Tests de incrementalidad: geo-lift en lugar del ROAS de la plataforma

Geo-lift en el contexto europeo

Para las empresas en Europa, el principal argumento a favor del diseño geográfico es la protección de datos. Según Lifesight, funciona sin tracking a nivel de usuario y sin datos personales, porque solo analiza datos agregados de conversiones o de ingresos por región. Aun así, la comparación entre regiones de test y de control aísla el efecto causal de la publicidad, algo que la atribución por clics no consigue.

En Austria, el cuello de botella es el número de regiones. Los nueve estados federados quedan por debajo del mínimo de 10 a 15 mercados emparejados que indica Kard. Por eso, un test austriaco necesita distritos o zonas de código postal a los que puedas asignar con precisión los ingresos o las conversiones.

El marco general está en el pilar Analítica de redes sociales, KPIs & medición. Las decisiones relacionadas se tratan en profundidad en Marketing mix modeling: Meridian, Robyn y el umbral de datos, Share of search: el indicador adelantado más barato de la cuota de mercado y Modelos de atribución: por qué falla el multi-touch y gana el dark social.

Conceptos y preguntas de decisión

Dos fórmulas mantienen la discusión en lo concreto. El lift es la diferencia entre las conversiones del grupo de test y las del grupo de control, dividida entre las conversiones del grupo de control. El iROAS relaciona con la inversión publicitaria los ingresos incrementales así calculados, no los ingresos totales de la zona de test, y este cálculo de Lifesight explica por qué el ROAS de la plataforma y el iROAS se alejan tanto con los mismos datos.

Hallazgos que cambian la decisión

Kard, Geo Lift Test, 2026, global: Expresar los resultados como lift con intervalo de credibilidad (p. ej., +4,2 % de lift, intervalo del 90 % de +1,8 % a +6,5 %) en lugar de un valor único aparentemente exacto. Kard lo justifica con que los modelos demasiado precisos pueden producir más falsos positivos (errores de tipo I). La tasa de error en sí solo la limita una regla de decisión fijada antes de empezar.

Stella, 2025 DTC Digital Advertising Incrementality Benchmarks, 2026, EE. UU.: 225 geo-tests de distintos canales (Google, Meta, CTV, TikTok y otros) en la plataforma de Stella, realizados entre agosto de 2024 y diciembre de 2025: mediana de iROAS de 2,31x, el 88,4 % de los tests estadísticamente significativos con al menos un 90 % de confianza. En la introducción del estudio, Stella indica de forma general que el ROAS de la plataforma suele ser el doble o el triple del iROAS, y en branded search y retargeting, de cinco a diez veces mayor. La muestra abarca marcas de e-commerce DTC, sobre todo de EE. UU., y no es un benchmark europeo.

Puntos de control para un test de geo-lift fiable

Los umbrales proceden de las guías de Lifesight y Kard. Revísalos antes de empezar, no después de ver el resultado.

Errores de decisión habituales

Los geo-tests tienen sus propias trampas estadísticas. Kard menciona cuatro: spillover entre regiones de test y de control, potencia insuficiente, un control sintético que deriva y cambios de presupuesto o de segmentación a mitad del test. Distorsionan el resultado o hacen que un lift real desaparezca en el ruido. Contra el spillover ayudan las zonas de amortiguación; la potencia la fijas antes de empezar, no a posteriori. Como mínimo para un diseño sólido, Kard indica al menos 10 a 15 mercados emparejados. La duración tampoco es una válvula de seguridad: un análisis de Wayfair muestra que los tests más largos no mejoran necesariamente la precisión y que unas hipótesis de varianza mal calibradas incluso aumentan la tasa de falsos positivos.