Telecom attribution en LATAM: MTA, MMM y casos MTS y Philip Morris

Por qué telecom attribution en LATAM es una disciplina aparte

En Lima un suscriptor postpago recorre 7–11 puntos de contacto en 30–60 días antes de cambiar de operador. En Ciudad de México un usuario de IQOS no aparece en ningún píxel de Meta — el producto está regulatoriamente cortado del digital ads. Si tu dashboard de marketing reporta ROAS por last-click, estás pagando por conversiones que iban a ocurrir igual, y no estás pagando por lo que realmente mueve gross adds.

Los operadores telco y los fabricantes de regulated-CPG en LATAM comparten un mismo dolor: los modelos clásicos de attribution (last-click en Google Ads, last-touch en Meta Ads Manager) se rompen en long-cycle y en modo regulado. Según el GSMA Mobile Economy Latin America, la región tiene ~420 millones de suscriptores móviles únicos, ARPU de USD 7–14 promedio, y en 8 de 10 países ≥ 30% de los gross adds entran por canal offline. Los equipos de performance cortan TV y formatos brand de YouTube — y dos trimestres después ven gross adds caer 15–25%.

Este pillar desglosa: por qué MTA (multi-touch attribution) no alcanza, cómo se suma MMM (Marketing Mix Modeling), qué geo-experiments funcionan en LATAM, y cómo Odoo puede actuar como customer data hub sin el stack de USD 2M de Adobe + Salesforce. Con dos casos: perfil-MTS (Europa del Este, 60M+ suscriptores) y perfil-Philip Morris (regulated CPG en México y Colombia).

Resumen en un minuto

• Telecom attribution requiere un stack híbrido: MTA + MMM + incrementality testing. El last-click puro destruye la unit economics en productos postpago long-cycle.
• El régimen privacy en LATAM se endurece desde 2024: ANPD (Brasil) multa bajo LGPD, INAI (México) se reestructura hacia Secretaría Anticorrupción, Perú actualizó la Ley 29.733. El stack cookies-only ya no funciona.
• Regulated CPG (tabaco, alcohol premium) está cortado de ≥ 70% de los canales digitales. Attribution se construye vía geo-experiments y datos de sell-out de retailers.
• Odoo como customer data hub le da a telcos y marcas CPG un esquema único «lead → activación → ARPU → churn» sin un stack CDP de USD 500k.
• Perfil-MTS: MMM en PyMC, +14% gross adds con el mismo presupuesto, CAC −19%. Perfil-PMI: geo-experiments + sell-out attribution, +27% sell-out volume YoY.

El mercado: 4 holdings, 60–80% sales offline

El mercado móvil LATAM tiene 4 holdings dominantes: América Móvil (Claro), Telefónica (Movistar), Millicom (Tigo) y operadores locales (Entel, Personal, AT&T MX). Sus presupuestos de marketing digital son de USD 50–200M anuales en países grandes. Pero el 60–80% del flujo de ventas termina en un punto offline: red de distribuidores, boutiques, partner-retail, call-center. Esto no es e-commerce, donde attribution se reduce a configurar GA4.

La emisión de una factura/boleta postpago tarda 7–30 días desde el primer touchpoint. En ese lapso el suscriptor recorre:

• Search queries («plan claro 5G ilimitado», «mejor plan postpago peru»)
• Sitios comparadores (rankia.pe, rebajatuscuentas.cl, comparayahorra.com)
• TikTok/Reels con UGC-reviews (50%+ de los usuarios jóvenes LATAM usa TikTok como buscador, Kantar IBOPE 2024)
• Consulta por WhatsApp con un vendedor del distribuidor
• Llamada al call-center para checkout o portabilidad

Cada uno de estos puntos reclama la conversión. El last-click de Google Ads le asigna 100% al brand search; el first-touch de Meta Pixel, a Reels; el data-driven de GA4 reparte — pero sin la señal offline todo esto es armar un rompecabezas con tres piezas de diez.

Regulated CPG es aún más duro. Philip Morris no puede anunciar IQOS en Meta Ads — viola la Facebook Ads Policy 4.4 (Tobacco). Google Ads Restricted Products prohíbe creatividades de tabaco, incluso heat-not-burn y nicotine pouches. La TikTok Branded Content Policy bloquea creator content para tabaco. La red real de touchpoints para PMI, BAT y JTI:

• Point-of-sale en estancos y conveniencias (Oxxo, Tambo+, Walmart cigar lounges, D1)
• Sitio directo con age-gate (iqos.com)
• Canales B2B para distribuidores e incentivos al retail
• Personal selling en zonas LAU (Limited Adult User), eventos experienciales premium

El marketing attribution para regulated CPG se construye vía geo-incrementality y sell-out data, no vía clicks. Es una metodología completamente distinta. Caso PMI IQOS en CDMX: USD 30M de presupuesto anual, cero en performance digital ads — y aún así hay que defender el ROI ante el HQ en Lausana. Los dashboards estándar de Marketing Cloud + GA4 acá no sirven.

Qué cambia en LATAM 2024–2026

iOS 14.5+ ATT (desde 2021): los píxeles de Meta y Google perdieron 30–60% de la señal de conversión en LATAM. El market share iOS en Chile es 28%, en México 20%, en Argentina 18% (StatCounter LATAM, abril 2026). Los telcos lo sintieron primero — los equipos de performance ven el ROAS caer, pero las ventas reales siguen estables. Es señal de reestructurar measurement, no de cortar presupuesto.

Google Privacy Sandbox / cookie deprecation en Chrome: las third-party cookies quedaron deprecadas al 100% en Q1 2025. El tracking cross-site vía third-party cookies en LATAM está muerto — Chrome tiene 73–80% de share en la región. Audience extension vía Audience Network, AdSense, programmatic display — todos perdieron precisión de matching.

Enforcement de privacy por país:

• Brasil: la ANPD en 2024–2025 aplicó las primeras multas grandes bajo LGPD (Lei 13.709/2018). Telcos y financieras quedaron en la mira — multas de hasta 2% del revenue, con tope de R$ 50M por violación.
• México: reforma LFPDPPP 2025: el sector privado migra del INAI a la Secretaría Anticorrupción y Buen Gobierno vía transitorios de la reforma constitucional. Posible enforcement vacuum de 6–12 meses en 2025–2026, pero las sanciones previas siguen vigentes.
• Colombia: la SIC multa activamente bajo Ley 1581 de 2012 — multas típicas de COP 100–500M por consent mal manejado.
• Perú: la Autoridad Nacional de Protección de Datos Personales (ANPDP, bajo Minjus) emitió un reglamento actualizado en 2024, con multas de hasta 100 UIT (≈ S/ 535,000 en 2026).
• Chile: el nuevo Proyecto de Ley sobre datos personales (Boletín 11.144-07) fue aprobado por el Congreso y entra en vigencia en 2026, armonizando el régimen con GDPR.

Regulación publicitaria en LATAM:

• Tabaco: el Convenio Marco OMS (FCTC) está ratificado por todos los países LATAM excepto Argentina. Prohibición total de publicidad cross-media: Colombia (Ley 1335/2009, Art. 16), México (Ley General para el Control del Tabaco 2008, Art. 23), Perú (Ley 28705/2006), Chile (Ley 19.419/1995 rev. 20.660/2013), Uruguay (Ley 18.256/2008 — el plain packaging más estricto de la región).
• Alcohol: en Chile la Ley 19.925 regula horarios y contexto para alcohol > 20%; en Colombia hay restricciones por location targeting (300 m de schools).
• Finanzas / crypto / gambling: el CNV argentino endureció en 2024 los requisitos publicitarios para crypto-businesses; en México la CNBV emitió nuevas reglas de fintech advertising 2025.

Para el stack de marketing esto significa: first-party-only data, server-side tracking, y MMM para regulated y long-cycle.

Cómo construir un telecom attribution stack

#1. First-party data layer

• CMP (Consent Management Platform) con consent granular: Cookiebot, OneTrust o el open-source Klaro. Configuración ANPD- y LGPD-compliant — separate consent por purpose (analytics, personalisation, advertising), opt-in por default, audit trail.
• CDP o customer data hub: en Odoo es la combinación de crm.lead + res.partner + marketing.activity + un modelo custom attribution.touchpoint. Une web-events (GA4), call-center logs (Asterisk/Aircall), retail POS (Odoo POS) y canal reseller (Odoo Sales Partner Manager).
• Identity resolution: hashed email + phone (SHA-256). En LATAM phone-as-identity supera a email-as-identity — 90%+ de cobertura vs 50–60% para email. Los flows de consent por WhatsApp suben el match rate +25% vs email-only.

#2. Server-side tracking

• sGTM (Google Tag Manager Server-side) en Google Cloud Run o AWS Lambda — ~USD 5–15/mes para tráfico medio. Intercepta eventos en el servidor, los enriquece con first-party data, los envía a GA4, Meta CAPI, TikTok Events API.
• Meta Conversions API (CAPI): obligatorio desde 2022 en el mundo post-ATT. Sin CAPI Meta pierde 40–60% del match rate en LATAM; la integración va por sGTM con payload deduplication.
• Google Enhanced Conversions: hashed user data en Google Ads — +5–15% de conversion lift (documentado en Think with Google).

#3. Attribution híbrida MTA + MMM

Multi-touch attribution (MTA) — para productos online-heavy (recargas prepago, activaciones MVNO, upgrades in-app). Herramientas:

• Data-driven attribution en GA4 (requiere mínimo 600 conversiones / 30 días por canal)
• Markov chain attribution con el paquete R ChannelAttribution o Python pychattr
• Shapley value attribution para valorar top-of-funnel

Marketing Mix Modeling (MMM) — para long-cycle, offline-heavy, regulated. Las herramientas open-source production-ready:

• Google LightweightMMM — Bayesian MMM sobre JAX. Production-ready para un equipo de 1 data scientist + 1 marketing analyst. Soporta carryover effects, saturation curves, geo-level modeling.
• Meta Robyn — basado en R, hyperparameter tuning automatizado vía Nevergrad. Bueno para telcos small/mid sin DS team in-house.
• PyMC-Marketing — Bayesian en Python, en desarrollo activo desde 2024. El modelo más flexible — priors customizados, modelos jerárquicos para MMM multi-país.

Feed mínimo para MMM: 2 años de weekly data por cada canal de marketing (spend + impressions) + outcome variable (gross adds, sell-out units, brand search volume) + control vars (price, distribution, weather, seasonality, holidays, FX rate).

#4. Incrementality testing

Tanto MTA como MMM necesitan calibración por incrementality. Sin ella el MMM muestra correlación, no causalidad.

• Geo-experiments: split-test de territorios (por ejemplo, 16 regiones de Chile × 2 grupos). Activá la campaña solo en treatment — medí lift en gross adds.
• Google GeoLift (paquete R open-source) — diseño automatizado de geo-experiments + power analysis + evaluación post-hoc.
• Holdout cells: 5–10% de la audiencia no recibe digital ad → medí baseline orgánico. En LATAM el data loss inducido por ATT lo vuelve especialmente valioso.

#5. Odoo como hub coordinador

En el stack clásico (Salesforce Marketing Cloud + Adobe Experience Platform + Tealium + Tableau) un telco paga USD 500k–2M/año en licencias. Odoo reemplaza el 70% de eso:

• marketing.campaign — holding de todas las campañas con budget allocation per channel
• crm.lead + UTM-fields custom — punto de entrada del lead con UTM-context completo
• res.partner — unified customer view (web + retail + reseller + call-center)
• attribution.touchpoint (modelo custom) — todos los touchpoints con timestamp, channel, value attribution
• Capa BI: Odoo dashboards + ClickHouse por debajo para el MMM-feed export. ClickHouse aguanta 10B+ events/mes en un cluster de USD 200–500/mes.

Cuándo funciona y cuándo no

#1. Funciona: postpago B2C con digital share ≥ 30%

Si ≥ 30% de los gross adds entran por online (web checkout, in-app upgrade, e-commerce), el híbrido MTA + MMM da 80–90% de attribution accuracy. Perfil: MVNO en Brasil (Vivo Easy, Surf Telecom) con 50% de activaciones online — Robyn MMM muestra ROI por canal con confidence interval ±15%.

#2. Funciona parcial: B2B enterprise (Movistar Empresas, Claro Negocios)

Sales cycle largo de 60–180 días, account-based, el sales rep hace el 80% del trabajo. El stack MTA es inútil. Lo que sirve: account-based attribution vía CRM + sales-touch logging + intent data (6sense, Bombora) + LinkedIn Insight Tag. No intentes aplicar GA4 conversion modeling — escribí custom en Odoo crm.lead.scoring con pesos por fuente según close-rate histórico.

#3. Funciona parcial: regulated CPG (IQOS, alcohol premium)

Digital ads están prohibidos — Meta, Google, TikTok cerrados. Lo que funciona:

• Geo-incrementality en la red de retailers (Oxxo, 7-Eleven, Walmart, D1)
• Sell-out data del distribuidor + matching contra brand search lift (las branded keywords ≠ tobacco advertising en la interpretación de Google Ads)
• Owned channels: brand website con age-gate, CRM email/SMS hacia LAU verificadas
• Out-of-home + experiential: se mide vía geo-experiments + sell-out delta

El MMM para regulated CPG es distinto: las control variables dominan (regulatory news, plain packaging, shifts de excise tax), y los treatment channels son 3–5 en lugar de 17.

#4. No funciona: retail telco 100% offline

Si el 95% de las ventas son walk-in en distribuidor sin digital pre-shopping (rural Perú, norte de Argentina, mercados indígenas de Bolivia), attribution se reduce a brand tracker + share of voice mapping. Eso no es attribution — es brand measurement (Kantar Millward Brown, Ipsos). No armes un MMM sobre 100 weekly observations: vas a overfit.

#5. No funciona: prepago short-cycle con recargas en kioscos

En Colombia y Perú el 40–60% de las recargas prepago pasa por vendedores ambulantes sin touchpoint digital trackeable. La attribution para esa cohorte es imposible sin instrumentación RFID/GPS de los puntos. Acá funciona mix-modeling agregado + brand health KPIs, pero no channel-level ROI.

Errores típicos en telecom attribution en LATAM

#1. Last-click para postpago long-cycle

El 70% de los telcos LATAM en 2024–2025 (según mis auditorías) sigue usando last-click como métrica principal de ROI en Google Ads / Meta Ads Manager. En long-cycle (30–60 días) el brand search se queda con 60–80% del crédito, mientras el top-of-funnel (TikTok, YouTube) paga sin ser reconocido. Performance corta YouTube → al trimestre caen los gross adds. Death-spiral.

#2. Ignorar el call-center como touchpoint

En Perú y Colombia el 30–50% de las activaciones postpago se cierra por call-center (inbound y outbound). Si el analista no loguea «llamada → activación» con UTM-source (integración Asterisk, webhooks Aircall, Genesys Cloud), el MMM le asignará peso al canal que mandó el lead, no al que cerró la venta.

#3. Mezclar métricas brand y performance en un solo modelo

La campaña de brand awareness en YouTube se mide por lift in unaided recall (Google Brand Lift Study). La campaña de performance, por CAC. Si metés las dos en un MMM sin instrumental variables, el modelo es ininterpretable. Separá el MMM en brand-layer (decay 6–18 meses) + performance-layer (decay 1–4 semanas).

#4. No descontar la distorsión por dealer commissions

En México Claro y Telcel pagan comisiones tiered a sus distribuidores por gross add. El distribuidor está motivado a presentar el tráfico orgánico como propio — para cobrar la comisión completa. Si confiás en el dealer-CSV sin cross-validation contra señal de red (timestamp de IMSI registration, HLR data desde los reportes mandatados por el IFT), toda la attribution miente 15–30%.

#5. Privacy compliance como bolt-on, no by-design

El equipo de marketing construye un attribution stack en 6 meses, después llega el DPO con el LGPD checklist — y 4 de 12 integraciones hay que rehacerlas sin re-consent. Re-collect consent sobre una base de 5M = otros 3 meses con opt-in rate del 40%. El privacy review se hace en la fase de solution design, no en deployment. En Brasil la ANPD ya emitió ≥ 30 multas en 2024–2025 por este patrón.

Caso #1: perfil-MTS — 60M+ suscriptores, MMM-stack en Python

Un operador grande de Europa del Este (perfil escala MTS / Megafon / Beeline, USD 7B+ revenue, 60M+ suscriptores) armó su stack de marketing measurement así.

Situación (2022): presupuesto de marketing de USD 80M/año por 17 canales (TV, OOH, programmatic, search, social, influencer, sponsored content en Telegram, retail-marketing). Attribution = Adobe Analytics + last-click Google Ads. El equipo de marketing no podía defender el budget de TV ante el CFO — «no se ve ROI».

Qué hicieron:

• Migraron todos los eventos a un warehouse en ClickHouse (10B+ events/mes)
• Construyeron un Bayesian MMM en PyMC-Marketing sobre 156 weekly observations
• Geo-experiments: 12 clusters regionales × A/B treatment con campaña de YouTube; lift +8.3% en treatment vs control (p < 0.05)
• Integraron el output del MMM en un dashboard para el CFO: ROI por canal con 90% confidence interval

Resultado: TV bajó 22%, programmatic display bajó 18%, +18% en YouTube/TikTok creator content, +12% en Google performance. A 8 meses: gross adds +14% con el mismo presupuesto, CAC −19%. El CFO firmó por primera vez el year-on-year marketing investment sin recortar TV.

«La gerencia comparó el output del MMM contra el lift real del geo-experiment. Coincidieron dentro de un margen del 12% — entonces firmaron. Si hubieran estado afuera por más del 30%, todo el modelo iba a la basura.»

Caso #2: perfil-Philip Morris — regulated CPG en LATAM (contexto IQOS)

Un fabricante internacional grande de tabaco (perfil PMI / BAT / JTI, USD 80B+ revenue global) lanzó un producto heat-not-burn en México y Colombia.

Situación: el digital advertising está prohibido por los reguladores (Ley General para el Control del Tabaco MX, Ley 1335 CO). USD 30M de presupuesto anual deben repartirse entre: trade marketing (incentivos B2B a retailers), in-store sampling, brand experience events para LAUs, CRM hacia verified users. La efectividad de cada canal — unknown.

Qué hicieron:

• Construyeron un sell-out data pipeline desde 8 retailers partner (Oxxo, 7-Eleven, Walmart, D1, Justo & Bueno) — weekly SKU-level units in/out
• Geo-experiments: experiential events en 3 ciudades de México, hold-out 3 ciudades → midieron sell-out delta a 6 semanas
• Brand search lift vía Google Trends API + branded search volume en Google Ads (las branded keywords sí están permitidas)
• Capa Odoo + ClickHouse para vista unificada: trade incentives + sell-out + brand search + LAU CRM activity

Resultado: identificaron que los events traen 2.1× ROI vs trade marketing en las primeras 6 semanas, pero el trade-marketing es crítico para distribution availability (numeric distribution +18% tras el push Q1). Reasignaron: +35% events budget, −20% trade promotions, −15% OOH genérico. Sell-out volume +27% YoY en base match-store.

Descargá el checklist: telecom attribution stack readiness

Checklist de 13 puntos para CMO / Head of Marketing de telco o regulated CPG: privacy compliance (LGPD / LFPDPPP / Ley 29.733), data-stack maturity, MMM-readiness, MTA setup, geo-experiment infrastructure. Dejá tu email — te mando el PDF + Excel template para auto-auditar tu attribution stack.

Preguntas frecuentes