La mejor herramienta de analítica web: los 12 requisitos que de verdad deciden

Cada kilobyte de código de medición es un impuesto sobre las sesiones que más te interesa medir. Una etiqueta de 171 KB en una conexión 3G de un mercado regional no llega tarde: muchas veces no llega, porque el visitante ya ha rebotado. Pierdes primero el tráfico más lento, más móvil y más marginal, que es exactamente donde tu tasa de conversión es más frágil. Y la pérdida de datos es invisible: las sesiones que nunca dispararon no aparecen en el informe que te dice que las sesiones bajan.

Después está el segundo coste. El código de medición que compite con tu propio JavaScript por el hilo principal degrada LCP e INP, y Core Web Vitals no es una métrica de vanidad en un eCommerce: mueve posiciones y mueve conversión. Estás pagando la medición dos veces — una en dato perdido, otra en ingresos perdidos.

Menos de 5 KB gzip en red, menos de 10 KB de JavaScript parseado en el dispositivo, asíncrono, no bloqueante y sin depender de un tag manager para funcionar. Launch + AppMeasurement de Adobe se mueve en el mismo rango que GA4. Lo medimos script por script para comprobarlo. Una plataforma que necesita 100× más código que la alternativa está tomando una decisión de diseño, no cumpliendo una necesidad técnica.

Este es el requisito que invalida a todos los demás. Una plataforma que te da el cuarenta por ciento de la realidad con dashboards perfectos es peor que una hoja de cálculo con el cien por cien, porque te da la confianza para actuar sobre una muestra que no es aleatoria.

Se acumulan tres fugas distintas. Consentimiento: en mercados europeos, tasas de rechazo de hasta el 60% son normales con un banner conforme, y al visitante que rechaza las herramientas dependientes de consentimiento no lo miden en absoluto. Bloqueadores y protección antitracking del navegador: en torno al 25% en audiencias técnicas, más en algunos sectores. Fallo de etiqueta: alrededor del 5% en móvil, y crece en redes lentas. Multiplica los supervivientes y estás reportando sobre una fracción — mientras tu CFO lo lee como si fuera el total. Es la aritmética detrás de que GA4 muestre el 13% del tráfico UE.

Lo peligroso no es el volumen perdido, es que la distorsión no se reparte igual. Las audiencias sensibles a la privacidad se concentran en canales y dispositivos concretos. El orgánico queda sistemáticamente infrarreportado. El paid queda sistemáticamente favorecido, porque las landings de pago son las que llevan los parámetros que sobreviven. Cada reasignación de presupuesto hecha sobre ese dato mueve dinero en la dirección del sesgo de medición.

La plataforma debe observar el 100% de las cargas de página sin depender de que el visitante acepte nada, y sin que las listas de bloqueo la clasifiquen como tracker. Eso solo es posible si no almacena datos personales — porque si los almacenara, el consentimiento sería legalmente exigible y volverías al 40%. Completitud y privacidad son el mismo requisito enunciado dos veces, no un intercambio, y ese es el argumento entero de la analítica cookieless.

Casi todas las plataformas incluyen algo llamado «Tiempo real». Casi ninguna significa lo que necesitas. Lo que sueles recibir es una vista en vivo recortada — usuarios activos, páginas top, quizá un mapa — mientras todos los informes que usarías de verdad para decidir corren sobre datos de entre 4 y 24 horas.

Esa distinción cuesta dinero exactamente los días en que más importa. Un checkout roto en Black Friday, un parámetro de campaña que se pierde en una migración, una landing que devuelve 404 después de un deploy: la ventana para arreglar cada uno de estos se mide en horas, y una plataforma que te enseña el daño mañana por la mañana ha convertido una incidencia en una pérdida.

Latencia de ingesta por debajo del minuto y — la parte que siempre se salta — la misma frescura en todo el conjunto de informes. Cada dimensión, cada filtro, cada funnel, cada segmento consultable sobre el dato de hoy, con carga de pico, no solo las tres métricas del panel en vivo. El tiempo real que se degrada bajo tráfico no es tiempo real: es tiempo real hasta que lo necesitas.

Aquí es donde falla la mayoría de plataformas, y siempre falla en la tercera pregunta, nunca en la primera.

Primera pregunta: ¿cómo fue la facturación la semana pasada? Todas responden. Segunda: pártela por canal. Casi todas responden. Tercera: dentro de paid social, para usuarios móviles, en las fichas de producto de una categoría concreta, comparando quienes vieron la guía de tallas contra quienes no. Y ya estás exportando a Excel — lo que significa que tu plataforma de analítica es una capa de reporting con botón de exportar, y el análisis de verdad ocurre en un sitio que nadie puede gobernar, compartir ni reproducir.

Las causas técnicas son siempre las mismas: modelos de datos preagregados que solo soportan las combinaciones que alguien anticipó, límites de cardinalidad que meten tu cola larga en «(other)», muestreo por encima de cierto volumen de filas y un esquema fijo que no sabe llevar las dimensiones propias de tu negocio.

Combinaciones arbitrarias de dimensión × métrica sin techo de preagregación. Sin colapso de cardinalidad en «(other)». Sin muestreo, nunca — la aproximación es aceptable en una herramienta de exploración e inaceptable en un sistema que firma presupuestos. Propiedades personalizadas como dimensiones de primera clase, no como etiquetas añadidas. Funnels definibles a posteriori, sobre datos históricos, sin haberlos declarado por adelantado. Y acceso a filas a resolución completa, para que el analista que necesite salir de la interfaz pueda hacerlo sin salir de la plataforma.

Los eventos estándar de eCommerce cubren la parte de tu negocio que se parece a todos los demás negocios. La medición que de verdad te diferencia siempre es a medida: el paso del configurador, la comprobación de disponibilidad, la calculadora de financiación, la solicitud de presupuesto B2B, la llamada que se cierra offline tres días después. Si la plataforma solo sabe medir lo que anticipó, tu techo de instrumentación lo fija el roadmap del proveedor.

Eventos personalizados arbitrarios con propiedades arbitrarias. Microconversiones como concepto nativo, no como un apaño sobre pageviews. Valor en divisa asociable a cualquier evento. Ingesta cliente y servidor mediante un endpoint HTTP documentado, para que los eventos que ocurren fuera del navegador — un webhook, un cambio de estado en el CRM, un resultado de call tracking — caigan en el mismo dataset que las páginas vistas. Soporte nativo de aplicaciones de una sola página y páginas vistas virtuales. Medición multidominio y de subdominios sin romper la atribución. Y reglas de clasificación de canales editables por ti, porque la definición de «afiliación» o «partner» cambia en cada negocio y una agrupación fija garantiza que acabarás discutiendo con tus propios informes.

Una plataforma de analítica cuyos datos solo se leen desde su propia interfaz es un silo, y los silos acaban siempre igual: alguien rehace a mano los números importantes en una diapositiva, divergen del origen, y el QBR se convierte en una discusión sobre quién tiene la cifra buena.

Todo informe disponible en la interfaz tiene que ser accesible por API — sin pantallas privilegiadas. Autenticación documentada con claves de alcance limitado y revocables. Límites de rate publicados, para poder diseñar contra ellos en lugar de descubrirlos en producción. Paginación que funcione con volúmenes reales. Endpoints que devuelvan filas a resolución completa, no solo agregados. Webhooks para operativa orientada a eventos, de modo que una anomalía de conversión dispare algo en lugar de esperar a que alguien la vea. Y exportación nativa a un data warehouse — BigQuery, Snowflake o equivalente — sin que tengas que escribir y mantener un ETL.

Un innegociable: la API y la interfaz tienen que devolver los mismos números. Parece obvio. Compruébalo igualmente, porque las diferencias de preagregación entre la capa de reporting y la de exportación son una sorpresa habitual y carísima.

La forma de hacer análisis cambió en los últimos dos años y la mayoría de plataformas no se ha enterado. Analistas y marketers trabajan ya con asistentes de IA en el circuito. Si tu plataforma no se puede consultar desde uno, cada pregunta se convierte en un viaje manual: abrir la interfaz, montar el informe, exportar el CSV, pegarlo en un chat, preguntar, y recibir una respuesta sobre una foto congelada que no se puede profundizar. Ese flujo no solo es lento. Es inauditable — el modelo responde sobre el fragmento que le pegaron, y nadie puede reproducirlo.

Un servidor Model Context Protocol, alojado por el proveedor, que exponga los datos de la plataforma como herramientas que un agente puede invocar directamente. Esto es algo concreto, y conviene precisarlo, porque «AI-ready» es hoy la expresión más abusada del marketing de analítica. Un servidor MCP significa: tu asistente — Claude, ChatGPT, Cursor, un copiloto interno — se conecta una vez y a partir de ahí consulta él mismo canales, campañas, funnels, conversiones y propiedades personalizadas, en vivo, y repregunta sin que nadie vuelva a exportar nada. Esa es la diferencia entre un asistente y la analítica self-service de verdad.

Dos fallos opuestos. El primero es la caja negra: la plataforma te dice que un canal rinde mal, no puede enseñarte la consulta que hay debajo, y se te pide mover presupuesto bajo la palabra de un modelo. El segundo es la fuga: para darte ese insight, tus datos comerciales viajaron a una API de terceros en otra jurisdicción — una transferencia que quizá no está declarada en tu registro de actividades de tratamiento.

IA que haga el trabajo para el que los analistas no tienen tiempo — detección continua de anomalías en todas las dimensiones, previsión, identificación de los segmentos que se han movido — y que muestre siempre la consulta subyacente, para que cualquier afirmación sea verificable por una persona en la interfaz. Más una elección de despliegue: o bien traer tu propia clave, de modo que la inferencia corra contra un proveedor con el que ya tienes DPA, o bien un modelo alojado por el fabricante dentro de tu jurisdicción. Para una empresa europea, «inferencia alojada en UE» significa que el modelo se ejecuta en la UE, y es una pregunta distinta de dónde se almacenan tus datos analíticos. Pregunta las dos.

La atribución es donde los fabricantes de analítica son menos honestos, y donde los compradores menos aprietan. Las plataformas que modelan, estiman o rellenan huecos en los datos de conversión producen cifras que parecen completas y son en parte sintéticas. Cuando esas cifras no cuadran con tu CRM — y no van a cuadrar — no puedes distinguir qué parte fue observada y qué parte inferida, así que no puedes depurar la discrepancia en absoluto.

El modelo de atribución tiene que estar enunciado con claridad, aplicarse de forma consistente y estar documentado. Si es last-click, que diga last-click. Si hay conversiones modeladas, la plataforma debe etiquetar cuáles y revelar el método. Lo que ninguna plataforma debería hacer es mezclar en silencio dato observado y dato estimado en la misma cifra.

El tráfico de bots ha crecido con fuerza con los rastreadores de IA, y no se reparte de forma uniforme: se concentra en páginas y fuentes concretas, así que no infla tus totales de forma inofensiva, sino que corrompe filas específicas. Sin filtrar, infla las sesiones de un canal, hunde su tasa de conversión, y acabas optimizando contra ruido.

Exclusión automática de las métricas reportadas y — esta es la parte que suele faltar — visibilidad de qué se excluyó y por qué. Un filtrado que no puedes inspeccionar es indistinguible de un filtrado que no está ocurriendo.

El riesgo de cumplimiento en analítica rara vez es una multa. Es el retraso de seis semanas mientras legal revisa una evaluación de impacto de transferencias, el banner de consentimiento que te cuesta el 60% de tus datos para satisfacer un requisito que creó la propia arquitectura, y la migración que tendrás que repetir en dos años cuando el terreno legal se mueva.

Sin datos personales recogidos, sin cookies, sin fingerprinting de dispositivo, sin almacenamiento en cliente. Esto no es una versión más estricta del cumplimiento: es un mecanismo distinto. Una plataforma que no trata datos personales queda en buena medida fuera del ámbito material de la norma, en lugar de cumplir dentro de ella, y esa diferencia es la que elimina el banner y con él la pérdida del 60%.

Después, la capa operativa: datos alojados en tu jurisdicción con la ubicación concreta nombrada, DPA incluido en el contrato estándar en lugar de negociado, sin transferencias que exijan medidas suplementarias, y documentación que tu DPO pueda leer sin una llamada.

Y sé igual de escéptico en la otra dirección: verifica las certificaciones. ISO 27001 y SOC 2 son estados auditados, con certificado y con fecha. «Alineado con» no es «certificado». Pide el certificado.

Dos fallos lentos. Bloqueo: descubres en la renovación que tres años de histórico no pueden salir de la plataforma en formato usable, y la negociación termina antes de empezar. Y sorpresa en factura: el precio por consumo de eventos hace que tu mejor mes genere tu peor factura, y los equipos reaccionan racionalmente instrumentando menos — lo que limita en silencio el valor de todo el sistema.

Exportación histórica completa en formato abierto, bajo demanda, sin abrir un ticket. Retención declarada, con política declarada sobre qué ocurre al terminar el contrato. Precio ligado a una métrica que controlas y puedes prever. Y un coste de puesta en marcha medido en minutos, porque una plataforma que exige una implantación de seis semanas ya ha encarecido la salida — y eso es un modelo de negocio, no una arquitectura.