Hay una diferencia entre que dos plataformas de medios no coincidan y que tu analytics no coincida con el sistema que factura, sea el CRM o el backend. La primera es incómoda. La segunda paraliza.
Y paraliza de una forma particular: no hace que la organización elija una fuente sobre la otra. Hace que deje de usar ambas. Cuando Marketing presenta un número y Finanzas presenta otro, lo que ocurre en la práctica es que la discusión se desplaza hacia quién tiene razón, la decisión se aplaza, y el trimestre siguiente todos vuelven a decidir por intuición mientras el equipo de datos sigue construyendo reportes que nadie usa para nada relevante.
Parte de esa brecha es correcta
Antes de buscar culpables conviene separar lo que está bien de lo que está mal, porque no toda diferencia entre analytics y backend es un error.
Analytics registra el momento en que alguien completa una acción en el sitio. El backend registra el resultado de esa acción después de procesarla. Entre esos dos momentos pasan cosas legítimas: una solicitud de crédito que se rechaza por scoring, un pedido que se cancela antes del despacho, un formulario enviado dos veces por la misma persona, un alta que no supera la validación de identidad. Todas esas transacciones existen en analytics y no existen en el sistema de negocio, y así debe ser.
Eso significa que perseguir una coincidencia exacta es perseguir algo que no debería pasar. Si tu analytics y tu backend reportan el mismo número, o alguien forzó la definición, o el backend está aceptando todo lo que le llega.
La pregunta útil no es cuánta diferencia hay. Es si esa diferencia se puede explicar.
Dónde se rompe de verdad
Cuando la brecha no se explica, en nuestra experiencia hay tres causas que concentran la mayoría de los casos.
La primera es el tráfico sin asignar. Una parte del volumen llega a analytics sin origen identificable y termina agrupado como directo o como "not set". Eso no altera el total de conversiones, pero sí destruye la capacidad de atribuir: tienes el resultado sin saber de dónde vino. El origen suele estar en la estructura de URLs, en redirecciones que pierden los parámetros de campaña o en un etiquetado que cada equipo construyó con su propio criterio. Es corregible y suele ser lo primero que hay que revisar, porque mientras exista, cualquier análisis de canales está viciado.
La segunda es el evento que se dispara donde no debe. Una conversión medida en el clic del botón y no en la confirmación del servidor va a contar intentos, no resultados. Se ve igual en el reporte y significa algo completamente distinto. Esta es la causa que más brecha genera y la que más tiempo tarda en detectarse, porque el dato se ve normal.
La tercera es la definición. Analytics cuenta el envío del formulario, el CRM cuenta el lead validado, el equipo comercial cuenta la oportunidad que entró al pipeline. Nadie está equivocado, pero los tres usan la palabra "conversión" en la misma reunión.
Esa tercera causa se manifiesta como un problema de medición, pero se resuelve antes de tocar cualquier herramienta: acordando qué significa "conversión" para cada área y cuál de esas definiciones es la que va a sustentar decisiones de inversión. Es una conversación de media hora que suele venir postergándose hace años.
Y conviene hacerla en ese orden. Cualquier trabajo sobre la infraestructura de medición rinde mucho más cuando las definiciones ya están acordadas, porque lo que se construye encima queda alineado desde el principio en lugar de tener que rehacerse.
Lo que cambia cuando se cierra
Una entidad bancaria en Argentina operaba varias propiedades digitales —tarjetas, nómina, préstamos, comercio— sin una lectura unificada. Los datos no coincidían entre sí ni con el backend, así que aunque había medición, nadie la usaba para asignar inversión en medios.
El trabajo empezó por lo menos glamoroso: ordenar la configuración y el etiquetado, y alinear los eventos de front con los flujos reales de backend. Eso redujo la discrepancia un 15% para el producto de cuenta sueldo.
Quince por ciento no suena a mucho hasta que uno entiende qué habilita. Fue el punto en que el equipo dejó de discutir si el dato servía y empezó a usarlo para decidir dónde poner la inversión. Todo lo que estaba construido encima —audiencias, tableros, optimización de medios— había estado en suspenso hasta ese momento, no por falta de capacidad técnica sino porque nadie confiaba en la base.
El resto de los resultados de ese proyecto los encuentras en la guía: Señales de que tu medición se quedó corta.
Cómo abordarlo sin abrir un proyecto de seis meses
No hace falta un diagnóstico integral para empezar. Tomar un solo producto o una sola línea de negocio y responder tres preguntas alcanza para saber dónde estás parado.
Qué porcentaje del tráfico llega sin origen identificable. Si supera el 10%, ahí está tu primera prioridad.
En qué momento exacto se dispara el evento de conversión, y si ese momento corresponde a un intento o a un resultado confirmado.
Qué llama "conversión" cada área que participa en la reunión mensual, preguntado de forma literal y no asumida.
Con esas tres respuestas ya se puede estimar cuánta de la brecha es explicable y cuánta no, que es bastante más útil que discutir el total.
TEN EN CUENTA PARA TU PRÓXIMA REUNIÓN
"¿Sabemos cuánta de la diferencia entre analytics y el sistema es esperable? ¿O solo sabemos que no coinciden?"
Es la pregunta que separa un problema de medición de una discusión que se repite todos los meses.
Señales de que tu medición se quedó corta
La brecha entre analytics y los sistemas de negocio es una de las siete señales que reunimos en esta guía, cada una con el umbral técnico que la define. Incluye el caso completo de banca y el criterio para saber cuándo revisar tu infraestructura: Descargar la guía.
