Tu ecommerce crece.
Las campañas funcionan. SEO trae tráfico. Paid invierte más cada trimestre. Producto toma decisiones basadas en funnels, eventos y dashboards que parecen sólidos.
Y aun así, nadie sabe realmente si los datos son fiables.
No porque falten herramientas. No porque no exista tracking. El problema es precisamente el contrario: el tracking lleva tanto tiempo ahí que todo el mundo asume que funciona.
Lo que vemos habitualmente es esto: alguien implementó GTM hace años, distintos equipos fueron añadiendo tags, el negocio evolucionó, llegaron nuevos funnels, nuevas capas de consentimiento, migraciones, rediseños, eventos server-side, cambios en dataLayer… y nadie volvió a revisar el conjunto completo.
Mientras tanto, la empresa sigue tomando decisiones sobre datos que probablemente están mal desde la base.
No hablamos de pequeños desajustes.
Hablamos de conversiones duplicadas. Eventos críticos que no llegan. Purchase events disparándose dos veces. Parámetros vacíos que inutilizan la segmentación. Funnels inflados. Revenue atribuido donde no toca. Audiencias contaminadas. Modelos de atribución construidos sobre ruido.
Y el problema es que normalmente nadie lo detecta hasta que alguien cruza datos con negocio y algo deja de cuadrar.
En el último año hemos revisado más de 40 implementaciones. En el 80% había al menos un evento crítico mal configurado.
No es una excepción. Es lo normal.
El problema no empieza en el tracking. Empieza en cómo evolucionan las empresas.
Casi ninguna gran compañía tiene “una implementación”.
Tiene capas.
Capas de agencias. Capas de equipos internos. Capas de proveedores. Capas de decisiones tomadas deprisa porque había que lanzar una campaña, migrar una web o medir un nuevo funnel antes del cierre de trimestre.
El resultado suele ser el mismo: una arquitectura de medición que creció sin gobierno real.
Un equipo crea eventos para marketing.
Otro necesita datos para CRO.
Producto añade métricas de interacción.
Analytics implementa GA4.
Paid necesita conversiones para Meta.
CRM pide audiencias.
Y cada necesidad se resuelve de forma aislada.
Nadie para a revisar qué impacto tiene eso sobre el ecosistema completo.
Ahí empiezan los problemas de verdad.
Porque el tracking no falla de forma visible.
Una web rota se detecta rápido.
Un checkout roto genera tickets.
Pero un evento mal implementado puede vivir meses dentro de una compañía sin que nadie lo cuestione.
Los dashboards siguen mostrando números.
Las herramientas siguen recibiendo hits.
Las reuniones siguen haciéndose.
Todo parece funcionar.
Hasta que alguien hace una pregunta incómoda.
¿Por qué GA4 registra más compras que el backend?
¿Por qué Meta atribuye conversiones imposibles?
¿Por qué el ratio de add_to_cart subió un 40% después del rediseño sin impacto en revenue?
¿Por qué el tráfico parece crecer pero negocio no lo nota?
Normalmente, cuando llegamos ahí, el problema lleva mucho tiempo ocurriendo.
Lo más peligroso no es que falten datos. Es que sobren.
Hay una idea equivocada bastante extendida: pensar que un problema de medición significa “no estamos recogiendo suficiente”.
En grandes implementaciones suele pasar justo lo contrario.
Se están recogiendo demasiadas cosas.
Demasiados eventos.
Demasiados triggers.
Demasiados tags heredados.
Demasiadas dependencias invisibles.
Y muy poca validación real.
Uno de los casos más comunes que vemos son eventos duplicados.
Un mismo purchase disparado desde frontend y backend.
Eventos lanzados por interacción y también por carga de página.
Triggers redundantes que sobreviven después de una migración.
Contenedores con lógica que nadie entiende ya del todo.
El resultado es especialmente peligroso porque los datos “parecen buenos”.
Las conversiones suben.
ROAS mejora.
Los dashboards enseñan crecimiento.
Pero el crecimiento no existe.
Existe el ruido.
También vemos constantemente eventos sin contexto útil.
Teams que miden clicks, pero no qué elemento fue clicado.
Funnels donde faltan IDs de producto.
Eventos enviados sin información de usuario, categoría o paso del proceso.
Implementaciones donde técnicamente “hay tracking”, pero analíticamente no sirven para tomar decisiones reales.
Porque medir no es disparar eventos.
Medir es capturar contexto.
Y eso cambia completamente cómo se interpreta el dato.
Otro patrón habitual aparece con el consentimiento y la pérdida de datos.
Muchas empresas implementaron CMPs deprisa para cumplir regulación. Después añadieron server-side tagging pensando que eso resolvería la pérdida de señal.
Pero nadie revisó qué estaba ocurriendo realmente.
Nos encontramos conversiones que desaparecen dependiendo del navegador.
Eventos bloqueados antes de llegar al servidor.
Consentimientos mal propagados.
Sesiones fragmentadas.
Modelos de atribución completamente distorsionados por problemas técnicos invisibles para negocio.
El dashboard no te avisa de esto.
GA4 tampoco.
Las plataformas publicitarias mucho menos.
Hay señales muy claras de que algo no está bien
El problema es que pocas empresas las miran.
Porque la mayoría analiza reporting.
Muy pocas analizan calidad de dato.
Cuando revisamos implementaciones solemos encontrar patrones repetidos.
Métricas imposibles de explicar desde negocio.
Eventos con volúmenes sospechosamente altos.
Cambios bruscos tras releases.
Discrepancias enormes entre herramientas.
Picos artificiales de sesiones.
Funnels con ratios irreales.
Purchase events sin transaction_id consistente.
Add_to_cart creciendo mientras checkout permanece plano.
Usuarios que “compran” más de una vez en segundos.
Y casi siempre ocurre lo mismo: alguien había visto el síntoma antes, pero se asumió que era “una diferencia normal entre plataformas”.
A veces sí lo es.
Muchas veces no.
Otra señal importante aparece cuando nadie dentro de la organización sabe explicar exactamente cómo funciona el tracking actual.
Eso pasa muchísimo más de lo que parece.
Preguntas quién mantiene GTM y nadie tiene ownership claro.
Preguntas qué lógica genera ciertos eventos y depende de un proveedor externo.
Preguntas qué variables alimentan los modelos y aparecen respuestas distintas según el equipo.
Cuando una implementación depende de conocimiento tribal, normalmente ya hay deuda acumulada.
Y la deuda en analítica tiene un problema adicional: no explota de golpe.
Se normaliza.
La empresa se acostumbra a trabajar con datos inconsistentes.
Marketing optimiza campañas sobre métricas infladas.
Producto prioriza hipótesis sobre eventos incompletos.
Dirección toma decisiones estratégicas sobre reporting contaminado.
Todo sigue funcionando.
Solo que cada decisión tiene menos precisión de la que parece.
El problema no se arregla añadiendo más herramientas
Esto también lo vemos constantemente.
Empresas con stacks enormes de analítica intentando resolver problemas estructurales comprando más tecnología.
- GA4.
- BigQuery.
- CDPs.
- Server-side tagging.
- Herramientas de session recording.
- Modelos predictivos.
- Dashboards avanzados.
Y debajo de todo eso, eventos básicos mal implementados. La sofisticación técnica no compensa una mala base de medición.
De hecho, normalmente amplifica el problema.
Porque cuanto más sistemas dependen del dato, más caro sale que el dato esté mal.
Un evento duplicado no afecta solo a Analytics. Afecta a :
- audiencias.
- automatizaciones.
- atribución.
- modelos de inversión
- incluso a decisiones organizativas
Por eso la conversación importante no es “qué herramienta usamos”.
La conversación importante es otra:
¿Confiamos realmente en lo que estamos midiendo?
Y en muchas organizaciones grandes, la respuesta honesta sería incómoda.
La diferencia entre tener tracking y tener una implementación fiable
La mayoría de empresas sí tiene tracking.
Muy pocas tienen observabilidad real sobre su medición.
No hay auditorías recurrentes.
No hay validación sistemática.
No hay alertas sobre anomalías críticas.
No hay ownership claro.
Y sobre todo, no hay una cultura real de cuestionar la calidad del dato mientras los dashboards sigan funcionando.
Ahí es donde aparecen los problemas que más tiempo permanecen ocultos.
Porque nadie revisa lo invisible hasta que impacta en negocio.
Y cuando impacta, normalmente ya lleva meses ocurriendo.
Lo preocupante es que este problema no suele aparecer en compañías pequeñas.
Aparece precisamente en organizaciones maduras digitalmente.
Cuanto más grande es el ecosistema, más fácil es perder control sobre lo que realmente se está midiendo.
Más equipos intervienen.
Más dependencias existen.
Más tags sobreviven sin contexto.
Más decisiones se apoyan en datos que nadie ha validado recientemente.
Y cuanto más tráfico tiene la web, más caro sale equivocarse.