Errores en Google Analytics: 12 fallos típicos que rompen tus datos (y cómo arreglarlos)

Google Analytics es una herramienta brutal siempre que los datos sean fiables. El problema es que, en muchísimos proyectos, los números “cuadran” solo en apariencia, pero por debajo hay errores que distorsionan todo: decisiones de inversión, campañas, CRO, SEO, reporting a dirección… Si quieres repasar tu configuración antes de entrar al barro, te dejamos nuestra guía de GA4.

En las auditorías se repiten tres grandes clásicos casi siempre:

• Duplicidades de código (el snippet pegado dos veces, GTM + código directo, varias propiedades a la vez).
• Código mal instalado (páginas sin código, plantillas raras, etiquetas desordenadas).
• Cookies y consentimiento mal configurados, que hacen que Google Analytics dispare cuando no debe… o no dispare nunca.

En este contenido vamos a repasar los errores más frecuentes en Google Analytics y cómo detectarlos y corregirlos sin volverse loco.

1. Por qué los errores en Google Analytics son más peligrosos de lo que parecen

1.1. El falso “todo va bien” cuando los datos están mal

Lo más peligroso no es ver cero datos. Lo más peligroso es ver datos aparentemente normales… que están mal medidos.

Ejemplos muy habituales:

En las auditorías se repiten tres grandes clásicos casi siempre:

• Duplicidades de código (el snippet pegado dos veces, GTM + código directo, varias propiedades a la vez).
• Código mal instalado (páginas sin código, plantillas raras, etiquetas desordenadas).
• Cookies y consentimiento mal configurados, que hacen que Google Analytics dispare cuando no debe… o no dispare nunca.

En este contenido vamos a repasar los errores más frecuentes en Google Analytics y cómo detectarlos y corregirlos sin volverse loco.

1. Por qué los errores en Google Analytics son más peligrosos de lo que parecen

1.1. El falso “todo va bien” cuando los datos están mal

Lo más peligroso no es ver cero datos. Lo más peligroso es ver datos aparentemente normales… que están mal medidos.

Ejemplos muy habituales:

• Rebotes absurdamente bajos (2–3%) que vienen de eventos disparándose sin control.
• Picos de tráfico “espectaculares” que en realidad son spam, tráfico interno o tests.
• Conversiones duplicadas que inflan el rendimiento de una campaña.

Sin una revisión mínima, se acaba:

• Subiendo presupuesto donde no se debe.
• Pausando campañas que sí estaban funcionando.
• Diseñando estrategias de contenido y UX basadas en métricas irreales.

1.2. Tipos de errores: instalación, configuración y medición

A grandes rasgos, los errores en Google Analytics se agrupan en tres niveles:

1. Instalación (implementación)
   • Duplicidades de código.
   • Código mal instalado o solo en parte del sitio.
   • Mezclas raras de Universal Analytics, GA4 y Google Tag Manager.
2. Configuración
   • Propiedades y flujos de datos mal montados.
   • Eventos y conversiones mal definidos.
   • Filtros, tráfico interno, referencias y parámetros mal tratados.
3. Medición e interpretación
   • Metas que no reflejan objetivos reales del negocio.
   • Informes mal leídos (comparar manzanas con peras).
   • Ausencia de contexto (no saber qué se está midiendo realmente).

En la práctica, cuando encontramos un error serio en uno de estos niveles, suele ser señal de que hay más problemas escondidos.

1.3. Señales claras de que tu Analytics está roto

Algunas “alarmas” que vemos una y otra vez:

• Cambios grandes en campañas… sin cambios en métricas clave.
• Saltos raros de sesiones vs usuarios (o respecto a otros sistemas).
• Datos de Google Analytics que nunca coinciden con la plataforma de anuncios “ni de lejos”.
• Páginas importantes con cero tráfico o cero eventos.

Si algo de esto suena familiar, vale la pena asumir que no es el negocio, es el tracking y revisar.

2. Errores de instalación: cuando el código de Google Analytics está mal puesto

Aquí es donde más problemas nos encontramos en proyectos nuevos. La herramienta puede ser fantástica, pero si el código no está bien, da igual lo que se haga en la interfaz.

2.1. Duplicidades de código: el error número uno en casi todas las auditorías

Este es, con diferencia, el fallo que más aparece:

• Código de GA pegado en la plantilla + el mismo código cargado desde Tag Manager.
• Dos IDs distintos de GA4 en la misma página.
• Universal Analytics antiguo conviviendo con GA4 sin una estrategia clara.

Síntomas típicos:

• Sesiones infladas.
• Tasa de rebote distorsionada.
• Páginas vistas aparentemente “sanas”, pero imposibles de cruzar con otros sistemas.

Cómo detectarlo (rápido):

• Revisar el código fuente de la página y buscar el ID de medición.
• Usar extensiones de debug (Tag Assistant, por ejemplo) para ver qué etiquetas disparan.
• Comprobar si se están enviando hits duplicados en tiempo real.

Solución:

• Elegir claramente qué sistema se va a usar para desplegar Analytics (idealmente, Tag Manager).
• Eliminar snippets duplicados y dejar solo una implementación controlada.
• Documentar la decisión (para que nadie vuelva a pegar código “porque sí”).

En nuestra experiencia, cuando arreglamos duplicidades, los datos cambian tanto que muchas conclusiones anteriores dejan de tener sentido.

2.2. Código mal instalado o solo en algunas páginas

Otro clásico:

• El código solo está en la home y un par de plantillas.
• Páginas de checkout, thank you o secciones dinámicas sin tracking.
• Landing pages “especiales” fuera del CMS principal que nadie ha etiquetado.

Esto provoca:

• Embudos de conversión partidos.
• Páginas clave que nunca aparecen en los informes.
• Trazabilidad incompleta del viaje del usuario.

Buenas prácticas:

• Asegurarse de que el código (o el contenedor de Tag Manager) se carga en todas las plantillas base.
• Revisar manualmente:
  • Páginas de captación (landing de campañas).
  • Páginas de conversión (checkout, formularios, agradecimientos).
• Hacer una navegación completa mientras se monitoriza en tiempo real.

2.3. Mezclar UA, GA4 y GTM sin una estrategia clara

Durante la transición de Universal a GA4, se han visto muchas cosas:

• UA + GA4 disparando a la vez sin que nadie sepa para qué sirve cada uno.
• Eventos creados solo en UA pero no migrados a GA4.
• Tag Manager con parte del tracking y resto en código duro.

Esto genera confusión y, muchas veces, decisiones basadas en la propiedad “vieja” porque es la que se entiende, aunque ya no sea fiable.

Recomendación:

• Definir un modelo claro de medición con GA4 como referencia principal.
• Mantener, si hace falta, UA solo para histórico, pero sin seguir invirtiendo esfuerzo ahí.
• Consolidar la implementación técnica en un solo punto de control (normalmente Tag Manager).

2.4. Problemas de cross-domain y subdominios

Cuando hay varios dominios o subdominios (web principal, blog, app, checkout externo, etc.), aparecen errores como:

• Sesiones duplicadas al pasar de un dominio a otro.
• Usuarios “nuevos” en cada salto de dominio.
• Orígenes de tráfico mal atribuidos (referencias entre dominios propios).

Aquí es clave:

• Configurar correctamente los dominios en GA4.
• Ajustar los enlaces y el tracking para que el usuario se siga reconociendo al pasar de un dominio a otro.

3. Errores de configuración en Google Analytics que destrozan la calidad del dato

Aunque la instalación sea correcta, la forma de configurar GA4 puede arruinar la calidad de la información.

3.1. No enviar la moneda correctamente en eCommerce

En proyectos con venta online, es muy común encontrar:

• Moneda por defecto distinta a la del negocio.
• Valores de compra en una moneda pero configurados como otra.

Resultado:

• Informes de ingresos que no coinciden con la realidad.
• ROAS y métricas de rendimiento totalmente desajustadas.

La solución pasa por:

• Revisar la configuración de moneda a nivel de propiedad.
• Asegurarse de que los eventos de ecommerce envían la moneda correcta.

3.2. Arrastrar eventos “sucios” desde Universal Analytics

En la migración a GA4, muchos proyectos han hecho un “copiar y pegar mental”:

• Seguir usando estructuras antiguas de eventos sin pensar en el modelo de datos nuevo.
• Enviar información redundante o poco útil.

GA4 está pensado para trabajar con eventos más flexibles y parámetros, no con el esquema estricto de UA. Mantener eventos “sucios” hace que:

• Las exploraciones sean más difíciles de montar.
• Haya toneladas de datos irrelevantes ocupando espacio.

3.3. Abusar de event_category, event_action y event_label

Relacionado con lo anterior: GA4 no necesita esa tríada clásica. Sin embargo, muchos setups la mantienen a toda costa, perdiendo la oportunidad de:

• Definir eventos más claros (por ejemplo, generate_lead, add_to_cart, start_checkout).
• Añadir parámetros que describan mejor el contexto (producto, plan, ubicación del botón, etc.).

Conviene redefinir la estructura de eventos pensando en:

• Qué quiere saber el negocio.
• Cómo se van a explotar esos datos en informes y herramientas externas.

3.4. No ajustar retención de datos ni excluir tráfico interno

Dos errores de configuración sencillos, pero muy frecuentes:

• Dejar la retención de datos mínima sin motivo.
• No excluir el tráfico interno (equipo, agencia, proveedores).

Con esto se pierde histórico útil y se contaminan las métricas con visitas que no representan comportamiento real.

4. Cookies y consentimiento: el gran olvidado que rompe las cifras

Aquí es donde más caos vemos últimamente. Por muy bonito que esté GA4, si la parte de cookies está mal, los datos pueden ser un desastre.

4.1. Google Analytics disparando antes de aceptar cookies

Error clásico:

• El banner de cookies está, pero en realidad no controla nada.
• Google Analytics se dispara igual haya consentimiento o no.

Consecuencias:

• Riesgo legal evidente.
• Datos inflados, porque se está midiendo tráfico que debería quedar fuera.

En muchos proyectos que revisamos, este es el patrón: el código está bien, la configuración también… pero el consentimiento no tiene ninguna relación real con el disparo de las etiquetas.

4.2. Banners que bloquean más de la cuenta (GA nunca dispara)

En el extremo contrario:

• El banner está conectado de forma incorrecta con la herramienta de gestión de etiquetas.
• La condición de consentimiento nunca se activa y Google Analytics no dispara ni una vez.

Desde fuera, el sitio funciona normal, pero en los informes solo hay:

• Datos residuales.
• Huecos enormes en el histórico.

Es importante validar siempre que:

• Cuando se aceptan cookies, la etiqueta de GA4 realmente se dispara.
• Cuando se rechazan, no se dispara (según el nivel de consentimiento que se haya definido).

4.3. Desalineación entre CMP, Tag Manager y GA4

Muchas veces, cada pieza va por su lado:

• La plataforma de consentimiento (CMP) manda una señal.
• Tag Manager escucha otra cosa.
• GA4 espera parámetros que nunca llegan.

Esto crea situaciones raras en las que:

• Parte del tráfico se etiqueta con un nivel de consentimiento y parte con otro.
• Algunas integraciones (por ejemplo, remarketing) dejan de funcionar sin que nadie lo note.

Conviene:

• Definir claramente qué estados de consentimiento se van a usar.
• Mapear esos estados a las etiquetas concretas en Tag Manager.
• Probar todos los casos (aceptar todo, rechazar todo, personalizar).

4.4. Cómo revisar rápido si cookies y GA están alineados

Checklist básico:

• Abrir el sitio en modo incógnito.
• Rechazar cookies → comprobar (con herramientas de debug) que GA no se dispara.
• Aceptar cookies → comprobar que GA sí se dispara.
• Revisar varias páginas clave (home, producto, checkout).

Cuando se corrigen estos errores, la foto del tráfico y de las conversiones cambia de forma importante.

5. Objetivos, eventos y conversiones mal definidos

Aunque la parte técnica esté bien, si lo que se mide no tiene sentido de negocio, los informes tampoco.

5.1. Medir “lo que hay” en vez de lo que importa

Error común:

• Medir solo páginas vistas y poco más.
• Tener conversiones irrelevantes (por ejemplo, tiempo en página o scroll mínimos) como si fueran objetivos de negocio.

Las preguntas clave deberían ser:

• ¿Qué significa “éxito” en esta web?
• ¿Qué acciones queremos que ocurran antes de considerar que una sesión ha tenido valor para el negocio?

A partir de ahí se definen:

• Conversiones duras (ventas, leads, reservas, descargas clave).
• Micro-conversiones razonables (registro a newsletter, add to cart, ver vídeo completo).

5.2. Goals mal configurados: destinos, eventos y coincidencias

En configuraciones heredadas se encuentran muchos errores:

• Objetivos de destino (/gracias) que se disparan también cuando se recarga la página.
• Eventos que se marcan como conversión sin haber pasado por un criterio claro.
• Reglas de coincidencia poco precisas (por ejemplo, “contiene ‘gracias’”, que atrapa URLs que no toca).

Esto lleva a contar conversiones de más o de menos, según el caso.

5.3. Duplicar conversiones sin querer

Otro problema clásico:

• El mismo evento de conversión se dispara varias veces por usuario en el mismo flujo (por ejemplo, al enviar un formulario con AJAX, al recargar la página, al hacer clic en un botón de volver…).
• El mismo evento se marca como conversión en varias propiedades o flujos.

Solución:

• Controlar exactamente en qué momento se dispara la conversión.
• Usar condiciones (por ejemplo, solo primera vez, o solo cuando cierto parámetro tiene un valor específico).

5.4. No tener ninguna conversión configurada

También pasa: todo está instalado, pero no hay conversiones definidas. Se miran sesiones, usuarios y rebote… y poco más.

Mínimo imprescindible:

• Definir al menos 1–3 conversiones claras alineadas con el negocio.
• Revisarlas periódicamente para asegurar que siguen teniendo sentido.

6. Errores de reporting y análisis: cuando el problema no es el dato, sino cómo se lee

Incluso con una implementación decente, la forma de leer Google Analytics puede generar conclusiones equivocadas.

6.1. Confiar solo en una propiedad o vista sin controles

Dependiendo de cómo esté montado GA4:

• Se puede tener una única propiedad “para todo” sin filtros ni controles.
• O varias propiedades con datos parcialmente duplicados.

En ambos casos, falta una referencia clara. Es útil disponer de:

• Una propiedad “principal” bien documentada.
• Alguna forma de control cruzado (comparar con otras herramientas, logs, etc.).

6.2. No filtrar tráfico interno ni spam

Si nadie cuida esto, en los informes entran:

• Visitas del propio equipo.
• Bots, herramientas de monitorización, pruebas de QA.
• Spam de referral.

Consecuencias:

• Tasa de rebote y duración media de sesión distorsionadas.
• Conversiones que parecen venir de “tráfico directo” cuando en realidad son pruebas internas.

6.3. Mirar métricas sueltas sin contexto

Ver solo rebote, sesiones o usuarios, sin contexto de:

• De dónde viene ese tráfico.
• Qué hace realmente en el sitio.
• Qué valor genera.

Lo que importa no es tener “mucha sesión”, sino entender qué tipo de sesión aporta negocio.

6.4. Comparar GA con CRM o Ads sin entender las diferencias

Es habitual ver a equipos preocupados porque:

• GA muestra X ventas y el CRM muestra Y.
• La plataforma de anuncios reporta más conversiones que GA, o al revés.

Siempre habrá diferencias entre sistemas por:

• Ventanas de atribución distintas.
• Métodos de medición (basado en clics vs basado en hits de página).
• Bloqueadores, privacidad, etc.

La clave es saber por qué hay diferencia y qué sistema se toma como referencia en cada decisión.

7. Checklist final: cómo auditar errores en Google Analytics paso a paso

7.1. Comprobaciones rápidas de instalación y código

1. Revisar el código fuente:
   • ¿Hay más de un ID de Analytics?
   • ¿Se ve el código tanto en la home como en páginas profundas?
2. Probar con herramientas de debug:
   • ¿Cuántas veces se dispara la etiqueta en cada página?
   • ¿Se disparan eventos “fantasma” que nadie recuerda haber configurado?
3. Hacer una navegación real:
   • Ir de la home a producto, añadir al carrito, comprar o enviar formulario, y comprobar que los eventos se registran.

7.2. Revisión básica de cookies y consentimiento

• Probar el sitio aceptando y rechazando cookies.
• Verificar que GA solo dispara cuando corresponde.
• Revisar la integración entre la plataforma de consentimiento, Tag Manager y GA4.

En muchos proyectos que auditamos, solo con esta parte ya se detectan la mayoría de errores gordos.

7.3. Revisión de conversiones y objetivos

• Listar todas las conversiones configuradas en GA4.
• Preguntar:
  • ¿Responden a objetivos reales del negocio?
  • ¿Se están disparando cuando toca?
• Hacer pruebas controladas para simular una conversión y ver cómo se registra.

7.4. Qué revisar de forma recurrente (mensual / trimestral)

• Cambios en el sitio (nuevos funnels, secciones, landings).
• Cambios en herramientas de cookies o en Tag Manager.
• Nuevas campañas que requieran tracking adicional.

Un pequeño mantenimiento recurrente evita llegar a situaciones en las que hay que rehacer todo desde cero.

Preguntas frecuentes sobre errores en Google Analytics

¿Cómo saber si el código de Google Analytics está bien instalado?

Lo más rápido es:

• Revisar el código fuente buscando el ID de medición.
• Usar una extensión de diagnóstico (como Tag Assistant) mientras se navega por varias páginas.
• Comprobar que el código aparece en todas las plantillas importantes y que no hay duplicados.

¿Qué pasa si el código de Google Analytics está duplicado?

Se inflan sesiones, páginas vistas y muchas métricas de comportamiento.
Además, se complica cualquier intento de cruzar datos con otras plataformas (Ads, CRM, etc.). Lo mejor es dejar una única implementación controlada, normalmente a través de Tag Manager.

¿Por qué los datos de Google Analytics no coinciden con los de mi CRM o mis campañas?

Porque cada sistema mide cosas distintas, con reglas distintas:

• Ventanas de atribución diferentes.
• Usuarios bloqueando scripts o cookies.
• Modelos basados en clics vs modelos basados en hits.

Lo importante es entender esas diferencias y decidir qué sistema será la fuente de verdad en cada contexto.

¿Qué errores de cookies pueden afectar a Google Analytics?

Principalmente dos:

• GA dispara sin consentimiento (datos inflados y riesgo legal).
• GA nunca dispara porque el banner o la integración están mal conectados.

En ambos casos, el resultado son datos poco fiables y decisiones basadas en números que no representan la realidad.

¿Cuáles son los errores más comunes al configurar GA4?

Algunos de los que más se repiten:

• Mantener la estructura de eventos de Universal Analytics sin adaptarla.
• No definir conversiones alineadas con el negocio.
• No filtrar tráfico interno.
• No revisar retención de datos ni ajustes básicos de propiedad.

¿Cada cuánto deberíamos revisar errores en Google Analytics?

Depende del tamaño del proyecto, pero una buena práctica es:

• Hacer una auditoría inicial en profundidad cuando se arranca o se hereda una cuenta.
• Revisar mensualmente cambios de cookies, nuevas landings y conversiones.
• Hacer una revisión más completa trimestral o semestralmente, sobre todo si el negocio cambia rápido.

Conclusión

Los errores en Google Analytics no son un detalle técnico sin importancia: afectan directamente a cómo se interpreta el rendimiento del negocio y a dónde va cada euro de inversión.

Los fallos que más vemos se concentran en:

• Instalación: duplicidades de código, código mal colocado, mezclas sin estrategia.
• Configuración: eventos y conversiones poco pensados, GA4 heredado de UA sin rediseñar nada.
• Cookies y consentimiento: etiquetas que disparan cuando no deben o que no disparan nunca.

Cuando se limpian estos puntos y se alinean objetivos, eventos y reporting, Google Analytics pasa de ser “un montón de números raros” a ser una herramienta fiable para decidir qué funciona, qué no y qué toca optimizar.