Es fácil obsesionarse con un único número: cuánto hemos vendido este mes. Es la cifra que aparece en la cabecera del panel de control, la que se comenta en cualquier reunión, la que decide si el mes "ha ido bien" o "ha ido mal" en la conversación informal. El problema es que esa cifra, por sí sola, no dice nada sobre por qué ha pasado lo que ha pasado, y sin esa información es imposible saber qué palanca mover para que el mes que viene vaya mejor. Un ecommerce genera decenas de datos útiles de forma automática; la diferencia entre un negocio que mejora de forma constante y uno que da bandazos suele estar en qué parte de esos datos se mira con regularidad, y qué se hace con lo que se ve.
Las métricas que importan más que la venta total
- Tasa de conversión. Qué porcentaje de visitas termina en compra. Es el termómetro más directo de si la tienda está haciendo bien su trabajo de convencer a quien ya ha llegado, independiente de cuánto tráfico haya.
- Valor medio de pedido (AOV). Cuánto gasta de media cada cliente por compra. Subir esta cifra (con recomendaciones de producto, envío gratis a partir de cierto importe, kits de producto) tiene un impacto directo en la facturación sin necesidad de más tráfico ni más clientes.
- Coste de adquisición de cliente (CAC). Cuánto cuesta, de media, conseguir que alguien nuevo compre por primera vez, sumando todo el gasto de marketing dividido entre nuevos clientes conseguidos. Sin esta cifra, es imposible saber si una campaña de publicidad es rentable de verdad.
- Valor de vida del cliente (LTV). Cuánto genera de media un cliente a lo largo de toda su relación con la tienda, no solo en la primera compra. Comparar LTV con CAC es la comparación más honesta que existe sobre si el negocio es sostenible a largo plazo.
- Tasa de abandono de carrito. Qué porcentaje de quienes añaden algo al carrito no llega a completar la compra. Una cifra alta señala fricción en el proceso de pago o dudas sin resolver antes de pagar.
- Tasa de recompra. Qué porcentaje de clientes vuelve a comprar en un periodo determinado. Es el indicador más directo de fidelización real, más allá de las buenas intenciones declaradas.
Por qué la relación entre CAC y LTV es la que más decisiones debería guiar
De todas las métricas, la comparación entre lo que cuesta conseguir un cliente (CAC) y lo que ese cliente genera a lo largo del tiempo (LTV) es probablemente la más importante y la menos mirada por negocios pequeños. Un negocio que gasta 20 euros en conseguir un cliente que solo compra una vez por 25 euros, sin volver nunca, apenas sobrevive; el mismo negocio, con un LTV de 150 euros gracias a que el cliente medio compra seis veces en un año, tiene muchísimo más margen para invertir en publicidad de forma agresiva. Sin conocer esta relación, es imposible saber si merece la pena subir el presupuesto de publicidad o si, al contrario, cada euro invertido en atraer tráfico está quemando dinero sin que el negocio lo sepa.
Un ejemplo con cifras para verlo claro
Una tienda vende un producto a 40 euros con un margen del 50%. Gasta de media 15 euros en publicidad por cada cliente nuevo conseguido (CAC de 15 euros). Si ese cliente compra una única vez, el negocio gana 20 euros de margen y ha gastado 15 en conseguirlo: un beneficio de solo 5 euros por cliente, un negocio muy ajustado. Si, gracias a un buen trabajo de email marketing y fidelización, ese mismo cliente compra en promedio 2,5 veces al año durante dos años (LTV real de 100 euros de margen acumulado), el mismo CAC de 15 euros deja de ser un problema, se convierte en una inversión clarísimamente rentable. La diferencia entre un negocio ajustado y uno saludable no estaba en el coste de adquisición, estaba en lo que pasaba después de la primera venta.
Cómo montar un panel de control sin perderse en datos
La tentación, en cuanto se descubre la analítica, es querer mirar cuarenta métricas a la vez, lo cual paraliza más que ayuda. Es mejor construir un panel corto (cinco a siete métricas clave) que se revisa con regularidad (semanal para las operativas como conversión y abandono de carrito, mensual para las más estratégicas como LTV y CAC), en lugar de un informe extenso que nadie llega a leer con atención. Herramientas como Google Analytics 4, el panel nativo de Shopify o WooCommerce, y plugins específicos de analítica de ecommerce ya calculan la mayoría de estas métricas automáticamente; el trabajo real está en decidir cuáles mirar, no en calcularlas a mano.
Un caso real: la tienda que descubrió que su mejor campaña era la peor
Una tienda de complementos gestionaba dos campañas de publicidad en paralelo, y durante meses priorizó la que generaba más ventas en volumen total, asumiendo que era la más rentable. Al calcular el CAC real de cada campaña por separado, descubrieron que esa campaña "ganadora" tenía un coste de adquisición casi tres veces mayor que la segunda campaña, que generaba menos ventas en número absoluto pero con un margen muchísimo más sano. Reasignar presupuesto de la campaña "grande pero cara" a la "pequeña pero rentable" mejoró el beneficio neto del negocio sin necesidad de vender ni una unidad más.
Segmentar antes de sacar conclusiones
Mirar las métricas del negocio en su conjunto, sin segmentar, esconde diferencias importantes. La tasa de conversión general puede parecer aceptable mientras dentro de ella hay un canal que convierte extraordinariamente bien y otro que apenas convierte nada, compensándose mutuamente en la media. Segmentar por canal de origen (publicidad, orgánico, email, redes), por tipo de dispositivo (móvil frente a escritorio, donde las tasas de conversión suelen diferir bastante) y por categoría de producto, casi siempre revela oportunidades de mejora que la cifra global oculta.
El error de comparar tu tienda con benchmarks genéricos del sector
Es tentador buscar en internet "cuál es la tasa de conversión media de un ecommerce" y usar esa cifra como vara de medir para el propio negocio, pero ese tipo de benchmark genérico mezcla sectores, tickets medios y modelos de negocio tan distintos entre sí que la comparación aporta poco valor real. Un benchmark mucho más útil es tu propio histórico: comparar el mes actual con el mismo mes del año anterior, o con la media de los últimos tres meses, filtra buena parte del ruido estacional y da una imagen mucho más honesta de si el negocio está mejorando o empeorando en términos que realmente le aplican.
Cómo presentar estas métricas si tienes que reportarlas a un socio o inversor
Cuando hay que comunicar estas métricas a alguien que no vive el negocio día a día (un socio, un inversor, un banco para una línea de financiación), es fácil caer en la tentación de mostrar solo las cifras que quedan bien. La forma más profesional y, a la larga, más útil para uno mismo, es presentar siempre la relación entre CAC y LTV junto con la cifra de ventas, no solo esta última, porque es la que de verdad explica si el crecimiento es sostenible o si se está comprando a base de gastar cada vez más en publicidad sin mejorar la rentabilidad real del negocio.
Cuándo confiar menos en un dato con poco volumen
Un error habitual al empezar a mirar métricas de cerca es sacar conclusiones firmes a partir de muestras demasiado pequeñas: una campaña que ha generado solo ocho ventas puede parecer excelente o pésima según el azar de esos ocho pedidos concretos, sin que eso diga nada fiable sobre su rendimiento real a mayor escala. Antes de tomar decisiones importantes basadas en una métrica, conviene preguntarse si el volumen de datos detrás de esa cifra es suficiente para ser representativo, o si todavía se está dentro del margen en el que unos pocos pedidos concretos pueden distorsionar por completo la conclusión.
Errores habituales al interpretar las métricas
El primer error frecuente es confundir correlación con causalidad: ver que las ventas suben el mismo mes en que se lanzó una nueva funcionalidad y asumir automáticamente que esa funcionalidad es la causa, sin descartar otras explicaciones igual de plausibles (estacionalidad, una campaña de publicidad que coincidió en el tiempo, un competidor que subió precios). Antes de atribuir una mejora a un cambio concreto, conviene preguntarse qué más ocurrió ese mismo periodo que también podría explicar el resultado.
El segundo error es mirar las métricas solo en valor absoluto sin contexto de tendencia. Una tasa de conversión del 2% puede sonar razonable en aislado, pero si hace seis meses era del 3%, esa misma cifra en realidad esconde un deterioro que merece atención inmediata. El tercer error, más sutil, es optimizar una métrica aislada sin vigilar el efecto que ese cambio tiene sobre las demás: subir agresivamente el valor medio de pedido con umbrales de envío gratis muy altos puede, en paralelo, hundir la tasa de conversión si el umbral resulta disuasorio para una parte importante de los clientes, dejando el negocio en peor situación neta aunque la métrica que se estaba mirando de cerca haya mejorado.
El cuarto error es no distinguir entre una métrica que el negocio puede influir directamente y una que solo puede observar. El tráfico total, por ejemplo, depende de muchos factores externos (algoritmos de plataformas, comportamiento estacional del sector) que escapan al control directo del negocio, mientras que la tasa de conversión de la propia web sí es algo sobre lo que se puede actuar de forma directa mejorando la ficha, el precio o el checkout. Dedicar la mayor parte de la atención a las métricas realmente accionables, en lugar de obsesionarse con cifras que dependen en gran medida de factores externos, suele dar mejor retorno al tiempo dedicado al análisis.
Por último, conviene revisar con qué frecuencia una métrica concreta cambia realmente de forma significativa, porque no todas se mueven al mismo ritmo. Comprobar la tasa de conversión cada día, cuando el volumen de pedidos diario es bajo, genera más ruido estadístico que información útil; ajustar la frecuencia de revisión al volumen real de datos disponible evita sacar conclusiones de variaciones que no son más que azar.
Preguntas frecuentes
¿Qué tasa de conversión se considera buena para un ecommerce?
La media general suele moverse entre el 1% y el 3%, aunque varía mucho por sector: productos de compra impulsiva y precio bajo suelen convertir mejor que productos de precio alto y decisión reflexiva. Lo más útil no es compararse con una media genérica, sino con tu propio histórico para ver si mejora o empeora.
¿Cómo calculo el LTV de mis clientes si mi tienda es nueva?
Con poco histórico es difícil calcularlo con precisión, pero se puede empezar con una estimación conservadora basada en el margen medio por pedido y una suposición razonable de frecuencia de recompra, ajustándola según se acumulan datos reales con el tiempo.
¿Con qué frecuencia debería revisar mis métricas de ecommerce?
Las métricas operativas (conversión, abandono de carrito, tráfico) conviene mirarlas semanalmente para detectar problemas pronto. Las métricas más estratégicas (LTV, CAC, tasa de recompra) tienen sentido revisarlas mensual o trimestralmente, porque cambian más despacio y necesitan más datos acumulados para ser fiables.
¿Necesito herramientas de pago para medir todo esto?
No necesariamente al principio. Google Analytics 4 es gratuito y cubre buena parte de lo esencial, y las plataformas de tienda (Shopify, WooCommerce) ya incluyen paneles con varias de estas métricas calculadas. Las herramientas de pago añaden valor sobre todo cuando el volumen de datos crece y hace falta más sofisticación en el análisis.
¿Qué hago si mi CAC es mayor que mi LTV?
Es una señal de alarma que exige revisión inmediata: o se reduce el coste de adquisición (optimizando campañas, mejorando la conversión de la web), o se aumenta el LTV (trabajando fidelización y recompra), o ambas cosas a la vez. Mantener esa relación invertida durante mucho tiempo agota la caja del negocio tarde o temprano.
¿Por qué mi tasa de conversión en móvil es mucho más baja que en escritorio?
Es un patrón habitual, casi siempre relacionado con fricción específica del móvil: formularios de pago poco optimizados para pantalla pequeña, tiempos de carga más lentos, o una navegación de catálogo incómoda con el dedo. Revisar específicamente la experiencia móvil del checkout suele ser el primer sitio donde buscar la causa.