El “Data Poisoning”, o la fuga oculta de budget que afecta a 74% de las marcas enterprise.

Hay una fuga en el presupuesto de Marketing de casi toda marca grande, y no se ve en el reporte mensual ni aparece como una línea roja. Vive en los datos: data sucia, mal etiquetada, duplicada, inflada por tráfico que ningún humano generó. A eso le decimos data poisoning, que es la contaminación silenciosa de la data con la que una empresa decide dónde poner su plata. Y sí, cuesta millones.

Casi nadie lo mira de frente porque es incómodo. Reconocerlo implica admitir que una parte del dashboard sobre el que se toman decisiones está torcido desde el origen, y nadie quiere abrir esa caja. Preferimos discutir la creatividad del último aviso antes que preguntar si el número que dice que funcionó es siquiera real.

Mientras la data se pudre en silencio, el equipo sigue optimizando con confianza absoluta sobre cifras que mienten. Una decisión segura tomada sobre datos falsos termina siendo más peligrosa que una duda honesta, porque mueve presupuesto sin que nadie levante la mano para frenarla.

LA CIFRA QUE SÍ EXISTE

Conviene ordenar los números, porque el que circulaba antes en este mismo artículo no tenía respaldo. Hay uno que sí lo tiene, y bien serio: los marketers desperdician 21 centavos de cada dólar de medios por mala calidad de datos. Lo midió Forrester Consulting para Marketing Evolution, encuestando a 409 organizaciones medianas y grandes de Estados Unidos. Para una empresa enterprise eso son entre uno y varios millones al año que se van al vacío, no por mala estrategia sino por data envenenada.

El mismo estudio deja otro dato que duele más de cerca: los equipos de Marketing gastan cerca de un tercio de su tiempo administrando calidad de datos, y uno de cada cuatro reconoce que sus campañas del último año se vieron dañadas por datos malos. La fuga entonces no es solo plata, también son horas de gente cara peleando contra planillas que no cuadran.

Gartner puso otra cota al problema y estimó que la mala calidad de datos le cuesta a una organización, en promedio, 12,9 millones de dólares al año. El detalle importa: esa cifra salió de empresas que ya compraban software de calidad de datos, así que las que peor lo tienen ni siquiera saben cuánto pierden.

Después está el capítulo del fraude, que es data poisoning en su forma más agresiva. Juniper Research calculó que en 2023 se perdieron cerca de 84 mil millones de dólares en inversión publicitaria por fraude, alrededor del 22% del gasto total. Hablamos de tráfico inválido, bots y clics que nadie hizo. Eso no solo quema medios, también contamina el aprendizaje de cada plataforma que optimiza sobre esas señales.

Si juntas las tres cifras aparece el patrón. No es un caso aislado ni una mala racha de una marca en particular, es una condición estructural del ecosistema digital: la data llega ensuciada de fábrica, y limpiarla es trabajo de todos los días, no un proyecto que se cierra una vez.

LA PLATA QUE NUNCA LLEGA A UN HUMANO

Hay una parte del envenenamiento que ni siquiera nace dentro de la empresa. Nace en la cañería por la que pasa cada dólar programático. La ANA, la asociación de anunciantes de Estados Unidos, hizo el estudio más serio que existe sobre esto y el resultado fue incómodo para toda la industria.

Encontraron que buena parte del gasto programático terminaba en sitios made for advertising, que son páginas hechas para nada más que servir anuncios, sin audiencia real detrás. En su primera medición ese tipo de inventario se llevaba alrededor del 15% de la inversión, unos 13 mil millones de dólares al año quemados en basura con apariencia de medio legítimo. La buena noticia es que, con controles más duros, en la medición siguiente ese porcentaje cayó de forma fuerte. La mala es que el problema de fondo sigue: en promedio, una campaña programática aparecía en decenas de miles de dominios distintos, cuando alcanzar al 95% de la audiencia que importa se podía hacer con una fracción de esa dispersión.

Hay un segundo golpe, y es la cascada de costos. Entre que el anunciante pone el dólar y ese dólar llega a un medio de verdad, pasa por una fila de intermediarios que cobran su parte. Las mediciones de la ANA muestran que solo una fracción del gasto termina como impresión efectiva delante de una persona real. El resto se lo comen la cadena de suministro y el inventario basura. Y aunque cada eslabón sea legítimo por separado, el efecto combinado se parece bastante a una fuga.

Traducido: no es solo que se pierde plata, es que esa plata perdida entrena al algoritmo. Cada impresión servida en un sitio fantasma le enseña a la plataforma que ahí hay gente, y la plataforma, obediente, vuelve a comprar más de lo mismo. La fuga se retroalimenta sola. Peor todavía, esos falsos positivos se filtran a tus audiencias similares, así que el error de hoy compra el error de mañana.

CUANDO LA AUDIENCIA ES UNA FICCIÓN

Después viene la capa más traicionera, porque se ve limpia. Son los segmentos de audiencia, esas listas que uno compra o activa confiando en que detrás hay personas reales con los atributos que dice la etiqueta. Muchas veces no las hay.

Nielsen mide hace años qué tan seguido un aviso digital le llega de verdad a la audiencia que se compró. El promedio ronda el 63% de acierto, y eso para lo más básico que existe, edad y género. Cuando el target se afina, por ejemplo personas entre 25 y 44 años, el acierto puede caer por debajo del 45%. Casi la mitad de esa inversión aterriza en alguien que no era.

Truthset fue más al hueso y auditó más de cien segmentos de proveedores de datos externos. Su hallazgo fue que la data de consumidor puede arrastrar hasta un 60% de error. Y hay un detalle que casi nadie considera: la data se degrada después de activarla. Un segmento que nace 55% preciso, tras el proceso de onboarding y matcheo de identidades, puede quedar en 33%. Se pudre en el camino, entre que se compra y que se usa.

Acá entran los identificadores de dispositivo móvil, los famosos MAID. Se reciclan cuando una persona resetea su publicidad o cambia de teléfono, se mezclan cuando varias personas usan el mismo aparato, y se filtran a data brokers sin contexto. El resultado es que un mismo perfil termina etiquetado con intereses contradictorios, y la audiencia que activas es en parte gente que ya no existe con ese ID. Es contaminación pura de señal, vendida como precisión.

La plataforma no sabe distinguir. Le das un segmento y lo trata como verdad revelada, así que si el segmento está podrido, tu inversión también lo está.

Y hay una trampa mental que agrava todo. Cuanto más caro y más exclusivo suena un segmento de tercera parte, más confiamos en él y menos lo cuestionamos. Es al revés de lo que dicta la evidencia. Los datos más específicos tienden a ser los menos exactos, porque cada capa extra de filtro multiplica la probabilidad de error acumulado. Así que la audiencia premium que compraste con orgullo puede ser justo la que peor representa a tu cliente real.

POR QUÉ LA DATA SE ENVENENA

No hace falta un ataque para envenenar los datos, basta con dejarlos crecer sin gobierno. Pasa solo, sin que nadie lo empuje.

El primer foco casi siempre está en la medición de conversiones. Puede ser un Page View disfrazado de conversión, un evento que se dispara dos veces porque falta idempotencia, o un descalce de hashes en la API de Conversiones que hace que el servidor y el navegador cuenten cosas distintas. Cada uno de esos errores infla o deforma el número que después usa el algoritmo para decidir a quién mostrarle el anuncio.

El segundo foco es semántico, y es el más traicionero. Dos equipos que llaman “lead” a cosas distintas. Un “cliente activo” que en un tablero significa una cosa y en el ERP significa otra. Sin gobierno de datos, cada área construye su propia verdad, y cuando esas verdades se juntan en un reporte ejecutivo, el resultado es ruido con apariencia de precisión.

El tercero es el sesgo de exclusión. Pasarelas de pago que no se filtran, tráfico interno que se cuela, clientes que ya compraron y siguen recibiendo prospección. Todo eso ensucia el costo por adquisición real y hace que el equipo celebre o sufra por números que no reflejan el Negocio.

Sirve tener un mapa. La disciplina de calidad de datos hace décadas que trabaja con un puñado de dimensiones, y esas mismas dimensiones se leen perfecto en Marketing. Este es el marco que llevamos a cada diagnóstico.

Ninguno de estos errores grita, todos susurran. Pero sumados mueven presupuesto de verdad.

EL COSTO NO ES EL DATO, ES LA DECISIÓN

Acá está lo que nos importa como agencia. Un dato malo, aislado, no cuesta nada. Lo que cuesta es la decisión que se toma encima de él.

Si tu CPA aparece 30% más bajo de lo real por una deduplicación mal armada, vas a escalar una campaña que en verdad no está rindiendo. Si tu atribución le regala la conversión al último clic por un modelo mal configurado, vas a matar el canal que de verdad la originó. La data envenenada no te hace perder plata de forma pasiva, te empuja activamente a mover el presupuesto hacia el lado equivocado.

Esa distinción entre modelos de atribución no es un tecnicismo. Es exactamente donde se decide qué canal vive y qué canal muere en el próximo trimestre. Lo desarmamos en detalle cuando comparamos modelos de medición: MMM, MTA e incrementalidad, porque el modelo que elijas puede regalarle el crédito a quien no lo merece y castigar a quien sí traía el resultado.

Por eso insistimos tanto en separar la métrica del vanity number. Ya lo escribimos cuando hablamos de el espejismo del ROAS: un indicador que se ve espectacular puede estar escondiendo exactamente el problema que deberías resolver. Y lo mismo aplica al reporte inflado, porque tener cuarenta métricas no es tener información. Lo desarmamos en tu reporte tiene 40 métricas y ninguna decisión: si ningún número mueve una decisión, el tablero es decoración cara.

Hay algo más, y mira hacia adelante. Cada vez más gente le pregunta a una IA antes de comprarte, y esa IA se arma una idea de tu marca con lo que encuentra. Lo tratamos en cuando tu cliente le pregunta a una IA. Si tu propia data interna está envenenada, tu lectura del mundo también lo está, y decides a ciegas justo cuando el terreno se mueve más rápido.

SÍNTOMAS DE UN TABLERO ENFERMO

La data envenenada deja huellas. No siempre se ven a primera vista, pero están ahí. Esta es la comparación que usamos para saber, en cinco minutos de mirar un dashboard, si estamos frente a datos sanos o frente a una ficción bien maquillada.

Si tu tablero se parece más a la columna de la izquierda, lo que tienes no es un problema de reporte sino un problema de cimientos.

SEIS PREGUNTAS PARA UN CMO

No hace falta ser ingeniero de datos para detectar el envenenamiento, hacen falta las preguntas correctas. Estas seis las llevamos a cada auditoría.

1. ¿Estamos deduplicando conversiones entre navegador y servidor? Si nadie sabe la respuesta, ya tienes un problema. La doble cuenta es el error más común y el más caro.

2. ¿Qué porcentaje de nuestras conversiones son reales y cuáles son blandas? Un formulario abierto no es una venta. Mezclarlos infla el pipeline y engaña al algoritmo.

3. ¿Tenemos una definición única de cada evento entre Marketing, ventas y producto? Si cada equipo usa su propio diccionario, el reporte consolidado miente por diseño.

4. ¿Controlamos los IDs únicos de usuario o los estamos duplicando? Un mismo cliente contado como tres personas destruye cualquier cálculo de frecuencia y de costo.

5. ¿Excluimos de forma dinámica a quienes ya compraron? Seguir pagando por prospectar a un cliente existente es fuga pura, y encima molesta a la persona.

6. ¿Reconciliamos la data de Marketing con el ERP y el CRM? Si el número de la plataforma nunca conversa con el número que factura la empresa, estás optimizando sobre una ficción.

Si más de una de estas preguntas se responde con silencio, hay budget filtrándose ahora mismo.

LIMPIAR ANTES DE ESCALAR

La tentación siempre es la misma: poner más plata, más campañas, más canales. Pero escalar sobre data envenenada solo escala el error, porque multiplicas la fuga y no el resultado.

El orden correcto es al revés. Primero se limpia la capa de datos. Se define el gobierno, se arma el tracking en servidor bien deduplicado y se reconcilia con el Negocio real. Recién ahí escalar tiene sentido, porque cada peso adicional cae sobre información en la que se puede confiar.

Y no es un gasto a fondo perdido. El mismo trabajo que limpia también rinde, porque cuando se corrige la calidad de la identidad y del matcheo, el retorno por dólar invertido sube de forma medible. Arreglar la data no es higiene aburrida. Es una de las palancas de performance más baratas que existen, porque no compra más medios, hace que los medios que ya compras dejen de mentir.

Eso es exactamente lo que hacemos en nuestros servicios de datos y MarTech, que es dejar la infraestructura de datos limpia para que el Marketing decida sobre la verdad y no sobre el ruido. Una plataforma solo es tan inteligente como los datos que le das. Si están envenenados, tu IA aprende a perder plata con más eficiencia, y esa es la peor eficiencia posible.