←︎ Volver a la bitácora

Qué medir para decidir mejor

Contar visitas o clics no basta para saber si el marketing funciona. Primero necesito decidir qué quiero averiguar y qué haría con la respuesta. Los números muestran parte de lo que ocurre; para entender por qué, también tendré que hablar con clientes, observar cómo usan la propuesta o hacer una prueba.

QUÉ VAS A APRENDER

Elegir qué medir, explicar cómo lo vas a contar y usar el resultado para decidir qué cambiar en tu marketing.

4 min de lectura

Un informe con más números no siempre ayuda a decidir

Es fácil recopilar visitas, clics, seguidores o aperturas de correos y sentir que el proyecto avanza. Pero ¿qué haría de otra manera si esos números subieran o bajaran? Si no puedo responder, quizá esté dedicando tiempo a preparar informes sin acercarme a la decisión que necesito tomar.

Al leer Web Analytics 2.0 aprendí a distinguir el clickstream, el registro de lo que una persona hace en una web, del insight, la comprensión que podemos obtener al interpretar lo ocurrido. El registro puede decirme que alguien hizo clic, pero no por qué lo hizo. Quizá le interesaba la propuesta, sintió curiosidad o pulsó por error. Un gráfico muestra ese clic; no demuestra que la persona quiera comprar.

Elegir el dato que necesitas para tomar una decisión

Yo empezaría por la decisión: cambiar el mensaje, revisar dónde nos anunciamos, mejorar la oferta, parar una campaña o hablar con clientes. Después elegiría un dato que me ayude a decidir y anotaría lo que no permite saber. Si quiero averiguar si la oferta se entiende, los clics pueden dar una primera pista. Si quiero saber si ganamos dinero, tendré que mirar las compras, lo que cuesta conseguirlas y el margen que queda después de entregar lo vendido.

También necesito entender qué está contando la herramienta. Un clic puede registrarse como un evento, es decir, una acción. Una compra puede marcarse como una acción especialmente importante para el negocio. La herramienta agrupa algunas acciones en sesiones, según sus reglas de tiempo y actividad. Una misma persona puede volver varias veces y generar varias sesiones: diez sesiones no significan necesariamente diez clientes.

Ejemplo hipotético: cambiamos el titular de una página y conseguimos más clics, pero el número de personas que nos contactan sigue igual. Antes de decidir si el titular funciona, revisaría quién está llegando y qué encuentra después de pulsar. Puede que estemos atrayendo a personas que no necesitan el producto o que la página siguiente no explique bien lo que ofrecemos.

Comprobar qué puede explicar el resultado

Antes de interpretar un cambio, comprobaría si estoy comparando periodos o versiones parecidos y si tengo suficientes casos. También buscaría otras explicaciones posibles. Un modelo de atribución, por ejemplo, reparte entre varios canales el mérito de una compra: puede asignar parte a un anuncio y parte a una visita posterior. Ese reparto no demuestra que el anuncio, por sí solo, haya provocado la compra.

Hablar con los clientes, observar qué hacen y probar cambios puede ayudarnos a entender lo que los registros de la web no explican. Avinash Kaushik propone combinar esos registros con los resultados del negocio, los experimentos, las opiniones de clientes y la información sobre competidores. Cada fuente permite ver una parte; ninguna responde por sí sola a todas las preguntas.

También guardaría las pruebas que no han conseguido ventas. Pueden ayudarnos a descubrir que un canal no nos sirve, que la oferta no se entiende o que aún no ha pasado el tiempo que necesita un cliente para comprar. El cero, por sí solo, no permite elegir entre esas explicaciones.

Dejar por escrito qué medirás y qué harás después

Para aplicarlo, prepararía una ficha que diga qué decisión quiero tomar, qué dato miraré, cómo se cuenta, de dónde sale y durante qué periodo lo observaré. Añadiría qué resultado me llevaría a cambiar algo. Si la pregunta es «¿seguimos anunciándonos aquí?», me fijaría en las conversaciones con personas que pueden necesitar la oferta y en cuánto cuesta conseguir un cliente. El porcentaje de clics no basta. Si todavía tengo pocos casos, dejaría claro que solo es una primera pista.

Imagina una prueba de anuncios dirigida a dos grupos durante el mismo periodo. Anotaría cuánto gastamos, cuántas veces se mostraron los anuncios, cuántos clics hubo y cuántas conversaciones y ventas conseguimos. Si no hubo ventas, revisaría si aún era pronto para esperarlas, si el seguimiento permite saber de dónde llegan o si la propuesta no interesa. No elegiría una explicación solo porque encaje con lo que yo esperaba.

Otra persona del equipo debería poder leer la ficha y entender qué estamos midiendo y cómo vamos a usarlo. Si el número solo tiene sentido cuando yo lo explico, todavía falta dejar claro cómo tomar la decisión.

Qué mide el dato, qué necesitamos saber para interpretarlo y qué decisión puede ayudarnos a tomar.

Qué me llevo para medir mejor

  • Primero decido qué necesito averiguar y después qué dato puede ayudarme.
  • Compruebo si la herramienta cuenta acciones, visitas, personas o compras; no son lo mismo.
  • Distingo el resultado registrado de mi explicación y busco otras explicaciones posibles.
  • Completo los números hablando con clientes, observando y haciendo pruebas.

Para revisar tus métricas

  • ¿Qué harías de otra manera si este dato subiera o bajara?
  • ¿Qué está contando realmente la herramienta?
  • ¿Qué otra explicación podría tener el resultado?
  • ¿Qué necesitas preguntar u observar para entender lo que los números no cuentan?

Cómo se ha elaborado esta bitácora

Esta bitácora parte de mis apuntes sobre Kaushik y de los análisis de campañas de Daves. La documentación de Google Analytics 4 ayuda a precisar qué cuenta la herramienta y cómo atribuye las compras. Los ejemplos son hipotéticos; no son resultados nuevos de aquellas campañas.

Fuentes

  1. Avinash Kaushik · Multiplicity and Web Analytics 2.0 ↗︎

    Artículo completo consultado el 22/09/2026. Propone combinar registros de navegación, resultados, experimentos, opiniones de clientes e información sobre competidores.

  2. Google Analytics 4 · Events and key events ↗︎

    Página completa consultada para distinguir eventos, acciones importantes y su configuración. Explica el funcionamiento de la herramienta; no demuestra qué causa una compra.

  3. Google Analytics 4 · Attribution ↗︎

    Página de ayuda consultada sobre cómo se reparte el mérito de una compra entre canales. Ese reparto no prueba por sí solo qué la provocó.

Datos de la entrada
Autor
Iván Carrillo
Revisión
2026-09-22
Idioma
Español
Apoyo de elaboración
Inteligencia artificial para investigación, redacción y montaje; basada en mis notas personales.
Infografía ampliada