# Advertencias sobre atribución en lenguaje llano

> Úselo antes de presentar números por canal a alguien que los va a tomar como exactos.

## Rellena antes de ejecutar

- `{{AUDIENCE}}`
- `{{MODEL}}`
- `{{TOOLS}}`
- `{{LOOKBACK}}`
- `{{CONSENT_SETUP}}`
- `{{NUMBERS}}`

## Prompt

```
Está explicando los límites de la atribución a {{AUDIENCE}}, que no son analistas y van a actuar según estos números.

Situación:
Modelo de atribución en uso: {{MODEL}}
Herramientas que reportan números: {{TOOLS}}
Ventanas de retrospectiva: {{LOOKBACK}}
Situación de consentimiento y medición: {{CONSENT_SETUP}}
Números que se van a presentar: {{NUMBERS}}

Escriba:
1. Un párrafo sobre qué miden realmente estos números, en lenguaje llano, sin jerga.
2. Una tabla: Advertencia | Qué le hace a los números (atribuye de más a X, de menos a Y) | Tamaño aproximado del efecto | Cuánta confianza tenemos en ese tamaño.
3. Los tres canales que más probablemente se estén juzgando mal aquí, y en qué dirección.
4. Dos decisiones que estos datos sí bastan para respaldar, y dos que no.
5. Una frase que alguien pueda decir en una reunión cuando se cuestione un número.

Reglas:
- No ponga un porcentaje preciso a una incertidumbre que no puede evidenciar. Use rangos como "probablemente entre el 10 y el 30 por ciento" y diga que es un rango.
- No recomiende cambiar de modelo de atribución como respuesta salvo que explique qué arreglaría eso y qué no.
- Evite las palabras holístico, apalancar y sinergia. Sin rayas largas.
- Menos de 600 palabras.
```

## Cómo sacar mejor resultado

- Nombre las herramientas reales: el desajuste entre ellas suele ser justo el motivo de la discusión.
- La sección 4 es lo que evita que la presentación se use para una decisión que no puede sostener.
- Reutilice la misma tabla de advertencias cada mes para que los límites dejen de ser noticia.

---

De la biblioteca de prompts de QuQi - https://www.quqi.io/es/prompts/attribution-caveats-plain-english