Tu tasa de conversión cayó un 25 por ciento el mes pasado. Sabes qué pasó (analítica diagnóstica). Pero aún no sabes por qué. ¿Fue un cambio en la web? ¿Un cambio del mercado? ¿Un movimiento de la competencia? ¿Un patrón estacional? El análisis de causa raíz es cómo escarbas bajo la superficie para encontrar el motivo real.
Este artículo explica las técnicas para pasar de "algo cambió" a "esto es exactamente por qué cambió" y "esto es lo que hay que arreglar".
El análisis de causa raíz consiste en investigar los problemas de forma sistemática para encontrar el motivo de fondo, no solo el síntoma. La mayoría de los dueños de webs se queda en "el tráfico cayó" o "las conversiones bajaron". El análisis de causa raíz pregunta: ¿cuál es la causa real bajo ese síntoma?
Un síntoma es superficial. Una causa raíz es fundamental. Si tu tasa de rebote es alta, eso es un síntoma. La causa raíz puede ser una carga lenta de la página, titulares confusos o un mal diseño móvil. Arreglar el síntoma (intentar bajar la tasa de rebote en general) no funciona. Encontrar y arreglar la causa raíz sí.
Por qué los síntomas te engañan
Los dueños de webs persiguen síntomas porque son fáciles de ver. El tráfico cayó: síntoma evidente. ¿Pero por qué? Hay decenas de causas posibles. Si adivinas mal y arreglas lo que no era, el problema sigue.
El análisis de causa raíz lo evita. Te obliga a preguntar por qué una y otra vez hasta llegar a la causa real. La técnica de los "5 porqués" es una versión sencilla: pregunta por qué cinco veces. Cada respuesta es la base del siguiente porqué.
Sin análisis de causa raíz, arreglas problemas equivocados y pierdes tiempo. Con él, tus arreglos funcionan de verdad.
La técnica de los 5 porqués: simple pero potente
Empieza con el problema. Pregunta por qué ocurrió. Toma la respuesta y pregunta por qué otra vez. Sigue hasta llegar al motivo fundamental.
Problema: las conversiones cayeron un 30 por ciento.
Porqué 1: el tráfico de la campaña de correo cayó. Pero el tráfico de anuncios se mantuvo estable.
Porqué 2: la tasa de clics del correo bajó del 12 por ciento al 4 por ciento.
Porqué 3: la tasa de apertura del correo se mantuvo igual, pero una vez abierto el correo, menos gente hacía clic en el enlace.
Porqué 4: cambiamos la plantilla del correo la semana pasada. El nuevo diseño movió el botón de llamada a la acción por debajo de la zona visible.
Porqué 5: el botón ahora es invisible sin hacer scroll. La mayoría de los lectores de correo no hace scroll.
Causa raíz: la posición del botón hace que la gente no vea la llamada a la acción.
Solución: mover el botón a la zona visible.
Esto es análisis de causa raíz. No adivinaste: encontraste el problema real de forma sistemática. La solución ataca el problema de verdad, no un síntoma.
El diagrama de espina de pescado: organiza tu investigación
El diagrama de espina de pescado (también llamado diagrama de Ishikawa) te ayuda a mapear todas las causas posibles por categorías. Es visual, lo que te ayuda a ver patrones.
Dibuja una línea horizontal (la espina). El problema va en la cabeza. Las ramas de la espina representan categorías: personas, procesos, herramientas, datos, factores externos.
Bajo cada categoría, anota las causas posibles. ¿Dónde se cruzan varias causas? Ahí suele estar la causa raíz.
Ejemplo: tu tasa de conversión cayó.
Personas: ¿cambió el equipo de ventas? ¿Se fue el redactor?
Procesos: ¿cambiaste el flujo de pago? ¿Exigiste más campos en el formulario?
Herramientas: ¿cambiaste de herramienta de analítica? ¿Cambió el procesador de pagos?
Datos: ¿son incompletos los datos? ¿Hay un error de seguimiento?
Externos: ¿lanzaron algo los competidores? ¿Cambió el algoritmo de Google?
Al mapearlo de forma visual, ves qué categorías tienen más causas posibles. Ahí investigas primero.
Análisis de desglose: segmenta para encontrar el problema
En vez de mirar las métricas generales, desglósalas. Las conversiones totales cayeron un 30 por ciento. Pero:
Conversiones del correo: bajan un 40 por ciento
Conversiones de anuncios: bajan un 10 por ciento
Conversiones de búsqueda orgánica: bajan un 15 por ciento
Ahora sabes que el problema es específico del correo, no universal. Eso reduce mucho tu investigación. No miras todas las fuentes de tráfico, solo el correo.
Ve más a fondo. Los visitantes del correo que antes convertían pasaban más de 4 minutos en la web. Ahora el promedio es de 1 minuto. ¿Por qué? Rebotan más rápido. ¿Desde qué página? La página de destino. ¿Qué cambió en la página de destino? El titular.
Al desglosar de forma sistemática, aíslas la causa raíz.
Correlación frente a causalidad: evita las pistas falsas
Este es el error más común. Dos métricas se mueven juntas, así que supones que una causó la otra. Casi siempre es un error.
Tu tasa de rebote subió la misma semana en que bajó el tráfico. Correlación: ambas cambiaron. Causalidad: ¿hace la tasa de rebote que baje el tráfico? No. La tasa de rebote es lo que pasa después de que llegan los visitantes. No puede afectar a cuántos visitantes llegan en primer lugar.
Para probar la causalidad, pregúntate: ¿hay un mecanismo lógico? ¿Podría X causar de verdad Y?
¿Puede una tasa de rebote alta hacer que lleguen menos visitantes? No.
¿Puede una página lenta causar una tasa de rebote alta? Sí.
¿Puede una página lenta hacer que lleguen menos visitantes desde Google? Sí (las posiciones bajan si la página es lenta).
Prueba el mecanismo antes de afirmar la causalidad.
Análisis de la línea de tiempo: ¿cuándo cambió?
Si una métrica cambió de golpe el 15 de marzo, algo pasó el 15 de marzo. Si bajó poco a poco durante dos semanas, algo ha estado cambiando poco a poco.
Una caída brusca sugiere un evento: un cambio en la web, una actualización de Google, un lanzamiento de la competencia. Un descenso gradual sugiere una tendencia: un patrón estacional, una pérdida lenta de posiciones, un cambio en el comportamiento de la audiencia.
La forma de la línea de tiempo te dice qué tipo de causa investigar.
Causas contraintuitivas: mira más allá de lo obvio
La mayoría de los dueños de webs culpa a lo obvio: "Cambiamos la web, así que ese debe ser el problema". A veces sí. A veces no.
Busca cambios que no hiciste tú. ¿Actualizó Google? ¿Lanzó algo un competidor? ¿Cambió la temporada? ¿Se actualizó iOS y rompió el seguimiento? ¿Se deterioró tu lista de correo?
El análisis de causa raíz significa cuestionarlo todo, no solo a los sospechosos obvios.
Cómo documentar lo que encuentras
Cuando encuentres una causa raíz, documéntala. Anota:
El síntoma: "La tasa de conversión cayó un 25 por ciento"
La causa raíz: "El botón de llamada a la acción del correo pasó por debajo de la zona visible"
La prueba: "La tasa de clics del correo bajó del 12 por ciento al 4 por ciento tras el cambio de plantilla"
La solución: "Mover el botón a la zona visible"
El resultado: "La tasa de clics del correo volvió al 11 por ciento tras la solución"
La documentación evita que cometas el mismo error dos veces y ayuda a tu equipo a entender el problema.
Cuándo dejar de investigar
El análisis de causa raíz puede profundizar sin fin. En algún momento llegas a una causa que no puedes controlar o en la que no conviene gastar más tiempo.
Encontraste: "La posición del botón causó menos conversiones". Podrías seguir: "¿Por qué se puso el botón ahí? Porque al diseñador le pareció que quedaba mejor. ¿Por qué lo pensó? Prefiere esa estética".
En este punto, para. Has llegado a una causa sobre la que puedes actuar (la posición del botón). El porqué del porqué (la preferencia estética) importa menos que arreglar el problema real.
Preguntas frecuentes
¿Es siempre fiable la técnica de los 5 porqués?
No. Funciona cuando el problema es claro y lineal. Algunos problemas tienen varias causas que no forman una cadena ordenada. Usa los 5 porqués para problemas simples; usa el diagrama de espina de pescado para los complejos con varios factores. Con el creador de webs de WEMASY puedes configurarlo directamente en tu web.
¿Y si no encuentro la causa raíz después de investigar a fondo?
A veces la causa es externa e invisible para ti. Un cambio del algoritmo de Google, un cambio del mercado o un movimiento de la competencia pueden ser la causa raíz, pero no tienes forma de confirmarlo. En ese punto, acepta la incertidumbre y sigue adelante. No todo problema tiene una causa que se pueda descubrir.
¿Debo investigar cada cambio de métrica o solo los grandes?
Céntrate en los cambios grandes. Las pequeñas fluctuaciones son variación normal. Si la tasa de conversión baja un 1 por ciento una semana, probablemente no merece investigación. Si baja un 25 por ciento, investiga. Usa tu criterio para decidir qué cuenta como "grande".
¿Puede el análisis de causa raíz evitar que ocurran problemas?
En parte. Si identificas que "la carga lenta de la página causa picos en la tasa de rebote", puedes ocuparte de la velocidad de forma preventiva. Pero la mayoría de las causas raíz se descubren después de que ocurre un problema. Cuando conoces el patrón, puedes vigilarlo en el futuro.
¿Cuánto debería durar un análisis de causa raíz?
Problemas simples: de 30 minutos a unas horas. Problemas complejos: días o semanas. El tiempo depende de lo enterrada que esté la causa y de cuántos datos necesites revisar. Fija un límite de tiempo para no investigar de más.
¿Es lo mismo el análisis de causa raíz que la analítica diagnóstica?
Se parecen, pero no son idénticos. La analítica diagnóstica pregunta "¿por qué cambió esta métrica?". El análisis de causa raíz profundiza y pregunta "¿cuál es el motivo fundamental bajo el porqué?". La diagnóstica es el punto de partida; el análisis de causa raíz va más lejos.