---
title: "Google Analytics: modelado de datos y atribución"
description: "Domina el modelado de datos y la atribución en Google Analytics: conversiones, comportamiento, informes y Consent Mode para analizar con precisión."
url: https://edgeangel.co/es/notes/ga4-modelisation-donnees-attribution
lang: es
---

> Índice del sitio para agentes, que conviene leer antes de explorar: https://edgeangel.co/llms.txt
> Página HTML de referencia, que incluye además los esquemas y los elementos visuales: https://edgeangel.co/es/notes/ga4-modelisation-donnees-attribution

[Nota de expertos](https://edgeangel.co/es/notes)

# Google Analytics: modelado de datos y atribución

[Medición publicitaria](https://edgeangel.co/es/notes?category=advanced-media-measurement)

Mathieu Lima

• 26 de noviembre de 2025 • Publicado el 10 abr 2023

## Introducción

GA introduce el concepto de modelado. A partir de los datos recogidos (llamados datos observados), la herramienta puede modificar y enriquecer los informes para compensar la pérdida de datos que provocan los cambios tecnológicos. Pensamos sobre todo en los navegadores que protegen más a los usuarios (ITP), pero también en el marco normativo, como el RGPD para los anunciantes que supeditan GA al consentimiento del usuario.

En esta nota repasamos las distintas funcionalidades relacionadas con el modelado y te presentamos los resultados de nuestros primeros análisis.

## Definiciones y diferencias

El modelado de conversiones y el modelado de comportamiento son dos funcionalidades distintas.

### 1\. Modelado de conversiones

GA integra de forma automática datos de conversiones modelados en los informes principales y en los informes de exploración. En la práctica, esta funcionalidad permite asociar la fuente de captación «correcta» a los eventos y conversiones cuya información de origen (UTM, gclid, etc.) no está disponible directamente.

**¿Cómo funciona?**

«Los modelos de Google buscan tendencias entre las conversiones observadas directamente y las que no lo son. Por ejemplo, si las conversiones atribuidas en un navegador son similares a las conversiones no atribuidas de otro navegador, el modelo de machine learning predice la atribución global. Después, las conversiones se agregan a partir de esa predicción y reúnen tanto las conversiones modeladas como las conversiones observadas.»

Esta funcionalidad mejora la atribución de las conversiones y contrarresta en particular las políticas de los navegadores que limitan la ventana de tiempo de las cookies propias.

**Esta funcionalidad pretende respetar los datos personales:**

«Google no permite el uso de identificadores de huella digital ni otros intentos de identificar a usuarios individuales. En su lugar, Google agrega datos (como las tasas de conversión históricas, el tipo de dispositivo, la hora del día, la ubicación geográfica, etc.) para predecir la probabilidad de las conversiones.»

### 2\. Modelado de comportamiento

Esta funcionalidad está ligada a la implementación de Google Consent Mode y afecta a los editores que han supeditado GA al consentimiento del usuario.

Consent Mode permite recoger datos de navegación de los usuarios que no han dado su consentimiento. Es un modo que adapta la información enviada a Google según el consentimiento del usuario:

-   Cuando los usuarios dan su consentimiento, las etiquetas funcionan con normalidad.
-   Cuando los usuarios no han dado un consentimiento positivo, las etiquetas siguen enviando «pings» sin cookies a GA.

Los datos de los usuarios que han dado su consentimiento aparecen en los informes de GA: hablamos de datos observados. Los de los usuarios que no lo han dado permiten activar los datos modelados (modelado de comportamiento) si se cumplen los requisitos previos (hace falta cierto volumen de datos para ser apto). En la práctica, el modelado de comportamiento (ligado a la implementación de Consent Mode) hace aparecer en los informes de GA los datos de los usuarios que no han dado un consentimiento positivo. El modelado de conversiones (funcionalidad 1) se aplica después a estos datos observados para obtener la atribución correcta.

**⚠️ Punto de atención**  
Consent Mode es una solución que propone Google, pero no está validada oficialmente por la CNIL. Cada actor, con el apoyo de sus partners jurídicos y analíticos, debe construir su propia estrategia de recogida de datos según su valoración del riesgo (consulta nuestra nota de expertos dedicada al RGPD y Google Analytics).

**Requisitos para activar el modelado de comportamiento:**

-   Implementar correctamente Consent Mode (enviar el ping a GA antes de que se active la CMP y sin consentimiento).
-   La propiedad recoge al menos 1000 eventos al día con el parámetro analytics\_storage='denied' definido durante al menos siete días.
-   La propiedad tiene al menos 1000 usuarios al día que envían eventos con el parámetro analytics\_storage='granted' definido durante al menos 7 de los 28 días anteriores.
-   Desde el momento en que se alcanza el umbral de datos, pueden pasar más de 7 días dentro de ese periodo de 28 días antes de que el modelo esté bien entrenado. Aun así, es posible que ni siquiera los datos adicionales permitan a Analytics entrenar el modelo.

### 3\. Identidad para los informes

Esta funcionalidad, configurable en la administración de GA, permite elegir el método con el que se define la noción de usuario. También es con ella con la que se activa o desactiva el modelado de comportamiento (si es apto tras la implementación de Consent Mode).

Tenemos tres opciones:

![Opciones de identidad para los informes](https://edgeangel.co/assets/notes/ga4-modelisation-donnees-attribution/image-06.jpg)

**Opción 1: combinada (Blended)**

-   El usuario se define primero por el user\_id (parámetro que se puede enviar a Google cuando el usuario inicia sesión, por ejemplo). Así se considera como un mismo usuario a quien inicia sesión desde distintos dispositivos
-   Si el usuario no tiene user\_id (por ejemplo, si no hay área de acceso), Google usará sus propias señales (si has activado Google signals) para identificar al usuario. Como con el user\_id, esto permite unificar a un mismo usuario, pero esta vez es Google quien aporta la información (sobre todo si el usuario ha iniciado sesión en una cuenta de Gmail).
-   Si el usuario no entra en ninguno de los dos primeros casos, se define por el ID del dispositivo (en la web, la cookie de Google Analytics «cid», para los iniciados).
-   Por último, si el usuario no ha dado su consentimiento, Google activa el modelado de comportamiento (si es apto tras la implementación de Consent Mode).

**Opción 2: observada (Observed)**

El usuario se define igual que en la opción «combinada», pero sin el modelado de comportamiento.

**Opción 3: basada en dispositivos (Device-based)**

El usuario se define únicamente por el ID del dispositivo (en la web, la cookie de Google Analytics «cid», para los iniciados).

➜ Es fundamental entender esta funcionalidad, porque tiene un impacto importante en los datos que aparecen en los informes. Tiene sus sutilezas:

-   La configuración es retroactiva: es un método de cálculo que no afecta a la mecánica de recogida.
-   La identidad para los informes influye en los informes estándar, en los informes de exploración y también en la API de GA (si conectas Google Analytics a una herramienta de BI o si exportas los datos por API con un ETL, por ejemplo).

### 4\. Atribución en GA

Por último, GA introduce una nueva funcionalidad que permite elegir el modelo de atribución que se aplica a las métricas «conversión» e «ingresos» en relación con las dimensiones «Atribución»:

A día de hoy existen 7 modelos de atribución:

-   Basado en datos (Data Driven)
-   Último clic multicanal (Last Click)
-   Primer clic multicanal
-   Lineal multicanal
-   Multicanal basado en la posición
-   Multicanal con deterioro del tiempo
-   Último clic preferido de Ads

Esta nueva funcionalidad permite salir del único modelo Last Click (excluido el directo) que ofrecía GA UA y anima a los editores de sitios web a usar el modelo basado en datos. Este modelo de atribución reparte una conversión y sus ingresos entre los distintos canales que han intervenido en el recorrido del usuario. Se apoya en machine learning y en los datos del editor para repartir la conversión de forma óptima. Su objetivo es poner de relieve canales que intervienen en el recorrido del usuario y que no siempre se identificaban en el modelo Last Click de GA UA, para que los editores de sitios web gestionen mejor sus compras de medios y sus esfuerzos de marketing.

Esta funcionalidad, como las anteriores, tiene un impacto en cómo se presentan los datos en la interfaz de GA y en el flujo de trabajo de los datos que trata la herramienta.

Nota: Google ha anunciado que quiere retirar la mayoría de los modelos y conservar solo el Data Driven y el Last Click.

## Análisis: impacto del modelado y de la atribución

Este es un estudio del impacto de estas funcionalidades en el volumen de conversiones y en el peso del canal Google CPC:

![Impacto del modelado](https://edgeangel.co/assets/notes/ga4-modelisation-donnees-attribution/image-12.jpg)

Estudio realizado con un grupo de nuestros clientes, con datos no muestreados, en marzo de 2023.

**Impacto del modelado y de la atribución de GA:**

-   Impacto del modelado de conversiones (GA frente a GA UA): el modelado de conversiones de GA lleva Google/CPC al 36 % frente al 27 % en GA UA, un uplift del 30 %.
-   Estimación del impacto del modelado de comportamiento (observada frente a combinada): el modelado recupera cerca del 30 % del volumen de conversiones en total y el 17 % en el canal Google/CPC.
-   Estimación del impacto de Google signals en la pérdida de datos (basada en dispositivos frente a observada): se pierde el 11 % de las conversiones.
-   Estimación del impacto del modelo Data-Driven Attribution: para estos clientes, la atribución basada en datos modifica el peso de Google/CPC de forma marginal (+ o - 1 %).

## Conclusión

Este estudio confirma que las nuevas funcionalidades de GA cambian la forma de entender los datos y que, sobre el papel, responden a los retos técnicos (navegadores) y normativos (RGPD).

Son funcionalidades bastante técnicas y sutiles, y el modelo subyacente sigue siendo más bien opaco (comparable a una «caja negra»). Esto puede frenar a los editores que no tienen un nivel de madurez suficiente o que desconfían de Google.

Para aprovechar estas funcionalidades tendrás que usar los datos tratados por GA y no la exportación a BigQuery (datos en bruto). En ese caso, para sacar partido de ellas, recomendamos el siguiente flujo de trabajo:

-   Ingesta y almacenamiento: exportar los datos de GA a tu data warehouse (por ejemplo, BigQuery) desde la API de GA con un ETL como Airbyte.
-   Transformación: enriquecer y estructurar los datos con otras fuentes (p. ej., datos de medios).
-   Activación: conectar una herramienta de visualización de datos (p. ej., Google Data Studio).

Ejemplo de dashboard implementado con nuestra solución Capture (que se basa en este flujo de trabajo):

![Dashboard de Capture](https://edgeangel.co/assets/notes/ga4-modelisation-donnees-attribution/image-13.jpg)

[Todos los recursos](https://edgeangel.co/es/notes)

### ¿Más notas como esta?

Publicamos con regularidad en LinkedIn lo que aprendemos en los proyectos. El algoritmo no nos favorece, así que activa la campana para no perderte nada.

[Seguir en LinkedIn](https://www.linkedin.com/company/edgeangel)

```json
{"@context":"https://schema.org","@type":"Organization","name":"EdgeAngel","url":"https://edgeangel.co","logo":"https://edgeangel.co/assets/brand/edgeangel-logo.svg","sameAs":["https://www.linkedin.com/company/edgeangel"],"contactPoint":{"@type":"ContactPoint","email":"hello@edgeangel.co","telephone":"+33 1 84 16 42 20","contactType":"customer service"}}
{"@context":"https://schema.org","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"name":"Inicio","item":"https://edgeangel.co/es"},{"@type":"ListItem","position":2,"name":"Recursos","item":"https://edgeangel.co/es/notes"},{"@type":"ListItem","position":3,"name":"Medición publicitaria","item":"https://edgeangel.co/es/notes?category=advanced-media-measurement"},{"@type":"ListItem","position":4,"name":"Google Analytics: modelado de datos y atribución","item":"https://edgeangel.co/es/notes/ga4-modelisation-donnees-attribution"}]}
{"@context":"https://schema.org","@type":"Article","headline":"Google Analytics: modelado de datos y atribución","description":"Domina el modelado de datos y la atribución en Google Analytics: conversiones, comportamiento, informes y Consent Mode para analizar con precisión.","image":"https://edgeangel.co/open-graph","author":{"@type":"Person","name":"Mathieu Lima"},"publisher":{"@type":"Organization","name":"EdgeAngel","logo":{"@type":"ImageObject","url":"https://edgeangel.co/assets/brand/edgeangel-logo.svg"}},"datePublished":"2023-04-10","dateModified":"2025-11-26","mainEntityOfPage":{"@type":"WebPage","@id":"https://edgeangel.co/es/notes/ga4-modelisation-donnees-attribution"}}
```