Auditoría ecommerce: un 3,1% de conversión que en realidad eran cuatro negocios distintos
Caso real · Retailer con el 58% del presupuesto dirigido a su peor segmento
Una tasa de conversión global es un resumen, y todo resumen esconde información. El problema es cuál: las medias ocultan de forma sistemática los segmentos donde algo está roto, y lo hacen en proporción inversa a la gravedad del fallo. Cuanto más específico es el problema, menos se nota en el agregado y más tiempo permanece.
Este caso, la auditoría ecommerce de un retailer, son cuatro capas de información escondidas bajo un número que nadie discutía.
Capa 0: el número que no generaba preguntas
«El resultado global parece aceptable, pero sospecho que hay combinaciones que van fatal y quedan tapadas por la media.»
Un retailer con un 3,1% de conversión global. Una cifra correcta para su sector, del tipo que aparece en el informe mensual sin levantar una sola mano. Nadie la discutía porque no tenía nada de alarmante.
La sospecha del director de marketing resultó exacta. Y peor de lo que imaginaba.
Capa 1: dispositivo
- Desktop: 4,4%
- Móvil: 1,2%
Ya solo eso reordena las prioridades de un año.
Capa 2: sistema operativo y resolución
Dentro de móvil apareció lo importante: 0,3% en Android con un rango de resolución concreto, en el que el selector de talla quedaba fuera del área visible. La gente llegaba a la ficha de producto, no podía elegir talla y se iba. 11.000 sesiones al mes en esa situación.
Capa 3: el presupuesto
El 58% de la inversión en paid iba dirigida a móvil.
Más de la mitad del dinero apuntaba al segmento que convertía casi cuatro veces peor, y una parte de él a un segmento donde comprar era físicamente imposible.
Capa 4: la landing
Cruzando por página de destino, la landing de la campaña con mayor gasto convertía a la mitad que la genérica. Nadie lo había cruzado nunca, porque el informe de campañas y el informe de web vivían en pestañas distintas y se leían por separado.
Cuatro hallazgos. Todos bajo el mismo 3,1%.
Lo que descartamos
Rediseñar la web. El problema del selector de talla se resolvía con un ajuste de CSS. Un rediseño habría tardado meses y costado dos órdenes de magnitud más que la corrección real.
Contratar una plataforma de CRO enterprise o una suite de analítica de producto. Segmentar por dispositivo, navegador, resolución, campaña y landing se hace con la analítica que este cliente ya tenía instalada. Lo que faltaba no era herramienta. Era la decisión de mirar los datos abiertos en lugar de agregados.
Personalización dinámica para compensar el mal rendimiento en móvil. Cuando un segmento convierte mal, hay proveedores que ofrecen servir una experiencia distinta a ese segmento. Aquí habría significado construir una capa de personalización encima de un selector de talla que estaba fuera de pantalla. Se arregla el selector.
Optimizar por severidad técnica. El diagnóstico segmentado produce muchos hallazgos menores. Solo entraron en el plan los que movían dinero.
Cómo se abre una media sin acabar persiguiendo ruido
1. Definir las dimensiones y el umbral, antes de mirar
El trabajo de fondo es más de criterio que de tecnología: decidir por qué dimensiones tiene sentido abrir los datos y hasta qué nivel de detalle antes de que las cifras dejen de ser fiables.
Abrimos la conversión por dispositivo, sistema operativo, navegador, resolución de pantalla, campaña de origen y landing de destino, y por los cruces entre ellas. El cruce es donde se esconden los problemas graves: «móvil» no dice gran cosa; «Android + esta resolución + esta landing» sí.
El límite lo pone el volumen. Cuando un segmento tiene tan pocas sesiones que su tasa oscila salvajemente de una semana a otra, deja de ser información y pasa a ser ruido. Fijamos el umbral —1.000 sesiones mensuales, en este caso— antes de empezar, precisamente para no acabar persiguiendo fantasmas y justificando decisiones con muestras de cuarenta visitas.
2. Diagnóstico web dirigido a los segmentos malos
Con los segmentos problemáticos identificados, aplicamos sobre ellos el mismo diagnóstico que haríamos sobre la web entera —rendimiento en rutas críticas, errores de JavaScript, Core Web Vitals de campo, comportamiento de los componentes— pero reproduciendo las condiciones exactas del segmento: ese navegador, esa versión, esa resolución.
Así apareció el selector de talla. En un test de escritorio, o incluso en un móvil de gama alta, el componente funcionaba perfectamente. Solo fallaba en un rango de resoluciones concreto, correspondiente a dispositivos Android de gama media muy vendidos en el mercado de este cliente.
Es el tipo de fallo que no encuentra nadie que no vaya a buscarlo con la segmentación delante.
3. Cruzar rendimiento de campaña con rendimiento de landing
El cuarto hallazgo exigía juntar dos informes que nunca se miraban juntos: inversión por campaña y conversión por página de destino.
La causa resultó mundana. La landing específica se había creado para una promoción antigua, había perdido varios elementos de confianza que sí tenía la genérica —sellos de devolución, valoraciones— y arrastraba un script de un carrusel que ya no existía.
Nadie lo había detectado porque el equipo de campañas juzgaba esa campaña por su CPC y su CTR, que eran buenos, y el equipo de web juzgaba las landings por tráfico agregado, donde esta no destacaba. Cada uno miraba bien su parte. El problema estaba en la juntura.
4. Priorizar por dinero en riesgo, no por severidad
Cada hallazgo con su estimación: sesiones afectadas × brecha de conversión frente al segmento sano × valor medio de pedido. Eso convierte una lista de problemas técnicos en una lista ordenada de facturación recuperable.
El selector de talla, siendo el fallo técnicamente más trivial de todos, encabezaba la lista por un margen enorme: 34.000 € mensuales estimados.
5. Monitorización segmentada permanente
Lo que evita que vuelva a pasar: la monitorización de conversión y errores quedó instalada abierta por segmento, no en agregado.
Esta es la diferencia entre resolver el problema una vez y resolverlo para siempre. Un fallo que afecta al 8% del tráfico mueve la media global dos décimas — invisible. Aislado en su segmento, es una caída del 80% que salta de inmediato.
Resultado
El segmento Android afectado pasó del 0,3% al 2,9%. El arreglo fue una corrección de CSS de una tarde.
La conversión global subió del 3,1% al 4,0% tras ejecutar los cuatro hallazgos. Sin cambiar la inversión, sin campañas nuevas y sin rediseñar nada.
Se reasignó presupuesto entre landings. La campaña de mayor gasto se redirigió a la landing genérica mientras se corregía la específica. Efecto en ventas la misma semana.
El reparto móvil/desktop se replanteó con criterio. Y aquí está lo interesante: no se redujo la inversión en móvil. Una vez arreglado, móvil dejó de ser el segmento malo. La conclusión de «invirtamos menos en móvil» que el equipo estaba a punto de tomar habría sido exactamente la equivocada, y habría cerrado el canal que más creció después.
El cambio de método que más vale a largo plazo: el informe mensual ya no lleva una tasa de conversión. Lleva la tasa abierta por los cinco cortes que importan, con alertas cuando alguno se separa del resto.
Por qué lo hacemos así
Una media esconde información por definición. Lo grave es que las medias de conversión esconden precisamente el tipo de información que más dinero mueve: los segmentos donde algo está roto.
Y lo hacen de forma sistemática. Un fallo que afecta a una parte del tráfico se diluye en el total en proporción inversa a lo grave que es. Cuanto más específico, menos se nota. Cuanto menos se nota, más tiempo dura.
La consecuencia práctica: un director de marketing puede estar mirando un número perfectamente razonable todos los meses mientras un segmento entero de su audiencia es incapaz de comprar.
Detectarlo no necesita herramientas nuevas. Necesita abrir los datos que ya tienes por las dimensiones correctas, tener criterio para saber hasta dónde bajar sin perseguir ruido, e ir a buscar la causa técnica en las condiciones exactas del segmento afectado.
Dónde no aplica: con menos de 5.000 sesiones mensuales, la mayoría de los cruces no alcanzan significancia y el ejercicio produce más ruido que señal. Ahí conviene quedarse en dos dimensiones —dispositivo y landing— y poco más. Y si tu conversión global está por debajo de la mitad de la media de tu sector, el problema probablemente no es un segmento: es el producto, el precio o la propuesta, y ninguna segmentación lo va a arreglar.
Preguntas frecuentes
¿Por qué la conversión en móvil es más baja que en desktop?
Parte de la diferencia es estructural: en móvil hay más navegación exploratoria y más compra diferida a otro dispositivo, así que una brecha moderada es normal. Pero una diferencia de tres o cuatro veces no es estructural, es un síntoma. Antes de aceptarla como característica del canal conviene abrir móvil por sistema operativo, navegador y resolución: los fallos de componentes que solo se manifiestan en ciertos rangos de pantalla son una causa frecuente y prácticamente invisible en el agregado.
¿Por qué dimensiones conviene segmentar la tasa de conversión de un ecommerce?
Como mínimo por dispositivo, sistema operativo, navegador, resolución de pantalla, campaña de origen y landing de destino. Los problemas graves suelen aparecer en los cruces, no en las dimensiones sueltas: «móvil» rara vez señala nada accionable, mientras que la combinación de sistema operativo, resolución y página de destino sí localiza el fallo concreto.
¿Cuántas sesiones necesita un segmento para ser fiable?
Como regla práctica, un segmento cuya tasa de conversión oscila de forma amplia de una semana a otra no tiene volumen suficiente para decidir sobre él. Fijar un umbral mínimo de sesiones antes de empezar el análisis —y no después, cuando ya se ha visto un dato llamativo— evita perseguir variaciones aleatorias y presentarlas como hallazgos.
¿Hay que reducir la inversión en el canal que peor convierte?
No antes de comprobar por qué convierte peor. Si la causa es un fallo técnico corregible, reducir inversión elimina un canal que iba a rendir bien en cuanto se arreglara. En este caso, la decisión intuitiva de recortar móvil habría sido la equivocada: tras la corrección, móvil dejó de ser el segmento débil.
¿Qué es la monitorización segmentada y en qué se diferencia de un informe normal?
Un informe normal presenta métricas agregadas y detecta problemas que afectan al conjunto. La monitorización segmentada vigila cada combinación relevante por separado y alerta cuando una se separa del resto. La diferencia es de sensibilidad: un fallo que afecta al 8% del tráfico mueve la media global dos décimas, pero supone una caída del 80% dentro de su propio segmento.
¿Se puede segmentar sin comprar herramientas nuevas?
En la mayoría de los casos, sí. Las dimensiones necesarias —dispositivo, sistema operativo, navegador, resolución, campaña, landing— están disponibles en las herramientas de analítica estándar. Lo que suele faltar no es capacidad técnica sino el criterio para decidir qué cruces mirar y hasta qué nivel bajar.
¿Tu tasa de conversión es un número o son cinco? Si en tu informe mensual aparece una sola cifra, ahí hay información escondida. Cuéntanos qué segmentos tienes y en la primera conversación sabremos por dónde conviene empezar a abrir.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.