Eficiencia marginal:
optimizar hacia el
próximo peso,
no el promedio.
El concepto más importante y menos aplicado en optimización de presupuesto. Si entendés eficiencia marginal, entendés por qué reasignar funciona mejor que escalar, y por qué el ROAS promedio puede engañarte.
Qué es la eficiencia marginal en marketing.
La eficiencia marginal mide cuánto retorno genera la siguiente unidad de inversión en un canal. No cuánto generó el canal en total — eso es eficiencia promedio — sino cuánto genera el próximo peso que aún no invertiste. Es la diferencia entre mirar el retrovisor y mirar el parabrisas.
El principio viene de la microeconomía: la ley de rendimientos decrecientes. En marketing digital funciona así: cuando empezás a invertir en un canal, capturás primero la demanda más accesible — los usuarios con mayor intención, las keywords menos competidas, las audiencias más responsivas. Cada peso adicional necesita ir a territorios menos accesibles: audiencias más frías, keywords más disputadas, horarios residuales. El costo por resultado sube. La tasa de conversión baja. El retorno de cada peso adicional es menor que el del anterior.
Rust, Lemon y Zeithaml lo formalizaron en el Journal of Marketing (2004): la productividad de marketing se mide en términos de retorno incremental por unidad de inversión adicional, no en retorno promedio histórico. El promedio mezcla los pesos eficientes (los primeros) con los ineficientes (los últimos). El marginal aísla lo que importa para la próxima decisión: ¿dónde pongo el siguiente peso?
La distribución óptima de presupuesto se alcanza cuando el retorno marginal de todos los canales activos es aproximadamente igual. Si un canal tiene retorno marginal significativamente mayor que otro, hay que mover inversión hacia él hasta que los marginales converjan. Este equilibrio maximiza el retorno total sin cambiar el presupuesto total.
Por qué optimizar hacia el promedio es peligroso.
Canal A tiene ROAS promedio 5:1. Canal B tiene ROAS promedio 3:1. La conclusión intuitiva — y la más común — es: poné más en A. El problema: A está saturado. Su ROAS marginal es 1.5:1. B tiene capacidad sin explotar. Su ROAS marginal es 3.5:1.
Si movés $1.000 de A a B, perdés $1.500 en retorno de A (a marginal 1.5:1) y ganás $3.500 en retorno de B (a marginal 3.5:1). Ganancia neta: $2.000. Sin gastar un peso más. Sin aumentar presupuesto. Solo moviendo dinero de donde genera poco a donde genera más.
El promedio esconde esta realidad porque mezcla los pesos de alto retorno (los primeros invertidos, las keywords de marca, las audiencias calientes) con los de bajo retorno (los últimos, los placements residuales, las audiencias frías). Un canal con ROAS promedio 5:1 puede tener sus últimos $2.000 generando ROAS 1.2:1 — pero el promedio no lo muestra. Solo el análisis marginal lo revela.
03 — El equilibrioEl equilibrio marginal: cuando el presupuesto está óptimamente distribuido.
El estado óptimo se alcanza cuando el retorno marginal de todos los canales activos converge a un valor similar. Si Google Search tiene marginal 2.6:1, Meta Ads 2.4:1 y SEO 2.5:1, la distribución está cerca del óptimo — no hay reasignación que mejore significativamente el retorno total.
En la práctica perfecta, los marginales nunca se igualan exactamente — hay demasiada variabilidad, lag temporal y ruido en los datos. El objetivo no es perfección matemática sino reducir las brechas grandes. Si un canal tiene marginal 4:1 y otro 1.5:1, hay una reasignación obvia que mejora el total. Si están todos entre 2:1 y 3:1, la distribución es razonable y la prioridad pasa a la optimización interna de cada canal.
04 — MediciónCómo medir eficiencia marginal en la práctica.
Medir el ROAS marginal exacto requiere experimentación. No se puede calcular mirando un dashboard — el dashboard muestra promedios, no marginales. Hay tres métodos, ordenados de simple a sofisticado.
Test de hold-out (simple)
Cortá 20% del spend en un canal durante 2–4 semanas. Si las conversiones caen menos de 20%, los últimos pesos tenían retorno marginal inferior al promedio — había saturación. El spoke de test de saturación detalla el paso a paso.
Incrementality test (intermedio)
Dividí la audiencia o la geografía en grupo test y grupo control. La diferencia en conversiones es el incremento real — la causalidad, no la correlación. Meta ofrece "Conversion Lift studies". Google ofrece geo-experiments. Requiere volumen suficiente y al menos 4 semanas.
Marketing Mix Modeling — MMM (avanzado)
Modelo estadístico que estima la curva de respuesta de cada canal — incluyendo saturación, lag temporal e interdependencias. El spoke de portfolio optimization cubre este nivel. Herramientas open-source: Robyn (Meta) y Meridian (Google). Requiere 2+ años de datos semanales.
Los canales no son independientes: el efecto portfolio.
La limitación más seria del análisis marginal canal por canal es que asume independencia. En la realidad, los canales interactúan de formas que el análisis aislado no captura.
Paid social genera demanda que paid search captura. Branding genera awareness que baja el CPC de búsquedas de marca en Google. El contenido SEO genera tráfico que alimenta las audiencias de retargeting en Meta. Email nurturing convierte leads que paid generó semanas antes. Los canales forman un ecosistema, no una colección de silos.
Esto significa que cortar inversión en un canal puede afectar el rendimiento de otros de formas inesperadas. Si cortás Meta Ads (que genera demanda), el CAC de Google Search (que captura demanda) puede subir — porque hay menos demanda generada para capturar.
Antes de cortar inversión en un canal de awareness o consideración (display, video, social orgánico, branding), esperá 4–8 semanas después del corte y monitoreá el CAC de los canales de conversión (search, retargeting, email). Si el CAC de conversión sube, el canal "ineficiente" que cortaste estaba alimentando al que parecía eficiente. Es el efecto portfolio en acción.
Errores frecuentes en análisis marginal.
Confundir ROAS promedio con marginal
El ROAS promedio de un canal no indica nada sobre su retorno marginal actual. Un canal con ROAS promedio excelente puede estar completamente saturado. Un canal con ROAS promedio mediocre puede tener enorme capacidad marginal sin explotar. La pregunta que importa no es "¿cuánto generó?" sino "¿cuánto más puede generar?".
Medir en períodos demasiado cortos
Una semana de datos no dice nada sobre eficiencia marginal — la variabilidad estadística es enorme. Los tests de hold-out necesitan al menos 2 semanas; los incrementality tests al menos 4. Las decisiones basadas en períodos cortos son ruido disfrazado de señal.
Ignorar el lag temporal de canales orgánicos
SEO, contenido y branding tienen retorno diferido — lo que invertís hoy genera retorno en 3, 6 o 12 meses. Medir su eficiencia marginal con ventanas de 30 días subestima dramáticamente su contribución real. Usá ventanas de 6–12 meses para canales orgánicos.
Reasignar sin testear primero
Mover presupuesto basándose en estimaciones sin validar con un test controlado es apostar. El test de hold-out es la validación mínima: cortá 20% y medí qué pasa antes de reasignar el 100%. La experimentación es el sistema que convierte hipótesis en decisiones informadas.
07 — Preguntas frecuentesPreguntas frecuentes.
¿Puedo estimar ROAS marginal sin hacer tests formales?
Podés hacer una aproximación indirecta mirando señales de saturación: si el CPC sube y la tasa de conversión baja a medida que escalás el budget, el canal se está saturando y el marginal está cayendo. Pero la estimación precisa requiere un test controlado. Las señales indican dirección ("el marginal está bajando"), no magnitud ("bajó de 4:1 a 1.5:1"). Para decisiones de reasignación significativas, hacé el test.
¿Los canales orgánicos tienen eficiencia marginal?
Sí. Cada artículo de blog adicional, cada link conseguido, cada mejora técnica tiene un retorno marginal. Las primeras 50 páginas de contenido bien optimizado generan mucho tráfico. Las siguientes 50 generan proporcionalmente menos por pieza — los topic clusters más accesibles ya están cubiertos. Pero SEO tiene retorno acumulativo: cada pieza sigue generando tráfico durante meses o años, lo que hace que el retorno total crezca aun cuando el marginal por pieza baje.
¿Qué pasa cuando todos los canales están saturados?
Tres opciones. Primera: mejorar la eficiencia interna del canal (mejor creatividad, mejor landing page, mejor oferta) — eso sube el marginal sin más spend. Segunda: abrir canales nuevos — el 10% experimental de la regla 70/20/10. Tercera: aceptar que el presupuesto óptimo es menor que el actual y reasignar el excedente a inversiones de largo plazo como branding y contenido.
Referencias y bibliografía.
Rust, R. T., Lemon, K. N. & Zeithaml, V. A. (2004). "Return on Marketing: Using Customer Equity to Focus Marketing Strategy." Journal of Marketing, 68(1), 109–127.
Lenskold, J. D. (2003). Marketing ROI: The Path to Campaign, Customer, and Corporate Profitability. McGraw-Hill.
Chan, D. & Perry, M. (2017). "Challenges and Opportunities in Media Mix Modeling." Google Inc.
Meta Open Source. (2022). Robyn: Automated Marketing Mix Modeling. GitHub.
Google. (2023). Meridian (ex Lightweight MMM). GitHub.
Términos del glosario