Tracking roto en campañas: llevo 19 días tomando decisiones con datos falsos
Caso real · Un despliegue de web que borró el contenedor de etiquetas y nadie se enteró hasta el informe mensual
Cuando el tracking de una campaña se rompe, el sistema de puja automática (smart bidding) no se detiene: sigue decidiendo con datos falsos. Y puede tomar decisiones en la dirección contraria a la correcta, porque retira inversión de donde no llegan señales — que es donde está el fallo, no donde está el mal rendimiento. Por eso el coste de un fallo de medición no es lineal en el tiempo: se acumula, y una parte persiste después de corregirlo.
19 días de tracking roto. 5 semanas adicionales de recuperación.
El punto de partida: un despliegue rutinario
«Nos hemos enterado a fin de mes de que llevábamos tres semanas gastando en algo roto.»
Un despliegue de web como cualquier otro. Cambios de contenido, alguna corrección menor, la clase de actualización que ocurre cada dos semanas sin que marketing se entere ni tenga por qué enterarse.
En ese despliegue, el contenedor de etiquetas desapareció de una sección completa del sitio. No de toda la web —eso se habría notado—. Solo de las páginas a las que llegaba una parte concreta de las campañas: un 23% de la inversión.
La cascada: cuatro efectos, en orden
Esta secuencia es lo que convierte un fallo técnico menor en un problema caro, y muy pocos equipos la tienen presente.
| # | Qué pasó | Consecuencia |
| 1 | Las conversiones de esas campañas dejaron de registrarse | La gente seguía comprando; el sistema ya no lo veía |
| 2 | La puja automática interpretó que esas líneas habían dejado de funcionar | Redujo su entrega — y eran las más rentables de la cuenta |
| 3 | Ese presupuesto se reasignó automáticamente | Fue a líneas que sí reportaban y rendían peor |
| 4 | El algoritmo reentrenó su criterio sobre tres semanas de señales erróneas | Al corregir el fallo, no volvió de inmediato a su comportamiento anterior |
El paso 2 es el que casi nadie anticipa. El algoritmo hizo exactamente lo que debía hacer con la información que tenía. El fallo no fue suyo.
Se detectó el día 19, preparando el informe mensual, cuando alguien vio una caída de conversiones que no cuadraba con las ventas reales del negocio.
El coste no fue el gasto de 19 días. Fue el gasto mal dirigido durante 19 días, más cinco semanas adicionales de recuperación del algoritmo.
Lo que descartamos
Una plataforma de monitorización enterprise. Existen suites de observabilidad diseñadas para equipos de ingeniería que vigilan decenas de servicios en producción, con licencias acordes y administrador dedicado. Este cliente necesitaba vigilar seis métricas en cinco cuentas de campañas. La desproporción entre el problema y la solución habitual del mercado es, en este caso, notable.
Un sistema de observabilidad general. Monitorizar todo lo monitorizable produce un volumen de alertas que nadie lee. Y una alerta que nadie lee es peor que ninguna alerta: da falsa sensación de cobertura. Definimos deliberadamente pocas métricas y pocos umbrales.
Cambiar el proceso de despliegue de la web. Era una opción —añadir una validación de etiquetas antes de publicar— y es buena práctica, pero pertenece a otro departamento, tiene su propio calendario y no resuelve el caso general. Los fallos vendrán también de sitios que nadie ha previsto. Lo que hay que garantizar es que se detecten rápido, vengan de donde vengan.
Detección de anomalías: cómo se vigila esto sin montar un centro de control
1. Pocas señales, bien elegidas
La monitorización útil empieza por decidir qué no se vigila.
Cuatro familias, cada una capaz de detectar un tipo distinto de fallo:
- Gasto. Consumo anómalo por campaña y día, en ambas direcciones. Un gasto disparado suele ser error de configuración; un gasto detenido suele ser problema de facturación o de aprobación de anuncios.
- Tracking. Volumen de eventos recibidos por página, campaña y tipo. Es la señal que habría detectado este caso en horas.
- Conversiones. Caídas bruscas respecto al patrón esperado, ajustado por día de la semana y estacionalidad.
- Coste por adquisición. Desviaciones respecto al rango habitual de cada campaña.
Cuatro familias. No cuarenta indicadores.
2. Contrastar contra una fuente independiente
Esta es la pieza que separa una monitorización que funciona de una que no.
Vigilar solo las conversiones que reporta la plataforma no habría bastado aquí, porque el fallo consistía precisamente en que la plataforma dejó de recibirlas. Desde su punto de vista no había anomalía: había un canal que había dejado de convertir, que es algo que ocurre todos los días en alguna cuenta.
Por eso la vigilancia contrasta las señales de campaña con una fuente que no depende del mismo tracking: los pedidos reales del negocio. Cuando las ventas del CRM se mantienen y las conversiones reportadas caen a cero, no hay ambigüedad. Eso no es un canal que ha empeorado. Es un tracking roto.
Es el mismo principio que aplicamos en la medición cross-channel [enlazar a /casos/centralizacion-de-datos-cross-channel-capa-neutral]: una plataforma no puede validar por sí sola que su propia medición funciona.
3. Umbrales con contexto, no porcentajes fijos
Un umbral mal calibrado produce uno de dos resultados, ambos inútiles: alertas constantes que el equipo aprende a ignorar, o silencio ante problemas reales.
Los umbrales se definieron por campaña, según su volumen —una campaña pequeña oscila mucho de forma natural y necesita margen más ancho—, su patrón semanal y su estacionalidad. Con una condición de persistencia: la anomalía debe sostenerse un tiempo mínimo antes de generar aviso, para no reaccionar a la variabilidad normal de un martes por la tarde.
4. Escalado con responsable nominal
Una alerta que llega a un correo genérico no es un sistema de detección. Es un correo más.
Tres niveles, con destinatarios y tiempos distintos:
- Informativo: desviación menor. Se registra y se revisa en el seguimiento semanal.
- Atención: desviación relevante. Aviso al canal de trabajo del equipo, con contexto suficiente para decidir en un minuto qué ha pasado y cuánto dinero hay en juego.
- Crítico: tracking caído o gasto descontrolado. Aviso inmediato, con responsable nominal y suplente, también fuera de horario.
Para cada nivel, un protocolo escrito: quién actúa, en cuánto tiempo, qué está autorizado a hacer sin consultar. Ese último punto es lo que evita que una alerta de sábado espere al lunes.
La regla que más dinero ahorra
El cliente la incorporó por su cuenta tras el primer aviso real, y es probablemente la parte más rentable del proyecto:
Si se confirma que una campaña está optimizando con una señal de conversión rota, se pausa hasta recuperar una medición fiable. No se investiga con la campaña corriendo. Se pausa, se investiga y se reanuda.
El razonamiento es el del caso original: mientras el tracking está roto, cada euro que gasta esa campaña no solo se gasta a ciegas — enseña al algoritmo algo falso. El daño no es proporcional al tiempo, se acumula, y persiste después de la corrección.
Pausar unas horas de más es un coste trivial. Reentrenar un algoritmo sobre tres semanas de datos falsos, no.
Es también la regla que más resistencia genera al proponerla, porque contradice el instinto de no parar nunca lo que está gastando bien. La aritmética dice lo contrario.
Resultado
El siguiente incidente se detectó en 2 horas. Ocurrió cinco meses después: otro despliegue, otra sección, mismo tipo de fallo. La alerta saltó esa mañana, las campañas afectadas se pausaron automáticamente y el fallo se corrigió antes del mediodía.
19 días frente a 2 horas.
El algoritmo no se desentrenó. Al pausar en lugar de seguir emitiendo señales falsas, no hubo periodo de recuperación posterior. Esta es la parte del daño que el cliente no había cuantificado antes y que resultó ser la más costosa del incidente original.
Tres tipos de fallo distintos detectados en el primer año, ninguno relacionado con el anterior: una campaña con presupuesto mal configurado que consumió el triple en una noche, un feed de producto caído que dejó de servir la mitad del catálogo, y un cambio de consentimiento que alteró el volumen de eventos registrados.
Ninguno de los tres habría sido detectado por una comprobación específica del fallo anterior. Los tres los detectó la vigilancia de las mismas cuatro familias de señales.
El equipo no recibe alertas de ruido. En doce meses, once alertas de nivel atención o crítico. Todas correspondían a algo real. Es el indicador que más nos importa: un sistema que avisa poco y siempre con motivo es un sistema que la gente sigue leyendo al cabo de un año.
Por qué lo hacemos así
Hay una asimetría en las campañas automatizadas que casi nadie incorpora al calcular el riesgo de un fallo de medición.
Cuando el tracking se rompe, el sistema no se detiene: sigue funcionando y tomando decisiones. Con datos falsos, y en la dirección exactamente contraria a la correcta, porque reduce la inversión donde no llegan las señales — que suele ser donde está el fallo, no donde está el mal rendimiento.
Eso significa que el coste no es lineal en el tiempo. Es acumulativo, y una parte persiste después de arreglarlo, porque el algoritmo ha aprendido algo que no era verdad.
Por eso la detección rápida vale desproporcionadamente más aquí que en otros contextos, y por eso pausar preventivamente casi siempre sale a cuenta.
Conseguirlo no exige una plataforma de observabilidad. Exige cuatro señales bien elegidas, contrastadas contra una fuente que no dependa del mismo tracking, con umbrales calibrados por campaña y un protocolo que diga quién actúa y en cuánto tiempo.
Dónde no aplica: si todas tus campañas operan con puja manual, el efecto de cascada desaparece y un fallo de tracking se queda en un problema de reporting — grave, pero acotado y sin daño persistente. La urgencia de este sistema es proporcional a cuánta de tu inversión está en manos de un algoritmo que aprende de tus conversiones. En la mayoría de cuentas actuales, casi toda.
Preguntas frecuentes
¿Qué pasa si se rompe el píxel de conversión con la puja automática activa?
Da igual que sea el píxel de Meta o la etiqueta de conversión de Google Ads: el algoritmo interpreta la ausencia de conversiones como caída de rendimiento y reduce la entrega de esas campañas, reasignando presupuesto a otras que sí reportan. El efecto es doble: se deja de invertir donde funcionaba y se refuerza lo que rinde peor. Además, el sistema reentrena su criterio con esas señales falsas, de modo que el daño continúa después de reparar el fallo.
¿Hay que pausar una campaña si su tracking falla?
Sí, en la mayoría de los casos. Mientras el tracking está roto, cada euro no solo se gasta sin visibilidad: alimenta al algoritmo con información errónea, y ese aprendizaje persiste tras la corrección. El coste de pausar unas horas de más es trivial comparado con el de reentrenar el sistema de puja sobre semanas de datos falsos.
¿Cuánto tarda un algoritmo de puja en recuperarse tras un fallo de tracking?
Depende de la duración del fallo y del volumen de conversiones de la cuenta, pero como referencia, un periodo de señales erróneas de varias semanas puede requerir un tiempo similar o mayor de recuperación una vez corregido. No es un interruptor: el sistema necesita acumular señales correctas suficientes para revertir lo aprendido.
¿Cómo se detecta un tracking roto si la propia plataforma no lo señala?
Contrastando con una fuente independiente del mismo tracking, normalmente los pedidos o leads reales registrados en el CRM o el back-office. Si las ventas del negocio se mantienen y las conversiones reportadas caen, la explicación no es un canal que ha empeorado: es una señal que ha dejado de llegar. Una sola fuente no puede detectar sus propios fallos.
¿Qué métricas conviene monitorizar en campañas publicitarias?
Cuatro familias bastan para cubrir la mayoría de fallos: gasto anómalo por campaña y día en ambas direcciones, volumen de eventos de tracking recibidos, caídas de conversiones respecto al patrón esperado, y desviaciones de coste por adquisición. Vigilar muchos más indicadores genera un volumen de alertas que el equipo termina ignorando.
¿Cómo se evita que las alertas se conviertan en ruido?
Calibrando umbrales por campaña según su volumen, patrón semanal y estacionalidad —una campaña pequeña oscila mucho de forma natural— y exigiendo persistencia mínima antes de avisar. Y limitando el número de señales vigiladas. El indicador de que un sistema de alertas funciona no es cuántas emite, sino que todas las que emite correspondan a algo real.
¿Cuánto dinero podría desviarse antes de que alguien detectara hoy un fallo de tracking? Diseñamos un sistema de detección basado en pocas señales, umbrales adaptados al comportamiento de cada campaña y una respuesta definida cuando algo se desvía.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.