Supongamos que una empresa SaaS B2B del segmento mediano abre en octubre su informe de fuentes y ve que el tráfico directo es el canal que más crece por tercer trimestre consecutivo. Nadie lanzó una campaña de marca. Nadie escribe la URL de memoria. Mi impresión es que una buena parte de ese grupo son compradores que pidieron a un asistente de IA una lista corta, hicieron clic en un enlace y llegaron sin nada que indicara de dónde venían.
Este artículo trata de la atribución de referencias de IA en HubSpot (ai referral attribution hubspot) como una decisión operativa. Mi postura es que corresponde al modelo de datos de RevOps, no a la lista de pendientes de analítica.
Qué ocurre con una visita de IA antes de llegar a su CRM
Una referencia de IA es una visita que comienza desde un enlace dentro de la respuesta de un asistente, ya sea en ChatGPT, Perplexity, Gemini o Google AI Overviews. Hay tres maneras en que esa visita pierde su etiqueta.
La primera es el referente. Las aplicaciones de escritorio, los navegadores integrados en aplicaciones y los enlaces copiados y pegados a menudo no transmiten ningún referente, de modo que la visita parece de alguien que escribió su dirección. La segunda es el parámetro UTM. Algunos asistentes añaden una etiqueta de origen a los enlaces salientes, muchos no lo hacen, y el comportamiento cambia entre versiones de las aplicaciones. No tengo una buena respuesta sobre la proporción exacta por asistente, y quien cite una cifra precisa está adivinando.
La tercera es la clasificación. Cuando sí llega un referente desde un dominio que su seguimiento nunca ha visto, cae en un grupo genérico de referencias o se integra en otro canal, según cómo estén configuradas sus reglas de canal. La documentación de Google sobre el grupo de canales predeterminado muestra hasta qué punto esa clasificación se basa en reglas: una visita recibe la etiqueta que le dan las reglas, no la que merece el recorrido del comprador.
Por qué la atribución de referencias de IA en HubSpot es una cuestión de modelo de datos
Aquí está la parte que convierte esto de una molestia de reporting en un problema de RevOps. La fuente original de un contacto se establece cuando se crea el registro y no se reescribe. Por lo tanto, si la visita se archivó como directa el primer día, todos los informes que construya después heredarán ese error. Un mejor panel corrige la vista. No corrige el registro.
La razón por la que lo tratamos como una decisión de modelo de datos es poder plantear más adelante una pregunta que la configuración actual no puede responder: de los negocios que cerramos este año, ¿en cuántos hubo un asistente de IA en algún punto del recorrido? Para responderla, el contacto con el asistente debe almacenarse como un dato propio, no inferirse a posteriori a partir de la etiqueta de un canal.
Lo que se conoce como propiedad de fuente dedicada cumple esa función. Registra el contacto con el asistente a nivel de contacto, se traslada al negocio y cuenta con una regla escrita sobre qué fuente prevalece cuando dos entran en conflicto. Esas tres piezas, captura, almacenamiento y precedencia, son la decisión. Los cambios de etiquetas en el sitio web son la parte pequeña. Puede consultar cómo gestiona la plataforma el seguimiento de fuentes en la base de conocimientos de HubSpot, pero la documentación no le dirá qué regla de precedencia se ajusta a su proceso de ventas. Eso es un criterio sobre su negocio.
Lo que le cuesta esta brecha
El costo aparece en la conversación sobre el presupuesto. Un cliente nos contó hace poco que su presupuesto de marketing de 2026 ya estaba totalmente asignado, así que la planificación real era para 2027. Es una situación habitual. El debate de 2027 se gana con evidencia, y si su pipeline asistido por IA está dentro del tráfico directo, entrará a esa sala sin poder demostrarlo.
También funciona al revés. Un proveedor de servicios llave en mano informa públicamente de que un cliente pasó de 550 a más de 2.300 pruebas referidas por IA en cuatro semanas. Es una cifra autoinformada y sin método publicado, y yo la trataría como tal. Pero observe lo que supone: que alguien está contando de forma fiable las pruebas referidas por IA. La mayoría de los equipos aún no puede afirmar eso de su propio embudo.
Las fugas también ocurren más abajo. Otro cliente describió un posible error en la forma en que se almacenaban los valores UTM al crear una cuenta, lo que hacía que la fuente se perdiera justo en el momento en que importaba. La captura en el borde solo sirve si el valor sobrevive hasta el registro.
Cómo dimensionaría el trabajo
Mi regla general es esta. Con más de 100k de inversión publicitaria al mes, siempre recomiendo un proveedor de atribución multitáctil. Por debajo de esa cifra, hablamos de atribución de fuente offline, que en la práctica significa una propiedad limpia, una regla de precedencia clara y una revisión mensual del grupo de tráfico directo.
Para un equipo que pasa de la venta liderada por el fundador a dos AEs, diría que cualquier cosa más pesada es excesiva. Una propiedad y una revisión bastan para empezar a ver la forma del problema. Para una empresa con un ciclo de ventas más largo y varios interesados por negocio, conviene registrar el contacto con el asistente en el negocio y en los contactos del grupo de compra, no solo en la primera persona que completó un formulario.
Debo hacer una concesión. El tráfico directo siempre ha contenido dark social, marcadores y correo sin seguimiento, y no todo su crecimiento se debe a la IA. Para bien o para mal, no llegará al 100 por ciento. El objetivo es pasar de "desconocido" a "probablemente IA, marcado y revisable", y dejar de tratar el grupo de tráfico directo como un lugar donde el pipeline desaparece.
Dónde encaja el trabajo integrado
El orden importa, así que le explico cómo lo llevamos. La fase uno consiste en auditar lo que contiene hoy el grupo de tráfico directo y acordar la regla de precedencia. La fase dos consiste en construir la captura y el almacenamiento para que el valor sobreviva desde la visita hasta el cierre ganado. La fase tres es una revisión mensual ligera, normalmente de unas pocas horas, que se reduce cuando el hábito se consolida.
En Checkpoint GTM nos integramos al equipo en lugar de limitarnos a asesorar, algo relevante aquí porque este es un proyecto de cambios pequeños y conectados entre web, formularios, propiedades del CRM e informes. Una presentación que diga "rastree el tráfico de IA" no mueve ninguno de ellos. Alguien tiene que ser responsable de la propiedad, documentarla y responder cuando ventas pregunte por qué un negocio está etiquetado de cierta manera.
Mi recomendación es tomar la decisión antes de producir más contenido para la búsqueda con IA, no después. Si está invirtiendo en que los asistentes lo citen y no puede ver qué producen esas citas, está pagando por una visibilidad que no puede defender. Para saber más sobre cómo pensamos la capa operativa, consulte nuestros otros textos sobre RevOps.