Datos para decidir en marketing: de GA4 a un panel que tu equipo usa de verdad

Un dashboard de marketing que se usa responde a tres preguntas que dirección se hace cada lunes: qué canal trae clientes que compran, qué producto deja margen y qué campaña pagar o parar. Para eso hace falta medir bien con GA4, unir los datos en BigQuery y mostrarlos en Power BI o Looker Studio (desde abril de 2026 ha vuelto a llamarse Data Studio), según lo que use tu equipo.

Está escrita para quien dirige una pyme o su marketing y tiene los datos en cinco sitios y ninguna respuesta. Vas a encontrar qué medir y qué no, cómo configurar GA4 para que sirva, por qué BigQuery es la pieza que nadie ve, cómo elegir entre Power BI y Looker Studio, cómo se diseña un panel que no acabe abandonado y qué dice la ley sobre todo esto.

La escribo yo porque es lo que hago a diario en dos empresas, una de ellas dedicada solo a datos, y porque montamos datos y dashboards para marketing como servicio, con un principio que vale para todo lo demás que hacemos: cada decisión, con los datos de tu empresa y no con los nuestros. También explico cuándo no hace falta contratar nada, que es más veces de las que una agencia suele reconocer.

¿Por qué las pymes deciden a ciegas?

Las pymes deciden a ciegas porque sus datos existen pero están repartidos: la tienda sabe los pedidos, Analytics sabe las visitas, Ads sabe el gasto, el CRM sabe los leads y la gestoría sabe la facturación, y nadie los junta. Solo el 16,8 % de las empresas españolas emplea especialistas en tecnología, así que juntarlos a mano cada mes recae en alguien que tiene otro trabajo, y acaba sin hacerse.

El dato del INE es claro: solo el 16,8 % de las empresas emplea especialistas TIC, según la Encuesta sobre el uso de TIC y comercio electrónico en las empresas (INE, 2025). La misma encuesta recoge que el 44,3 % ya paga servicios en la nube, 6,6 puntos más que en la edición anterior. Las herramientas están contratadas; lo que falta es quien las conecte y las lea.

El síntoma más común es el informe mensual que se hace copiando números de cuatro pestañas a una presentación. Tarda un día, llega tarde, y cuando dirección pregunta «y esto por qué ha bajado» nadie puede responder sin volver a abrir las cuatro herramientas. El segundo síntoma es que dos personas dan dos cifras distintas de leads del mes, y las dos tienen razón porque cuentan cosas distintas.

El resultado es que las decisiones se toman con el dato que está más a mano, que suele ser el de la plataforma que más interés tiene en quedar bien. Google Ads dice que trajo cien ventas, Meta dice que trajo ochenta, la tienda registró ciento diez en total, y nadie sabe cuántas de esas habrían llegado igual sin anuncios. Decidir con esos números no es decidir con datos; es decidir con publicidad de las plataformas.

No hace falta ser grande para arreglarlo. Con doscientas visitas al día y treinta pedidos al mes ya hay decisiones que tomar; lo que hace falta es que lo poco que hay esté bien medido y en un solo sitio. Las empresas pequeñas deciden peor por no mirar, no por no tener datos, y las que miran empiezan por las tres preguntas de cada lunes.

¿Qué hay que medir y qué no?

Hay que medir los eventos de negocio: un lead cualificado, un pedido con su importe y su margen, un cliente que repite, una campaña con su coste por cliente conseguido. No hay que medir, o no en el panel de dirección, los clics, las sesiones, el tiempo en página ni los seguidores. Un dato merece estar en el panel si al verlo subir o bajar alguien cambia algo; si no, es decoración.

La prueba es sencilla. Por cada métrica que quieras poner, pregunta: si mañana baja un 30 %, qué hacemos. Si la respuesta es «nada, pero es bueno saberlo», fuera del panel de dirección. Las visitas a la web bajan un 30 % y la reacción es mirar por qué; los pedidos bajan un 30 % y la reacción es parar lo que se está haciendo y arreglarlo. Solo la segunda pertenece al panel.

Las tres preguntas que un panel de marketing debe responder cada lunes son estas: qué canal trae clientes que compran, no visitas; qué producto o servicio deja margen, no facturación; y qué campaña hay que pagar y cuál parar. Cada pregunta es una pantalla, y cada pantalla tiene entre tres y cinco números. Todo lo demás vive en una segunda capa para quien quiera profundizar.

Una advertencia sobre lo que no se mide. Hay cosas que importan y no se pueden medir con precisión: la marca, el boca a boca, lo que la gente busca en Google después de ver un anuncio en el autobús. El panel no debe fingir que las mide. Lo correcto es tener una línea de «tráfico directo y de marca» como indicador indirecto y asumir que ahí hay ruido.

¿Cómo configurar GA4 para que sirva?

GA4 sirve cuando mide eventos de negocio con sus parámetros, marca como clave solo los que importan, tiene activado el modo de consentimiento y, si el volumen lo justifica, recoge datos desde el servidor. Instalado por defecto, GA4 cuenta visitas y páginas vistas; configurado así, cuenta leads y pedidos con su valor y su origen, que es lo único que luego sirve para decidir.

El primer paso es definir los eventos antes de tocar nada. Para una empresa de servicios: formulario enviado con el tipo de servicio como parámetro, llamada iniciada, cita reservada. Para una tienda: los eventos de comercio electrónico completos, de ver el producto a comprar, con importe, moneda y productos. Los nombres se acuerdan por escrito y no se cambian, porque cada cambio rompe la serie histórica.

El segundo paso es marcar como eventos clave solo los que representan negocio: el pedido y el lead cualificado, no el clic en el botón de contacto. Si marcas quince eventos clave, GA4 te dirá que tienes muchas conversiones y no sabrás cuál importa. Es un error muy común, junto con otros seis; los hemos descrito en los siete errores de GA4 más comunes las auditorías.

El tercer paso es el consentimiento. El Consent Mode de Google ajusta el comportamiento de las etiquetas según lo que el usuario haya aceptado en el banner de cookies: si no hay consentimiento, no se guardan identificadores, y Google puede modelar las conversiones que faltan a partir de las que sí tiene. Sin esto, o mides a todo el mundo sin permiso, que es ilegal, o pierdes de vista a quien rechaza y crees que vendes menos de lo que vendes.

El cuarto paso, opcional, es la medición desde el servidor. En lugar de que el navegador del usuario envíe los datos a Google, los envía un servidor tuyo, que controla qué se manda y a quién. Compensa cuando los bloqueadores de anuncios se llevan una parte relevante de la medición o cuando necesitas enviar conversiones con datos del CRM; para una web pequeña de servicios casi nunca es el primer problema.

Lista de comprobación mínima de GA4, en orden:

1. Lista de eventos de negocio acordada por escrito, con nombre, parámetros y quién la aprueba.
2. Implementación con Google Tag Manager, no con código suelto en la plantilla.
3. Eventos clave: solo pedido y lead cualificado, o su equivalente en tu negocio.
4. Banner de cookies conectado al Consent Mode y probado en las dos opciones, aceptar y rechazar.
5. Filtro de tráfico interno y exclusión de referencias de pasarelas de pago, para que el pedido no se atribuya a la pasarela.
6. Exportación a BigQuery activada desde el primer día, porque los datos que no se exportan no se recuperan después.

El último punto es el que más se olvida y el más caro de olvidar. GA4 guarda el detalle de eventos durante un periodo limitado; BigQuery lo guarda mientras tú quieras. Si activas la exportación hoy, dentro de dos años podrás comparar; si la activas dentro de dos años, empezarás de cero.

¿Qué es BigQuery y por qué unir ahí los datos?

BigQuery es el almacén de datos de Google en la nube: una base de datos donde cargas tablas grandes y las consultas con SQL sin montar ni mantener un servidor. Unir ahí los datos de GA4, la tienda, Ads, el CRM y la facturación sirve para que todas las preguntas se respondan desde una sola fuente, con las mismas definiciones, y para que el panel lea de un sitio en lugar de pedir datos a seis.

GA4 tiene una conexión nativa: la exportación de GA4 a BigQuery envía cada día los eventos en bruto de la propiedad a un conjunto de datos tuyo, sin muestreo y con todos los parámetros. Es gratis en la propiedad estándar, con límites diarios de eventos que la documentación detalla, y es la única forma de tener el dato de GA4 sin las restricciones de su interfaz.

El resto de las fuentes llegan por conectores. Para Shopify, WooCommerce, Google Ads, Meta Ads, Search Console, HubSpot o Holded hay conectores gestionados que cargan los datos cada día; cuando no hay conector o es caro, montamos el flujo con n8n, que llama a la API de la herramienta y escribe en BigQuery. En nuestro propio panel es así como llega el CRM, y nos cuesta lo mismo que un café al mes en ejecuciones.

Una vez cargado todo, el trabajo invisible es el modelo de datos: decidir que «cliente» significa lo mismo en el CRM que en la tienda, que «pedido» se cuenta cuando se paga y no cuando se crea, que el gasto de Ads se reparte por campaña y día. Aquí está el 70 % del esfuerzo de un proyecto de datos y es lo que nadie ve en el panel final. Cuando falta, el panel enseña cifras bonitas que no cuadran con la contabilidad y el equipo deja de confiar en él.

El coste de BigQuery para el volumen de una pyme es pequeño en comparación con cualquier licencia de BI, pero no quiero dar una cifra de memoria.

Cuándo no hace falta BigQuery: si solo tienes GA4 y una web de servicios con un formulario, el informe de GA4 y una hoja de cálculo te sobran. BigQuery compensa cuando hay más de dos fuentes que cruzar, cuando necesitas guardar el histórico más allá de lo que retiene GA4 o cuando la pregunta es de margen, porque el margen nunca está en una sola herramienta.

¿Power BI o Looker Studio?

Power BI si tu equipo vive en Microsoft 365; Looker Studio si vive en Google Workspace. La decisión es por el entorno del equipo, no por las funciones, porque el panel es la parte visible y lo que importa está debajo, en BigQuery, que es igual para los dos. Power BI tiene más capacidad de modelado y cálculo; Looker Studio es gratuito y se comparte como un documento de Google.

Power BI es la herramienta de Microsoft. Se paga por usuario y mes, exige instalar la aplicación de escritorio para construir el modelo, y tiene un lenguaje de cálculo propio, DAX, con el que se definen medidas como el margen, el coste por cliente o la comparación con el mismo mes del año anterior. La curva es más larga, pero cuando el equipo ya usa Excel, Teams y SharePoint, el panel aparece donde ya trabajan.

Looker Studio es la herramienta de Google. Es gratuita, se conecta a GA4, Search Console, Google Ads y BigQuery con conectores propios, y un panel se comparte igual que un documento de Drive. Los cálculos complejos se hacen mejor en BigQuery antes de llegar al panel; Looker Studio se limita a enseñarlos. Para una pyme que vive en Gmail y Drive, es la opción con menos fricción.

Hay una tercera opción que no sale en la tabla porque no es una herramienta: la hoja de cálculo. Si la pregunta es una sola y los datos caben en una pestaña, una hoja conectada a BigQuery con una gráfica es un panel. He visto paneles de Power BI de cuarenta páginas que nadie abría y hojas de cálculo con tres gráficas que se discutían cada lunes. La herramienta no hace que el panel se use.

Los detalles de precios, límites de actualización y casos en los que una gana a la otra los hemos puesto en Power BI o Looker Studio, con los criterios que usamos para elegir en cada proyecto. La regla corta: mira en qué programa abre el correo quien va a mirar el panel, y elige el de la misma casa.

¿Cómo se diseña un dashboard de marketing que se usa?

Un dashboard de marketing que se usa tiene una pantalla por pregunta, entre tres y cinco números por pantalla, una comparación con el periodo anterior en cada número y una persona responsable de mirarlo un día fijo. Está diseñado para quien decide, no para quien analiza, y la prueba de que funciona es que en la primera semana se toma una decisión con él. Si eso no pasa, hay que rediseñarlo, no esperar.

El error más habitual es empezar por los datos disponibles y no por las preguntas. Se conecta todo lo que se puede y se pintan treinta gráficas, y el resultado es un panel que enseña mucho y no responde a nada. El orden correcto es el inverso: dos horas con quien decide para sacar las tres preguntas, y después ir a buscar solo los datos que las responden.

Nuestro propio panel de agencia sirve como ejemplo del diseño, no de los resultados. Une Search Console, GA4 y el CRM, y tiene tres pantallas. La primera responde a qué consultas y qué páginas traen contactos, cruzando los clics orgánicos de Search Console con los leads de GA4 por página de entrada. La segunda, qué leads se convierten en propuestas y en clientes, desde el CRM, con el canal de origen que GA4 les asignó al llegar. La tercera, qué hemos publicado y qué ha movido, para decidir el contenido del mes siguiente.

Reglas de diseño que aplicamos siempre. Un número sin comparación no dice nada: cada cifra lleva al lado la del periodo anterior o la del mismo periodo del año pasado. Los colores significan algo o no se usan: verde y rojo solo para «mejor» y «peor» respecto al umbral acordado, nunca para decorar. Y el panel tiene fecha de última actualización visible, porque un dato de hace tres semanas que parece de hoy es peor que no tener dato.

La última regla es de proceso, no de diseño. El panel se abre en una reunión fija, con una duración fija, y acaba con una decisión apuntada: qué cambiamos esta semana y qué esperamos ver la siguiente. Al cabo de tres meses, la lista de decisiones y de lo que pasó después es el documento más útil que ha producido el proyecto, más que el panel mismo.

¿Qué es la atribución y cuál usar?

La atribución es la regla con la que se reparte el mérito de una venta entre los canales que intervinieron antes de que ocurriera: el anuncio que vio el cliente, la búsqueda que hizo después, el correo que abrió el día antes de comprar. GA4 ofrece el modelo basado en datos y el de último clic; la mejor regla para una pyme es elegir uno, aplicarlo igual a todos los canales y explicarlo en una página, porque ningún modelo es la verdad.

Google documenta los modelos de atribución de GA4: el modelo basado en datos reparte el crédito según lo que GA4 observa en las conversiones de tu propiedad, y los de último clic lo dan entero al último canal, con una variante que ignora el tráfico directo y otra que prioriza el último canal de pago. GA4 aplica el modelo elegido a todos los informes de conversión, y permite comparar modelos en un informe específico.

El problema de fondo no está en GA4. Cada plataforma de anuncios se atribuye sus propias conversiones con su propia regla, y las suma por su cuenta. Google Ads cuenta la venta si hubo un clic en su anuncio; Meta la cuenta si hubo una impresión en su red en los días anteriores; el email la cuenta si hubo una apertura. Sumadas, las plataformas dicen haber vendido más de lo que la tienda facturó, y las tres tienen razón según su regla.

Lo que llamamos atribución honesta es una regla acordada con el cliente, escrita en una página y aplicada a todos los canales por igual: qué fuente se usa para cada tipo de venta, qué modelo, y qué cifra de cada plataforma se mira solo como referencia y no como verdad. Después, el total atribuido se compara con el total facturado, y la diferencia es la medida de cuánto ruido hay. Lo hemos explicado con ejemplos en atribución honesta.

Cuando un canal se lleva una parte grande del presupuesto, la única forma de saber lo que aporta de verdad es apagarlo durante un periodo, o en una zona, y mirar qué pasa con las ventas totales. Es incómodo y cuesta ventas durante la prueba, pero es la única atribución que no depende de la regla de nadie. Para una pyme, una prueba de dos semanas por canal cada trimestre suele ser suficiente para saber dónde sobra dinero.

¿Y el RGPD?

Medir sin consentimiento es ilegal en la Unión Europea y además produce un dato falso, porque mezcla a quien aceptó con quien no y sesga cualquier conclusión. El Reglamento General de Protección de Datos exige base legal para tratar datos personales, y un identificador de cookie es un dato personal. La forma correcta es un banner que pida consentimiento de verdad, el Consent Mode para que las etiquetas lo respeten y un registro de qué se mide y para qué.

La norma es el RGPD, el Reglamento (UE) 2016/679, en vigor desde 2018. Para la medición, lo relevante es que el consentimiento debe ser libre, específico, informado e inequívoco: un banner que solo tiene el botón de aceptar, o que carga las cookies de análisis antes de que el usuario responda, no cumple. Y la carga de la prueba es de quien mide.

Lo que esto significa para el panel es que una parte de los usuarios no va a estar en GA4, y hay que asumirlo. El Consent Mode permite a Google modelar las conversiones de quien no ha dado consentimiento a partir de las de quien sí, con lo que el total se aproxima; pero el detalle individual de esos usuarios no existe y no debe existir. El dato de la tienda o del CRM, que registra el pedido con base en el contrato, sigue siendo completo, y por eso es la fuente de verdad para las ventas.

Comprobaciones que hacemos en cada auditoría de medición:

1. Abrir la web en una ventana privada y comprobar con las herramientas del navegador que no se envía nada a Google ni a Meta antes de aceptar.
2. Rechazar las cookies y comprobar que las etiquetas pasan a modo sin consentimiento y que no se guarda ningún identificador.
3. Revisar que la política de privacidad y la de cookies nombren las herramientas que de verdad hay instaladas, incluidos los píxeles de redes sociales.
4. Comprobar que la exportación a BigQuery y los conectores no cargan datos personales innecesarios, y que el acceso al conjunto de datos está limitado a quien lo necesita.
5. Documentar en una página qué se mide, con qué base legal, dónde se guarda y cuánto tiempo.

Si tu web mide a todo el mundo desde hace años y nadie lo ha revisado, no eres el único; es lo más frecuente que vemos. Arreglarlo baja las cifras de GA4, porque empiezas a contar solo a quien acepta, y es normal que dirección pregunte por qué han caído las visitas. La respuesta es que antes el dato era ilegal y estaba inflado, y ahora es legal y es real. Las ventas de la tienda, mientras tanto, no se han movido.

Seguimos este tema en todos los artículos de datos para decidir.

Preguntas frecuentes