Índice de contenidos
Hay algo perturbador en la cantidad de decisiones de marketing que se toman hoy con más datos que nunca y, aun así, con menos criterio que hace una década. No es una paradoja retórica: es lo que se observa cuando se audita, campaña a campaña, cómo llegan los equipos a sus conclusiones. El problema no es la falta de información. El problema es que se ha confundido tener acceso a un dashboard con saber leerlo.
Durante años, el discurso del sector ha insistido en que la solución a la mala toma de decisiones era «más datos». Más tracking, más integraciones, más paneles en tiempo real. Y sin embargo, cuando se revisan los informes trimestrales de agencias y equipos in-house, se repite un patrón: se presentan cifras correctas extraídas de fuentes correctas, pero interpretadas de manera que confirma lo que el equipo ya quería creer. No es un fallo técnico. Es un fallo de razonamiento, y ese es un problema mucho más difícil de resolver con un nuevo software.
La correlación sigue ganando la partida a la causalidad
Sube el gasto en Meta Ads un 20 % en octubre. Sube el revenue un 15 % ese mismo mes. Conclusión en la reunión de dirección: Meta funciona, hay que subir presupuesto. Nadie pregunta si octubre coincide con el inicio de la campaña de Navidad, con una subida estacional del tráfico orgánico o con una promoción de precio que se lanzó justo esas semanas.
Esto no es un ejemplo hipotético construido para ilustrar un punto teórico; es, con variaciones, la reunión mensual de cientos de equipos de performance en España. La correlación es cómoda porque no exige trabajo adicional: se observan dos líneas que suben a la vez y se construye una narrativa. La causalidad exige diseñar el experimento antes de lanzar la campaña, no después de ver los resultados. Y ahí está el primer gran malentendido: los datos no explican por qué ocurre algo, solo describen que ha ocurrido. La explicación la pone quien los interpreta, y esa persona suele estar sesgada hacia la lectura que justifica su presupuesto o su bonus.
Ronny Kohavi, que dirigió durante años los equipos de experimentación de Microsoft y Airbnb, ha repetido en distintas conferencias del sector que la mayoría de las ideas que los equipos están convencidos de que van a mejorar una métrica de negocio, en realidad no lo hacen cuando se testan de forma rigurosa. La cifra exacta varía según el estudio, pero ronda entre el 70 % y el 90 % de fracaso en experimentos bien diseñados. Si eso es cierto para equipos con recursos de Microsoft, ¿qué probabilidad hay de que la intuición de un equipo de marketing con un Google Sheets y Google Analytics acierte sistemáticamente al leer una correlación suelta?
Un dashboard bonito no es una conclusión
Hay una industria entera montada alrededor de hacer que los datos se vean bien. Looker Studio, Power BI, dashboards a medida con la identidad visual de la marca. Todo eso es legítimo y, en según qué contextos, necesario. El problema aparece cuando el diseño del informe sustituye al análisis del informe.
Un dashboard con gráficas de líneas ascendentes genera una sensación de control que rara vez se corresponde con la realidad del negocio. Se puede tener un CTR precioso y una tasa de conversión a venta real que se hunde. Se puede tener un ROAS declarado por la plataforma publicitaria que no tiene nada que ver con el ROAS incremental, es decir, con las ventas que no se habrían producido de todos modos sin esa inversión publicitaria. Facebook, Google y TikTok tienen un incentivo estructural para atribuirse el mérito de conversiones que habrían ocurrido igualmente por búsqueda directa, boca a boca o fidelización previa. No es una conspiración: es simplemente cómo funciona su modelo de atribución por defecto, y muy pocos equipos se molestan en cuestionarlo.
El caso de la campaña que «funcionó» en rebajas
Hace un par de temporadas, un e-commerce de moda de tamaño medio registró un incremento del 34 % en clics tras rediseñar el botón de compra durante la campaña de rebajas de enero. El equipo de UX celebró el resultado como una validación clara de su hipótesis de diseño. Lo que nadie puso sobre la mesa en la reunión de resultados fue que, en ese mismo periodo, la tasa de devoluciones subió un 18 % y el ticket medio bajó un 9 %. El nuevo botón generaba más compras impulsivas, sí, pero peor cualificadas. La métrica que se había definido como objetivo —clics, luego conversiones— ocultaba un deterioro real en la rentabilidad de esas conversiones.
Ese es el tipo de error que no aparece en ningún curso introductorio de analítica digital, porque no es un error de medición. Es un error de qué se decide medir y celebrar. Cuando el objetivo declarado de una campaña es «aumentar conversiones» sin más matiz, se está invitando al equipo a optimizar exactamente eso: conversiones, sin importar su calidad posterior.
Atribución last-click: la comodidad que nadie quiere abandonar
El modelo de atribución last-click sigue siendo, con diferencia, el más utilizado en la práctica, a pesar de que prácticamente ningún profesional serio del sector lo defiende en público desde hace años. Todo el mundo sabe que es una simplificación grosera del recorrido real del cliente. Y aun así, sigue siendo la base sobre la que se reparten presupuestos en la mayoría de comités de marketing.
¿Por qué persiste algo que el propio sector reconoce como defectuoso? Porque el modelo alternativo —atribución multitouch, modelos de mezcla de medios (MMM), experimentos de geo-testing— exige un nivel de sofisticación estadística, de paciencia y de inversión que muchas organizaciones no están dispuestas a asumir. Es más fácil vivir con un error conocido que invertir en corregirlo. Y aquí conviene ser honesto: no todas las marcas necesitan un modelo de mixed media complejo. Una pyme con 3.000 euros de presupuesto mensual en medios pagados probablemente pierde más tiempo y dinero intentando montar un MMM propio que aceptando las limitaciones del last-click y compensándolas con sentido común. La sofisticación estadística no es gratis, y aplicarla mal genera una falsa sensación de rigor que es todavía peor que reconocer la simplicidad del modelo que se está usando.
Esto contradice un poco el discurso habitual de las agencias de medios, que suelen vender la atribución avanzada como una necesidad universal. No lo es. Lo que sí es universal es la obligación de saber, con precisión, qué está midiendo cada modelo y qué distorsión introduce. El problema no es usar last-click; el problema es usarlo sin saber que se está usando y sin ajustar las decisiones a esa limitación.
El tamaño de la muestra importa más que el entusiasmo del equipo
Uno de los errores más frecuentes y menos discutidos en los equipos de growth es declarar ganador un test A/B con una muestra insuficiente. Se lanza un test de dos variantes de landing, a los tres días una variante muestra un 22 % más de conversión, y el equipo decide implementarla de forma definitiva. Lo que no se comprueba es si esa diferencia es estadísticamente significativa o si es simplemente ruido dentro del margen esperable de variación con ese volumen de tráfico.
Con tráficos bajos —y la mayoría de las marcas medianas en España trabajan con tráficos bajos para estándares de test A/B fiables—, se necesitan semanas, a veces meses, para alcanzar una significancia razonable. La presión comercial no espera tanto. Así que se decide antes de tiempo, se celebra el resultado, y tres meses después la métrica que supuestamente había mejorado un 22 % vuelve a sus niveles anteriores sin que nadie sepa muy bien por qué. La respuesta suele ser sencilla y poco satisfactoria: nunca hubo una mejora real, solo una fluctuación aleatoria que se interpretó como señal.
Para saber si un test A/B merece confianza antes de tomar una decisión con presupuesto real, conviene revisar al menos estos tres puntos:
- Si se ha alcanzado el tamaño muestral mínimo calculado antes de empezar el test, no después de ver resultados favorables.
- Si el test ha cubierto al menos un ciclo semanal completo, para evitar sesgos por comportamiento distinto entre días laborables y fin de semana.
- Si el resultado se mantiene estable durante al menos 48-72 horas adicionales tras alcanzar la significancia, en lugar de detener el test en el primer pico favorable.
Ignorar estos filtros no es un descuido menor. Es la razón por la que tantas «optimizaciones» ganadoras en el informe de un trimestre desaparecen sin explicación en el siguiente.
Cuando dirección pide insights y el equipo entrega ruido
Hay una dinámica de poder detrás de la mala interpretación de datos que rara vez se menciona en los artículos sobre analítica. Cuando un director de marketing pide «insights» en una reunión, está pidiendo, en la práctica, una narrativa que justifique decisiones ya tomadas o que ofrezca una explicación reconfortante de por qué los resultados no han sido los esperados. El analista que responde «no tenemos datos suficientes para afirmar eso con confianza» rara vez queda bien en esa reunión. El que responde con una historia clara, aunque esté construida sobre una base estadística frágil, suele ser el que asciende.
Esto genera un incentivo perverso: recompensar la narrativa segura por encima de la honestidad estadística. Y con el tiempo, los equipos aprenden la lección implícita. Dejan de decir «no lo sabemos» y empiezan a decir «los datos muestran que», aunque lo que muestren en realidad sea ambiguo. No es deshonestidad deliberada en la mayoría de los casos; es adaptación al entorno en el que se trabaja. Pero el resultado agregado, sumado en cientos de reuniones a lo largo de un año, es una organización que cree tener un conocimiento del cliente que en realidad no tiene.
La significancia estadística no equivale a relevancia de negocio
Aquí hay un matiz que suele confundirse incluso entre perfiles con formación técnica sólida. Un resultado puede ser estadísticamente significativo —es decir, poco probable que se deba al azar— y al mismo tiempo ser irrelevante para el negocio. Con muestras muy grandes, prácticamente cualquier diferencia mínima acaba siendo «significativa» en términos estadísticos. Un cambio de color de botón que mejora la conversión un 0,3 % con un millón de sesiones puede arrojar un p-valor impecable y, al mismo tiempo, no justificar ni una hora de desarrollo si el impacto en ingresos anuales es de 4.000 euros sobre una facturación de ocho cifras.
El error contrario también existe y es igual de dañino: descartar una mejora relevante porque no alcanza significancia estadística con una muestra pequeña, cuando en realidad el efecto es real pero el test simplemente no tenía potencia suficiente para detectarlo. Los equipos de marketing tienden a tratar la significancia estadística como un semáforo binario —verde, se implementa; rojo, se descarta— cuando debería tratarse como un input más, junto al coste de implementación, el riesgo de la decisión y el tamaño real del efecto esperado.
Datos cualitativos: el punto ciego de los equipos que presumen de ser data-driven
Cuanto más orgulloso está un equipo de ser «data-driven», más tiende, paradójicamente, a ignorar los datos cualitativos. Entrevistas con clientes, sesiones de usabilidad grabadas, respuestas abiertas en encuestas de satisfacción: todo eso se percibe como blando, poco riguroso, difícil de meter en una hoja de cálculo. Y sin embargo, con frecuencia contiene la explicación causal que el análisis cuantitativo es incapaz de ofrecer por sí solo.
Un ejemplo habitual: la tasa de abandono en el checkout sube un 6 % tras un rediseño. El análisis cuantitativo puede mostrar en qué paso concreto se produce el abandono, pero no explica por qué. Cinco entrevistas de veinte minutos con usuarios reales que han abandonado ese proceso suelen revelar en la primera sesión un problema de confianza —un método de pago que genera dudas, un mensaje de error confuso— que ningún heatmap habría detectado con la misma claridad. La cuantificación dice dónde se rompe el proceso. La conversación con el usuario dice por qué se rompe. Tratar estos dos tipos de información como jerárquicamente desiguales, con el cuantitativo siempre por encima, es uno de los sesgos metodológicos más caros y menos cuestionados del sector.
Una opinión que no gusta escuchar en los comités de dirección
Aquí conviene decir algo que contradice buena parte del discurso dominante sobre la madurez analítica: en muchas organizaciones, más dashboards han empeorado la calidad de las decisiones, no la han mejorado. La proliferación de paneles genera la ilusión de control y multiplica las oportunidades de elegir, entre decenas de métricas disponibles, aquella que respalda la conclusión que ya se quería defender. Es lo que en estadística se conoce informalmente como p-hacking aplicado al marketing: cuando se tienen quince métricas sobre la mesa, es casi seguro que al menos una de ellas mostrará una tendencia favorable a la narrativa deseada, simplemente por azar.
La solución no es menos datos, sino menos métricas expuestas en cada decisión concreta. Definir de antemano —antes de lanzar la campaña, antes de abrir el dashboard— cuál es la métrica que determinará el éxito o el fracaso, y comprometerse con esa elección. Es una disciplina incómoda, porque elimina la posibilidad de reinterpretar los resultados a posteriori según convenga. Pero es, precisamente, esa incomodidad la que separa un análisis honesto de un ejercicio de justificación retrospectiva disfrazado de rigor cuantitativo.
Lo que separa a los equipos que sí interpretan bien sus datos
No es casualidad que los equipos que consistentemente toman mejores decisiones basadas en datos comparten unos pocos hábitos, más de disciplina que de herramienta. Definen la métrica de éxito antes de actuar, no después. Aceptan explícitamente la posibilidad de estar equivocados y diseñan sus tests para poder detectarlo, no para confirmarlo. Combinan de forma sistemática el dato cuantitativo con la conversación cualitativa, en lugar de tratar la segunda como un complemento opcional. Y, sobre todo, cultivan una cultura interna donde decir «esto no lo sabemos con certeza» no penaliza profesionalmente a quien lo dice.
Esto último es, probablemente, el factor más determinante y el menos técnico de todos. Ninguna plataforma de analítica, por sofisticada que sea, corrige un incentivo organizativo que premia la certeza aparente sobre la honestidad intelectual. Se puede tener el stack tecnológico más avanzado del mercado y seguir tomando decisiones peores que un equipo con Excel y sentido crítico, si la cultura interna castiga la duda razonable y premia la narrativa cómoda.
La pregunta que probablemente debería hacerse cada equipo de marketing antes de su próxima reunión de resultados no es «qué nos dicen los datos», sino una más incómoda: si estos mismos números hubieran mostrado justo lo contrario, ¿habríamos llegado a una conclusión diferente, o habríamos encontrado igualmente la forma de justificar la decisión que ya teníamos en mente?