Modelado de datos: cuando faltan cookies y sobran dudas

El modelado de datos se ha convertido en una pieza central de la analítica moderna porque la web ya no permite observar cada visita, cada clic y cada conversión con la misma nitidez de antes. Entre banners de consentimiento, bloqueos de navegador, restricciones móviles, usuarios que rechazan cookies y navegación fragmentada entre dispositivos, la vieja promesa de la medición total se ha quedado con la camisa arrugada. Seguimos midiendo, sí. Pero ya no miramos una fotografía completa: miramos una escena reconstruida con partes visibles, sombras razonables y bastante estadística.

En marketing digital, el modelado de datos sirve para estimar comportamientos o conversiones que no pueden observarse directamente, sin identificar individualmente a los usuarios. Es decir, cuando una herramienta como Google Analytics 4 o Google Ads no puede unir una visita con una compra porque falta consentimiento o porque el navegador ha cortado el hilo, aplica modelos estadísticos y aprendizaje automático sobre señales agregadas, datos consentidos y patrones históricos. No es magia. Tampoco es una coartada para hacer trampas. Es una forma de no conducir un negocio mirando solo el retrovisor que todavía no se ha empañado.

Durante años, la industria vivió cómodamente instalada en una ficción: si el píxel disparaba, la cookie respondía y el panel enseñaba un número, ese número parecía verdad revelada. Qué tiempos. La analítica web tenía algo de oráculo de oficina, con sus columnas, sus embudos y sus porcentajes servidos como café de máquina: discutibles, pero muy consumidos. El problema es que la realidad técnica y regulatoria ha cambiado. Y mucho. La privacidad ha dejado de ser una nota al pie en la política legal para convertirse en arquitectura de medición.

Chrome no ha eliminado de golpe las cookies de terceros como se anunció durante años, pero el escenario tampoco ha vuelto a 2016. Safari y Firefox llevan tiempo limitando el rastreo. iOS endureció la atribución móvil con App Tracking Transparency. La Unión Europea exige consentimiento informado para muchos usos publicitarios y analíticos. Google ha retirado parte de las tecnologías de Privacy Sandbox que debían sustituir a las cookies de terceros, mientras mantiene otras piezas orientadas a privacidad, identidad y seguridad. Resultado: ni apocalipsis, ni barra libre. Más bien un terreno embarrado, de esos en los que conviene llevar botas y no PowerPoints triunfalistas.

Qué es realmente el modelado de datos

El modelado de datos en analítica digital consiste en usar información disponible para inferir información que falta. Dicho menos bonito: cuando no puedes verlo todo, calculas una parte con criterios estadísticos. El modelo se entrena con datos observados, detecta relaciones entre comportamientos conocidos y aplica esas relaciones a zonas donde la medición directa se rompe. En una tienda online, por ejemplo, puede estimar conversiones no atribuibles por falta de cookies publicitarias. En una web de contenidos, puede ayudar a reconstruir usuarios o sesiones cuando no hay identificadores persistentes suficientes.

La palabra importante aquí es estimar. El modelo no “recupera” usuarios concretos escondidos bajo una piedra. No identifica a quien rechazó el banner. No abre una puerta secreta en el navegador. Trabaja con señales agregadas, patrones de comportamiento y umbrales de confianza. Si una campaña genera muchas compras observables en móvil, pero parte del tráfico de escritorio pierde atribución por restricciones técnicas, el sistema puede comparar segmentos parecidos, horarios, dispositivos, geografías, fuentes y tasas históricas para atribuir una porción razonable. Razonable, no sagrada.

Google distingue entre datos observados y datos modelados. Los observados proceden de usuarios que han dado consentimiento o de contextos donde la herramienta puede registrar continuidad. Los modelados aparecen cuando esa continuidad no existe, pero hay suficiente base para inferir comportamiento con calidad mínima. Esta distinción debería estar tatuada en la frente de muchos informes de marketing, aunque quizá Recursos Humanos lo vea excesivo.

El modelado no corrige una mala medición de base. Si una web tiene eventos duplicados, conversiones mal configuradas, formularios que no envían parámetros, campañas etiquetadas como un cajón de cables o un banner que dispara tarde, el modelo no llega con una escoba dorada a poner orden. Puede suavizar huecos, no reparar el desastre. En analítica, como en cocina, una salsa elegante no salva un pescado podrido.

La diferencia entre dato observado y dato estimado es la grieta por la que se cuela casi todo el debate actual. Un dato observado es una interacción registrada directamente: una sesión, un evento, una compra, una suscripción, un clic publicitario vinculado a una conversión. Un dato estimado es una inferencia construida cuando falta una parte del recorrido. El panel puede mostrar ambos integrados, pero no significan lo mismo.

En GA4, el modelado de comportamiento para Consent Mode se activa solo cuando la propiedad tiene suficiente volumen y cumple determinadas condiciones. Esto es importante porque muchos negocios pequeños esperan ver modelado donde no hay masa crítica. Y no: con cuatro conversiones semanales y tráfico de mercadillo, el algoritmo no puede inventar precisión sin caer en literatura fantástica. Google exige umbrales mínimos para entrenar el modelo, porque sin datos consentidos y sin volumen suficiente la estimación se convierte en una ruleta con traje.

El punto fino está en que los datos modelados pueden mejorar la lectura del rendimiento, pero también exigen una mirada más adulta. Cuando un informe incorpora modelado, las cifras pueden subir respecto a una vista basada solo en datos observados. Eso no significa necesariamente que la campaña haya mejorado. Significa que el sistema está incorporando una estimación de lo que antes quedaba fuera. El matiz parece pequeño; en presupuesto, es enorme.

Por eso conviene abandonar la obsesión infantil por el número exacto. La analítica actual no premia a quien presume de tener una cifra con seis decimales, sino a quien entiende qué representa esa cifra, qué parte está observada, qué parte está modelada y qué decisiones permite tomar sin hacerse trampas al solitario.

Consent Mode v2: el grifo que decide qué puede circular

Consent Mode v2 es una de las piezas más relevantes del nuevo ecosistema de medición. Su función no es sustituir al banner de cookies, sino comunicar a las etiquetas de Google qué consentimiento ha dado o rechazado el usuario. El banner recoge la decisión; Consent Mode traduce esa decisión en señales técnicas. Es el intérprete entre la voluntad del usuario y la maquinaria de medición.

En su versión actual, las señales centrales incluyen analytics_storage, relacionada con el almacenamiento para analítica; ad_storage, vinculada al almacenamiento publicitario; ad_user_data, sobre el envío de datos de usuario a Google con fines publicitarios; y ad_personalization, asociada a la personalización de anuncios. Dicho en cristiano: no basta con poner un botón bonito que diga “aceptar”. Hay que enviar correctamente el estado de consentimiento, en el momento adecuado y con una configuración coherente.

Cuando el usuario concede permiso, las etiquetas pueden funcionar con más capacidad de medición. Cuando lo rechaza, las etiquetas deben adaptarse. En implementaciones avanzadas, pueden enviarse señales sin cookies, los llamados cookieless pings, que ayudan al modelado sin escribir ni leer cookies de analítica o publicidad. Esto permite conservar cierta lectura agregada del rendimiento sin convertir la privacidad en una alfombra bajo la que esconder polvo.

Básico y avanzado no miden igual

La implementación básica de Consent Mode bloquea las etiquetas de Google hasta que el usuario interactúa con el banner. Si rechaza, no se envía información a Google. Es más restrictiva y, en términos de modelado, suele aportar menos señales propias. La implementación avanzada carga las etiquetas con consentimiento denegado por defecto y las ajusta según la decisión posterior del usuario, enviando señales limitadas cuando no hay consentimiento. Esa diferencia técnica cambia la calidad del modelado.

Aquí aparece una tensión evidente. Desde el lado del negocio, la implementación avanzada resulta atractiva porque mejora la capacidad de estimación. Desde el lado legal y reputacional, exige una revisión seria: información clara, configuración correcta, proveedor de consentimiento fiable, documentación interna y respeto estricto a la decisión del usuario. No vale eso de “lo ponemos en avanzado y ya veremos”. Ya veremos suele acabar caro.

En España, además, la AEPD ha dejado claro que aceptar y rechazar cookies deben presentarse de forma destacada y al mismo nivel, sin hacer más difícil rechazarlas que aceptarlas. Ese detalle tumba muchos banners con pinta de inocentes. Botón verde gigante para aceptar, enlace gris perdido para rechazar, texto laberíntico, configuración escondida detrás de tres pantallas… El diseño también puede ser una forma de presión. Y la presión no es consentimiento libre; es decoración con mala fe.

Por qué las conversiones ya no son una cifra de mármol

Las conversiones modeladas tienen una característica incómoda para quien quiere informes cerrados a las nueve de la mañana: pueden tardar en estabilizarse. Google Ads puede ajustar conversiones durante varios días mientras procesa datos. GA4 también puede actualizar atribución y modelado en ventanas posteriores. Esto obliga a cambiar hábitos: comparar campañas con datos demasiado recientes puede dar una imagen todavía blanda, como cemento fresco.

En publicidad, el impacto es directo. Las estrategias de puja automática necesitan señales. Si una parte relevante de las conversiones queda invisible, el algoritmo puede infravalorar segmentos, campañas o audiencias que en realidad sí convierten. El modelado intenta corregir ese sesgo para que la optimización no aprenda solo de los usuarios más fáciles de medir. Porque medir solo a quien acepta todo es cómodo, pero sesgado. Como hacer una encuesta sobre privacidad en una sala llena de marketeros con prisa.

También hay que entender que una conversión modelada no inventa compras. En muchos casos, el sistema sabe que hubo una conversión, pero no puede vincularla directamente a una interacción publicitaria previa. El modelo estima si esa conversión debe atribuirse a un anuncio, una campaña o un canal. Ahí está la diferencia entre contar sucesos y atribuir mérito. No es lo mismo saber que alguien compró que saber qué empujó esa compra.

La atribución, de hecho, siempre fue menos exacta de lo que aparentaba. El último clic era simple, no necesariamente justo. Los modelos basados en datos parecían sofisticados, pero dependían de señales disponibles. Ahora, con menos identificadores, la atribución entra en una fase más probabilística. El panel sigue mostrando números limpios, alineados en columnas. Debajo, sin embargo, hay incertidumbre. Y no pasa nada. Lo peligroso no es la incertidumbre; lo peligroso es fingir que no existe.

Para un ecommerce, esto puede significar que la campaña de búsqueda de marca parezca menos decisiva de lo que decía el último clic, o que una campaña de vídeo gane peso en recorridos que antes quedaban fuera. Para una web B2B, puede ayudar a entender formularios iniciados desde tráfico de pago aunque el usuario convierta días después desde otra sesión. Para un medio digital, puede revelar patrones de adquisición que las cookies rechazadas escondían. Siempre con cuidado. El modelo ilumina, pero no absuelve.

El valor de los datos propios cuando el píxel suda

El auge del modelado de datos no reduce la importancia de los datos propios; la multiplica. Cuanto mejor sea la base consentida, mejor podrá trabajar cualquier modelo. Formularios bien diseñados, registros claros, CRM limpio, eventos relevantes, conversiones offline importadas con orden, valores de conversión fiables, etiquetado UTM consistente, medición server-side cuando tenga sentido. Todo eso suena menos glamuroso que “IA aplicada al marketing”, pero da más dinero y menos vergüenza.

Los first-party data, o datos propios, son los que la empresa obtiene directamente de su relación con el usuario: compras, leads, suscripciones, preferencias declaradas, actividad en cuenta, interacciones con producto. No son una bolsa mágica de permisos infinitos. También necesitan base legal, transparencia y finalidad clara. Pero ofrecen una medición más resistente porque no dependen tanto de identificadores de terceros ni de intermediarios publicitarios.

Las conversiones mejoradas de Google Ads, por ejemplo, permiten usar datos proporcionados por el usuario, como correo electrónico o teléfono, normalmente transformados mediante hashing, para mejorar la atribución cuando existe consentimiento adecuado. La importación de conversiones offline ayuda a cerrar el círculo entre lead digital y venta real. La medición server-side puede aportar más control sobre qué se envía, cómo se procesa y desde dónde se distribuye. Bien hecha, mejora calidad y gobernanza. Mal hecha, solo cambia el lugar del problema y le pone nombre técnico.

El etiquetado del lado servidor merece una aclaración. No es una licencia para saltarse bloqueos ni una capa de invisibilidad. Es una arquitectura en la que el navegador envía eventos a un servidor controlado por la empresa, y desde ahí se decide qué datos se reenvían a plataformas como GA4, Google Ads, Meta o TikTok. Puede reducir carga en página, filtrar información sensible, enriquecer eventos y mejorar consistencia. Pero debe respetar consentimiento. El servidor no convierte lo prohibido en permitido. Ojalá algunos lo leyeran dos veces.

En este contexto, el trabajo serio de analítica se parece más a fontanería fina que a brujería algorítmica. Revisar eventos. Auditar banners. Validar consentimientos. Probar Tag Assistant. Comprobar que las señales se actualizan en la misma carga de página. Detectar duplicidades. Documentar cambios. Comparar datos observados y datos modelados. Poca épica, mucha llave inglesa. Así se mide mejor.

La parte incómoda llega cuando el modelado de datos invita a delegar el juicio en la máquina. Si el panel muestra una cifra, se acepta. Si la puja automática sube, se celebra. Si el ROAS modelado mejora, alguien pide más presupuesto. Puede salir bien. También puede salir regular. La estadística no elimina la responsabilidad de interpretar.

Hay señales que deberían activar prudencia. Cambios bruscos tras modificar el banner. Saltos de conversiones coincidiendo con una nueva etiqueta. Caídas raras en un país concreto. Diferencias excesivas entre CRM y plataforma publicitaria. Un aumento de conversiones modeladas sin mejora equivalente en ventas reales. Cuando eso ocurre, no hay que escribir una novela conspirativa contra Google. Hay que auditar. Frío. Con café, si hace falta.

El modelo trabaja sobre patrones. Si esos patrones están contaminados, la salida también lo estará. Un evento de compra disparado dos veces entrenará mal cualquier lectura. Un consentimiento configurado tarde puede dejar escapar señales. Una página de gracias indexable o recargable puede inflar conversiones. Una campaña con UTMs inconsistentes puede ensuciar canales. Y una organización que mide “leads” sin saber cuántos llegan a venta acabará optimizando basura con una eficacia admirable. Triste, pero eficiente.

También conviene separar medición de vigilancia. El futuro razonable del marketing digital no pasa por volver a perseguir usuarios como si fueran sospechosos, sino por medir con menos granularidad individual y más inteligencia agregada. Menos obsesión por saber cada paso de cada persona. Más calidad en eventos, segmentación contextual, datos declarados, experimentos, incrementabilidad y lectura de negocio. La palabra bonita aquí es proporcionalidad: medir lo suficiente para decidir, no todo lo posible porque técnicamente alguien encontró la manera.

El test incremental gana peso en este entorno. Si la atribución se vuelve más probabilística, los experimentos ayudan a validar si una campaña realmente aporta ventas adicionales o simplemente recoge conversiones que habrían ocurrido de todos modos. Geoexperimentos, tests de holdout, comparativas por grupos de audiencia, medición de lift. Nada de esto es nuevo. Lo nuevo es que ahora duele más ignorarlo.

Medir mejor aunque el mapa tenga niebla

El modelado de datos no es el fin de la analítica ni el milagro que salva campañas mal planteadas. Es una respuesta práctica a una web menos observable. Permite estimar conversiones, usuarios y comportamientos cuando faltan cookies o identificadores, siempre que exista suficiente calidad de datos y una configuración respetuosa con el consentimiento. Su valor no está en prometer exactitud absoluta, sino en reducir sesgos y ofrecer una visión más completa que la medición puramente visible.

Para SEO, SEM y marketing digital, el cambio cultural es profundo. Durante años se confundió precisión aparente con conocimiento. Hoy toca aceptar una medición más humilde, pero no necesariamente peor. Más probabilística, más agregada, más dependiente de la calidad técnica y legal. El dato deja de ser una foto de carné y se parece más a una imagen nocturna: hay contornos, luces, zonas oscuras. Hay que saber leerla.

Las empresas que mejor se adapten no serán las que griten más fuerte que tienen “soluciones cookieless” en una diapositiva con degradado azul. Serán las que ordenen sus datos propios, configuren bien el consentimiento, entiendan qué parte del informe es observada y qué parte es modelada, documenten cambios y conecten la medición con ventas reales. Menos humo. Más estructura.

La duda no va a desaparecer. De hecho, quizá esa sea la noticia más sana. La analítica digital madura cuando deja de vender certeza de escaparate y empieza a trabajar con incertidumbre honesta. El modelado de datos no elimina la niebla; enseña a conducir sin estrellarse contra el primer árbol del informe.