¿Por qué los datos de Google Ads y Google Analytics no coinciden?

¿Por qué son diferentes los datos de las herramientas?

Al gestionar campañas de Google ads seguramente has visto en google analytics que muchas veces no coinciden los datos. Es por eso que vamos a explorar las razones de estas diferencias y cómo podemos solucionarlas. ¿Quién tiene la razón? ¿Google Ads o Google Analytics?
Vamos a ver por qué esto sucede.

Modelos de atribución: La raíz de las discrepancias

La raíz del problema suele estar en los modelos de atribución. Google Ads y Google Analytics asignan las conversiones de manera diferente, y esto genera las discrepancias. Es normal que al revisar una campaña puedas encontrar que Google Ads atribuye xx conversiones entre unas fechas, mientras que Google Analytics te puede mostrar completamente diferentes.

Google Ads asigna las conversiones el día en que se produjo el clic en el anuncio, sin importar cuándo se realizó la compra o el objetivo. En cambio, Google Analytics asigna la conversión al día en que realmente ocurre la acción del usuario. Esto, como ya te estarás imaginando, es la principal causa de las diferencias.

Ejemplo de las diferencias en atribución

Os vamos a dar un ejemplo práctico para ilustrarlo mejor. Supongamos que un usuario hizo clic en tu anuncio el día 5, luego regresa el día 8 y otra vez el día 12, momento en el que finalmente realiza una compra. Google Analytics te mostrará esa conversión en la fecha real de la compra, es decir, el día 12. Pero Google Ads, dependiendo del modelo de atribución que estés usando, puede asignar la conversión al día 3 (cuando se hizo el primer clic) o incluso repartirla entre varios días.

En una ocasión, observamos cómo Google Ads distribuía una conversión única entre tres clics en diferentes días, asignándoles valores parciales, como 0.33 por día. Al principio daba la impresión de que los datos no cuadran, pero luego nos dimos cuenta que era solo cuestión de cómo se distribuía el valor de conversión.

Principales causas de la discrepancia entre Google Ads y Google Analytics

Aparte de los modelos de atribución, hay otras causas que provocan estas diferencias. Algunas de las más comunes que he identificado en mi experiencia son:

1. Diferencias en el seguimiento de conversiones: Google Ads y Google Analytics utilizan métodos distintos para rastrear las conversiones. Ads depende de su propio píxel de seguimiento, mientras que Analytics se basa en el código de seguimiento (ya sea Google Tag Manager o su propio script). Cada uno captura la información de manera diferente.
2. Configuraciones de seguimiento: Detalles como el tiempo de expiración de las cookies, la duración de las sesiones o las conversiones asistidas pueden variar. He notado que, si en Google Analytics el tiempo de expiración de las cookies es diferente al de Google Ads, esto afecta notablemente los datos.
3. Modo de asignación: Ya lo mencioné antes, pero es crucial entender que la asignación al día del clic o al día de la conversión puede generar grandes diferencias.

¿Quién tiene la razón? Entendiendo las diferencias

Te aseguro que esta es la pregunta que todos nos hacemos la primera vez que encontramos estas discrepancias. Yo mismo me la hice muchas veces. La verdad es que ninguna herramienta miente; simplemente están diseñadas para medir desde diferentes perspectivas. Google Ads se enfoca en atribuir la conversión a los anuncios que generaron los clics, mientras que Google Analytics busca reflejar el comportamiento real del usuario en la web. Al final, ambas herramientas son útiles y nos cuentan la historia desde ángulos distintos.

¿Cómo minimizar las discrepancias entre Google Ads y Google Analytics?

Una vez que entendí esto, comencé a buscar maneras de reducir esas diferencias. Estas son algunas de las prácticas que me han funcionado:

1. Vincular correctamente las cuentas: Asegúrate de que tus cuentas de Google Ads y Google Analytics estén correctamente vinculadas. Esto permite compartir datos y obtener métricas más consistentes.
2. Utilizar modelos de atribución compatibles: Para acercar los números, utiliza modelos de atribución similares. En Google Analytics, puedes optar por el modelo «último clic de Google Ads», que asigna la conversión al último anuncio de pago en el que el usuario hizo clic. No te eliminará todas las discrepancias, pero ayudará a que los informes sean más parecidos.
3. Configurar objetivos y eventos de conversión de manera precisa: Define bien los objetivos en Google Analytics para que se alineen con las conversiones de Google Ads. Por ejemplo, asegurarte de que las URL de destino sean las mismas puede ayudar a que las herramientas midan de forma más consistente.
4. Ajustar los parámetros de seguimiento: Es importante ajustar los parámetros de URL de las campañas en Google Ads para que Google Analytics las reconozca correctamente. Usa etiquetas UTM y configura bien las cookies para un mejor seguimiento.

Uso de modelos de atribución en Google Analytics: Cómo influyen en los resultados

Te lo decimos por experiencia: los modelos de atribución pueden cambiar completamente la forma en que ves los datos. En Muddlemetrics, al cambiar de un modelo de «último clic» a uno «basado en datos», observamos variaciones notables en la cuenta de un cliente. Es fundamental que te familiarices con cómo se comporta cada modelo en Google Analytics, ya que afectarán directamente cómo se atribuyen las conversiones y cómo se reparten los valores entre los distintos puntos de contacto.

Comparación de modelos: Último clic vs. basado en datos

Comparando el modelo «último clic» con el «basado en datos» puedes ver cifras diferentes: de ver 21x conversiones a 23x al cambiar el modelo de atribución. Comprender que las conversiones no cambian; solo la forma de atribuirlas. Google Analytics distribuye las conversiones de acuerdo a los pasos previos que llevan al usuario a completar la acción.

Buenas prácticas para una mejor interpretación de los datos

Con el tiempo, he aprendido algunas buenas prácticas que me han ayudado a interpretar mejor los datos y a no entrar en pánico cuando las cifras no coinciden:

• Analizar las rutas de conversión: En Analytics, puedes revisar las rutas de conversión para entender cómo interactúan los distintos canales. Esto te da una idea clara de por qué las cifras varían.
• Educación y comunicación: Cuando trabajas con clientes, es importante explicarles estas diferencias y por qué los datos no coinciden al 100%. Así, todos están en la misma página y no hay sorpresas desagradables.
• Análisis comparativo regular: Haz comparaciones periódicas entre los datos de Google Ads y Google Analytics para identificar patrones y ajustar tus campañas en consecuencia.

Muddle conclusión

No se trata de que herramienta tiene la razón, sino de comprender cómo cada herramienta mide las conversiones.

Lo más importante es usar la información para mejorar tu estrategia de marketing y tomar decisiones más acertadas. No se trata de forzar a que los datos coincidan al 100%, sino de entender cómo interpretarlos para optimizar tus campañas y aprovechar al máximo el potencial de cada herramienta.