Viewability resolvió un problema concreto, que era garantizar que el anuncio tuvo la oportunidad de ser visto. La pregunta que le sigue de forma natural, si alguien lo vio realmente, quedó sin respuesta.
El estándar MRC establece que un anuncio display es viewable cuando al menos el 50 % de sus píxeles permanece visible durante un segundo continuo (dos segundos para video). Es una definición binaria, un umbral mínimo. Pasas o no pasas. Y durante años, pasar ese umbral fue suficiente para validar una impresión como comprable.
El problema es que ese umbral se ha convertido en un piso, no en un indicador de efectividad. Hay anuncios que cumplen el criterio MRC y generan cero impacto porque el usuario ya entrenó su mirada para ignorarlos. Hay formatos que apenas superan el mínimo y producen resultados sólidos porque aparecen en un contexto donde el lector está comprometido con el contenido. Viewability mide el entorno, no mide al usuario.
Las métricas de atención buscan cerrar esa brecha. Pero a diferencia de viewability, que tiene un estándar claro y universal, la atención no tiene aún una definición operativa acordada. Lo que sí existe es un conjunto de señales, metodologías y productos comerciales que intentan capturarla. Entender cómo funcionan es el punto de partida para decidir cuándo y cómo usarlos.
Qué señales se usan para medir atención
La medición de atención publicitaria combina dos tipos de señales, las directas y las de proxy.
Las señales directas vienen de datos biométricos, principalmente eye tracking. El seguimiento ocular mide exactamente qué parte de la pantalla mira el usuario, durante cuánto tiempo y con qué intensidad. Es la señal más precisa porque elimina la inferencia y confirma que el anuncio fue visto, en lugar de calcularlo por probabilidad. El problema es que el eye tracking requiere paneles controlados, dispositivos especializados o, en versiones más ligeras, modelos de cámara web que los usuarios deben aceptar voluntariamente. Su escala no es comparable a la de una etiqueta JavaScript.
Las señales de proxy más comunes son el time-in-view (cuántos segundos permaneció el anuncio visible en pantalla, más allá del umbral binario), el share of screen (qué porcentaje del espacio visual ocupa el anuncio durante la exposición) y la velocidad de scroll del usuario en la zona donde aparece el anuncio. A estas se suman la posición del cursor en desktop, las interacciones con el video (pausa, volumen, replay) y la audibilidad del audio.
Ninguna de estas señales por sí sola es un indicador robusto de atención. La metodología que domina el mercado combina varias de ellas, las pondera mediante machine learning y produce un score compuesto.
Los modelos comerciales actualmente disponibles
El mercado tiene tres productos de referencia con adopción global.
IAS Quality Attention
Es el primero en combinar datos de eye tracking a escala con señales de verificación de medios. El modelo, anunciado en disponibilidad general en enero de 2024, une datos de Lumen Research con las señales propias de IAS (viewability, situación del anuncio, interacción del usuario). La ponderación corre por machine learning y produce un score de atención por impresión. Según datos de IAS, las marcas que optimizan hacia scores de Quality Attention más altos alcanzan hasta un 130 % de lift en tasas de conversión. El producto se expandió a mobile in-app en julio de 2024 y quedó disponible para publishers y SSPs en octubre de ese año, lo que permite a los medios demostrar la calidad de su inventario en términos de atención, no solo de viewability.
DV Authentic Attention
El modelo de DoubleVerify evalúa dos dimensiones. La primera es exposición (viewable time, share of screen, calidad de presentación del video, audibilidad) y la segunda es interacción (toques, orientación de pantalla, controles de audio). Analiza más de 50 señales en tiempo real sin depender de cookies. El modelo tiene su propio índice de referencia, el DV Attention Index, que usa 100 como baseline. Según el DV Global Insights Report 2024, que analiza más de un billón de impresiones entre enero y diciembre de 2023 en LATAM, EMEA, APAC y Norteamérica, el 47 % de los media buyers planeaba integrar métricas de atención en sus estrategias ese año. DV Authentic Attention triplicó su adopción durante ese mismo período.
Adelaide AU
Opera con una lógica distinta a IAS y DV. En lugar de construir un score a partir de señales recogidas durante la impresión, AU es una puntuación predictiva de 0 a 100 que estima la probabilidad de que un placement específico capture atención y genere resultados, calculada antes de la compra. El modelo fue entrenado con datos de eye tracking, interacción con anuncios y resultados de campaña. El Adelaide 2026 Outcomes Guide reúne 60 casos de estudio en 16 industrias con medición de terceros. Las campañas optimizadas con AU durante 2025 registraron en promedio un 33 % de lift en KPIs de upper-funnel y un 53 % de mayor impacto en lower-funnel.
Los tres modelos comparten la lógica de combinar señales de comportamiento con calibración mediante datos biométricos. Donde difieren es en el momento de la medición (AU opera pre-bid sobre el placement; IAS y DV miden durante la impresión), en la fuente del eye tracking (IAS se apoya en Lumen Research; DV construye su índice internamente; Adelaide usa datos de eye tracking propios integrados en su modelo de ML) y en el nivel de transparencia metodológica sobre la ponderación de señales.
Por qué no hay aún un estándar único
La ausencia de un estándar universal de atención no es una falla del mercado. Es el estado lógico de una métrica que lleva menos de cinco años en adopción comercial real.
En noviembre de 2025, el IAB y el MRC publicaron la versión final de las Attention Measurement Guidelines Version 1.0, el primer marco de referencia de la industria para medir atención de forma comparable entre plataformas y vendors. El documento establece cuatro enfoques metodológicos. Los contemplados son las señales de datos (time-in-view, scroll depth, interacciones), el visual tracking, las observaciones fisiológicas y neurológicas, y los paneles o encuestas.
Las guías son explícitas en que la atención no debe usarse como sustituto de métricas de resultados, sino como un dato adicional para entender exposición y engagement más allá de las métricas de delivery, en conjunto con medidas de outcomes. Lo que las guías no resuelven es la ponderación entre metodologías. Cada vendor puede seguir construyendo su modelo con las señales que elija, lo que mantiene abierta la dificultad de comparar scores entre plataformas.
La definición de atención aún no está acordada
La definición misma de atención es objeto de debate. ¿Se mide como exposición física (el ojo ve el anuncio), como procesamiento cognitivo (el cerebro registra el mensaje) o como outcome conductual (el usuario interactúa o recuerda)? Cada respuesta lleva a una metodología diferente.
El formato importa tanto como la señal
Las señales de proxy no se correlacionan de la misma manera con resultados de negocio en todos los formatos y contextos. Un score de atención alto en un banner desktop no equivale a un score alto en video CTV, porque los mecanismos de consumo son distintos. El DV Global Insights 2025 para Norteamérica encontró que los anuncios in-app de tamaño pequeño registran un 35 % por debajo del benchmark global en la dimensión de exposición. Las diferencias de formato afectan los resultados de atención con independencia del nivel de viewability.
El eye tracking a escala sigue siendo el límite operativo
El eye tracking a escala sigue siendo costoso. Los modelos de predicción que usan señales de proxy para inferir atención son más escalables pero más indirectos. Cuánto confías en el proxy depende de qué tan bien esté validado contra datos biométricos reales para el contexto específico en que compras.
Qué implica esto para quien compra programática en LATAM
La adopción de métricas de atención en LATAM está rezagada frente a los mercados maduros y no hay datos de adopción regional verificados aún para 2025. Lo que sí está disponible es la infraestructura. IAS Quality Attention y DV Authentic Attention operan en la región y los principales DSPs pueden ingerir estos scores como señales de optimización.
La decisión práctica ya no pasa por si usar o no atención como métrica. Pasa por saber en qué momento del proceso incluirla y con qué objetivo. Hay tres usos diferenciados que ya son operativos.
Los scores de atención, usados como capa de análisis post-campaña, ayudan a entender qué placements generaron exposición real más allá del viewability y a comparar CPM y performance entre contextos. Cuando se integran como señal de optimización durante la campaña, los DSPs que conectan con IAS o DV pueden usar el attention score como variable de bid, priorizando inventario con historial de atención alta. En el sell-side, la disponibilidad de Quality Attention para publishers (desde octubre 2024 en IAS) abre espacio para negociaciones de precio basadas en calidad de exposición, más allá del CPM estándar.
Próximos pasos
Si gestionas campañas en un DSP con integración a IAS o DoubleVerify, el punto de partida más directo es activar el reporte de attention metrics en las campañas actuales antes de tomar decisiones de optimización. Los datos de time-in-view y score compuesto ya están disponibles en esas plataformas sin costo adicional en muchos casos.
Si tu DSP no tiene integración nativa, la señal más aproximada que puedes construir por tu cuenta es el tiempo de exposición combinado con scroll depth en los placements donde tienes acceso a ese dato. No alcanza el nivel de atención certificada, pero supera al binario de viewability como indicador de calidad de inventario.
El mercado convergerá hacia un estándar. Mientras tanto, entender qué mide cada modelo y con qué limitaciones es la diferencia entre usar estas métricas con criterio o acumular un score más en el dashboard.
Nota sobre los datos de este artículo Los datos de adopción de métricas de atención provienen del DV Global Insights Report 2024 y de comunicados oficiales de IAS. Ambas fuentes tienen alcance global. No existe aún un desglose público verificado de adopción de estas métricas específicamente para LATAM.