Embudo de Ecommerce: Las Métricas Que Te Dicen Qué Arreglar Primero

Un embudo de ecommerce muestra cómo las sesiones de compra avanzan desde una visita a la tienda hasta un pago completado. Mide cada etapa con una base consistente, compara cada una con una línea de referencia definida, e identifica la fuga con los mayores ingresos en riesgo.

No elijas una reparación solo porque tenga la mayor caída porcentual. Una caída pequeña en una etapa con alto volumen puede valer más que una caída grande más adelante en el viaje del cliente. Tu cálculo debe considerar el número de sesiones en esa etapa, la tasa de conversión esperada, la tasa de conversión esperada aguas abajo, y el valor promedio de pedido.

Qué mide un embudo de ecommerce

En una tienda Shopify, usa sesiones como base de medición en todo el embudo. No mezcles recuentos de sesiones con visitantes únicos, vistas de página, eventos de agregar al carrito, o recuentos de pedidos. Estas medidas responden preguntas diferentes y producen tasas de conversión distintas.

El informe de desglose de tasa de conversión de Shopify utiliza cuatro etapas basadas en sesiones: todas las sesiones, sesiones con adiciones al carrito, sesiones que llegaron al pago, y sesiones que completaron el pago. Shopify define una sesión que llegó al pago como aquella en la que el usuario introdujo datos durante el pago, como una pulsación de tecla o un clic del ratón.

Usa un embudo de ecommerce cerrado y basado en sesiones

Usa la vista de embudo cerrado de Shopify para diagnosticar. En un embudo cerrado, una sesión debe agregar al carrito, luego llegar al pago, luego completar el pago en esa secuencia. Esto evita que un cliente que entra directamente en el pago infle una etapa posterior.

Todas las sesiones: cada sesión incluida en el rango de fechas seleccionado.
Sesiones con adiciones al carrito: sesiones en las que un cliente agregó al menos un producto al carrito.
Sesiones que llegaron al pago: sesiones en las que un cliente avanzó al pago e interactuó en él.
Sesiones que completaron el pago: sesiones en las que un cliente completó una compra.

Usa el mismo rango de fechas, tienda, tipo de embudo y definiciones de sesiones en cada comparación. Shopify explica que su embudo cerrado solo cuenta pasos posteriores cuando la sesión completa los pasos anteriores en orden.

Calcula las tasas de etapa que exponen la fuga

Registra la población en cada etapa. Luego calcula la tasa de progresión entre etapas adyacentes. La tasa de entrada al carrito es igual a sesiones con adiciones al carrito dividido entre todas las sesiones. La tasa de entrada al pago es igual a sesiones que llegaron al pago dividido entre sesiones con adiciones al carrito. La tasa de finalización del pago es igual a sesiones que completaron el pago dividido entre sesiones que llegaron al pago.

Una caída grande en una etapa es una señal de investigación útil. No prueba que esa etapa sea tu mayor oportunidad de ingresos. El volumen de tráfico, la mezcla de productos, el valor promedio de pedido, y la probabilidad de que una sesión recuperada complete los pasos posteriores todos afectan el valor de una reparación.

Establece una línea de referencia defensible antes de estimar ingresos perdidos

Elige una línea de referencia que represente el rendimiento normal o deseado para la misma etapa. Una línea de referencia práctica puede ser el período anterior comparable, un período estable antes de un cambio en el sitio, o un segmento con mejor rendimiento que tenga intención de tráfico y mezcla de productos similares. Etiqueta la línea de referencia claramente antes de hacer los cálculos.

Para cada etapa, define cuatro entradas: el número de sesiones que llegan a la etapa anterior, la tasa de progresión observada, la tasa de progresión de la línea de referencia, y la tasa de finalización aguas abajo de la línea de referencia. Usa el valor promedio de pedido de esa misma línea de referencia y segmento, en lugar de un valor de tienda completa que podría reflejar una mezcla de productos diferente.

Fórmula de ingresos en riesgo para una etapa del embudo

Estima primero las entradas incrementales de etapa: sesiones de etapa anterior × (tasa de etapa de línea de referencia menos tasa de etapa observada). Usa cero si la tasa observada está igual o por encima de la línea de referencia. Luego estima pagos completados incrementales: entradas de etapa incrementales × tasa de finalización aguas abajo de la línea de referencia. Finalmente, estima ingresos en riesgo: pagos completados incrementales × valor promedio de pedido de la línea de referencia.

Ingresos en riesgo = sesiones de etapa anterior × máx(0, tasa de etapa de línea de referencia − tasa de etapa observada) × tasa de finalización aguas abajo de la línea de referencia × valor promedio de pedido de la línea de referencia.

Esta es una estimación de los ingresos asociados con devolver una etapa a su línea de referencia establecida. No es una promesa de ingresos. El cálculo hace explícito su contrafáctico: las sesiones afectadas avanzan a la tasa de etapa de línea de referencia y se convierten a través de las etapas restantes a la tasa de línea de referencia aguas abajo.

Ejemplo: prioriza un problema de carrito a pago

Supongamos 1.000 sesiones de embudo cerrado que agregaron un producto al carrito. La tasa de entrada al pago observada es del 40%. Una línea de referencia comparable muestra una tasa de entrada al pago del 50%. La tasa de finalización del pago de la línea de referencia es del 60%, y el valor promedio de pedido de la línea de referencia es de 80 €.

Sesiones de pago incrementales: 1.000 × (50% − 40%) = 100.
Pagos completados incrementales: 100 × 60% = 60.
Ingresos estimados en riesgo: 60 × 80 € = 4.800 €.

Ejecuta el mismo cálculo para las tasas de entrada al carrito y de finalización del pago. Clasifica las estimaciones positivas, luego investiga la oportunidad de mayor valor primero. Mantén los supuestos junto al número para que tu equipo pueda cuestionar la línea de referencia en lugar de tratar la estimación como un hecho.

Un flujo de trabajo práctico de medición de Shopify

Abre el administrador de Shopify y ve a Analítica, luego Reportes. Filtra por reportes de Comportamiento y abre Desglose de tasa de conversión.
Selecciona un rango de fechas completo. Evita comparar un período de venta con un período sin venta a menos que la venta sea el cambio que estás investigando.
Usa la vista de embudo cerrado y registra las cuatro poblaciones de sesiones: todas las sesiones, adiciones al carrito, llegaron al pago, y completaron el pago.
Calcula las tasas de progresión de etapa adyacente y compáralas con tu línea de referencia definida.
Calcula los ingresos estimados en riesgo para cada etapa usando la misma lógica de línea de referencia.
Segmenta el análisis antes de cambiar el sitio. Verifica si el problema está concentrado por dispositivo, fuente de tráfico, página de aterrizaje, campaña, geografía, o grupo de productos.
Elige una causa comprobable, realiza un cambio material, y compara la misma etapa del embudo contra un período comparable.

Shopify también proporciona reportes de sesiones por página de aterrizaje y sesiones por dispositivo. Úsalos para ubicar dónde se concentra un cambio de embudo antes de rediseñar una página que tiene buen rendimiento para la mayoría de compradores.

Cómo diagnosticar cada etapa del embudo

De todas las sesiones a adiciones al carrito

Comienza con las páginas de aterrizaje y productos que reciben las sesiones afectadas. Si la debilidad se concentra en el tráfico de colección o categoría, revisa el orden de producto, visibilidad de agotado, filtros, resultados de búsqueda, y el camino desde una colección a una página de producto. Una vista a nivel de producto ayuda a separar una oferta de producto débil de una fuente de tráfico débil. Lee la guía sobre tasa de conversión por producto.

De adiciones al carrito a llegó al pago

Revisa la experiencia del carrito para el segmento afectado. Verifica si la información de envío, expectativas de entrega, lógica de descuento, errores del carrito, o una ruta de pago confusa aparecen antes de que el cliente llegue al pago. Compara el problema por dispositivo porque una interacción del carrito puede fallar en un tipo de dispositivo mientras funciona en otro.

De llegó al pago a completó el pago

Inspecciona la experiencia de pago y los pedidos que se completan. Busca patrones en método de pago, destino, dispositivo, uso de descuento, y valor de pedido. Trata un cambio inusual en esta etapa como una razón para investigar fricción de pago, cambios de precio, costos de envío, o problemas relacionados con pagos antes de asumir una sola causa.

Usa segmentos de producto y colección para encontrar la causa

Un embudo de tienda completa te dice dónde se detienen las sesiones. Los segmentos de producto y colección ayudan a explicar por qué. Una tasa de entrada al carrito baja limitada a una colección puede apuntar a su mezcla de productos, clasificación, o intención de tráfico. Una tasa baja limitada a un producto puede apuntar a esa página de producto, precio, disponibilidad, u oferta.

Revisa colecciones de alto tráfico por separado de colecciones de bajo tráfico. No dejes que una colección pequeña con una tasa volátil dicte un cambio de tienda completa. Usa optimización de colecciones para examinar si los productos fuertes están enterrados o los productos débiles dominan la ruta de colección.

Lista de verificación antes de reparar una fuga del embudo

Usa sesiones para cada etapa del embudo y mantén el embudo cerrado al diagnosticar caídas secuenciales.
Compara la misma longitud de fecha y condiciones comerciales similares.
Anota la fuente de línea de referencia para cada tasa de etapa, tasa aguas abajo, y valor promedio de pedido.
Clasifica las etapas por ingresos estimados en riesgo, no solo por caída porcentual.
Confirma el problema en al menos dos períodos comparables antes de hacer un cambio de sitio amplio.
Segmenta por dispositivo, fuente, página de aterrizaje, campaña, y grupo de productos para ubicar el tráfico afectado.
Cambia una causa plausible primero, luego mide la misma etapa nuevamente.
Mantén los cambios ganadores e invierte los cambios que no mejoren la etapa objetivo.

Una vez que sepas la etapa y segmento con los mayores ingresos en riesgo, continúa con una prueba enfocada. Para un marco de prueba más amplio, ve optimización de tasa de conversión de Shopify.