La búsqueda solía terminar en un clic. Cada vez menos. Cuando el AI Mode de Google responde una consulta directamente, aproximadamente el 93% de esas sesiones termina sin un clic a ningún sitio web externo, frente al 34% de la Búsqueda de Google tradicional sin AI Overviews; e incluso un AI Overview estándar termina la sesión sin clic el 83% de las veces (benchmarks de Conductor 2026, vía Superlines). El análisis de Ahrefs sobre 300.000 palabras clave encontró que los AI Overviews reducen hoy en un 58% la tasa de clics promedio hacia la página mejor posicionada, comparando diciembre de 2023 con diciembre de 2025 (investigación de Ahrefs, reportada vía Businesswire, mayo de 2026). Y los propios AI Overviews ya no son una función de nicho: aparecen en aproximadamente el 48% de los resultados de búsqueda de Google monitoreados, un 58% más que el año anterior a comienzos de 2026 (datos de prevalencia de AI Overviews monitoreados).

Los especialistas en marketing tienen un nombre para lo que está desapareciendo: el "dark funnel" (embudo oscuro), la proporción creciente del recorrido del cliente que ahora ocurre dentro de una conversación con una IA, sin píxel, sin UTM y sin una fila de referencia en tu analítica que muestre que sucedió. No es un riesgo futuro para el que haya que planificar. Ya aparece en los datos que los equipos de marketing miran todos los días, y obliga a replantearse de verdad qué puede llegar a ver la medición.

Por qué la atribución last-click y multi-touch son las primeras víctimas

La atribución, ya sea last-click o multi-touch, se construyó sobre un supuesto que silenciosamente dejó de cumplirse: que una parte significativa del recorrido deja un rastro digital que se puede unir. La atribución multi-touch necesita puntos de contacto. Cuando un prospecto le pide a un asistente de IA que compare productos, recibe una respuesta sintetizada y luego convierte por un canal sin ninguna referencia a esa conversación, no queda nada que un modelo MTA pueda unir. La interacción ocurrió. El mecanismo de asignación de crédito simplemente nunca la vio.

Esa es parte de la razón por la que los profesionales ya están desplazando inversión y confianza hacia métodos agregados: la adopción reportada de la atribución multi-touch creció hasta el 47% (desde el 31% en 2023), pero la adopción del marketing mix modeling creció más rápido en términos relativos, hasta el 26% desde apenas el 9% (Digital Applied, 2026). El MMM no necesita un punto de contacto para funcionar: necesita una serie agregada de resultados y un conjunto plausible de impulsores causales, que es exactamente lo que sobrevive cuando el seguimiento a nivel individual no lo hace.

El giro que falta en la mayoría de las conversaciones de medición

La mayoría de los comentarios sobre el dark funnel de la IA lo tratan como un problema de medición digital: tu analítica web, tu stack de MTA y tus reportes de búsqueda de pago se van oscureciendo en los bordes. Es cierto, pero subestima el problema para cualquier marca cuyo crecimiento sigue impulsado en buena medida por medios offline.

Piensa en la mecánica de una sesión de investigación mediada por IA: alguien le pide a un asistente que compare colchones, aseguradoras o SUV. ¿De dónde salieron las marcas que menciona, y aquellas sobre las que la persona ya tiene una opinión? En una gran parte de las compras de la categoría, la respuesta sigue siendo TV, exterior (OOH), radio y prensa: medios que construyeron notoriedad y consideración mucho antes de que existiera la conversación con la IA, sin generar un solo clic en ninguno de los dos extremos. El dark funnel no empieza cuando alguien abre ChatGPT. Con frecuencia empieza semanas antes, frente a un televisor, y la sesión con la IA es solo el paso intermedio invisible entre esa exposición offline y una eventual venta.

Un stack de medición que solo observa puntos de contacto digitales ya se estaba perdiendo este ciclo. Ahora que incluso la superficie digital se está oscureciendo, la brecha se acumula: no puedes ver el disparador offline y, cada vez más, tampoco puedes ver el paso de investigación online.

Por qué el MMM causal es estructuralmente la herramienta adecuada para este momento

Esta es la razón específica por la que el marketing mix modeling vive un momento especial más allá del argumento habitual de privacidad y pérdida de señal. El MMM nunca intentó rastrear el recorrido individual: estima la relación causal entre la actividad de marketing y los resultados de negocio usando series temporales agregadas, lo que significa que no le importa si una sesión de investigación dejó un clic detrás. Si la inversión en TV sube en una región y los ingresos la siguen con un rezago predecible, un MMM bien especificado encontrará esa relación, sea o no posible señalar la conversación concreta con la IA que ocurrió entre ambos.

Por eso también el MMM maneja mejor el dark funnel que las pruebas de incrementalidad por sí solas. Una prueba geo holdout te dice el efecto causal de una campaña específica y aislada; no reconstruye el sistema completo de canales offline y online que interactúan entre sí y con una capa de investigación mediada por IA en el medio. Necesitas ambas, pero el MMM es la capa que sigue funcionando cuando la visión a nivel de puntos de contacto se degrada aún más, y es la capa que realmente puede explicar el papel de los medios offline en impulsar la investigación invisible que hoy absorbe la búsqueda con IA.

Lo que las herramientas de medición solo digitales no pueden ver, por diseño

Aquí la elección de la plataforma de medición empieza a importar tanto como la elección de la metodología. Un MMM o una herramienta de incrementalidad solo digital, incluso una buena, se construye en torno a la inversión en plataformas publicitarias, datos de conversión web y de app, y series temporales de canales digitales. Puede detectar perfectamente que "algo está impulsando conversiones que los canales digitales por sí solos no explican". Lo que no puede hacer es decirte si ese algo es TV, exterior, radio o prensa, porque esos datos nunca se le dieron como insumo. La brecha del dark funnel se reetiqueta como "marca" o "baseline" y queda sin explicar, justo cuando explicarla es más importante.

Qué hacer en concreto

Algunas medidas prácticas para los equipos de medición que enfrentan este cambio:

  1. Deja de tratar las brechas del MTA como un problema de calidad de datos que algún día se arreglará. Los puntos de contacto faltantes son estructurales, no temporales: la investigación mediada por IA no va a empezar a dejar un rastro limpio.
  2. Incorpora los medios offline al mismo modelo causal que el digital, en lugar de operar dos sistemas desconectados e intentar explicar cualitativamente la brecha entre ellos.
  3. Observa las tendencias de referencias y citas de IA como indicador adelantado, aunque nunca sustituirán por completo el volumen de investigación que ocurre dentro de conversaciones con IA y que no se atribuye a ningún lado.
  4. Reajusta cuánta confianza depositas en la atribución digital a nivel de canal frente a las lecturas agregadas y causales: la verdad de fondo se ha desplazado hacia estas últimas, no porque la atribución haya empeorado en su trabajo, sino porque estructuralmente queda menos rastro que seguir.

Conclusión

El dark funnel de la IA no es un nuevo susto de privacidad: es una versión nueva y más grande de un problema que los equipos de medición llevan años rodeando. El seguimiento a nivel individual se degrada, y las marcas que siguen intentando explicar el desempeño solo con atribución basada en puntos de contacto son las que se quedan adivinando. Las marcas que naveguen bien este cambio serán aquellas cuya medición ya asume que parte del recorrido es invisible y que tienen en cuenta el mix completo de medios, offline y online, que lo está moldeando de todos modos.

Esa es la brecha específica que Animo está construida para cerrar: un único MMM causal que lee TV, exterior, radio, prensa y digital en conjunto, de modo que la parte "invisible" del embudo se atribuya a los medios que realmente la impulsan, en lugar de desaparecer en un baseline sin explicación. Si quieres ver qué muestra tu modelo cuando los medios offline se tratan como un insumo real y no como una ocurrencia tardía, el equipo de Animo puede acompañarte.

Fuentes

  • Benchmarks de búsqueda con IA de Conductor 2026 (93% de sesiones de AI Mode sin clic, 83% de sesiones de AI Overview sin clic, 34% de base), agregados vía Superlines: superlines.io
  • Investigación de Ahrefs sobre el impacto de los AI Overviews en la tasa de clics (reducción del 58%, 300.000 palabras clave, dic. 2023 vs. dic. 2025), reportada vía Businesswire, mayo de 2026: businesswire.com
  • Datos de prevalencia de AI Overviews (48% de las búsquedas de Google monitoreadas, +58% interanual, comienzos de 2026): thestacc.com
  • Digital Applied, "Marketing Attribution in 2026: What Still Works" (adopción de MTA 47% vs. 31% en 2023; adopción de MMM 26% vs. 9%): digitalapplied.com