Marketing Analytics no consiste en mirar un tablero lleno de números. Consiste en conectar una pregunta de negocio con datos confiables, interpretarlos en contexto y tomar una decisión que alguien pueda ejecutar.
La diferencia importa. Una empresa puede tener Google Analytics, Search Console, un CRM y varias planillas, y aun así no saber qué campaña merece presupuesto, qué contenido atrae oportunidades o dónde se rompe el recorrido hasta la venta. El problema no suele ser la falta de datos. Suele ser la falta de un método.
Qué es Marketing Analytics
Marketing Analytics es el uso sistemático de datos de marketing para evaluar resultados, explicar comportamientos y decidir qué hacer después. Incluye la definición de objetivos, el seguimiento de eventos y campañas, la recolección, el análisis, la visualización y la documentación de decisiones.
La disciplina no se reduce a una herramienta. Google Analytics puede mostrar qué hicieron las personas dentro del sitio; Search Console describe cómo apareció el sitio en Google y qué consultas generaron impresiones y clics. Google explica que ambas fuentes observan momentos distintos del recorrido y que sus cifras no tienen por qué coincidir. Search Console es la referencia para el rendimiento en Google Search; Analytics, para el comportamiento dentro del sitio. La documentación oficial de Google explica cómo leerlas juntas y por qué existen discrepancias.
En una estrategia de SEO, por ejemplo, la pregunta no es simplemente cuántas visitas recibió una URL. Puede ser:
- ¿Qué consultas generan visibilidad pero todavía no atraen clics?
- ¿Qué páginas reciben tráfico orgánico y producen una acción comercial?
- ¿Qué contenido merece una actualización y cuál no debería recibir más enlaces?
- ¿En qué etapa del recorrido se pierden los usuarios que ya demostraron intención?
Marketing Analytics, reporting y Business Intelligence no son lo mismo
Los tres conceptos se relacionan, pero cumplen trabajos distintos.
| Concepto | Pregunta principal | Resultado habitual |
|---|---|---|
| Reporting | ¿Qué pasó? | Un informe periódico con métricas, cortes y comparaciones. |
| Marketing Analytics | ¿Qué significa y qué conviene hacer? | Diagnóstico, hipótesis, análisis de causas y recomendación. |
| Business Intelligence | ¿Cómo integramos la información para decidir de forma consistente? | Modelos, definiciones, permisos, métricas reutilizables y tableros. |
Un reporte puede decir que el tráfico orgánico bajó. El análisis debe separar si cayeron las impresiones, el CTR, las posiciones, la medición, la indexación o la demanda. Una capa de BI puede mantener una definición común de ingresos, clientes nuevos o margen para que cada equipo no calcule la misma métrica de una manera distinta.
La frontera no es absoluta. Una empresa pequeña puede trabajar con una planilla bien documentada y un tablero simple. Una organización con varias fuentes, equipos y mercados necesitará un modelo de datos más formal. Lo importante es no llamar “analytics” a una exportación que nadie interpreta ni “BI” a un dashboard que solo cambia de colores.
Qué datos conviene unir
No hay que conectar todas las fuentes por reflejo. Cada sistema responde una parte del problema.
- Search Console: consultas, impresiones, clics, CTR, posición y páginas que aparecen en Google Search.
- Google Analytics: sesiones, páginas de destino, eventos, conversiones y comportamiento posterior a la llegada.
- CRM: leads, oportunidades, etapas, responsables, ingresos y estado real de cada cuenta.
- Plataformas publicitarias: inversión, impresiones, clics, conversiones registradas y datos de campaña.
- Contenido y producto: publicaciones, landing pages, ofertas, fechas de lanzamiento y cambios relevantes.
La unión útil no es la que tiene más columnas. Es la que permite responder una pregunta sin mezclar definiciones incompatibles. Para un sitio orientado a generación de leads, puede alcanzar con relacionar página de entrada, fuente, evento de contacto, lead válido y oportunidad creada. Para ecommerce, el modelo tendrá que sumar productos, pedidos, ingresos, devoluciones y margen.
Google ofrece la Data API de Analytics para consultar informes de forma programática, crear dashboards y automatizar reportes. La API respeta la identidad de reporting configurada en la propiedad; por eso, antes de comparar una extracción con la interfaz, hay que documentar la configuración y el alcance de la consulta. La referencia oficial de la Data API detalla los métodos, dimensiones y métricas disponibles.
Un método práctico para pasar de datos a decisiones
1. Empezá por la decisión
Escribí qué decisión debe salir del análisis. “Mejorar el marketing” no alcanza. “Decidir qué contenidos actualizar durante los próximos 30 días” sí. La pregunta define qué datos son necesarios y evita acumular métricas que no van a cambiar ninguna acción.
2. Definí la métrica y su fuente
Para cada indicador, registrá el nombre, la fórmula, la fuente, el período, el nivel de agregación y la persona responsable. “Conversiones” puede significar un evento de formulario, un lead validado por ventas o una oportunidad creada en el CRM. Si no se aclara, dos equipos pueden presentar números distintos y ambos creer que tienen razón.
3. Revisá la calidad antes de interpretar
Antes de explicar una caída, comprobá que la medición siga funcionando. Revisá etiquetas, eventos, UTMs, filtros, consent mode, cambios de dominio, URLs canónicas, duplicados y ventanas de atribución. En SEO, separá también la propiedad correcta, el tipo de búsqueda y el período comparado.
4. Segmentá antes de promediar
Un promedio general puede ocultar el problema. Cortá los datos por canal, landing page, país, dispositivo, tipo de usuario, campaña, etapa del embudo o tipo de contenido cuando esas dimensiones sean relevantes para la decisión.
5. Separá observación, explicación e hipótesis
“Las impresiones cayeron” es una observación. “La demanda bajó” es una explicación posible. “Hay que actualizar el título” es una hipótesis de trabajo. Mantener esas capas separadas mejora la calidad del análisis y evita presentar una conjetura como un hecho.
6. Cerrá con una acción y un criterio de revisión
Cada análisis debería terminar con una acción concreta, un responsable y una fecha de revisión. Si la decisión es actualizar una URL, definí qué se va a cambiar y qué señal se observará después. Si no existe una acción razonable, el informe probablemente describe demasiado y decide poco.
Cómo usar Search Console y Analytics sin mezclar sus métricas
Search Console y Analytics se complementan, pero no son dos versiones del mismo contador. Search Console registra actividad relacionada con la aparición y el clic en Google Search. Analytics registra interacciones que ocurren después de que la persona llega al sitio. Google señala diferencias de sistema, zona horaria, atribución, canonicalización, consentimiento, páginas no HTML y filtrado de bots, entre otras causas.
Una comparación razonable empieza por alinear:
- la misma propiedad y dominio;
- el mismo período, teniendo en cuenta la zona horaria;
- la misma dimensión de página, consulta o landing page;
- el mismo tipo de búsqueda o canal;
- la definición concreta de conversión;
- la ventana y el modelo de atribución.
Después se analiza el patrón, no solo el total. Una diferencia pequeña no demuestra que una herramienta esté rota. Una diferencia grande sí justifica revisar la implementación y las definiciones.
Para el diagnóstico SEO, podés complementar este enfoque con la guía de Google Analytics aplicada al análisis web y con el artículo sobre KPIs para medir resultados. Son piezas distintas: una explica la lectura de la herramienta y la otra ayuda a elegir indicadores.
Un tablero no reemplaza un análisis
Un dashboard es útil cuando reduce el tiempo necesario para encontrar una señal y deja visible qué decisión depende de ella. No es útil cuando reúne todas las métricas disponibles, cambia de color cada semana y obliga a reconstruir el contexto en una reunión.
Un tablero mínimo para contenidos y SEO puede incluir:
- impresiones y clics por URL y consulta;
- CTR y posición media, siempre con período y tipo de búsqueda;
- sesiones o usuarios de búsqueda orgánica;
- conversiones o leads válidos;
- páginas de entrada con engagement o eventos relevantes;
- cambios editoriales y técnicos anotados en la misma línea temporal.
La visualización tiene que mostrar qué cambió, dónde y desde cuándo. Las tablas ayudan a auditar; los gráficos ayudan a detectar patrones; ninguno explica por sí solo la causa.
Errores frecuentes
Medir antes de definir objetivos
Sin una decisión asociada, cada métrica parece importante. El resultado suele ser un informe extenso que no cambia prioridades.
Usar métricas de vanidad como resultado de negocio
Alcance, seguidores o sesiones pueden servir como señales, pero no sustituyen leads válidos, oportunidades, ventas, retención o margen cuando esas son las metas reales.
Mezclar adquisición con conversión
Una página puede atraer muchas visitas y convertir poco. Otra puede recibir menos tráfico y generar mejores oportunidades. Compararlas solo por sesiones lleva a decisiones pobres.
Cambiar la herramienta antes de revisar la implementación
Si un evento está mal definido, migrar de plataforma no corrige el dato. Primero hay que revisar el contrato de medición: qué se registra, cuándo, con qué parámetros y quién valida la calidad.
Asignar causalidad a una sola variable
Una caída puede coincidir con un cambio de título, una actualización de algoritmo, una campaña que terminó, una modificación de tracking o un cambio de demanda. La coincidencia temporal es una pista, no una prueba.
Qué debería entregar un análisis de marketing
Un análisis útil puede ser breve si deja estas respuestas:
- Qué pregunta se intentó responder.
- Qué fuentes y períodos se utilizaron.
- Qué definición tiene cada métrica.
- Qué se observó y qué todavía es una hipótesis.
- Qué decisión se recomienda.
- Quién la ejecuta y cuándo se revisará.
- Qué limitaciones pueden cambiar la interpretación.
Si el análisis incluye SEO y adquisición, conviene separar el rendimiento de búsqueda del comportamiento posterior. Si incluye CRM, también hay que aclarar cuándo un contacto pasa a ser lead válido u oportunidad. Para trabajar el costo de adquisición con una definición más concreta, podés consultar la guía sobre CAC por canal; para rentabilidad publicitaria, el artículo sobre ROAS.
Conclusión
Marketing Analytics no es una colección de dashboards ni una lista de KPIs. Es un proceso para transformar datos con definiciones claras en decisiones que se puedan ejecutar y revisar.
La secuencia más segura es simple: empezar por la pregunta, elegir las fuentes adecuadas, validar la medición, segmentar, separar hechos de hipótesis y cerrar con una acción. Cuando el volumen de datos crece, el reto no es sumar otra herramienta. Es sostener un lenguaje común sobre qué se mide, cómo se calcula y qué decisión habilita.
Preguntas frecuentes
¿Marketing Analytics es lo mismo que Google Analytics?
No. Google Analytics es una fuente y una plataforma de análisis de comportamiento. Marketing Analytics es un proceso más amplio que también puede usar Search Console, CRM, publicidad, ventas y datos de negocio.
¿Search Console y Google Analytics deberían mostrar los mismos números?
No necesariamente. Registran momentos distintos del recorrido y aplican sistemas, definiciones y configuraciones diferentes. Hay que comparar períodos y dimensiones compatibles y estudiar el patrón antes de diagnosticar un problema.
¿Una empresa chica necesita Business Intelligence?
No siempre necesita una plataforma compleja. Sí necesita definiciones consistentes, una fuente identificable, un registro de cambios y un proceso para convertir los datos en decisiones. El nivel de formalidad puede crecer junto con la operación.
¿Qué métrica conviene mirar primero?
La que esté más cerca de la decisión que querés tomar. Para una actualización SEO puede ser la combinación de impresiones, clics, consultas y posición; para un proceso comercial, la relación entre fuente, lead válido, oportunidad e ingreso.
Comment
Excelente