ChatGPT elimina tus UTMs: cómo recuperar la atribución de leads cuando GA4 solo ve 'Directo'

El problema que nadie esperaba de ChatGPT

Durante años, el trabajo de cualquier equipo de marketing con acceso a GA4 ha seguido el mismo ritual: configurar UTMs, revisar la fuente de cada lead, defender los números delante del cliente. Era tedioso, pero funcionaba. Ahora hay una variable nueva que nadie invitó a la ecuación: ChatGPT recomienda tu negocio a un potencial cliente, ese cliente hace clic en el enlace, llega a tu sitio, rellena el formulario de demo... y GA4 apunta alegremente a Directo como origen.

No es un fallo de configuración tuyo. Es una decisión deliberada: las plataformas de IA eliminan los parámetros UTM de los enlaces salientes y, en muchos casos, también suprimen el referrer antes de que el navegador lo transmita. El resultado es que el tráfico procedente de recomendaciones de IA llega a tu servidor sin ninguna firma identificable. GA4 no puede inventarse un origen que nunca recibió, así que lo clasifica como tráfico directo.

Un análisis sobre unas 500 páginas puso números a lo que muchos ya intuían: mientras el tráfico atribuido a ChatGPT caía en torno a 31.000 visitas diarias, el canal Directo subía cerca de 26.000. La correlación temporal no es prueba definitiva, pero la coincidencia es demasiado estrecha para ignorarla.

Por qué GA4 no puede resolver esto por sí solo

Hay una confusión frecuente aquí: la gente busca la configuración que falta, la regla de atribución que no ha activado, el canal que no ha definido bien. No existe. El problema ocurre antes de que GA4 entre en juego. Cuando el referrer no llega al servidor y los UTMs han sido eliminados en el enlace que generó la IA, no hay información que recuperar a nivel técnico dentro de la herramienta. No es un bug de GA4: es la consecuencia directa de que la privacidad del usuario gana en este punto concreto de la cadena.

Esto genera una tensión real. Como usuario que consulta a una IA, que esa plataforma no transmita tus datos de navegación a terceros es razonable y legítimo. El RGPD y la dirección general de la privacidad digital van exactamente en esa dirección. Como responsable de marketing de una pyme que necesita justificar dónde va el presupuesto, ese mismo comportamiento te deja con una caja negra en medio del funnel. Ambas cosas son ciertas al mismo tiempo, y no hay un villano claro en la historia.

Lo que puedes hacer: estrategias de medición indirecta

Si no puedes recuperar la atribución directamente, la alternativa es construir evidencia indirecta lo suficientemente sólida como para tomar decisiones y, si es necesario, defenderla ante un cliente. Hay tres líneas de trabajo que se complementan.

1. Limpia primero tu propia atribución

Antes de intentar separar el tráfico de IA del Directo, asegúrate de que todo el tráfico que sí puedes controlar llega bien etiquetado. Emails, anuncios, publicaciones en redes sociales, enlaces en colaboraciones: todos con UTMs correctos y consistentes. El objetivo no es glamuroso, pero es fundamental: si Directo sigue acumulando tráfico que en realidad viene de tus propias campañas mal etiquetadas, cualquier análisis posterior será ruido.

Cuando Directo esté razonablemente limpio, un salto inesperado en ese canal empieza a significar algo. Se convierte en señal en vez de ruido.

2. Crea un grupo de control con páginas citadas y no citadas

Esta es la estrategia más robusta que ha circulado entre quienes trabajan este problema. La idea es sencilla aunque requiere disciplina: identifica qué páginas tuyas aparecen cuando alguien hace preguntas relevantes en ChatGPT o Gemini usando los prompts que usaría un comprador real de tu producto o servicio. Ese conjunto de páginas es tu grupo experimental.

Después selecciona un conjunto de páginas comparables: misma antigüedad aproximada, volumen de tráfico histórico similar, mismo tipo de contenido, pero que no aparecen en esas búsquedas de IA. Ese es tu grupo de control.

Durante varias semanas, observa el comportamiento del tráfico Directo en ambos grupos. Si el grupo experimental muestra subidas consistentes en Directo que el grupo de control no refleja, tienes un efecto medible y replicable. No es certeza absoluta, pero es lo suficientemente robusto para tomar decisiones presupuestarias. Demandas generales de marca o picos estacionales afectarían a ambos grupos por igual; lo que solo mueve el grupo citado es la señal que buscas.

Una advertencia importante: no intentes pedirle a la propia IA que te diga qué prompts llevan usuarios a tu sitio. No tiene acceso a conversaciones reales de sus usuarios. Lo que te responda son estimaciones plausibles, no datos. Las auditorías propias con prompts representativos de tu buyer persona son la alternativa fiable.

3. Recupera el formulario de 'cómo te enteraste'

Sí, parece un retroceso de quince años. Y en cierta forma lo es, pero con matices. Incluir una pregunta de origen en tus formularios de contacto o demo —con opciones que incluyan explícitamente 'me lo recomendó ChatGPT' o 'lo encontré a través de una IA'— te da datos declarativos que ninguna herramienta de analítica puede ofrecerte ahora mismo.

No reemplaza la atribución automática, pero la complementa de una forma que en 2026 resulta más valiosa que hace cinco años. El porcentaje de usuarios que responde honestamente no es del cien por cien, pero combinado con el análisis de grupos de control, empieza a construir una imagen coherente. Hay cierta ironía en que el marketing de última generación haya vuelto a necesitar esta pregunta, pero la alternativa es ignorar un canal que ya mueve volumen real.

¿Vale la pena construir un stack de first-party data?

La pregunta aparece con frecuencia: si los referrers externos desaparecen, ¿no deberíamos invertir en cookies propias, eventos custom y una capa de identificación interna que no dependa de lo que venga de fuera?

La respuesta honesta para una pyme es: depende del volumen de leads que gestiones y del tiempo que tengas para mantener esa infraestructura. Implementar cookies de primera parte bien configuradas y eventos custom en GA4 reduce la dependencia de datos de terceros y mejora la atribución de usuarios que regresan. Eso tiene valor independientemente del problema de las IAs. Pero si el cuello de botella actual es simplemente saber de dónde vienen tus leads en términos generales, el análisis de grupos de control y el formulario de origen te dan información accionable con coste cero en herramientas y unas horas de trabajo mensual.

La regla práctica: no construyas infraestructura técnica compleja para resolver un problema de medición que puedes aproximar bien con disciplina analítica básica. Si en seis meses el volumen de tráfico de IA en tu sector crece y los grupos de control muestran efectos consistentes, entonces sí tiene sentido invertir más. Empieza por lo que puedes hacer esta semana.

Convertir la incertidumbre en proceso

El canal de recomendaciones vía IA ya existe. No está en tus informes de GA4, pero está en el comportamiento de tus potenciales clientes. La respuesta no es esperar a que las plataformas cambien su política de privacidad —no lo harán—, ni comprar un dashboard que prometa visibilidad mágica sobre conversaciones privadas —no puede existir—.

La respuesta es construir un proceso de auditoría mensual: revisar qué páginas citan las IAs cuando un comprador hace preguntas de tu sector, limpiar tu propia atribución para que Directo sea una señal limpia, medir el delta entre grupos durante semanas, y recoger datos declarativos en el formulario de contacto. Nada de esto es glamuroso. Todo ello es accionable.

Si gestionas el marketing de una pyme y aún no has revisado cuánto ha crecido tu canal Directo en los últimos meses, puede ser un buen momento para mirarlo con esta perspectiva.