Blog

<p>No todas las incertidumbres merecen un experimento. Una pregunta puede resultar interesante y tener poco valor para la decisión. Otra, aparentemente pequeña, puede determinar si comprometemos presupuesto durante un año.</p><p>El valor de la información ayuda a elegir qué aprender antes de actuar. Compara la decisión que tomaríamos hoy con la que podríamos tomar después de obtener evidencia, descontando el coste de conseguirla y el de esperar. La prioridad depende de cuánto puede cambiar la acción, no solo de cuánto desconocemos.</p><h2>Empezar por las opciones reales</h2><p>Antes de diseñar una prueba, escribiría qué alternativas existen: escalar, mantener, reducir, entrar en otro mercado o posponer una inversión. Si el equipo hará lo mismo cualquiera que sea el resultado, la investigación tiene poco valor inmediato para esa decisión.</p><p>Eso no significa que todo aprendizaje deba producir ingresos esta semana. Puede servir para decisiones futuras, reducir riesgo o construir una capacidad. Pero ese propósito debe hacerse explícito y no confundirse con una validación de presupuesto actual.</p><p>También importa la reversibilidad. Una campaña que se puede detener mañana requiere una evidencia distinta de una contratación, una integración o un compromiso de largo plazo.</p><h2>Un ejemplo con dos escenarios</h2><p>Caso ficticio: una empresa decide si ampliar una campaña. Ya hemos descontado inversión y costes variables al calcular la contribución adicional de cada escenario.</p><p>Si la oportunidad es favorable, ampliar aporta 60.000 euros. Si es desfavorable, pierde 60.000. El equipo asigna probabilidades ilustrativas del 40 % y del 60 %, respectivamente. No son datos de mercado ni una confianza estadística.</p><p>Mantener la operación actual, sin ampliar, aporta 12.000 euros adicionales en cualquiera de esos escenarios durante el horizonte elegido.</p><p>El valor esperado de ampliar es 40 % por 60.000 más 60 % por menos 60.000: menos 12.000 euros. Mantener ofrece 12.000. Con esta información y estas preferencias, la alternativa elegida sería mantener.</p><h2>Cuánto valdría saberlo todo antes de decidir</h2><p>Con información perfecta, ampliaríamos solo en el escenario favorable. En el desfavorable, mantendríamos. El resultado esperado sería 40 % por 60.000 más 60 % por 12.000: 31.200 euros.</p><p>La diferencia entre 31.200 y los 12.000 de la mejor decisión actual es de 19.200 euros. Ese es el valor esperado de la información perfecta en este ejemplo.</p><p>Es un límite teórico bajo los supuestos declarados. No significa que debamos gastar 19.200 en cualquier test. Una prueba real puede ser ruidosa, incompleta, tardía y difícil de transferir al despliegue.</p><p>La idea y la distinción entre información perfecta y parcial se desarrollan en materiales de <a data-mce-href="https://engineering.purdue.edu/DELP/education/decision_making_slides/Module_09___Value_of_Information.pdf" href="https://engineering.purdue.edu/DELP/education/decision_making_slides/Module_09___Value_of_Information.pdf">análisis de decisiones de Purdue University</a>. Los importes y escenarios de este artículo son propios e ilustrativos.</p><h2>Una prueba imperfecta puede aportar mucho menos</h2><p>Supongamos ahora una prueba con dos señales posibles, positiva y negativa. En el escenario favorable produce una señal positiva el 80 % de las veces. En el desfavorable también da positivo el 20 %.</p><p>La probabilidad total de una señal positiva es 40 % por 80 % más 60 % por 20 %: 44 %. Si aparece, la probabilidad del escenario favorable pasa a 32 entre 44, aproximadamente el 72,7 %.</p><p>Con esa señal, ampliar tendría un valor esperado de unos 27.273 euros, superior a los 12.000 de mantener. Con señal negativa, la probabilidad favorable sería 8 entre 56, aproximadamente el 14,3 %, y seguiríamos manteniendo.</p><p>La estrategia de probar y decidir según la señal ofrece, antes de pagar por la prueba, 44 % por 27.273 más 56 % por 12.000: aproximadamente 18.720 euros.</p><p>Frente a los 12.000 de la mejor decisión sin prueba, la información imperfecta aporta 6.720 euros esperados. Si el experimento cuesta 5.000 y esperar añade un coste de oportunidad de 1.000, el beneficio esperado neto queda en 720 euros.</p><figure id="figure-tys9qc1h18mvkbg9x4"><img id="tys9qc1h18mvkbg9x4" src="https://cdn.durable.co/blocks/1QuFrFWvt1cIBticZ0cB9RLH0utJSgLWncJRJDl3qf9KZWukSfM6k2OthAUANXS8.png" alt="Caso ilustrativo: mantener aporta 12.000 euros esperados; la información perfecta permite 31.200 y la prueba imperfecta 18.720, antes de su coste." title="Caso ilustrativo: mantener aporta 12.000 euros esperados; la información perfecta permite 31.200 y la prueba imperfecta 18.720, antes de su coste." class="object-cover bg-gray-100 " style="aspect-ratio: 16/9; object-position: center center;" data-corners="default" data-aspect="16:9" data-caption="Caso ficticio: el valor de la prueba depende de cómo cambia la decisión." data-positionX="undefined" data-positionY="undefined" data-fullWidth="false"/><figcaption class="body-normal text-gray-500 mt-2">Caso ficticio: el valor de la prueba depende de cómo cambia la decisión.</figcaption></figure><h2>Qué depende de los supuestos</h2><p>El resultado cambia si las probabilidades, los retornos, la precisión de la prueba o el coste de esperar cambian. No tiene sentido discutir un decimal cuando desconocemos el rango de una variable decisiva.</p><p>La sensibilidad debe mostrar si una variación razonable modifica la alternativa. Si el test solo compensa con una precisión muy optimista, conviene revisar su diseño antes de contratarlo.</p><p>La información tampoco vale lo mismo en cualquier momento. Una respuesta después de que venza una oferta o termine la temporada puede llegar demasiado tarde. Hay que incluir el tiempo hasta una evidencia utilizable.</p><p>El ejemplo utiliza valor monetario esperado y un decisor dispuesto a trabajar con esa media. Si una pérdida amenaza la supervivencia de la empresa, los límites de caja y riesgo pueden justificar otra regla de elección.</p><h2>Elegir qué incertidumbre reducir</h2><p>La prueba más completa no siempre es la primera que merece hacerse. A veces unas entrevistas aclaran si existe el problema; una preventa aporta una señal de disposición a pagar; y una prueba de canal estima si podemos acceder al público.</p><p>Cada paso debe reducir una incertidumbre capaz de cambiar la siguiente decisión. Repetir análisis sobre algo que ya no condiciona la elección consume tiempo aunque genere documentos útiles.</p><p>Conviene distinguir esa selección del diseño causal. El <a data-mce-href="https://franlopezballero.com/blog/causalidad-atribucion-holdouts-geotests-lift" href="https://franlopezballero.com/blog/causalidad-atribucion-holdouts-geotests-lift">análisis de causalidad y atribución</a> ayuda a elegir cómo construir un contraste; el valor de la información ayuda a decidir cuál de esos contrastes merece recursos.</p><h2>Convertirlo en una conversación de presupuesto</h2><p>Para cada experimento registraría la decisión, las alternativas, el supuesto que la bloquea, el rango de resultados, la señal esperada y la acción que tomaríamos con ella. Después añadiría coste completo, demora y límites.</p><p>No hace falta modelar todo el backlog con un árbol probabilístico. Un primer filtro cualitativo puede descartar pruebas cuyo resultado no cambiaría nada o cuyo impacto potencial es demasiado pequeño.</p><p>Las apuestas relevantes merecen un cálculo más explícito y una revisión de sensibilidad. El método complementa la <a data-mce-href="https://franlopezballero.com/blog/matriz-de-ansoff-estrategia-crecimiento" href="https://franlopezballero.com/blog/matriz-de-ansoff-estrategia-crecimiento">elección de vías de crecimiento</a>, porque hace visible qué evidencia conviene comprar antes de comprometer capital.</p><p>La próxima vez que se proponga un test, pregunta qué decisión cambiará y cuánto costaría equivocarse sin hacerlo. Si no podemos responder, todavía falta formular el problema. Si podemos, tendremos una base más sólida para elegir cuánto aprender, con qué método y hasta cuándo merece esperar.</p>

Valor de la información: qué experimento merece presupuesto

<p>Un flujo de IA puede producir un borrador en segundos y aumentar el tiempo necesario para entregar un trabajo correcto. La revisión, las fuentes, las correcciones y las excepciones forman parte del proceso, aunque no aparezcan en la demostración.</p><p>Para decidir si merece escalarse, primero hay que definir qué significa una entrega válida. Después podemos medir tiempo y coste sobre resultados comparables. La velocidad solo tiene valor dentro de una condición de calidad suficiente.</p><h2>Elegir una tarea y una unidad verificable</h2><p>Preparar un brief, resumir entrevistas y redactar una propuesta son tareas distintas. Cada una necesita entradas, límites y criterios propios. Evaluarlas como productividad general oculta dónde ayuda la IA y dónde desplaza trabajo.</p><p>Una unidad puede ser un brief que el equipo puede utilizar sin reconstruirlo, una clasificación correcta o una respuesta apoyada en fuentes válidas. El archivo generado es un resultado intermedio; la unidad útil llega cuando alguien puede usarlo para su propósito.</p><p>Antes del piloto escribiría qué campos son obligatorios, qué fuentes se admiten y qué errores obligan a rechazar la salida. Ese acuerdo debe existir también para el proceso manual.</p><h2>Crear casos que representen el trabajo real</h2><p>La evaluación necesita tareas habituales, ambiguas y difíciles. Un conjunto compuesto solo por ejemplos fáciles mostrará una calidad que no representa la operación.</p><p>En un brief de Marketing incluiría información incompleta, fuentes contradictorias, fechas antiguas, restricciones de marca y preguntas que no pueden responderse con los datos disponibles. Reconocer que falta evidencia puede ser la salida correcta.</p><p>Separaría los casos utilizados para ajustar las instrucciones de otros que sirvan para comprobar el resultado. Si corregimos el sistema mirando siempre las mismas preguntas, podemos aprender a resolver ese examen sin mejorar la tarea.</p><p>El <a data-mce-href="https://airc.nist.gov/airmf-resources/playbook/measure/" href="https://airc.nist.gov/airmf-resources/playbook/measure/">marco de medición de NIST</a> propone documentar pruebas, métricas y límites de funcionamiento. La rúbrica que sigue es una adaptación práctica para este tipo de trabajo, no una certificación del sistema.</p><h2>Puntuar dimensiones sin esconder los errores graves</h2><p>Para un borrador comprobaría exactitud, trazabilidad, utilidad, completitud y adecuación al contexto. Cada dimensión necesita ejemplos de aceptable e inaceptable para que dos revisores no puntúen cosas diferentes.</p><p>También establecería errores críticos: inventar una fuente, divulgar un dato no autorizado o formular una promesa comercial incompatible con la información disponible. Un promedio alto no debe compensarlos.</p><p>Una salida puede recibir buena puntuación de estilo y seguir siendo inutilizable por un dato central falso. Por eso conviene registrar tipo de fallo y severidad, además de una nota global.</p><p>Las discrepancias entre revisores son información. Si el criterio es ambiguo, mejorar la rúbrica puede aportar más que cambiar de modelo.</p><h2>Un caso con ahorro aparente y trabajo pendiente</h2><p>Este caso es ficticio. El proceso manual resuelve veinte entregas válidas en 600 minutos: treinta por entrega.</p><p>Con asistencia de IA, la preparación y generación ocupa ochenta minutos; revisar las veinte salidas, 220; corregir, noventa; y gestionar excepciones, treinta. El total es de 420 minutos. Dieciocho entregas cumplen el criterio y dos siguen rechazadas.</p><p>Dividir 420 entre dieciocho da unos 23,3 minutos por entrega útil. La productividad aparente mejora, pero el trabajo no está completo: quedan dos tareas y es necesario saber por qué fallaron.</p><p>Si resolver cada una manualmente requiere treinta minutos adicionales, el total del lote asciende a 480. Frente a los 600 iniciales, el ahorro observado es de 120 minutos, un 20 %. No el porcentaje espectacular que sugeriría comparar solo el tiempo de generación.</p><p>La comparación también necesita igualdad de dificultad y estándar. Si los dos lotes contienen tareas distintas, la diferencia puede proceder de la selección de casos.</p><figure id="figure-4nffjpweq4mvkb84m1"><img id="4nffjpweq4mvkb84m1" src="https://cdn.durable.co/blocks/20WPOtgYYcxxresjiwxWO3hrcAA7lSZbH0SGOjvTyhDjKbJlUuXci93uuCBy45E1.png" alt="Caso ilustrativo: el proceso manual utiliza 600 minutos para 20 entregas; el asistido necesita 420 minutos para 18 entregas útiles y debe resolver dos fallos." title="Caso ilustrativo: el proceso manual utiliza 600 minutos para 20 entregas; el asistido necesita 420 minutos para 18 entregas útiles y debe resolver dos fallos." class="object-cover bg-gray-100 " style="aspect-ratio: 16/9; object-position: center center;" data-corners="default" data-aspect="16:9" data-caption="Caso ficticio: el ahorro se compara después de igualar la calidad." data-positionX="undefined" data-positionY="undefined" data-fullWidth="false"/><figcaption class="body-normal text-gray-500 mt-2">Caso ficticio: el ahorro se compara después de igualar la calidad.</figcaption></figure><h2>Pasar del tiempo al coste completo</h2><p>Además de minutos, incorporaría uso tecnológico, integración, evaluación, mantenimiento y revisión. El coste por entrega válida resulta más útil que el coste por llamada al modelo.</p><p>En el ejemplo, con un coste de trabajo ilustrativo de treinta euros por hora, el proceso manual representa 300 euros. Las ocho horas finales del flujo asistido representan 240. Si el coste tecnológico y operativo asignado al lote es de veinte euros, el total sería de 260 y el ahorro, cuarenta.</p><p>Este cálculo no añade valor económico a las horas liberadas por defecto. Para capturarlo hace falta utilizarlas en otra actividad útil, reducir una restricción o evitar trabajo adicional. Capacidad liberada y ahorro de caja no son equivalentes.</p><p>Si aparece un error crítico, la decisión puede ser detener el despliegue aunque el cálculo de coste resulte favorable. El límite de calidad debe seguir visible.</p><h2>Comparar el proceso completo</h2><p>Cuando sea posible, asignaría tareas comparables a ambos procesos y registraría el tiempo de principio a fin. En una evaluación de textos, la revisión puede hacerse sin indicar cómo se generó cada versión para reducir expectativas del evaluador.</p><p>El registro debe incluir correcciones silenciosas. Si una persona reescribe un párrafo fuera del sistema y ese tiempo desaparece, la evaluación presenta una mejora artificial.</p><p>También observaría cuánto trabajo llega al siguiente equipo. Un brief aceptado rápido que obliga a Diseño o Ventas a pedir aclaraciones no ha eliminado ese coste: lo ha desplazado.</p><p>La arquitectura de <a data-mce-href="https://franlopezballero.com/blog/agentes-ia-marketing-arquitectura-control-evaluacion" href="https://franlopezballero.com/blog/agentes-ia-marketing-arquitectura-control-evaluacion">agentes de IA</a> necesita estos límites antes de ampliar autonomía. Recuperar documentación mediante <a data-mce-href="https://franlopezballero.com/blog/como-construir-sistema-rag-marketing-ia" href="https://franlopezballero.com/blog/como-construir-sistema-rag-marketing-ia">RAG</a> tampoco sustituye la comprobación de la salida.</p><h2>Cuándo ampliar y cuándo volver a revisar</h2><p>Escalaría una tarea cuando supere el criterio acordado, sus fallos sean comprensibles y exista un responsable de operación. El nivel de revisión humana depende del impacto, no de lo convincente que suene el texto.</p><p>Cambiar de modelo, instrucciones, corpus o población puede alterar el resultado. Conservaría versión y casos de evaluación para repetir la comprobación ante cambios relevantes.</p><p>El piloto puede empezar con una tarea pequeña y una ficha por entrega: correcta o rechazada, motivo, gravedad, minutos de preparación, revisión y corrección, y resultado final. Ese registro permite decidir qué automatizar y qué rediseñar.</p><p>Una buena evaluación termina con una decisión concreta: ampliar, mantener supervisión, corregir un componente o abandonar el flujo. La IA aporta valor cuando mejora una entrega que merece hacerse, con calidad suficiente y un coste completo que compensa.</p>

IA en Marketing: medir calidad antes de calcular tiempo ahorrado

<p>Cuando una campaña empeora, cambiar las creatividades parece una respuesta rápida. A veces lo es. Otras veces el problema está en la audiencia disponible, el coste de la subasta, la experiencia después del clic o la calidad del tráfico.</p><p>La fatiga creativa describe pérdida de respuesta ante una pieza que una audiencia ha visto repetidamente. La saturación es una limitación más amplia: el siguiente tramo de inversión alcanza menos demanda rentable o la alcanza con mayor coste. Pueden coexistir, pero no piden exactamente la misma intervención.</p><h2>Empezar por el punto donde cambia el coste</h2><p>Una aproximación útil conecta coste por mil impresiones, respuesta al anuncio y conversión posterior. Si todas las unidades son compatibles, el coste por resultado puede expresarse como CPM dividido entre mil, CTR y tasa de conversión.</p><p>En esa expresión el CTR y la conversión se escriben como proporciones. No sirve combinar clics de enlace con una conversión calculada sobre una población distinta sin explicar la diferencia.</p><p>El modelo simplifica recorridos reales, que pueden incluir conversiones sin clic observado y ventanas de atribución. Su utilidad es localizar qué componente necesita investigación; no reconciliar por sí solo toda la medición de una plataforma.</p><h2>Un ejemplo con dos explicaciones posibles</h2><p>Caso ficticio: una campaña tiene un CPM de 12 euros, CTR del 1,5 % y conversión después del clic del 4 %. El coste por clic es 0,80 euros y el coste por resultado, 20 euros.</p><p>Después, el CPM sigue en 12 euros, el CTR baja al 1 % y la conversión se mantiene en el 4 %. El clic cuesta 1,20 euros y el resultado, 30 euros.</p><p>La pérdida aparece antes de la visita. Eso justifica investigar mensaje, audiencia y ubicación, pero no demuestra desgaste creativo: también puede haber cambiado la composición de las impresiones.</p><p>Un segundo escenario mantiene CPM y CTR iniciales, pero reduce la conversión al 2 %. El coste por resultado sube a 40 euros. Aquí cambiar solo la imagen puede dejar intacto el mecanismo principal.</p><figure id="figure-3wu64y0yzbmvkb0dsb"><img id="3wu64y0yzbmvkb0dsb" src="https://cdn.durable.co/blocks/1eAPlgecU2Kmm1xb6aUPBCSQCCet1RRCbgklAOYceKtNXnqAdZfkQosALV1EjWwt.png" alt="Caso ilustrativo: con CPM de 12 euros, el CTR baja del 1,5 al 1 % y el coste por resultado aumenta de 20 a 30 euros si la conversión se mantiene al 4 %." title="Caso ilustrativo: con CPM de 12 euros, el CTR baja del 1,5 al 1 % y el coste por resultado aumenta de 20 a 30 euros si la conversión se mantiene al 4 %." class="object-cover bg-gray-100 " style="aspect-ratio: 16/9; object-position: center center;" data-corners="default" data-aspect="16:9" data-caption="Caso ficticio: el mismo CPA puede empeorar por causas diferentes." data-positionX="undefined" data-positionY="undefined" data-fullWidth="false"/><figcaption class="body-normal text-gray-500 mt-2">Caso ficticio: el mismo CPA puede empeorar por causas diferentes.</figcaption></figure><h2>Qué señales apoyan la hipótesis de fatiga</h2><p>La documentación de Meta describe la <a data-mce-href="https://www.facebook.com/business/help/1346816142327858" href="https://www.facebook.com/business/help/1346816142327858">fatiga creativa</a> como un posible efecto de mostrar repetidamente la misma pieza a una audiencia. No conviene transformar esa descripción en un umbral universal de frecuencia.</p><p>Buscaría deterioro sostenido de respuesta dentro de grupos comparables y comprobaría si se concentra en piezas concretas. También observaría alcance, distribución de frecuencia y antigüedad de las creatividades.</p><p>La frecuencia media no cuenta toda la historia. Puede esconder un grupo muy expuesto y otro que acaba de entrar. Una creatividad antigua puede seguir siendo relevante para personas nuevas.</p><p>La pregunta es si una alternativa con una propuesta realmente distinta mejora la respuesta sin empeorar la calidad posterior. Cambiar un color no prueba que se haya renovado el mensaje.</p><h2>Cómo reconocer una restricción de audiencia</h2><p>Si el presupuesto crece mientras el alcance adicional se frena, el sistema puede estar repitiendo exposición o comprando impresiones más caras. Hay que comprobar si el público elegible, la geografía o las exclusiones limitan la entrega.</p><p>También puede agotarse la demanda compatible con la oferta. Ampliar la audiencia añade personas, pero no garantiza que compartan el problema o la disposición a pagar.</p><p>Por eso la <a data-mce-href="https://franlopezballero.com/blog/cac-blended-incremental-marginal" href="https://franlopezballero.com/blog/cac-blended-incremental-marginal">lectura marginal de la adquisición</a> es importante. Una media histórica sana puede convivir con un tramo adicional que deja poco margen.</p><p>No concluiría saturación solo porque el coste sube durante unos días. Competencia, estacionalidad, cambios de presupuesto y errores de medición pueden producir una señal parecida.</p><h2>Investigar lo que ocurre después del clic</h2><p>Una creatividad nueva puede elevar el CTR por curiosidad y empeorar el resultado comercial. Compararía visitas útiles, avance, solicitudes válidas y ventas cuando maduren.</p><p>Revisaría además continuidad entre anuncio y landing. Una promesa distinta exige que la página responda a esa expectativa. Si cambia el mensaje sin cambiar la experiencia, la nueva pieza puede atraer una intención que la página no resuelve.</p><p>Antes de atribuir el deterioro a Marketing, comprobaría disponibilidad, precio, carga, formulario, pagos o capacidad de respuesta. Un anuncio no compensa un problema de servicio.</p><p>El objetivo es que cada señal ocupe su lugar, como ocurre en un <a data-mce-href="https://franlopezballero.com/blog/dashboard-negocio-sin-vanity-metrics" href="https://franlopezballero.com/blog/dashboard-negocio-sin-vanity-metrics">dashboard sin vanity metrics</a>. CTR, visitas y reservas aportan información, pero necesitan calidad y economía.</p><h2>Diseñar una prueba que permita aprender</h2><p>Si la hipótesis es fatiga del mensaje, prepararía conceptos distintos que mantengan la misma oferta y una población comparable. Definiría antes qué respuesta esperamos y qué deterioros posteriores impedirían declarar una mejora.</p><p>Siempre que sea viable, utilizaría una asignación que permita comparar tratamientos sin confundirlos con cambios de periodo. Una sustitución completa antes y después mezcla creatividad con todo lo que haya ocurrido entre ambas fechas.</p><p>Si la restricción parece ser audiencia, la prueba debe centrarse en esa ampliación o en una nueva propuesta para otro segmento. Cambiar audiencia y creatividad a la vez puede mejorar resultados, pero deja menos claro qué aprendimos.</p><p>No fijaría una duración estándar. El diseño depende del volumen, la variabilidad, la demora del resultado y la diferencia que merece una decisión.</p><h2>Qué hacer según el diagnóstico</h2><p>Con indicios de desgaste de una pieza, renovar concepto y comprobar respuesta posterior. Con una audiencia limitada, revisar oportunidad marginal y oferta antes de aumentar presión. Con fricción en la landing, priorizar la experiencia o corregir la promesa.</p><p>Puede resultar razonable mantener una creatividad que convierte bien, aunque no consiga el CTR más alto. También reducir inversión mientras se valida una alternativa, si el coste de seguir comprando supera el valor esperado.</p><p>La revisión termina mejor con una hipótesis concreta que con una orden genérica de producir más anuncios. Anota dónde se rompe la relación entre impresión, visita y resultado, qué prueba distinguirá las causas y qué límite económico protege la decisión. Así la creatividad se convierte en una palanca elegida con criterio.</p>

Fatiga creativa o saturación: qué revisar antes de cambiar anuncios

<p>Una caída de conversión global puede convivir con una mejora en todos los grupos que la componen. El resultado parece contradictorio hasta que miramos cuánto pesa cada grupo. Si aumenta la proporción del tráfico con menor propensión a convertir, la media puede bajar aunque su comportamiento mejore.</p><p>Antes de rediseñar una landing o detener una campaña, conviene separar dos preguntas: qué ocurrió dentro de cada segmento y cómo cambió la composición del tráfico. La respuesta determina si debemos investigar la experiencia, la captación o ambas.</p><h2>La media global depende de tasas y pesos</h2><p>La tasa total divide resultados entre población elegible. También puede expresarse como la suma de las tasas de cada segmento multiplicadas por su peso.</p><p>Si un grupo representa el 80 % de las sesiones, su tasa influye más que la de otro que representa el 20 %. Calcular una media simple de ambos porcentajes borraría esa diferencia.</p><p>Esta relación es matemática. No demuestra que el canal, dispositivo o audiencia utilizados para segmentar sean la causa del resultado. Ayuda a describir correctamente el cambio antes de proponer una explicación.</p><h2>Un caso que cambia el diagnóstico</h2><p>Este ejemplo es ficticio y utiliza grupos excluyentes. En el periodo A hay 10.000 sesiones elegibles. El segmento de intención alta aporta 8.000 sesiones y convierte el 8 %: 640 sesiones con resultado.</p><p>El segmento exploratorio aporta 2.000 sesiones y convierte el 2 %: 40 sesiones con resultado. El total es de 680 sobre 10.000, una tasa del 6,8 %.</p><p>En el periodo B vuelven a existir 10.000 sesiones. Las de intención alta son 2.000 y convierten el 9 %: 180 resultados. Las exploratorias son 8.000 y convierten el 3 %: 240 resultados.</p><p>Ambos segmentos mejoran un punto porcentual. Sin embargo, el total pasa a 420 sesiones con resultado y la tasa baja al 4,2 %. El mayor peso del grupo exploratorio compensa de sobra la mejora de las dos tasas.</p><p>La señal global es real. Lo que sería incorrecto es concluir que la experiencia empeoró para todos los grupos.</p><figure id="figure-o3tyyukn7omvkaufv1"><img id="o3tyyukn7omvkaufv1" src="https://cdn.durable.co/blocks/35hm2Ie2nwGGeSsyzpiTz7vwe2bDkt1rx8AzHG9LNxbZZCBRaoSvA5Zn4msMqJKS.png" alt="Caso ilustrativo: las tasas de los segmentos suben del 8 al 9 % y del 2 al 3 %, mientras la tasa total baja del 6,8 al 4,2 %." title="Caso ilustrativo: las tasas de los segmentos suben del 8 al 9 % y del 2 al 3 %, mientras la tasa total baja del 6,8 al 4,2 %." class="object-cover bg-gray-100 " style="aspect-ratio: 16/9; object-position: center center;" data-corners="default" data-aspect="16:9" data-caption="Caso ficticio: la tasa global cambia con la mezcla de tráfico." data-positionX="undefined" data-positionY="undefined" data-fullWidth="false"/><figcaption class="body-normal text-gray-500 mt-2">Caso ficticio: la tasa global cambia con la mezcla de tráfico.</figcaption></figure><h2>Mantener una mezcla fija para entender el cambio</h2><p>Podemos aplicar las tasas del periodo B a los pesos del periodo A. El cálculo es 80 % por 9 % más 20 % por 3 %: una tasa estandarizada del 7,8 %.</p><p>Con la mezcla inicial, el comportamiento del segundo periodo habría producido una tasa un punto superior al 6,8 %. Al pasar de esa mezcla fija a la real del periodo B, el resultado baja de 7,8 % a 4,2 %.</p><p>Así describimos una mejora interna de un punto y un efecto de composición de menos 3,6 puntos. Juntos explican la caída total de 2,6 puntos porcentuales en esta descomposición.</p><p>El orden importa: si se utilizan otros pesos de referencia, la atribución entre componentes puede cambiar. No es una prueba causal ni una previsión de lo que ocurriría al comprar una audiencia diferente. Es una forma transparente de ordenar el diagnóstico.</p><h2>Qué significa resultado en GA4</h2><p>Antes de segmentar, hay que cerrar la unidad. Ocurrencias de un evento, usuarios que lo realizan y sesiones con ese resultado no son cantidades intercambiables.</p><p>En este caso contamos sesiones elegibles que contienen al menos un resultado definido. Una sesión con tres envíos no cuenta como tres sesiones con resultado. También hay que distinguir un envío registrado de una solicitud válida.</p><p>La <a data-mce-href="https://support.google.com/analytics/answer/14731736?hl=en" href="https://support.google.com/analytics/answer/14731736?hl=en">documentación de Analytics distingue adquisición de usuarios y de tráfico</a> por su ámbito. El primer origen de un usuario y el origen de una sesión responden a preguntas diferentes. Mezclarlos puede cambiar la lectura de un mismo recorrido.</p><p>Comprobaría definición, filtros, periodo, cobertura y posibles cambios de medición antes de interpretar la diferencia como comportamiento.</p><h2>Segmentar donde exista una hipótesis</h2><p>Dispositivo, canal, país, tipo de cliente o página de entrada pueden ser cortes útiles. Pero abrir decenas de dimensiones hasta encontrar una historia aumenta el riesgo de explicar ruido.</p><p>Empezaría por cambios conocidos: una campaña nueva, una expansión geográfica, una promoción o una redistribución entre móvil y escritorio. La segmentación debe poder cambiar una decisión.</p><p>Los grupos tienen que ser comparables entre periodos. Si una etiqueta cambia de significado o una categoría nueva absorbe registros que antes estaban en otra, aparece una diferencia de clasificación.</p><p>Además, los segmentos pequeños necesitan prudencia. Una tasa puede moverse mucho por pocas observaciones. Mostrar volúmenes absolutos ayuda a calibrar el peso de cada hallazgo.</p><h2>Menor tasa no equivale automáticamente a peor inversión</h2><p>El tráfico exploratorio podría ser más barato, generar aprendizaje o cerrar más adelante. También podría producir solicitudes sin valor. La tasa por sí sola no decide cuál de esas historias es correcta.</p><p>Para evaluar captación, conectaría coste, volumen, calidad comercial, tiempo hasta la venta y margen. No tiene sentido exigir el mismo porcentaje a dos grupos con etapas de decisión o costes de adquisición diferentes.</p><p>La <a data-mce-href="https://franlopezballero.com/blog/cac-blended-incremental-marginal" href="https://franlopezballero.com/blog/cac-blended-incremental-marginal">lectura de CAC por decisión</a> complementa este análisis. El cambio de mezcla puede mejorar la economía aunque baje la tasa, o empeorarla aunque el volumen crezca.</p><h2>De la composición a una decisión comprobable</h2><p>Si las tasas mejoran y cambia mucho el peso de los grupos, investigaría primero por qué ha cambiado la captación. Si un segmento concreto empeora con mezcla estable, miraría la experiencia y las condiciones de ese grupo.</p><p>Cuando ambas cosas cambian, conviene separar las acciones. Una prueba de experiencia puede mantenerse dentro de un segmento, mientras la revisión de presupuesto compara calidad y coste por cohorte.</p><p>La comparación temporal debe respetar la madurez del resultado. Las solicitudes recientes pueden no haber cerrado todavía. Los principios de <a data-mce-href="https://franlopezballero.com/blog/cohortes-retencion-decision-negocio" href="https://franlopezballero.com/blog/cohortes-retencion-decision-negocio">lectura por cohortes</a> ayudan a evitar esa segunda confusión.</p><p>En la próxima caída de conversión, escribe primero población, resultado y pesos. Reproduce el total con los segmentos y calcula una vista con mezcla fija. Después formula las hipótesis. Ese pequeño orden evita convertir una media correcta en una recomendación equivocada.</p>

GA4: cuando cae la conversión y mejora cada segmento

<p>Search Console ayuda a descubrir qué preguntas hacen visible una web y en cuáles recibe clics. La decisión difícil llega después: elegir qué página merece trabajo y qué cambio tiene sentido. Ordenar por impresiones o por CTR rara vez resuelve esa prioridad.</p><p>Una oportunidad combina demanda relevante, una explicación plausible de la pérdida y una mejora que podamos ejecutar. El CTR sirve para diagnosticar parte del recorrido. No representa por sí solo la utilidad del tráfico ni el valor que llega al negocio.</p><h2>Qué cuentan las métricas</h2><p>La <a data-mce-href="https://support.google.com/webmasters/answer/7576553?hl=es" href="https://support.google.com/webmasters/answer/7576553?hl=es">documentación del informe de rendimiento de Google</a> define clics, impresiones, CTR y posición media. El CTR divide clics entre impresiones; la posición es una media del resultado más alto del sitio o de la agrupación analizada.</p><p>También permite separar consultas, páginas, países, dispositivos y fechas. Esas dimensiones ayudan a evitar que un promedio mezcle búsquedas con intenciones diferentes.</p><p>La agregación importa. Los totales de propiedad y los datos por página no siempre representan lo mismo. Algunas consultas se omiten para proteger la privacidad. Si la suma de filas no coincide con el total, primero revisa el alcance del dato; no completes la diferencia inventando búsquedas.</p><h2>Una caída de CTR que puede tener una explicación razonable</h2><p>Imagina una página que empieza a aparecer para preguntas nuevas y más amplias. Sus impresiones crecen, pero muchas proceden de personas que todavía no buscan la respuesta concreta que ofrece. El CTR global puede bajar mientras aumenta el número de clics útiles.</p><p>El patrón también puede reflejar pérdida de posición, cambios en los resultados, una mezcla distinta de dispositivos o un título poco representativo. Son explicaciones compatibles con la misma señal agregada.</p><p>Compararía periodos equivalentes y grupos coherentes. Una vista de marca, otra de consultas relacionadas con la solución y otra de búsquedas informativas puede aportar más que un promedio único. La clasificación necesita revisión: un filtro de marca incompleto introduce su propio error.</p><h2>Dos páginas, dos oportunidades distintas</h2><p>El siguiente caso es ficticio. La página A recibe 100.000 impresiones y 4.000 clics: CTR del 4 %. La B recibe 20.000 impresiones y 2.000 clics: CTR del 10 %.</p><p>Supongamos que A convierte el 0,5 % de sus visitas orgánicas en solicitudes útiles y B, el 2 %. A produciría 20 solicitudes y B, 40. Si el valor esperado en contribución por solicitud útil fuera de 100 euros, representarían 2.000 y 4.000 euros antes del coste editorial.</p><p>Estas cifras simplifican el recorrido y no son benchmarks. La conversión y el valor proceden de un análisis de negocio separado; Search Console no observa por sí sola ese desenlace.</p><p>Una mejora ilustrativa de 500 clics en A aportaría 2,5 solicitudes esperadas. En B, 250 clics adicionales aportarían cinco. Aunque B necesite menos tráfico, podría merecer más atención si el coste y la posibilidad de mejorar fueran comparables.</p><figure id="figure-p52wxhn09mvkan0gj"><img id="p52wxhn09mvkan0gj" src="https://cdn.durable.co/blocks/7bSkKQXXoSAvgyz8OUhn0bChOTLYIOacNBnJrRKrqBmjyxxMiXOiUaYL1m1qun5G.png" alt="Ejemplo ilustrativo: 2.000 clics con CTR del 10 % pueden aportar más contribución que 4.000 clics con CTR del 4 %." title="Ejemplo ilustrativo: 2.000 clics con CTR del 10 % pueden aportar más contribución que 4.000 clics con CTR del 4 %." class="object-cover bg-gray-100 " style="aspect-ratio: 16/9; object-position: center center;" data-corners="default" data-aspect="16:9" data-caption="Caso ficticio: compara el valor de la visita, además del CTR." data-positionX="undefined" data-positionY="undefined" data-fullWidth="false"/><figcaption class="body-normal text-gray-500 mt-2">Caso ficticio: compara el valor de la visita, además del CTR.</figcaption></figure><h2>Estimar un escenario sin convertirlo en una promesa</h2><p>Una aproximación de trabajo puede ser clics adicionales plausibles por conversión útil por contribución esperada. Después hay que considerar esfuerzo, incertidumbre y plazo.</p><p>El punto débil suele estar en estimar los clics. Aplicar un CTR de referencia universal a todas las consultas produce una precisión engañosa. Posición, intención, formato de resultados, marca y dispositivo cambian el contexto.</p><p>Es preferible usar escenarios apoyados en segmentos comparables del propio sitio y declarar sus límites. Si faltan datos de conversión, se puede priorizar por utilidad e intención, dejando el impacto económico como hipótesis pendiente.</p><h2>Comprobar la página antes de tocar el título</h2><p>Abriría la URL y leería la respuesta que recibe la persona. ¿Resuelve la consulta principal? ¿El contenido está actualizado? ¿La promesa del título coincide con lo que encuentra?</p><p>Después revisaría cómo aparece en los resultados y si hay una causa técnica que impida competir. Un problema de indexación necesita una respuesta diferente de una introducción confusa.</p><p>Google explica que puede <a data-mce-href="https://developers.google.com/search/docs/appearance/title-link" href="https://developers.google.com/search/docs/appearance/title-link">generar el título mostrado con distintas señales de la página</a>. Cambiar el campo SEO no garantiza una presentación exacta ni un incremento de clics.</p><p>Una mejora editorial debe aportar algo al lector: aclarar el alcance, completar un ejemplo, resolver una objeción o hacer más accesible una explicación. Añadir términos sin mejorar la respuesta no corrige la oportunidad.</p><h2>Elegir una acción por hipótesis</h2><p>Si hay impresiones relevantes y una promesa poco clara, puede tener sentido revisar título y apertura. Si la pregunta requiere una comparación que falta, la intervención está en el contenido. Si la intención no encaja, quizá convenga replantear el enfoque en lugar de atraer más clics equivocados.</p><p>Cuando varias URLs aparecen para un mismo grupo de consultas, revisaría su función antes de llamarlo canibalización. Pueden resolver necesidades complementarias. Unificar o redirigir exige estudiar contenido, enlaces y propósito, no reaccionar a una fila del informe.</p><p>El método se parece al de un <a data-mce-href="https://franlopezballero.com/blog/dashboard-negocio-sin-vanity-metrics" href="https://franlopezballero.com/blog/dashboard-negocio-sin-vanity-metrics">dashboard orientado a decisiones</a>: cada señal debe conducir a una comprobación y a un conjunto limitado de acciones.</p><h2>Cómo comprobar si la mejora merece mantenerse</h2><p>Registraría fecha, versión, páginas afectadas e hipótesis. Compararía consultas, clics y comportamiento posterior durante una ventana adecuada al volumen y la estacionalidad. Un cambio de título puede tardar en reflejarse en los resultados.</p><p>Si aumentan los clics pero baja su calidad, hay que revisar la promesa. Si el CTR cae por nuevas impresiones y crecen las solicitudes útiles, el resultado necesita una lectura más completa.</p><p>Un antes y después no aísla causalidad: pueden cambiar competencia, demanda o presentación de los resultados. La conclusión debe reflejar esa limitación y apoyarse en más señales cuando la inversión lo justifique.</p><p>La próxima revisión puede empezar con cinco páginas. Para cada una, escribe qué consulta relevante atiende, qué señal preocupa, qué explicación comprobarías y qué decisión cambiaría. Esa lista convierte Search Console en una herramienta de prioridad, en vez de una competición por mejorar porcentajes.</p>

Search Console: priorizar oportunidades sin perseguir el CTR

<p>Un negocio que vende mediante citas puede captar más leads, llenar su agenda y terminar con menos ventas. Entre el formulario y el ingreso existen decisiones que el coste por lead no recoge: a quién conseguimos contactar, cuánto espera, si encuentra una hora adecuada, si asiste y si la visita responde a lo que esperaba.</p><p>Medir ese recorrido permite localizar dónde intervenir. La unidad de éxito puede ser una visita útil o una venta con margen, según el ciclo comercial. La cita reservada es una etapa del proceso; conviene comprobar qué ocurre después antes de premiarla como resultado final.</p><h2>Dibujar el recorrido que realmente existe</h2><p>Una secuencia inicial puede ser lead válido, contacto efectivo, cita reservada, visita realizada, oportunidad y venta. Cada etapa necesita una definición verificable. Un mensaje enviado no acredita una conversación, y una reserva duplicada no representa dos personas interesadas.</p><p>También importan las salidas. Separar datos incorrectos, ausencia de respuesta, falta de disponibilidad, cancelación, cambio de fecha e inasistencia permite encontrar acciones diferentes. Agruparlo todo como perdido borra la explicación que necesitamos.</p><p>En servicios de compra lenta, una visita de hoy puede cerrar dentro de varias semanas. El análisis debe mantener la relación entre persona, primera solicitud, cita y operación sin contar cada reprogramación como una nueva adquisición.</p><h2>Dos rutas con el mismo presupuesto</h2><p>Este caso es ficticio y sus cifras solo ilustran el método. Dos rutas de captación consumen 12.000 euros cada una. Ambas se observan durante una ventana suficientemente madura para comparar ventas.</p><p>La ruta A genera 1.000 leads válidos. Se contacta con 600, se reservan 300 citas, asisten 180 personas y se cierran 54 ventas.</p><p>La ruta B genera 1.500 leads válidos. Se contacta con 600, se reservan 330 citas, asisten 165 personas y se cierran 49 ventas.</p><p>El CPL baja de 12 a 8 euros y las reservas aumentan un 10 %. Sin embargo, las visitas caen y las ventas pasan de 54 a 49. Con 800 euros de margen de contribución por venta, antes del coste de captación, A produce 43.200 euros y B, 39.200.</p><p>Tras descontar los 12.000 euros de adquisición, quedan 31.200 y 27.200 euros, respectivamente. Este saldo todavía debe financiar los costes que no estén incluidos en el margen. El cálculo ayuda a comparar ambas rutas; no demuestra por sí solo una&nbsp;causa. &nbsp;</p><figure id="figure-8il53vs37mvkabfd9"><img id="8il53vs37mvkabfd9" src="https://cdn.durable.co/blocks/35WSVUO9oGz78BzmeOuKMlmGsWb6kXzVvTbmi5MOgPMcOVGbgTlDj1ta2cTe0mhO.png" alt="Caso ilustrativo: la ruta A consigue 54 ventas y 43.200 euros de margen; la B, 49 ventas y 39.200 euros con la misma inversión." title="Caso ilustrativo: la ruta A consigue 54 ventas y 43.200 euros de margen; la B, 49 ventas y 39.200 euros con la misma inversión." class="object-cover bg-gray-100 " style="aspect-ratio: 16/9; object-position: center center;" data-corners="default" data-aspect="16:9" data-caption="Caso ficticio: más leads no garantizan más visitas ni más margen." data-positionx="undefined" data-positiony="undefined" data-fullwidth="false" data-mce-src="https://cdn.durable.co/blocks/35WSVUO9oGz78BzmeOuKMlmGsWb6kXzVvTbmi5MOgPMcOVGbgTlDj1ta2cTe0mhO.png" data-mce-style="aspect-ratio: 16/9; object-position: center center;"><figcaption class="body-normal text-gray-500 mt-2">Caso ficticio: más leads no garantizan más visitas ni más margen.</figcaption></figure><h2>Elegir denominadores que no escondan el problema</h2><p>La tasa de contacto es contactos efectivos entre leads válidos. La de reserva puede expresarse sobre contactos, mientras que la asistencia suele calcularse sobre citas que ya debían haberse celebrado. Nombrar cada denominador evita comparar porcentajes incompatibles.</p><p>En el ejemplo, B contacta con el 40 % de los leads y A con el 60 %. Entre contactados, B reserva más: 55 % frente a 50 %. Pero su asistencia baja del 60 % al 50 %. Mejorar la reserva puede estar trasladando fricción a la agenda.</p><p>No sabemos todavía si B atrae personas con menor intención, ofrece horarios peores o recibe una atención distinta. Esas son hipótesis. El siguiente análisis debe separar origen, demora de contacto, tiempo hasta la cita y capacidad de cada centro.</p><h2>El tiempo forma parte de la conversión</h2><p>Mediría dos esperas distintas: desde la solicitud hasta la primera respuesta útil y desde la reserva hasta la visita. Una empresa puede responder rápido y ofrecer únicamente huecos lejanos.</p><p>Conviene mirar la distribución, además de la media. Una mediana aceptable puede convivir con una cola de personas que espera demasiado. También deben separarse horario laboral y solicitudes recibidas cuando el equipo no atiende.</p><p>Comparar personas atendidas pronto y tarde aporta una señal, pero no una estimación causal automática. Las solicitudes más fáciles pueden recibir atención antes. Para evaluar un cambio de proceso, hace falta un contraste que considere esas diferencias.</p><h2>Recordatorios, cancelaciones y capacidad</h2><p>Un recordatorio puede resolver olvido, pero no necesariamente una promesa confusa, una ubicación inconveniente o una compra que ha dejado de interesar. Antes de añadir mensajes, preguntaría qué barrera parece explicar la ausencia.</p><p>Hay ensayos aleatorizados sobre recordatorios de citas que muestran que el contenido del mensaje puede modificar la asistencia. Proceden de un contexto sanitario: sus resultados no deben trasladarse como una mejora esperada para cualquier negocio comercial.</p><p>En una prueba propia mediría asistencia, cancelación anticipada, reprogramación y reclamaciones. Una cancelación a tiempo puede liberar un hueco útil, aunque reduzca el porcentaje bruto de reservas.</p><p>Si la agenda está casi completa, aumentar captación puede alargar la espera y empeorar la experiencia. La decisión necesita conectar demanda con capacidad, como explica el análisis de la restricción del funnel.</p><h2>Diseñar una prueba que responda una pregunta</h2><p>Una hipótesis útil sería: permitir reprogramar desde el recordatorio aumenta las visitas realizadas por cada cien citas vencidas, sin generar duplicados ni elevar el coste de atención por encima del límite acordado.</p><p>Antes de lanzar, definiría población, asignación, horizonte, resultado principal y límites. Si una persona tiene varias reservas, conviene evitar que reciba experiencias contradictorias entre grupos.</p><p>La comparación debe incluir el proceso completo. Una mejora de asistencia con peor calidad comercial puede no compensar. Registrar ventas cuando maduren evita declarar ganador al mensaje que solo adelanta actividad.</p><p>La incrementalidad ayuda a formular esa pregunta: qué visitas o ventas adicionales aparecen por el cambio y cuáles habrían ocurrido igualmente.</p><h2>Un tablero que termine en una acción</h2><p>El seguimiento semanal necesita volumen por etapa, esperas, motivos de salida y ocupación. La revisión por cohortes debe añadir venta, margen y coste de servir cuando exista suficiente madurez.</p><p>Cada incidencia tiene un propietario concreto. Datos incorrectos requieren revisar captura; ausencia de huecos, agenda; expectativas equivocadas, propuesta y comunicación. El cliente atraviesa todas esas áreas aunque el reporting las separe.</p><p>Para empezar, reconstruye una cohorte reciente desde el lead hasta la visita. Identifica una pérdida relevante, formula dos explicaciones compatibles y elige una comprobación que permita distinguirlas. Aumentar presupuesto tendrá más sentido cuando sepamos qué parte del recorrido puede absorberlo.</p><h2>Fuentes y lecturas relacionadas</h2><p><a href="https://pmc.ncbi.nlm.nih.gov/articles/PMC4569397/" data-mce-href="https://pmc.ncbi.nlm.nih.gov/articles/PMC4569397/">Ensayo sobre recordatorios de citas</a></p><p><a href="https://franlopezballero.com/blog/teoria-restricciones-goldratt-funnel" data-mce-href="https://franlopezballero.com/blog/teoria-restricciones-goldratt-funnel">La restricción del funnel</a></p><p><a href="https://franlopezballero.com/blog/incrementalidad-venta-habria-ocurrido" data-mce-href="https://franlopezballero.com/blog/incrementalidad-venta-habria-ocurrido">Incrementalidad: qué habría ocurrido igualmente</a></p>

Del lead a la visita: medir un funnel de citas que cree negocio

Fran López Ballero

Fran Lopez Ballero's website.

Switzer

Inter

Bebas Neue

Roboto

<p><a href="https://franlopezballero.com/es/politica-de-cookies" target="_blank" rel="noopener">Este sitio web utiliza cookies</a></p>

Fran López Ballero

Blog

Valor de la información: qué experimento merece presupuesto

IA en Marketing: medir calidad antes de calcular tiempo a...

Fatiga creativa o saturación: qué revisar antes de cambia...

GA4: cuando cae la conversión y mejora cada segmento

Search Console: priorizar oportunidades sin perseguir el CTR

Del lead a la visita: medir un funnel de citas que cree n...