La medición causal no tiene un resultado: tiene un multiverso de resultados, y la mayoría de los equipos elige uno sin saber por qué.

Watson et al. demuestran que en experimentos con intervenciones espaciales —exactamente el tipo de diseño geo-experimental que usan los equipos de marketing para medir incrementalidad regional— la aleatorización por conglomerados identifica la forma del kernel de spillover pero no su nivel [2]. Este resultado es devastador para la práctica estándar: significa que todo estimador de efecto directo o total descansa en un supuesto de anclaje que rara vez se explicita. Los autores descomponen el sesgo resultante en tres componentes —término de nivel, error de forma y filtración geométrica— y muestran que cada uno es computable antes de recoger datos. Esto transforma la conversación: el diseño experimental deja de ser solo una cuestión de aleatorización limpia y se convierte en una negociación explícita sobre qué supuestos de anclaje son defendibles.

Ganong, Garg y Kasy aportan la cifra que debería forzar a cualquier equipo de medición a desconfiar de sus benchmarks de industria. En sus ejemplos empíricos —economía laboral, pública, del comportamiento, ambiental y del desarrollo—, el efecto medio corregido por selectividad de publicación se sitúa entre el 12 % y el 21 % de la media simple de los estudios publicados [6]. Dicho de otro modo: la media no corregida puede sobreestimar el efecto verdadero entre cinco y ocho veces. Cuando un equipo de marketing calibra sus expectativas de incrementalidad a partir de case studies publicados o benchmarks de plataforma, está consumiendo una literatura que sufre exactamente este sesgo. El toolkit de los autores permite corregir con tan solo tres estudios previos, lo que elimina la excusa de la escasez de datos.

Azriel, Krieger y Kapelner demuestran que para resultados binarios —tasa de conversión, tasa de compra, indicador de visita—, los diseños de bloqueo que satisfacen balance de covariables son asintóticamente óptimos en varianza bajo el modelo no paramétrico de Neyman [3]. Y dado que la estimación insesgada de la varianza es imposible en este contexto, sus estimadores conservadores basados en la generalización del estadístico CMH proporcionan intervalos de confianza asintóticamente válidos. Para equipos de marketing que operan con KPIs binarios, esto traduce directamente en una guía de diseño: bloquear antes de aleatorizar, y usar inferencia conservadora en lugar de fórmulas estándar de varianza.

Bordino, Berrett y Klopp extienden esta lógica a diseños de adopción escalonada —lanzamientos regionales secuenciales, activaciones graduales—, que son ubicuos en marketing. Su hallazgo clave es una transición de fase: la ganancia de agregar capas temporales a la estimación depende del número de unidades de tratamiento disponibles [4]. Esto tiene una implicación práctica directa: no siempre más fases de rollout producen más precisión, y el umbral es calculable a priori.

El experimento de campo de Akram, Fleischman, Hussam y Khan sobre cloración del agua en Pakistán ofrece una lección causal que trasciende su dominio: el aprendizaje experiencial propio y el aprendizaje social son estrictamente complementarios. Los hogares del brazo de aprendizaje con vecinos también en ese brazo cloran más un año después, con mejoras en salud infantil de 0,08 desviaciones estándar. Pero los hogares del brazo de aprendizaje sin vecinos del mismo brazo no muestran cambio sostenido, y los hogares fuera del brazo con vecinos dentro tampoco [7]. Ninguna de las dos fuentes de aprendizaje basta por sí sola. Para medición de marketing, esto implica que un test de incrementalidad que aísla el efecto de un canal sin considerar la configuración social del consumidor puede estar midiendo un efecto que no existirá en el despliegue real.

Haddad et al. formalizan un problema que afecta a cualquier equipo que use variables instrumentales o diferencia en diferencias para estimar elasticidades de demanda: bajo sustitución homogénea condicional en observables, estos diseños identifican la elasticidad relativa —la diferencia entre elasticidad propia y cruzada—, pero no los patrones de sustitución entre productos o canales [8]. El problema del coeficiente faltante implica que los controles por observables absorben mecánicamente la sustitución, dejándola sin identificar. Para marketing, esto significa que un test de incrementalidad basado en DiD que muestra que un canal generó conversiones incrementales puede estar contando conversiones que simplemente se reasignaron desde otro canal del mismo mix.

Chikish et al. ofrecen un contraejemplo instructivo de cómo resolver este tipo de confusión con diseño. Su estrategia de diferencia en discontinuidades, aplicada al programa de precios de congestión de Nueva York, explota una frontera geográfica nítida para aislar el efecto causal donde DiD estándar habría fallado: una directiva concurrente del FDNY confundía los estimadores de diferencia en diferencias pero no los basados en la discontinuidad espacial [5]. El resultado —reducción de tiempos de desplazamiento de EMS entre 63 y 70 segundos, sobre un primer estadio de caída de tráfico vehicular del 18 al 21 %— es creíble precisamente porque el diseño se construyó alrededor de la amenaza de identificación, no a pesar de ella.

La convergencia de estas ocho fuentes apunta a una posición incómoda pero necesaria: la mayoría de las mediciones de incrementalidad que se presentan como definitivas son, en realidad, una sola especificación dentro de un multiverso no explorado, contaminada por spillovers cuyo nivel no está identificado, calibrada contra benchmarks inflados entre cinco y ocho veces por sesgo de publicación [6], y potencialmente midiendo un efecto que no se sostendrá fuera de las condiciones experimentales si la configuración social del consumidor cambia [7]. La buena noticia es que cada uno de estos problemas tiene herramientas formales para abordarlo: marcos geométricos para el multiverso [1], descomposiciones de sesgo computables a priori [2], diseños de bloqueo con inferencia conservadora [3], y correcciones de selectividad aplicables con tres estudios [6]. La pregunta no es si las herramientas existen. Es si los equipos están dispuestos a abandonar la comodidad de un solo número.