Miras Google Analytics. Informa de 5.000 visitantes. Miras los registros de tu servidor. Muestran 7.000 peticiones. Miras tu plataforma de analítica de producto. Informa de 4.500 visitantes. Tres fuentes de datos, tres cifras distintas. ¿Cuál es la correcta?
Todas. Y ninguna. Cada herramienta cuenta cosas distintas y usa definiciones distintas. Las discrepancias son normales. Entender por qué existen te ayuda a interpretar tus datos.
Por qué distintas herramientas muestran cifras distintas
Distintas definiciones de "sesión"
Una herramienta define una sesión con 30 minutos de inactividad. Otra usa 45 minutos. Otra usa 24 horas. Un usuario que deja tu sitio 40 minutos y vuelve puede contar como una sesión en una herramienta y como dos en otra. El número de sesiones siempre será distinto.
Distintas reglas para contar páginas vistas
Algunas herramientas solo cuentan las páginas vistas tradicionales. Otras cuentan las páginas vistas virtuales de aplicaciones de una sola página. Algunas cuentan los eventos pushState como páginas vistas. Otras no. El número de páginas vistas varía según estas diferencias.
Distinto filtrado de bots
La herramienta A filtra los bots de los buscadores. La B no. La C usa otra lista de bots. Las diferencias en el filtrado de bots cambian los totales de tráfico. Siempre verás cifras distintas si las herramientas filtran de forma distinta.
Distinto momento de recogida de datos
Los registros del servidor guardan los datos a nivel de servidor en el milisegundo en que llega la petición. Las bibliotecas de analítica recogen los datos en el cliente y agrupan las peticiones. Si un usuario cierra el navegador antes de que se envíe la petición de analítica, se pierde. Los registros del servidor sí la captan. Las herramientas del lado del cliente no.
Distinto manejo de zonas horarias
Tienes Google Analytics en hora del este y los registros del servidor en UTC. Los totales diarios se alinean de forma distinta. Los datos de ayer pueden incluir tráfico de hoy del servidor si las zonas horarias no coinciden. Aparecen pequeñas discrepancias.
Distintos modelos de atribución
Las herramientas usan reglas de atribución distintas. Unas usan el último clic. Otras, el primer clic. Otras, la disminución por tiempo. Si tienes varios puntos de contacto antes de la conversión, cada herramienta dará el crédito a fuentes distintas. La atribución multicontacto nunca coincidirá con la atribución por último clic.
Distinta clasificación del tráfico
La herramienta A clasifica el tráfico de cierta fuente como orgánico. La B lo clasifica como directo. La C lo clasifica como referencia. Cada herramienta usa reglas distintas. El reparto de fuentes será distinto.
Patrones de discrepancia habituales
Google Analytics muestra cifras más bajas que los registros del servidor
Es lo normal. Los registros del servidor muestran todas las peticiones. Google Analytics pierde el tráfico bloqueado por bloqueadores de anuncios, por prevención de rastreo o donde el código de seguimiento no se dispara. Google Analytics suele estar entre un 20% y un 40% por debajo de los registros del servidor.
Conversiones que no coinciden con la pasarela de pagos
La analítica puede registrar más conversiones que tu pasarela de pagos porque cuenta pagos abandonados u otros eventos como conversiones. O puede registrar menos si algunas conversiones se completan offline o en plataformas de terceros.
Discrepancias del tráfico orgánico entre herramientas
Cada herramienta clasifica lo orgánico de forma distinta. Google Search Console muestra palabras clave orgánicas. Google Analytics muestra tráfico orgánico. Rara vez coinciden exactamente porque miden cosas distintas en etapas distintas del recorrido.
Diferencias en las fuentes de tráfico
Un clic desde Facebook puede clasificarse como "directo" en una herramienta y como "social" en otra, según cómo esté etiquetada la URL y cómo clasifique cada herramienta el tráfico sin etiquetar.
Cómo gestionar las discrepancias
Entiende qué mide cada herramienta
El primer paso: saber qué cuenta cada herramienta. Google Analytics cuenta páginas vistas y eventos. Los registros del servidor cuentan peticiones HTTP. Tu pasarela de pagos cuenta transacciones. Miden cosas distintas, así que es normal que haya diferencias.
Elige una fuente de verdad para cada métrica
Decide qué herramienta manda en cada métrica. "Google Analytics manda en las métricas de tráfico." "La plataforma de la tienda manda en las métricas de conversión." "Los registros del servidor mandan en el diagnóstico técnico." Cuando necesites el tráfico, consultas siempre la analítica. Así evitas confusiones.
Documenta las discrepancias y explícalas
Documenta las discrepancias importantes. "Google Analytics muestra 5.000 visitantes. Los registros del servidor muestran 7.000. La diferencia se explica por bloqueadores de anuncios que bloquean el código de seguimiento (~40% del tráfico)." Documenta la explicación para que tu equipo lo entienda.
Crea un proceso de conciliación
Cada mes, compara tus herramientas principales entre sí. Google Analytics frente a tu plataforma de analítica de producto. Google Analytics frente a la pasarela de pagos. Comprueba si la diferencia es constante. Si cambia de golpe, investiga por qué.
Usa la fuente de datos más completa para el análisis
Si necesitas datos reales de transacciones, usa tu pasarela de pagos. Si necesitas patrones de tráfico, usa los registros del servidor. Si necesitas comportamiento de usuarios y segmentos, usa herramientas de analítica. Cada fuente es la mejor para ciertas preguntas.
Las herramientas deben complementarse
Construye una imagen completa con varias fuentes
En lugar de pelearte con las discrepancias, úsalas como se pretende: cada herramienta ofrece una vista distinta. La analítica muestra el comportamiento de los usuarios. Los registros del servidor muestran patrones de tráfico. El CRM muestra datos de clientes. La pasarela de pagos muestra los ingresos. Juntos son más completos que cualquier herramienta sola.
Usa las discrepancias para encontrar problemas
Cuando las discrepancias cambian de repente, puede que algo esté roto. Puede que el seguimiento haya fallado. Puede que se hayan aplicado filtros. La diferencia revela el problema.
Preguntas frecuentes
¿Cuánta variación es normal entre herramientas de analítica?
Una diferencia del 10% al 30% es lo habitual. Una variación del 5% o menos significa que lo estás haciendo bien. Una variación del 50% o más sugiere que algo va mal. Compara tus herramientas concretas para entender tu variación normal. Con el creador de webs de WEMASY puedes configurarlo directamente en tu web.
¿Debo fiarme de la herramienta que da cifras más altas?
No necesariamente. Más cifras no significa más exactitud. Entiende por qué difieren las cifras. El recuento más alto puede estar inflado. El más bajo puede estar infravalorado. Ninguno es correcto automáticamente.
¿Por qué Google Analytics muestra menos conversiones que mi pasarela de pagos?
Motivos habituales: código de seguimiento que no se dispara en algunas conversiones, bloqueadores de anuncios que impiden el seguimiento de conversiones, conversiones offline que tu pasarela de pagos registra pero la analítica no, y zonas horarias que no coinciden.
¿Qué herramienta debo usar como fuente de verdad?
Depende de la métrica. Para el comportamiento de los usuarios, usa tu herramienta de analítica. Para los ingresos, usa tu pasarela de pagos. Para el diagnóstico técnico, usa los registros del servidor. No dependas de una sola herramienta para todo.
¿Las discrepancias significan que una de mis herramientas está rota?
Normalmente no. Las diferencias son normales. Pero los cambios bruscos en el patrón pueden indicar un problema. Si la analítica baja de golpe un 50% respecto a tu pasarela de pagos, algo se rompió. Las diferencias estables son lo esperado.
¿Puedo conciliar los datos de distintas herramientas?
No del todo, porque miden cosas distintas. Pero puedes identificar las fuentes probables de las discrepancias y entender la diferencia. Documenta las diferencias para que tu equipo sepa qué esperar.