Medición de marketing de juegos: lo que te dice cada fuente y lo que omite

Para tu comodidad, tradujimos esta página mediante traducción automática. No podemos garantizar la precisión ni la confiabilidad del contenido traducido. Si tienes alguna duda sobre la precisión del contenido traducido, consulta la versión oficial en inglés de la página web.
Tienes una decisión presupuestaria para hoy, y ninguna de tus fuentes de instalación está de acuerdo.
Tu Mobile Measurement Partner (MMP) dice que una red generó 1,200 instalaciones la semana pasada. El panel de control de la red dice 1,500. Los SKAdNetwork postbacks devuelven una cifra parcial, retrasada y agregada que no coincide con ninguna.
Todas estas fuentes responden a preguntas diferentes en sistemas que están aislados y desconectados. Tu objetivo es saber qué pregunta responde cada fuente, dónde va a ciegas cada una y qué combinación te permite defender una decisión. Ahí es donde entra la medición del marketing de juegos.
¿Qué es la medición de marketing de juegos?
La medición de marketing de juegos es el conjunto de métodos que los estudios utilizan para determinar qué gasto impulsa instalaciones, ingresos y valor del jugador. Los métodos de ejemplo incluyen atribución, pruebas de incrementabilidad, modelado de mezcla de medios y análisis de cohorte o Lifetime Value (LTV).
En este artículo explicaremos cómo funciona la medición del marketing de juegos para que puedas entender lo que entrega cada fuente y luego qué arreglar en tu propia configuración para que los sistemas que optimizan en tu nombre trabajen con el panorama completo en lugar de con un fragmento de él.
Ninguna de tus fuentes de instalación coincide
Identidad con consentimiento, informes de plataforma agregados y retrasados, y diferentes reglas de acreditación contribuyen a un seguimiento inconsistente. La tabla a continuación explica cómo:
Aprende las razones comunes por las que el seguimiento puede parecer inconsistente
Causa estructural
Identidad con consentimiento
Qué está pasando
Cuando un sistema no puede identificar a alguien, estima en su lugar. Cada sistema estima a su manera, por lo que llegan a respuestas diferentes para la misma semana.
Qué está pasando
Diferentes reglas de acreditación
Qué está pasando
Una red con una ventana de siete días afirma que ya acreditaste tu MMP en otro lugar. Cada uno está aplicando sus propias reglas correctamente, por eso ambos totales parecen correctos para las personas que los informan.
Causa estructural
Qué está pasando
Identidad con consentimiento
Cuando un sistema no puede identificar a alguien, estima en su lugar. Cada sistema estima a su manera, por lo que llegan a respuestas diferentes para la misma semana.
Diferentes reglas de acreditación
Una red con una ventana de siete días afirma que ya acreditaste tu MMP en otro lugar. Cada uno está aplicando sus propias reglas correctamente, por eso ambos totales parecen correctos para las personas que los informan.
Atribución móvil 101
La atribución de marketing asigna crédito por una conversión a los puntos de contacto de marketing que la causaron. Para mobile attribution, significa hacer coincidir una instalación o un evento dentro de la aplicación con un clic, una impresión, una campaña y un creativo específicos, para que puedas comparar el costo por resultado entre fuentes y decidir dónde va el próximo dólar.
¿Qué son los MMP?
Un socio de medición móvil (MMP) es un tercero neutral que recibe datos de instalación y eventos del SDK de tu aplicación, aplica un conjunto consistente de reglas de atribución en cada red que adquieres y envía retroalimentaciones a esas redes para que sus modelos de optimización aprendan de tus resultados. También maneja el enlazado profundo, detección de fraude publicitario, y una capa de informes. Donde existe un identificador compartido, puede hacer coincidir una instalación con un clic, lo que es una coincidencia determinista. Donde no lo hace, infiere la coincidencia a partir de señales como la dirección IP y la marca de tiempo, lo cual es probabilístico y fiable en conjunto pero no por jugador.
¿Qué es la atribución multitáctil?
La atribución multitáctil (MTA) distribuye el crédito entre los puntos de contacto que precedieron a una conversión en lugar de dárselo todo al último clic, lo que requiere una visión razonablemente completa de lo que vio una persona. Por ejemplo, si alguien ve un anuncio en redes sociales, lee una publicación de blog, abre un correo electrónico, luego hace clic en un anuncio de búsqueda pagada y se registra. Los modelos de un solo toque dan el 100% del crédito al primero o al último de ellos. MTA lo divide entre los cuatro.
Con la importancia de la privacidad de los datos, MTA depende cada vez más de los datos de usuarios que consienten y de los eventos de primera parte que usted recopila, sujeto a la ley aplicable y a los requisitos de la plataforma.
Lo que te dice la prueba de incrementalidad y cuánto cuesta
Las pruebas de incrementalidad muestran cuántas instalaciones causaron realmente tus anuncios. Para probarlo, retienes anuncios de un grupo de jugadores, los comparas con un grupo similar que vio los anuncios, y la diferencia entre los dos es tu aumento incremental.
La trampa es que pagas la respuesta en ingresos perdidos. Como no estás anunciando a personas que habrían instalado, renuncias a lo que habrían gastado. Esa operación solo vale la pena en un canal grande, donde la respuesta podría impactar decisiones presupuestarias reales.
Comprender el modelado de mezcla de medios
El modelado de mezcla de medios, también llamado modelado de mezcla de marketing, utiliza regresión estadística para estimar cuánto contribuyó cada canal a resultados agregados como instalaciones o ingresos. Responde bien a dos preguntas: a dónde debe ir el presupuesto y dónde deja de pagar un canal.
Cómo encajan los tres
La configuración madura es un conjunto de métodos que se comprueban entre sí, ejecutándose en relojes diferentes, cada uno cubriendo el punto ciego del otro.
Entender lo que muestra cada tipo de dato y dónde falla
Método
Pregunta que responde
Lo que no puede ver
Pruebas de incrementalidad
Pregunta que responde
Lo que no puede ver
Pregunta que responde
Lo que no puede ver
Método
Pregunta que responde
Lo que no puede ver
Pruebas de incrementalidad
Dónde encajan tus propios datos de jugador
Los tres métodos anteriores leen resultados. Pero los datos que leen son la capa que posees en propiedad absoluta, y es donde la mayoría de los estudios tienen más margen.
Los estudios tienen hoy un problema de fragmentación de datos, lo que significa que sus datos residen en muchos sistemas que no se conectan. Por ejemplo, los MMP ayudan a conectar la actividad de adquisición con las instalaciones y conversiones, las plataformas de Analytics proporcionan información sobre el comportamiento del jugador y los sistemas de compra capturan información relacionada con transacciones. Para juegos hechos con Unity, los datos de Runtime elegibles pueden ofrecer contexto adicional desde dentro de la experiencia del juego.
Estas fuentes pueden superponerse, pero cada una puede aportar diferentes niveles de detalle, cobertura y contexto. El desafío es asegurar que los sistemas responsables de la medición y optimización dispongan de señales relevantes y fiables, sujetos a los permisos y requisitos técnicos apropiados.
Para resumirlo todo, cada fuente es útil, pero ninguna de ellas por sí sola describe a tu jugador completo y todas sus acciones. Debido a esta fragmentación, las decisiones se toman con conocimientos que están aislados y son difíciles de conectar.
Como resultado, modelos de optimización como Unity Vector pueden aprender de una imagen incompleta y actuar sobre solo una parte de la historia.
Entonces, ¿cómo puedes combatir esto?
Identificar señales valiosas que sus modelos de optimización podrían estar omitiendo
Revisar qué señales proporcionan tus integraciones existentes y dónde persisten lagunas significativas. Algunas señales relacionadas con la participación, la compra o el juego pueden ofrecer contexto adicional, pero su disponibilidad y utilidad dependen de cómo se recopilan, configuran y comparten.
Comience identificando qué señales son relevantes para sus objetivos de optimización, luego evalúe si una integración existente puede proporcionarlas o si se necesita una fuente de datos adicional.
Envía los resultados sin importar de dónde vinieron
Es tentador pasar solo los eventos que tu MMP acreditó a una fuente pagada. Pero los jugadores orgánicos y no atribuidos también son resultados reales, y si Unity Vector nunca los ve, puede estar aprendiendo de una muestra filtrada de su mejor información. Comparta estas señales solo donde lo permita la ley aplicable y el consentimiento del jugador.
Dale a Unity Vector el ciclo de vida completo
Establezca su ventana de retroalimentación en toda la vida (si está disponible) para que aparezcan los grupos que pagan más lentamente y son más grandes, no solo los jugadores que convirtieron en su primera semana. Esos pagadores tardíos son a menudo donde realmente reside tu valor de por vida.
Trata los permisos de uso compartido como una palanca de rendimiento
Los modelos que pujan en su nombre solo pueden aprender de lo que les dejen ver, por lo que lo que comparta puede afectar el rendimiento. Es fácil aceptar lo que se configuró en la integración y nunca volver a revisarlo. Pero en su lugar, vuelva a revisar esas configuraciones y asegúrese de tener todos los indicadores requeridos configurados, de acuerdo con la ley aplicable, sus divulgaciones de privacidad y el consentimiento del jugador. Un modelo con señales más completas y de alta calidad puede estar mejor equipado para reconocer patrones entre sus jugadores más valiosos.
Aprende qué señales pueden darle a Unity Vector la ventaja extra
Obtener el panorama completo
Ninguno de tus números es la verdad, y perseguir una única fuente de verdad es cómo se estancan los proyectos de medición. El objetivo es más estrecho y más alcanzable: una configuración cuyos desacuerdos puedes explicar. Cuando tu MMP y tu red divergen, debes saber por qué, cuánto y cuál usar para la decisión que tienes delante.
Así que empieza por la brecha en lugar de la herramienta. Nombra la única cosa que tu configuración actual no puede ver estructuralmente, y luego añade el método más práctico que puede verla. La otra mitad es lo que devuelves. Una mejor cobertura de señal puede soportar una optimización mejor informada, que es donde una plataforma de adquisición de usuarios se gana su lugar en la pila en lugar de solo estar en ella.
Preguntas frecuentes
*Fuente: Google, “Advertising ID,” Ayuda de Google Play Console (consultado el 16 de noviembre de 2026; sujeto a cambios por Google en cualquier momento), https://support.google.com/googleplay/android-developer/answer/6048248
Fuente: Apple, “Receiving postbacks in multiple conversion windows,” Documentación de desarrolladores de Apple (accedido el 16 de noviembre de 2026; refleja SKAdNetwork 4 y posteriores; sujeto a cambios por Apple en cualquier momento), https://developer.apple.com/documentation/storekit/receiving-postbacks-in-multiple-conversion-windows
Imagen destacada: "Tres círculos superpuestos para atribución, incrementalidad y modelado de mezcla de medios, con un área compartida donde las fuentes coinciden" Imagen generada por Anthropic, Claude (Claude Sonnet 5.5), Fecha: 18 de noviembre de 2026