia, el listado muestra (figura 1):

Audiencia Composición Estado
Win-back alto valor El 90 % del segmento (86 clientes en Demo) Orquestada a la herramienta de la campaña
Win-back alto valor - Control El 10 % del segmento (9 clientes en Demo) Fija, sin destino

Los dos salen de la misma definición, el control se eligió antes de lanzar, está fijado y no recibe la campaña por ninguna vía. Se cumplen las condiciones de la sección 4, con una salvedad que se tratará en el paso 5: el tamaño.

Paso 2. Fijar la hipótesis y la fecha de lectura

La hipótesis viene del caso de segmentación: un recordatorio personalizado en Meta Ads sube la tasa de compra de estos clientes en las semanas siguientes. La métrica es el ingreso por cliente en el periodo de la campaña, con todos los productos (para recoger la canibalización), y el criterio de decisión se anota antes de mirar: si el ingreso incremental supera el gasto de la campaña con significación, se repite y amplía; si no, se rediseña.

Paso 3. Crear el análisis

En el menú ••• de «Win-back alto valor» › Análisis de incrementalidad:

  1. Audiencia: «Win-back alto valor - Control», con la opción recomendada, excluir el solapamiento del control. FLYDE confirma después cero solapamientos excluidos, porque los grupos ya se habían separado.
  2. Campaña: «Campaña MetaAds CADS», del 10 al 20 de octubre de 2026. FLYDE autorrellena el rango de fechas, los productos y la categoría.
  3. Filtros: se dejan abiertos salvo las fechas, para medir el gasto total por cliente.
  4. Nombre: «Win-back alto valor vs Control - Meta Ads oct 2026». CREAR ANÁLISIS.

Inicio del asistente: Crear análisis de incrementalidad.

Figura 8. Inicio del asistente: Crear análisis de incrementalidad.

Último paso: el nombre del análisis.

Figura 9. Último paso: el nombre del análisis.

El análisis aparece como Destacado (es el primero de la audiencia), en estado Procesando y vinculado a la campaña.

El análisis recién creado, en estado Procesando y marcado como Destacado.

Figura 10. El análisis recién creado, en estado Procesando y marcado como Destacado.

Paso 4. Esperar y leer

La lectura se hace en la fecha fijada, no antes. En BookStore la campaña es sintética y la audiencia se creó el mismo día del análisis, así que los resultados salen a cero: no hay compras de esos clientes en el periodo. En una cuenta real, al cabo del ciclo de compra, la pantalla mostraría el ingreso incremental, el lift en ARPU y los compradores incrementales, y en la Sección económica el CLTV, los ingresos, el importe medio de pedido y las devoluciones de cada grupo lado a lado.

Para ilustrar la lectura, imagina este resultado hipotético a las ocho semanas:

Principal (900) Control (100)
Compradores 108 (12 %) 5 (5 %)
Ingreso por usuario 66 € 31 €

El lift en ARPU sería de 35 € por usuario, y el ingreso incremental, unos 31.500 € (35 € × 900). Los compradores incrementales serían unos 63: los 108 que compraron menos los 45 que, con la tasa del control, habrían comprado igual. Frente a la atribución, que se adjudicaría las ventas de los 108 compradores, la incrementalidad dice que la campaña provocó algo más de la mitad.

Paso 5. Saber cuándo no fiarse

Con 100 personas en el control, que compren cinco o que compren ocho cambia la tasa del control del 5 % al 8 %, y con ella todo el resultado. Por eso el indicador de significación es lo primero que se mira: si dice que la diferencia puede ser azar, la conclusión no es «la campaña no funciona» sino «con este tamaño no se puede saber». Las salidas son las de la sección 4: un control mayor (20 % o 30 % en un segmento de este tamaño) o acumular varias oleadas, cada una con su control sorteado, antes de decidir.

Paso 6. Decidir y volver a empezar

Con un resultado fiable, la decisión sigue el criterio anotado en el paso 2, y la lectura por segmento de la sección 5 afina la siguiente oleada: a qué clientes dejar de impactar porque compran igual, dónde concentrar el presupuesto y qué variante probar (con descuento frente a sin descuento, por ejemplo). La audiencia sigue viva y recalculándose; la próxima oleada lleva su propio control y su propio análisis, y el destacado se actualiza para que Trends muestre el último.

Lo que se ha hecho, en una línea

Dos audiencias de la misma definición, una fijada como control, un análisis vinculado a la campaña con sus filtros, y una lectura que separa lo que la campaña provocó de lo que habría pasado igual. Es la respuesta, con evidencia, a la pregunta con la que empezaba este monográfico.

8. Cierre de la serie: segmentar, atribuir, medir

Los tres monográficos de esta serie describen un mismo ciclo visto desde tres ángulos.

Segmentar decide a quién se habla. Convierte una base de clientes en audiencias vivas, definidas por reglas sobre un perfil unificado, y aparta desde el principio el grupo de control que hará posible medir.

Atribuir reparte el mérito de lo que pasa. Con una sola regla para todas las campañas, dice qué campaña, canal y contenido estaban presentes cuando se vendió, y permite gestionar el día a día con una vara de medir común.

Medir la incrementalidad dice qué merece repetirse. Separa lo que la campaña provocó de lo que habría pasado igual, y es la base para decidir el presupuesto y para afinar la siguiente audiencia.

Cada vuelta del ciclo deja algo que ningún informe por separado puede dar: un registro de qué funciona con quién, respaldado por evidencia. Ese registro es, al final, la forma de despertar el revenue dormido que ya está en los datos.

Anexos

Glosario

  • Audiencia principal: la que recibe la campaña en un análisis de incrementalidad.
  • Audiencia vinculada (control): la que no recibe la campaña y sirve de comparación.
  • Canibalización: ventas que la campaña adelanta o desplaza en lugar de generar.
  • Compradores incrementales: compradores adicionales del grupo principal respecto a lo que habría indicado la tasa del control.
  • Contrafactual: lo que habría pasado sin la campaña, estimado con el grupo de control.
  • Holdout: test con grupo de control aleatorizado.
  • Ingreso incremental: ingreso adicional del grupo principal respecto al control, escalado a su tamaño.
  • iROAS: ingreso incremental dividido entre el coste de la campaña.
  • Lift: diferencia relativa entre el grupo tratado y el control en la métrica elegida.
  • Lift en ARPU: diferencia de ingreso medio por usuario entre el grupo principal y el control.
  • Significación estadística: medida de cuánto se puede confiar en que una diferencia no es azar.
  • Solapamiento: usuarios presentes a la vez en la audiencia principal y en la de control.

Artículos relacionados

¿Fue útil este artículo?
Usuarios a los que les pareció útil: 0 de 0