Los tests de incrementalidad — medir la verdadera contribución incremental de la publicidad — se han convertido en práctica estratégica 2026 estándar para cuentas por encima de 20 k€/mes spend total. Los modelos atribución te dicen quién acreditar por conversiones; la incrementalidad te dice qué conversiones no habrían ocurrido sin los ads del todo.
Esta guía cubre métodos 2026: Google Conversion Lift studies, geo experiments self-run, exigencias tamaño muestra y playbook test 30-60 días. Apuntada a anunciantes mid-market con 20 k€+/mes spend.
Smart Bidding + DDA optimizan en todas las conversiones atribuidas. Si 50 % de tus conversiones campaña brand son no-incrementales (habrían ocurrido de todos modos), Smart Bidding scale igualmente brand — perdiendo eficiencia en campañas realmente-incrementales. Tests de incrementalidad revelan el gap. Tests trimestrales mejoran típicamente asignación budget en 10-20 %.
Qué mide la incrementalidad (vs atribución)
Atribución: qué touchpoint acreditar por una conversión que ocurrió.
- Pregunta: «¿De las conversiones que veo, qué canales contribuyeron?»
- Modelo: DDA, last-click, etc.
- Útil para: optimización bidding, decisiones nivel ad
Incrementalidad: qué conversiones no habrían ocurrido sin el ad.
- Pregunta: «¿Cuántas de esas conversiones mis ads han realmente causado?»
- Método: holdout group / experiencia contrafactual
- Útil para: asignación budget, evaluación canal, decisiones estratégicas
Ambos cuentan. Atribución = táctica, continua. Incrementalidad = estratégica, periódica.
Métodos: geo experiments, holdout groups, Conversion Lift studies
Google Conversion Lift studies (managed):
- Google asigna aleatoriamente usuarios a test (ve ads) vs control (ve public service ads o nada)
- Mide lift en tasa conversión
- Exige: 20-50 k€+ media spend durante test, estudio 30 días, elegibilidad cuenta
- Gratis, pedir vía soporte Google Ads
- Pros: metodología limpia, Google gestiona estadísticas
- Contras: umbral elegibilidad, compromiso tiempo
Geo experiments (self-run):
- Splitter regiones geográficas matched en test (campañas on) vs control (campañas off)
- Medir diferencia tasa conversión
- Exige: 6-10 regiones matched, ventana 30-60 días, herramientas análisis estadístico
- Coste: coste oportunidad campañas en pausa + 5-10 horas analista
- Pros: control completo, corre sin aprobación Google
- Contras: factores confundentes (estacional, variación regional)
Holdouts time-based (el menos fiable):
- Poner en pausa campañas para periodo definido, medir diferencia conversión
- Confundido por efectos time-of-year
- No recomendado salvo para tests direccionales rápidos
Ruta 2026 recomendada: arrancar con Google Conversion Lift si elegible (gratis, limpio). Para tests más amplios o más frecuentes, construir capacidad geo experiment.
Cuándo lanzar tests de incrementalidad
Razones fuertes de testar:
- Evaluar nuevo canal (Meta / LinkedIn / TikTok) para incrementalidad vs canibalización
- Sospecha campaña brand (frecuentemente sobre-acreditada)
- Decisiones mayores reasignación budget
- Validar salidas MMM (Marketing Mix Modeling)
- Justificar budget pub al CFO
Razones débiles (saltarse test):
- Optimización día-a-día Smart Bidding (usar atribución)
- Bajo 20 k€/mes spend (potencia estadística insuficiente)
- Durante periodos estacionales mayores (Q4 ecommerce, etc.)
- Campañas estables corriendo bien — no arreglar lo que no está roto
Frecuencia práctica: trimestral para al menos un canal/campaña mayor. Test completo cross-canal anual para cuentas enterprise.
Tamaño de muestra y significación estadística
Tamaño muestra depende de:
- Tasa conversión baseline
- Efecto Detectable Mínimo (MDE) — lift más pequeño que quieres medir con confianza
- Nivel confianza estadística (típicamente 95 %)
Regla aproximada:
- 1 % tasa conversión baseline, querer detectar 10 % lift: necesitas ~30 000 sesiones por grupo
- 5 % tasa conversión baseline, querer detectar 20 % lift: necesitas ~3 000 sesiones por grupo
- Baseline más alta + MDE más grande = muestra más pequeña necesaria
Para Google Ads a la escala: típicamente estudio 30 días entrega muestra suficiente. Para cuentas más pequeñas: estudio 60 días o MDE más grande.
Significación estadística: umbral mínimo p < 0,05. Reportar intervalo confianza 95 % para ROAS incremental.
Trampas y sesgos corrientes
1. Variables confundentes: efectos estacionales, actividad competidor, eventos news durante test. Mitigación: usar test/control matched con baselines similares, o asignación usuario randomizada (Conversion Lift).
2. Gaps atribución cross-device: usuario ve ad en teléfono, convierte en desktop. Asignación test/control puede fallar eso. Mitigación: usar metodología device-aware, ventanas atribución más largas.
3. Efectos de arrastre: ads corridos en periodo pre-test pueden influir conversión post-test. Mitigación: periodo wash-out antes de que medición empiece.
4. Potencia insuficiente: muestra demasiado pequeña, no puede detectar lift real. Resultado: falso negativo. Mitigación: pre-calcular tamaño muestra, extender estudio si necesario.
5. Problemas comparaciones múltiples: testar muchos segmentos infla tasa falso positivo. Mitigación: corrección Bonferroni o tests single-hypothesis focalizados.
6. Mismatch definición conversión: testar impacta una métrica diferente de la que optimizas. Mitigación: alinear conversión test con KPI business primario.
Interpretar resultados: ROAS incremental, verdadero CAC
Métricas clave del test incrementalidad:
Conversiones incrementales: conversiones grupo test menos conversiones grupo control, escaladas a población completa.
ROAS incremental: (revenue incremental / spend ad durante test). Comparar a ROAS reportado.
Verdadero CAC: spend ad / adquisiciones cliente incrementales (vs CAC reportado = spend ad / adquisiciones totales atribuidas).
Porcentaje lift: (tasa conversión test - tasa conversión control) / tasa conversión control.
Constataciones típicas 2026:
- Campañas brand search: 30-60 % incrementales (40-70 % de las «conversiones» habrían ocurrido de todos modos vía brand search orgánico)
- Search non-brand: 70-90 % incremental (alta contribución incremental)
- Retargeting Display: 30-50 % incremental
- Vídeo top-of-funnel: 50-80 % incremental (varía ampliamente)
Interpretación accionable: escalar canales alta-incrementalidad, auditar/optimizar los de baja-incrementalidad, pero no cortar ciegamente campañas brand (pueden tener baja incrementalidad pero alto LTV downstream).
Coste: tiempo, coste de oportunidad, infraestructura
Costes Google Conversion Lift study:
- Coste directo: 0 € (gratis)
- Coste oportunidad: mínimo (Google gestiona splitting audiencia sin pausar campañas)
- Tiempo: estudio 30 días + 2-3 horas setup/análisis
- Elegibilidad: 20-50 k€+ media spend durante test
Costes geo experiment:
- Coste directo: 0-1 k€ (tiempo analista)
- Coste oportunidad: 5-15 % budget test (campañas en pausa en regiones control)
- Tiempo: 5-10 horas setup + estudio 60 días + 10-15 horas análisis
- Software: gratis (R + package CausalImpact) a 1 k€/mes (Geox)
Incrementalidad enterprise basada MMM:
- Coste directo: 50-500 k€/año (vendor MMM)
- Tiempo: continuo
- Ideal para 1 M€+/mes spend total
Para la mayoría de cuentas mid-market: Google Conversion Lift anual + geo experiment ocasional basta.
Playbook tests incrementalidad 30 días
El schema HowTo cubre día-por-día. Enmarque estratégico:
Semana 1 — Setup. Definir pregunta, elegir método, baseline pre-test.
Semanas 2-7 — Lanzar test (30-60 días según método).
Semana 8 — Análisis. Análisis estadístico, intervalos confianza, documentar constataciones.
Semana 9 — Decisión y acción. Aplicar aprendizajes a asignación budget, planificar próximo ciclo test.
Para contexto complementario, ver nuestra guía atribución DDA, guía MMM vs Attribution y guía modelado LTV.
Si quieres optimización pilotada por IA que soporte asignación budget consciente de incrementalidad, SteerAds lanza una auditoría gratuita de 14 días sobre Google + Microsoft Ads.
Sources
- support.google.com/google-ads — doc Conversion Lift studies
- research.google/pubs — research Google sobre metodología incrementalidad
- google.github.io/CausalImpact — package R Google CausalImpact
- thinkwithgoogle.com — insights industria Google
- geoxlibrary.com — herramienta geo experiment Geox
FAQ
¿Qué diferencia hay entre tests incrementalidad y atribución?
Atribución mide qué touchpoints obtienen crédito por conversiones que llegaron. Incrementalidad mide qué conversiones NO habrían ocurrido sin tus ads — la verdadera contribución incremental. La diferencia cuenta: una campaña brand con alta atribución last-click puede tener baja incrementalidad si esos usuarios habrían buscado tu brand y convertido de todos modos.
¿Cómo funciona el estudio Conversion Lift Google Ads?
Tests de incrementalidad built-in en Google Ads. Asigna aleatoriamente usuarios a grupos test (ads servidos) vs control (ads retenidos). Mide diferencia tasa conversión entre grupos. Exige 20-50 k€+ media spend para significación estadística + ventana estudio 30+ días.
¿Qué es un geo experiment para incrementalidad?
Test incrementalidad self-run. Splitter regiones geográficas similares: mitad obtiene campañas ad que corren (test), mitad están en pausa (control). Medir lift conversión entre grupos. Menos caro que Google Conversion Lift studies pero exige análisis estadístico DIY y ventana 60-90 días.
¿Cuándo debería lanzar tests incrementalidad en 2026?
Tres triggers: (1) Evaluación nuevo canal (testar si Meta / LinkedIn / TikTok drive realmente incremental vs caníbaliza tráfico Google), (2) Escepticismo campaña brand (validar que brand search es incremental, no solo interceptar organic), (3) Decisiones asignación budget. Saltarse incrementalidad si confías en modelo atribución y plataformas son estables.
¿Cuánto cuesta un test de incrementalidad?
Google Conversion Lift study: gratis (Google lo lanza) pero exige 20-50 k€ media spend + 30 días. Geo experiment self-run: time-intensive (5-10 horas analista) + coste oportunidad campañas en pausa (5-15 % budget test). Coste total: 5-15 k€ típico para test significativo.
¿Qué es ROAS incremental vs ROAS reportado?
ROAS reportado (basado atribución): valor conversión total / spend ad. Incluye conversiones que habrían ocurrido de todos modos. ROAS ecommerce reportado típico: 3-5x. ROAS incremental (basado lift): conversiones incrementales solamente / spend ad. A menudo 30-60 % más bajo que reportado. Campañas brand muestran frecuentemente 8-10x ROAS reportado pero 2-3x ROAS incremental.
¿Pueden los tests de incrementalidad reemplazar la atribución?
No, responden a preguntas diferentes. Atribución = qué touchpoint acreditar / cómo pujar en Smart Bidding. Incrementalidad = ¿este canal/campaña añade realmente valor? Usar atribución para optimización continua (Smart Bidding, asignación budget), incrementalidad para validación estratégica (trimestral / anual).