🙌 Our latest webinar is live!
Nov 7
Marketing Mix Modeling

Cómo asignar el presupuesto de marketing por canal

Andre Sottil
Fundador y CEO, Admira

Para asignar el presupuesto de marketing por canal con datos, invierte en cada canal hasta el punto en que el siguiente peso deja de pagarse solo, medido en costo por venta o utilidad bruta desde tu CRM, no en el ROAS que reporta la plataforma. En la práctica: arma una tabla por canal con inversión, ventas e ingresos, ordena los canales por retorno marginal (no promedio), mueve presupuesto en pasos de 10 a 20% y confirma los cambios grandes con una prueba de incrementalidad. Cuando la inversión ya es grande y estable, un marketing mix model agrega una vista estadística de todos los canales.

Esta guía cubre los métodos disponibles, la diferencia entre retorno promedio y marginal, un ejemplo resuelto con un presupuesto de $600,000 MXN al mes y los límites de cada enfoque.

¿Qué formas hay de asignar presupuesto por canal?

MétodoDatos que necesitasMejor paraLímite principal
Porcentaje de ventas o el reparto del año pasadoSolo números de finanzasDefinir el presupuesto totalNo dice qué canal funciona
ROAS que reporta la plataformaCuentas publicitariasRevisiones rápidas dentro de un canalCada plataforma se adjudica las mismas ventas; le da de más al remarketing
Atribución basada en CRM (costo por venta por canal)Inversión + ingresos del CRM ligados por fuenteEquipos de leads y venta consultiva, decisiones mensualesDepende del modelo de atribución; no ve la influencia sin clic
Pruebas de incrementalidad (holdout, geográficas)Poder pausar o variar la inversión por región o audienciaValidar tus canales más grandesUn canal a la vez; toma semanas
Marketing mix modeling (MMM)Normalmente dos años o más de inversión y resultados semanales, idealmente por regiónPresupuestos grandes con muchos canales, incluidos los offlinePide volumen y habilidades estadísticas; trabaja por canal, no por campaña

Estos métodos se complementan. La atribución te dice qué pasó venta por venta, la incrementalidad te dice qué fue causado por la inversión y el MMM te dice cómo se comporta cada canal cuando cambia la inversión. Nuestra comparación de MTA vs MMM profundiza en cuándo conviene cada uno.

¿Por qué asignar con retorno marginal y no con retorno promedio?

El retorno promedio es ingresos totales ÷ inversión total de un canal. El retorno marginal es lo que trae el siguiente peso. Son distintos porque todos los canales se saturan: los primeros $100,000 en Google Search compran tus mejores palabras clave; los siguientes $100,000 compran tráfico más amplio y más débil.

Ejemplo: Google Search tiene un costo por venta promedio de $6,000 MXN con $300,000 al mes. Pero cuando subiste la inversión de $200,000 a $300,000 el trimestre pasado, las ventas pasaron de 40 a 50. Esas 10 ventas extra costaron $100,000, o $10,000 cada una. Si las ventas extra de Meta cuestan $7,000, el siguiente peso le toca a Meta, aunque el promedio de Google se vea mejor.

Puedes estimar el retorno marginal sin un modelo revisando los meses en que cambió la inversión y comparando el cambio en ventas con el cambio en inversión. Es ruidoso, así que tómalo como dirección, no como precisión.

¿Cómo asignar el presupuesto por canal paso a paso?

  1. Elige una sola métrica de resultado. Costo por venta, utilidad bruta por peso o CAC. No leads, no clics. Si tu ciclo de venta es largo, usa el pipeline calificado como indicador adelantado. Revisa cómo calcular el CAC por canal.
  2. Arma la tabla base. De los últimos tres a seis meses, por canal: inversión, leads, leads calificados, ventas, ingresos y utilidad bruta. Los ingresos salen del CRM, ligados por fuente del lead.
  3. Estima el retorno marginal con los meses en que cambió la inversión, o con aumentos pequeños planeados.
  4. Clasifica los canales. Probados (retorno estable a la inversión actual), en escala (el retorno se sostiene al subir la inversión) y en prueba (todavía sin datos suficientes).
  5. Aparta una reserva para pruebas. Muchos equipos usan un reparto 70/20/10 (probados, en escala, experimentos). Es una convención de planeación, no una ley, pero evita que los canales nuevos se queden sin dinero o reciban de más.
  6. Mueve el dinero por pasos. Cambia 10 a 20% a la vez y espera al menos un ciclo de venta antes de juzgar. Los saltos grandes reinician el aprendizaje de las plataformas y vuelven difícil leer la causa y el efecto.
  7. Valida los cambios más grandes con una prueba holdout o geográfica. Nuestra guía de pruebas de incrementalidad explica los diseños.
  8. Revisa cada mes, rehaz cada trimestre. Usa una revisión semanal de marketing para el ritmo de gasto y un reajuste trimestral para el reparto.

Ejemplo resuelto: reasignar $600,000 MXN al mes

Ejemplo (números hipotéticos, no son datos de clientes): una empresa de servicios B2B en Monterrey invierte $600,000 MXN al mes. El valor promedio de cada venta es $80,000 MXN. El CRM, ligado por fuente del lead durante seis meses, muestra:

CanalInversión mensualVentas / mesCosto por venta promedioCosto por venta marginal estimadoIngreso por $1
Google Search$240,00030$8,000$13,000$10.00
Meta$200,00020$10,000$11,000$8.00
LinkedIn$120,0006$20,000$28,000$4.00
TikTok$40,0003$13,333sin datos suficientes$6.00

Cómo leer la tabla:

  • Google tiene el mejor promedio pero se está saturando: los últimos pesos cuestan $13,000 por venta.
  • El costo marginal de Meta ($11,000) está por debajo del de Google, así que es el primer lugar donde agregar presupuesto.
  • LinkedIn es el más caro en el margen. Antes de recortar, revisa el tamaño de las ventas: si las de LinkedIn valen el doble, su utilidad bruta por peso puede ser competitiva.
  • TikTok es un canal de prueba. Mantenlo con un presupuesto de prueba fijo hasta que tenga ventas suficientes para juzgarlo.

Un siguiente paso razonable: pasar $40,000 de Google y $20,000 de LinkedIn a Meta durante un ciclo de venta, dejar TikTok en $40,000 y revisar si el costo por venta de Meta se sostiene con $260,000. Si se sostiene, considera una prueba geográfica sobre la búsqueda de marca en Google antes de recortar más.

¿Cuándo tiene sentido un marketing mix model?

El MMM estima la contribución de cada canal con datos agregados (inversión semanal, ventas, estacionalidad, promociones, precios) sin seguimiento por usuario. Hay dos opciones gratuitas de código abierto:

  • Google Meridian. Según su repositorio en GitHub, es un framework de MMM bayesiano con licencia Apache-2.0, requiere Python 3.11 a 3.13, recomienda datos por región e incluye optimización de presupuesto y planeación de escenarios. Se puede calibrar con resultados de experimentos.
  • Meta Robyn. Su repositorio lo describe como un paquete de MMM experimental y semiautomatizado de Meta Marketing Science, con licencia MIT, escrito en R (con una API de Python en beta), que usa regresión ridge e incluye un asignador de presupuesto.

Los dos los construyen plataformas de anuncios, algo que algunos analistas ven como conflicto de interés, así que valida los resultados clave con tus propias pruebas. El MMM conviene cuando tienes años de datos semanales, varios canales (incluidos los offline como radio o espectaculares) y alguien que pueda construir y cuestionar un modelo estadístico. Es débil con presupuestos chicos, canales nuevos y decisiones por campaña. Para empezar, lee qué es el marketing mix modeling.

Errores comunes al asignar presupuesto

  • Asignar por leads o por ROAS de plataforma en lugar de ventas o utilidad.
  • Sumar las conversiones que reporta cada plataforma, lo que cuenta dos veces o más las ventas compartidas. Revisa cómo deduplicar conversiones.
  • Recortar canales de parte alta del embudo porque el último clic no les da crédito, y ver caer la búsqueda de marca un trimestre después.
  • Mover 50% del presupuesto de golpe y atribuir el resultado al cambio equivocado.
  • Juzgar un canal antes de que pase un ciclo de venta completo.

Cuándo no aplica este enfoque

Si solo usas un canal, o cierras apenas unas cuantas ventas al mes, la asignación con datos entre canales tiene poco con qué trabajar. Primero logra que un canal sea rentable y esté medido hasta la venta. Si casi toda tu demanda viene de recomendaciones o de ventas en sucursal sin registro de fuente, empieza por arreglar el seguimiento del origen del lead. Y si vendes solo por un checkout en línea de Shopify, una herramienta de atribución para ecommerce puede encajar mejor que una basada en CRM.

Dónde entra Admira

Admira te da la tabla base de los pasos 2 y 3: la inversión de Meta, Google Ads y TikTok unida con los ingresos cerrados de HubSpot, Salesforce, Kommo, Clientify o ActiveCampaign, con ROAS, ROI y CAC por canal en el plan Growth. Es una plataforma de atribución, no una consultoría de MMM, así que para un modelo de mezcla completo tendrías que combinarla con Meridian, Robyn o un analista. Revisa cómo medir el ROI de marketing para ver cómo se unen los datos.

Preguntas frecuentes

¿Cómo divido mi presupuesto de marketing entre canales?

Invierte en cada canal hasta que su costo por venta marginal supere al de los demás, guarda una reserva fija para pruebas y mueve el dinero en pasos de 10 a 20%.

¿Qué es la regla 70/20/10 de presupuesto?

Una convención de planeación: cerca de 70% a canales probados, 20% a canales en escala y 10% a experimentos. Es un punto de partida, no una asignación basada en datos.

¿Puedo asignar presupuesto con el ROAS de Meta y Google?

Solo dentro de un mismo canal. Entre canales, el ROAS de plataforma cuenta dos veces las ventas compartidas y favorece al remarketing, así que usa los ingresos del CRM.

¿Necesito un marketing mix model para asignar presupuesto?

No. La mayoría de los equipos pequeños y medianos puede asignar bien con el costo por venta del CRM más pruebas de incrementalidad ocasionales. El MMM ayuda con presupuestos grandes y muchos canales.

¿Cada cuánto debo reasignar el presupuesto?

Revisa el ritmo de gasto cada semana, ajusta cada mes y rehaz el reparto general cada trimestre. Espera al menos un ciclo de venta después de cada cambio antes de juzgarlo.

¿Google Meridian es gratis?

Sí. Meridian es de código abierto con licencia Apache-2.0, pero necesitas saber Python, preparar los datos e idealmente tener datos por región para usarlo bien.