Distorsión analítica que ocurre cuando los usuarios que reciben o interactúan con una campaña publicitaria son intrínsecamente diferentes de aquellos que no la reciben, invalidando las comparaciones simples.
Explicación y Contexto Conceptual
El Selection Bias (sesgo de selección) es el error metodológico más destructivo y frecuente en los informes convencionales de marketing digital. Se manifiesta cuando los analistas comparan el rendimiento de dos grupos (los que hicieron clic en un anuncio versus los que no) asumiendo erróneamente que la única diferencia entre ambos fue la exposición a la publicidad.
El ejemplo más paradigmático se da en las campañas de retargeting: los usuarios que reciben anuncios de retargeting son individuos que ya visitaron el sitio web, navegaron por el catálogo y colocaron un artículo en el carrito de compras. Comparar la tasa de conversión de estos usuarios con la de internautas aleatorios que nunca han visitado la tienda es una falacia analítica absoluta: su mayor propensión a comprar no fue causada por el banner, sino por el interés preexistente que los hizo calificar para entrar en la lista de retargeting.
Para eliminar el sesgo de selección, los equipos de ciencia de datos deben recurrir a experimentos controlados aleatorizados (RCTs) o a técnicas de emparejamiento como Propensity Score Matching (PSM).
Ejemplo en la Práctica
Un informe afirma que el retargeting es milagroso porque los usuarios impactados compran al 8% frente al 0.5% del tráfico frío; el 90% de esa diferencia es sesgo de selección puro.