Fichas de medida

Una medida sirve cuando puedes explicar qué cuenta y qué pregunta ayuda a responder. Para una pyme, recibir actividad en un canal no equivale automáticamente a conseguir clientes. Un evento es una ocurrencia registrada, como un clic. Un registro es una fila o entrada guardada; podría representar un formulario o repetir una entrada anterior. Una persona es alguien real: contarla exige una regla de identificación y evidencia suficiente. Una persona puede generar varios eventos y registros.

Google Analytics distingue ámbitos de usuario, sesión y evento. Su identificación de usuarios depende de la configuración y de las identidades disponibles. Por eso, una cifra etiquetada como usuarios tampoco debe trasladarse sin revisión a un recuento de personas reales. Documentación de ámbitos.

N/D significa que el dato no está disponible. Cero significa que una medición respaldada encontró ninguna ocurrencia dentro de su alcance. Confundirlos puede convertir desconocimiento en una conclusión falsa. Tampoco una casilla vacía autoriza a completar ventas, ingresos o costos por estimación sin indicarlo.

El período indica cuándo ocurrieron los hechos incluidos. El corte señala hasta cuándo se incorporaron o revisaron registros. Documenta inicio, fin, zona horaria y criterio de inclusión cuando estén disponibles. Una revisión posterior puede añadir información sobre hechos del mismo período. Comparar dos informes requiere comprobar estas condiciones, además de la unidad y los filtros. Si falta una fecha, conserva el faltante.

Deduplicar significa tratar repeticiones de acuerdo con una definición, sin borrar el rastro original. Antes de contar, declara la clave utilizada, el período y qué entrada conservarás. Por ejemplo: para contar solicitudes, considerar una solicitud por identificador y conservar la primera recepción cuando se confirme que las repeticiones son reenvíos de la misma solicitud. Si dos entradas con igual identificador se contradicen, marca el conflicto para revisión. No decidas por intuición cuál es correcta. Deduplicar solicitudes no identifica automáticamente personas: alguien puede enviar solicitudes diferentes.

Un conteo necesita una unidad y una regla; no siempre necesita denominador. Una razón relaciona cantidades. Una proporción exige, además, que el numerador sea un subconjunto del denominador. Para expresar consultas pertinentes entre solicitudes revisadas, debes comprobar que las consultas corresponden a esas solicitudes, que no se cuentan varias veces y que comparten criterio de revisión y período.

Dividir cifras disponibles no basta. Formularios por clic no equivale a personas que se convirtieron en clientes. Escribe primero la medida con palabras. Si falta la correspondencia, presenta una expresión condicionada: «pertinentes vinculadas a solicitudes revisadas / solicitudes revisadas, solo si se verifica esa vinculación». La condición pendiente debe permanecer visible; no se sustituye por un porcentaje observado.

Una observación está respaldada por registros y un procedimiento reproducible. En un caso ficticio, solo describe el conjunto simulado. Una hipótesis propone una explicación por comprobar, como pensar que un mensaje más claro favoreció las consultas. Presenta ambas por separado.

La atribución asigna crédito a interacciones siguiendo un modelo. Google Analytics documenta reglas de atribución y una ventana retrospectiva para los eventos clave. Interpretarlas requiere conocer qué recorrido y configuración se están considerando. Esta referencia conceptual no supone disponer de una cuenta conectada. Introducción a la atribución.

Correlación no significa causalidad: que aumenten consultas después de una campaña no demuestra que la campaña causó el aumento. También pueden intervenir temporada, precio u otros canales. Para investigar un efecto causal se necesita un diseño que permita una comparación válida; Google describe experimentos con grupos de tratamiento y control para estudiar incrementalidad. Esto no garantiza resultados ni disponibilidad para una pyme. Acerca de Conversion Lift.

Este ejemplo es completamente ficticio. La empresa Brújula Reparaciones registra 18 eventos de clic y estas entradas de solicitudes: BR81, BR82, BR83, BR84, BR85, BR86, BR87, BR88, BR88. El período va del 14 de septiembre de 2026 a las 00:00 UTC al 19 de septiembre a las 00:00 UTC, sin incluir este último instante. El corte de revisión es el 19 de septiembre a las 12:00 UTC.

La bitácora ficticia confirma que la segunda entrada BR88 es un reenvío idéntico posterior. La regla conserva la primera entrada por ID: quedan ocho solicitudes únicas. Todas fueron revisadas; BR81 a BR86 están identificadas expresamente como pertinentes. La proporción es seis solicitudes pertinentes entre ocho revisadas: 75 %. El denominador es compatible porque contiene esas mismas solicitudes pertinentes.

El resultado describe solicitudes revisadas de este ejemplo. No informa cuántas personas hubo, no vincula los clics con las solicitudes y no demuestra ventas. Sus identificadores, fechas y operaciones no se trasladan a M-v1.

1. ¿Cómo cambiaría la interpretación de una medida al pasar de contar eventos a contar registros o personas, y qué evidencia exigirías para cada unidad?
2. ¿Cómo justificarías el denominador, la regla de deduplicación y las condiciones pendientes de una medida que te interese estudiar?
3. ¿Qué información y qué diseño de comparación necesitarías para distinguir un cambio observado de un efecto causado por una acción de marketing?