Índice de contenidos
Cinco variables de texto, ninguna magia detrás. Así de simple es el sistema de parámetros UTM que sostiene buena parte de las decisiones de inversión publicitaria de cualquier empresa con presencia digital medianamente seria. Y así de frecuente es que esas cinco variables se conviertan en la fuente de los datos más contaminados de cualquier cuenta de analítica.
Quien lleve tiempo gestionando campañas sabe que el problema casi nunca es técnico. Google no ha cambiado la estructura básica de una UTM desde que Urchin (la empresa que dio origen a Google Analytics) la diseñó hace más de veinte años. El problema es organizativo: demasiadas manos tocando el mismo enlace, sin un criterio común, sin revisión y sin memoria histórica de qué se decidió la última vez. El resultado es previsible. Datos fragmentados, campañas que aparecen duplicadas bajo tres nombres distintos y un informe de adquisición que nadie se atreve a presentar en el comité de dirección sin antes depurarlo a mano.
Esta guía no pretende repetir lo que ya aparece en la documentación oficial de Google. Pretende algo más útil: sentar un criterio para decidir cómo se nombran, quién las aprueba y cuándo conviene, directamente, no usarlas.
Cinco parámetros, un problema de gobernanza
Toda UTM se construye a partir de cinco parámetros, aunque en la práctica casi ninguna campaña necesita los cinco a la vez. utm_source identifica el origen del tráfico (el sitio, la plataforma o la lista que envía al usuario). utm_medium clasifica el canal (cpc, email, social, referral). utm_campaign agrupa el conjunto de acciones bajo un nombre común. utm_content diferencia variantes dentro de una misma campaña, como distintos anuncios o botones. utm_term recoge la palabra clave, un uso que ha quedado casi residual desde que la mayoría de las plataformas de búsqueda de pago inyectan automáticamente sus propios parámetros de seguimiento.
Nada de esto es complicado de entender por separado. La dificultad aparece cuando varias personas (el equipo de social, la agencia de medios, el freelance que gestiona el email marketing) generan sus propias UTM sin consultarse entre sí. Cada una tiene su lógica interna, perfectamente razonable vista de forma aislada, y absolutamente incompatible con la del resto. En Google Analytics 4 esto se traduce en canales de adquisición que se solapan, campañas que aparecen fragmentadas en tres o cuatro variantes de escritura y un informe de rendimiento que exige media jornada de limpieza en Looker Studio antes de poder sacar una sola conclusión fiable.
La solución no es técnica, es de gestión. Antes de escribir una sola UTM hace falta un documento de gobernanza, por sencillo que sea, que fije cómo se nombra cada cosa y quién tiene la última palabra cuando hay dudas. Sin eso, cualquier discusión posterior sobre «por qué no cuadran los números» será una discusión sobre parcheados, no sobre datos.
utm_source y utm_medium se pisan más de lo que parece
Uno de los errores más comunes, incluso en equipos con experiencia, es confundir el origen con el canal. Facebook no es un medio, es una fuente. El error habitual consiste en escribir utm_source=facebook_ads y utm_medium=facebook, cuando lo correcto sería separar con claridad: la fuente identifica de dónde viene el clic (facebook), y el medio identifica el tipo de tráfico que es (cpc, social-paid, paid-social).
Esta distinción no es un capricho semántico. Google Analytics 4 utiliza una combinación de reglas y machine learning para agrupar el tráfico en canales predeterminados (Paid Social, Organic Social, Email, Referral…), y esa agrupación depende directamente de cómo se rellenen utm_source y utm_medium. Si el medio no encaja con ninguno de los patrones que GA4 reconoce, el tráfico acaba cayendo en «Unassigned» o en un canal genérico llamado «Other», que en la práctica es donde va a morir cualquier intento serio de atribución.
Existe un consenso amplio, aunque no unánime, sobre qué valores usar para utm_medium: cpc para búsqueda de pago, paid-social o social-paid para social de pago (según convención interna), email para correo, referral para enlaces externos no pagados y affiliate para marketing de afiliación. Da igual cuál se elija exactamente. Lo que importa, y esto se repetirá varias veces a lo largo del texto porque es la raíz de casi todos los problemas, es que se elija uno y se mantenga sin excepciones.
utm_campaign: la trampa de nombrarla como el brief interno
Aquí aparece un vicio muy extendido entre agencias y equipos internos: nombrar la campaña igual que el documento de briefing. «Q3_lanzamiento_producto_v2_FINAL» puede tener sentido dentro de una carpeta de Google Drive, pero como valor de utm_campaign es una fuente segura de inconsistencias. Basta con que alguien, meses después, la reescriba como «Q3_lanzamiento_producto_v2_final» (con minúscula) para que Google Analytics la trate como una campaña distinta, dado que los parámetros UTM son sensibles a mayúsculas y minúsculas.
Este detalle, tan pequeño que resulta casi ridículo mencionarlo, es responsable de un porcentaje sorprendentemente alto de los datos duplicados que aparecen en las cuentas reales. Una tienda online de tamaño medio que gestione, pongamos, entre 30 y 40 campañas activas al mes, puede encontrarse con que un 15-20% de sus enlaces contienen variaciones tipográficas que fragmentan el histórico de una misma acción en varias filas del informe. No es una cifra oficial de ningún estudio, es una estimación razonable basada en la experiencia de auditar cuentas de este tipo, pero cualquiera que haya limpiado un informe de adquisición reconocerá el patrón.
La recomendación práctica, y aquí sí conviene ser tajante, es forzar siempre minúsculas y guiones (nunca espacios, nunca guiones bajos mezclados con guiones normales) en todos los parámetros. No como sugerencia de estilo, como regla de obligado cumplimiento dentro de cualquier equipo.
utm_content y utm_term, los hermanos olvidados
Mientras que utm_source, utm_medium y utm_campaign reciben toda la atención, utm_content y utm_term suelen quedar en un segundo plano, y ese descuido tiene un coste real cuando llega el momento de optimizar creatividades.
utm_content sirve para diferenciar variantes dentro de una misma campaña: dos anuncios distintos, dos ubicaciones de banner, dos versiones de un botón de llamada a la acción en un email. Sin este parámetro, comparar el rendimiento de una creatividad frente a otra dentro de la misma campaña se vuelve prácticamente imposible desde Analytics, y hay que recurrir al panel nativo de la plataforma publicitaria, que no siempre cruza bien los datos de conversión con el resto del embudo.
utm_term, por su parte, ha perdido buena parte de su función original. Nació para etiquetar la palabra clave que activaba un anuncio de búsqueda, pero Google Ads y Microsoft Advertising llevan años inyectando automáticamente sus propios parámetros (gclid, msclkid) que ya cumplen esa función con mayor precisión. Mantenerlo activo en campañas de búsqueda de pago suele ser redundante. Donde sí conserva utilidad real es en email marketing, para diferenciar segmentos de audiencia dentro de un mismo envío, algo que muchas plataformas de automatización todavía no resuelven de forma nativa.
La nomenclatura importa más que la herramienta
Se puede tener acceso al generador de campañas de Google, a un creador de UTM personalizado en Google Sheets, o a una herramienta de pago como UTM.io o Terminus. Ninguna de ellas resuelve el problema de fondo si detrás no hay una convención de nomenclatura escrita, versionada y accesible para todo el equipo.
Un documento de nomenclatura eficaz responde a preguntas muy concretas: ¿se usa guion o guion bajo? ¿el nombre del canal va antes o después del nombre de la campaña? ¿cómo se etiqueta una campaña que dura varios trimestres? ¿qué pasa cuando dos equipos lanzan campañas paralelas con el mismo nombre de producto? Ninguna de estas preguntas tiene una respuesta universalmente correcta. Lo que tienen es una respuesta que debe ser la misma siempre, dentro de una misma organización.
Un patrón que funciona razonablemente bien en la práctica, aunque no es el único válido, sigue esta estructura:
- utm_source: plataforma de origen en minúsculas (google, meta, newsletter-mensual)
- utm_medium: canal normalizado (cpc, paid-social, email, referral)
- utm_campaign: fecha o trimestre + nombre corto de producto o iniciativa (2026-q1-lanzamiento-app)
- utm_content: variante creativa o ubicación (banner-superior, video-15s)
- utm_term: solo cuando aporte valor real de segmentación
Esta es la única lista de viñetas necesaria para explicar el sistema, y se incluye aquí precisamente porque una estructura de nomenclatura sí gana claridad al desglosarse campo por campo. El resto del criterio se explica mejor en prosa, porque depende de matices que una lista no puede recoger.
Google Analytics 4 cambió las reglas sin avisar del todo
La migración de Universal Analytics a GA4 trajo un cambio que muchos profesionales del sector todavía no han interiorizado del todo: el modelo de datos pasó de estar basado en sesiones a estar basado en eventos, y eso afecta directamente a cómo se interpretan las UTM.
En Universal Analytics, una sesión conservaba la fuente y el medio de origen durante toda su duración, con reglas de expiración razonablemente predecibles. En GA4, cada evento puede llevar asociados sus propios parámetros de atribución, lo que en la práctica significa que un usuario puede entrar por una campaña de pago, navegar, y que un evento posterior dentro de la misma sesión se atribuya a un origen distinto si el sistema detecta una señal de referencia diferente. Esto no es un error de la herramienta, es una decisión de diseño deliberada para reflejar mejor el comportamiento multicanal real de los usuarios, pero complica notablemente la lectura de informes para quien viene acostumbrado al modelo anterior.
Además, GA4 introduce el concepto de atribución basada en datos (data-driven attribution) como modelo predeterminado, sustituyendo modelos más simples como el de último clic. Esto significa que una UTM bien construida ya no solo alimenta un informe de «fuente/medio», sino que entra directamente en el cálculo del peso relativo que cada canal recibe en la conversión final. Una UTM mal etiquetada, en este contexto, no es solo un problema estético del informe: distorsiona el reparto real de crédito entre canales, y por tanto puede influir en decisiones de presupuesto que mueven cifras de cinco o seis dígitos.
No hace falta taggear absolutamente todo
Aquí conviene introducir un matiz que se aleja del consenso habitual del sector, donde la recomendación estándar suele ser «etiqueta siempre, en todos los canales, sin excepción». La experiencia real de trabajar con cuentas grandes sugiere lo contrario en un caso muy concreto: los enlaces internos entre propiedades propias del mismo dominio no deberían llevar UTM.
Es un error frecuente, y bastante extendido, añadir parámetros UTM a enlaces que van de una sección del propio sitio a otra, o de un dominio corporativo a otro dominio también propio de la misma marca. El resultado es que Google Analytics interpreta ese clic como una nueva sesión con una fuente y un medio distintos, rompiendo así el recorrido real del usuario y generando sesiones artificiales que inflan el número total de visitas sin aportar ninguna información útil sobre adquisición. Existe un mecanismo específico para estos casos, la exclusión de referencias entre dominios propios (referral exclusion list), que resuelve el problema sin necesidad de recurrir a una UTM.
El etiquetado exhaustivo tiene sentido cuando el tráfico proviene de fuera del ecosistema propio: anuncios, redes sociales, email, colaboraciones externas. Dentro de casa, una UTM mal puesta hace más daño del que corrige. Quien insista en etiquetar todo, sin excepción, probablemente esté generando más ruido del que cree estar eliminando.
Los casos donde las UTM directamente mienten
Conviene hablar con honestidad de las limitaciones estructurales del sistema, porque ignorarlas lleva a sobreinterpretar datos que no merecen esa confianza.
El primer caso es el llamado dark social: contenido compartido a través de aplicaciones de mensajería (WhatsApp, Telegram, Signal) o copiado y pegado directamente en un chat, sin pasar por ningún botón de compartir que añada parámetros automáticamente. Ese tráfico, si no se ha etiquetado manualmente el enlace original antes de compartirlo, llega a Analytics clasificado como «direct», inflando artificialmente ese canal y ocultando el verdadero origen del interés del usuario. Algunas estimaciones del sector, citadas de forma recurrente en informes de RadiumOne y estudios posteriores similares, sitúan el volumen de dark social por encima de la mitad del total de contenido compartido en redes sociales, muy por delante de lo que capturan los botones de compartir tradicionales.
El segundo caso, cada vez más relevante, es la navegación entre aplicación y web en dispositivos móviles. Un usuario que hace clic en un enlace dentro de Instagram, y ese enlace abre el navegador integrado de la propia app en lugar del navegador predeterminado del sistema, puede perder parte de la información de referencia según cómo esté configurado ese navegador embebido y qué políticas de privacidad aplique el sistema operativo en ese momento.
El tercer caso, menos comentado pero cada vez más relevante desde la entrada en vigor de normativas de privacidad más estrictas, es el recorte de parámetros por parte de clientes de correo y navegadores orientados a la privacidad. Algunos gestores de correo, y algunas extensiones de navegador centradas en el bloqueo de rastreo, eliminan o modifican parámetros de la URL antes de que el clic llegue a registrarse, lo cual afecta directamente a campañas de email marketing bien construidas que, por razones ajenas a su diseño, ven caer su tráfico atribuido sin que exista ningún cambio real en el comportamiento de los usuarios.
Ninguno de estos tres fenómenos tiene una solución completa. Lo que sí existe es la posibilidad de contextualizarlos: cuando el canal «direct» crece de forma desproporcionada tras una campaña con fuerte componente de contenido compartible, merece la pena sospechar de dark social antes que atribuir ese crecimiento a un misterioso incremento del tráfico de marca.
Un sistema de gobierno de UTM en la práctica
Más allá de la teoría, lo que separa a un equipo que controla sus datos de otro que los sufre es la existencia de un proceso, por básico que sea, que impida que cualquier persona genere una UTM sin pasar por un filtro mínimo. Un sistema razonable, aplicable incluso en equipos pequeños sin herramientas específicas de pago, combina cuatro elementos: una hoja de cálculo compartida (o una herramienta dedicada, si el volumen lo justifica) que actúe como fuente única de verdad; una lista cerrada de valores permitidos para utm_source y utm_medium, de forma que no se pueda escribir libremente; una validación automática, aunque sea mediante una fórmula sencilla, que detecte mayúsculas, espacios o caracteres no permitidos antes de publicar el enlace; y una revisión periódica, mensual o trimestral, de las campañas activas para detectar duplicados o inconsistencias antes de que se acumulen durante todo un ejercicio fiscal.
Esta última lista de viñetas cierra el cupo de dos que se planteó al principio del artículo, y se usa aquí porque enumerar los cuatro elementos de un proceso concreto sí gana en claridad frente a describirlo en prosa continua.
Ningún sistema de este tipo elimina el error humano por completo. Lo que hace es reducir su frecuencia y, sobre todo, acortar el tiempo que se tarda en detectarlo. La diferencia entre una organización madura en este tema y otra que no lo es rara vez está en la sofisticación de la herramienta que usan. Está en si alguien revisa los datos con regularidad, o si solo se acuerdan de las UTM cuando el informe trimestral no cuadra y hay que explicar por qué.
Medir bien no es medir mucho
Hay una tentación constante, alimentada por la abundancia de herramientas y de capas de tracking disponibles hoy, de pensar que más parámetros equivalen a mejor medición. La experiencia demuestra justo lo contrario: los sistemas de atribución que mejor funcionan suelen ser los que menos variables intentan capturar de golpe, precisamente porque cada parámetro adicional es una oportunidad más de introducir un error de nomenclatura que nadie detectará hasta dentro de tres meses.
Quizá la pregunta que debería hacerse cualquier equipo antes de generar su próxima UTM no sea «¿qué más podemos etiquetar?», sino «¿quién va a revisar esto dentro de seis meses, y entenderá por qué lo llamamos así?». Las herramientas de atribución basada en inteligencia artificial que empiezan a integrarse en las plataformas publicitarias resolverán, probablemente, buena parte de los problemas técnicos de fragmentación de datos. Lo que ninguna herramienta va a resolver por sí sola es la falta de disciplina de quien escribe el enlace la primera vez.