Tu dashboard de Meta Ads tiene 847 métricas disponibles.
El 92% son ruido.
El 8% restante te dice exactamente qué está funcionando, qué está roto, y cuánto dinero estás dejando sobre la mesa — pero solo si sabes leerlas en el orden correcto y en relación correcta entre sí.
La mayoría de los marketers miran Spend, ROAS y CTR, y llaman a eso «análisis de data». Mientras tanto, están perdiendo entre $15,000 y $40,000 mensuales en optimizaciones que la data llevaba semanas gritando.
La diferencia entre un media buyer promedio y uno que opera como analista no es conocer más métricas. Es entender que las métricas son un sistema de relaciones, no una lista de números independientes.
Este artículo te da el framework de 4 niveles para leer data como alguien que sabe exactamente qué está buscando — y conecta cada nivel con el Hooked Model de Nir Eyal, porque el algoritmo de Meta no distribuye ads aleatoriamente: responde a las mismas señales de comportamiento que Eyal mapeó en productos que enganchan.
Cuando entiendas esa conexión, verás las métricas de forma diferente.
El Problema Raíz: Por Qué la Mayoría Lee Data Incorrectamente
Antes del sistema, necesitas identificar en cuál de estos tres errores estás operando actualmente.
Error 1 — Métricas Aisladas
«Mi CTR es 2.3% — eso es bueno.»
¿Bueno comparado con qué? ¿Ese 2.3% viene de clics de curiosos o de compradores? ¿El CPC asociado justifica ese CTR? ¿La ventana de atribución que usas captura el comportamiento real de tu cliente?
Una métrica sola no te dice nada accionable. Las métricas son un sistema. Leerlas en aislamiento es como diagnosticar un paciente mirando solo su temperatura.
Error 2 — Sin Benchmarks Contextuales
«Mi CPM es $18.»
¿Alto o bajo para tu industria? ¿Para tu geografía? ¿Para tu objetivo de campaña? ¿Para esta época del año? ¿Comparado con la semana anterior o con el mismo período del año pasado?
Sin contexto, es un número muerto que no genera ninguna decisión.
Error 3 — Confundir Correlación con Causalidad
«Cuando subo mi presupuesto, el ROAS baja.»
Conclusión errónea: «Subir presupuesto daña el ROAS.»
Realidad probable: Tu estructura de audiencia no soporta más volumen sin cambios en la diversificación de creativos o en la cobertura de audiencia.
La data te muestra síntomas. Tú tienes que diagnosticar la causa. Esa es exactamente la diferencia entre mirar métricas y leer data.
La Conexión con el Hooked Model
Antes de entrar al sistema de 4 niveles, vale entender por qué este framework funciona de esa forma específica.
El algoritmo de Meta distribuye tu anuncio basándose en señales de comportamiento del usuario: ¿el creativo detuvo el scroll (Trigger)? ¿generó el clic (Action)? ¿la landing respondió la promesa (Variable Reward)? ¿el usuario completó la conversión (Investment)?
Hook Rate / Hold Rate → Trigger activado (o no)
CTR + LPV Rate → Action con intención (o curiosidad vacía)
CR + Time on Page → Variable Reward cumplida (o promesa rota)
ROAS + Frequency → Investment completado (ciclo cerrado o abandonado)Cuando lees las métricas en ese orden — de señal de atención a señal de conversión — cada número te dice en qué fase del ciclo se está rompiendo el comportamiento. Eso convierte el análisis de datos en diagnóstico de comportamiento.
El Framework de 4 Niveles
NIVEL 1: Métricas de Superficie
(Lo que todos miran — necesarias pero insuficientes)
↓
NIVEL 2: Relaciones Entre Métricas
(Donde empiezan los insights reales)
↓
NIVEL 3: Patrones y Anomalías
(Donde está el dinero escondido)
↓
NIVEL 4: Hipótesis Accionables
(Donde tomas decisiones con lógica verificable)Nivel 1 — Métricas de Superficie: Las 7 que Todos Miran
Estas no son malas. Pero solas no generan ninguna acción inteligente.
1. Spend
Lo que gastaste. Parece trivial — no lo es si lo lees correctamente.
No mires solo el total. Mira spend por día (¿estable o errático?), spend por campaña (¿la distribución tiene sentido con tus objetivos?) y spend vs presupuesto planeado (¿el algoritmo está gastando lo que esperabas?).
Red flag: Gasto inconsistente día a día = problema de pacing o delivery. El algoritmo no está encontrando suficientes oportunidades de distribución eficiente — señal de saturación o de Creative fatigue.
2. ROAS
Revenue generado dividido por spend. La métrica que todo el mundo persigue y la que más fácil se lee mal.
Los cuatro niveles de lectura del ROAS:
ROAS Blended (toda la cuenta) → Overview, nunca decisión
ROAS por Campaña → Identifica ganadores
ROAS por Ad Set → Optimiza distribución
ROAS por Creativo → Escala con precisiónEl error de atribución que infla o destruye el ROAS:
Meta usa por default ventana de 7-day click + 1-day view. Esto subestima conversiones de productos con ciclos de consideración largos.
| Tipo de negocio | Ventana recomendada |
|---|---|
| E-commerce de impulso (<$50) | 7-day click, 1-day view |
| Productos de consideración ($50-$300) | 28-day click, 7-day view |
| B2B / Lead gen | 28-day click, 1-day view mínimo |
Cambiar la ventana de atribución sin tocar nada más puede cambiar tu ROAS percibido en 30-50%. No porque el negocio sea diferente — sino porque estabas midiendo mal.
3. CTR
Clics dividido por impresiones. Señal de que tu «anzuelo» funciona — no de que el negocio funciona.
La trampa clásica:
CTR 3.5% + CR 0.4% = Clickbait. Atrae curiosos, no compradores.
CTR 1.2% + CR 4.8% = Tráfico calificado. Anzuelo filtra bien.CTR alto con CR bajo es una señal de que el creativo está prometiendo algo que la landing o el producto no cumplen. El ciclo Hooked se rompe en la transición entre Action y Variable Reward — el usuario clicó esperando una cosa y encontró otra.
4. CPC
Spend dividido por clics. Solo importa en relación con tu AOV, tu CR y tu margen.
Benchmark general orientativo:
< $0.50 → Excelente
$0.50-$1.50 → Bueno
$1.50-$3.00 → Aceptable si el CR lo justifica
> $3.00 → Problema (excepto B2B enterprise con LTV alto)Un CPC de $4 puede ser perfectamente rentable si tu AOV es $400 y tu CR es 8%. Un CPC de $0.30 puede ser catastrófico si tu CR es 0.2% y tu AOV es $25.
5. CPM
Costo por cada 1,000 impresiones. El «precio de entrada» a la subasta de Meta.
CPM subiendo = señal de alguna de estas cuatro causas:
1. Mayor competencia en tu nicho (estacional o permanente)
2. Audiencia saturando (alcanzaste a la mayoría disponible)
3. Creative fatigue (el algoritmo distribuye menos eficientemente)
4. Estacionalidad (Q4 en e-commerce puede triplicar el CPM)Benchmarks por geografía (orientativos):
| Mercado | Rango típico |
|---|---|
| USA | $8-25 |
| UK | $6-20 |
| Australia | $7-18 |
| Colombia / LatAm | $2-8 |
Un CPM alto no es malo por sí mismo. Lo que importa es si el CPM alto corresponde a una audiencia que convierte lo suficiente para justificarlo.
6. Frequency
Promedio de veces que un usuario vio tu anuncio.
1.0-2.0 → Fresh (óptimo — aprovechar)
2.0-3.5 → Warm (monitorear CTR semanalmente)
3.5-5.0 → Hot (preparar creativos frescos YA)
> 5.0 → Burned (pausar o refrescar urgente)La relación crítica que la mayoría ignora:
Frequency sube + CTR baja = Fatigue clásica. La audiencia ya vio el creativo suficientes veces como para ignorarlo.
Frequency sube + CTR se mantiene = Audiencia receptiva. Raro y valioso — significa que el creativo tiene legs. En términos Hooked: el Trigger sigue activando respuesta incluso después de múltiples exposiciones, lo que indica que está tocando un dolor genuinamente profundo.
7. Conversion Rate
Conversiones dividido por clics. Esta es una métrica de tu funnel — no de tu anuncio.
CR alta + ROAS bajo → Problema de AOV o margen, no de conversión
CR baja + CTR alto → Problema de match mensaje/landing
CR baja + CTR bajo → Todo el embudo tiene problemas
CR baja + CPC alto → Tráfico caro no calificadoBenchmarks por industria:
| Industria | CR típica |
|---|---|
| E-commerce general | 2-4% |
| Lujo / alto ticket | 0.8-2% |
| Impulso / bajo ticket | 4-8% |
| Lead gen | 5-15% |
| B2B / servicios | 2-5% |
Nivel 2 — Relaciones Entre Métricas: Donde Empiezan los Insights
Aquí pasas de «mirar números» a «hacer preguntas inteligentes».
Relación 1 — CTR × CPC × CR: El Triángulo de Calidad de Tráfico
Escenario A — Clickbait funcionando:
CTR: Alto (>2.5%)
CPC: Bajo (<$0.80)
CR: Bajo (<1.5%)Diagnóstico: El hook atrae curiosos, no compradores. La expectativa del anuncio no coincide con lo que ofrece la landing. Acción: Hacer el copy más específico y filtrador. Mencionar precio, requisitos o condiciones en el anuncio mismo para pre-calificar al usuario antes del clic.
Escenario B — Creativo débil, mensaje fuerte:
CTR: Bajo (<1%)
CPC: Alto (>$2.50)
CR: Alto (>4%)Diagnóstico: El creativo no capta atención en la subasta, pero los que pasan el filtro están muy calificados. El mensaje resuena — el problema es visual. Acción: Mejorar el pattern interrupt (primer frame, contraste, elemento humano) sin tocar el copy central.
Escenario C — Todo promedio, nada optimizado:
CTR: Medio (~1.5%)
CPC: Medio (~$1.20)
CR: Medio (~2.5%)Diagnóstico: El sistema funciona pero ningún elemento está en su techo de performance. Acción: Testear variaciones en cada elemento sistemáticamente — primero el hook visual, luego el copy, luego el CTA — para encontrar el ceiling de cada uno.
Relación 2 — CPM × Frequency × CTR: El Termómetro de Saturación
Esta relación te dice cuánta vida le queda a una audiencia antes de necesitar intervención.
Cómo leerla en el tiempo:
| Semana | CPM | Frequency | CTR | Estado |
|---|---|---|---|---|
| 1 | $12 | 1.4 | 2.1% | FRESH — mantener |
| 2 | $15 (+25%) | 2.8 (+100%) | 1.8% (-14%) | WARMING — preparar refresh |
| 3 | $22 (+47%) | 4.2 (+50%) | 1.1% (-39%) | SATURATED — rotar urgente |
El patrón es consistente: CPM sube, Frequency sube, CTR baja. Cuando los tres se mueven en esa dirección de forma sostenida, tienes creative fatigue o saturación de audiencia — o ambas.
Acciones según estado:
- FRESH: Mantener, monitorear semanalmente
- WARMING: Tener creativos frescos listos en The Lab
- SATURATED: Rotar creativos inmediatamente O expandir audiencia (LAL, Broad, nueva segmentación)
Relación 3 — Spend × ROAS: La Curva de Rendimiento Decreciente
Esta es la relación que más confunde a founders que escalan por primera vez.
$0-$500/día → ROAS promedio ~6.2x
(tocas solo el cream of the crop de tu audiencia)
$500-$2K/día → ROAS promedio ~4.8x
(empiezas a tocar audiencia menos caliente)
$2K-$5K/día → ROAS promedio ~3.9x
(expansión necesaria a audiencias más frías)
$5K+/día → ROAS promedio ~3.2x
(tocando el bottom del mercado disponible)Lo crítico que nadie te dice: un ROAS de 3.2x al escalar a $5K/día puede ser MÁS rentable que un ROAS de 6.2x a $300/día — depende de tu margen y de tu capacidad de fulfillment.
Producto con margen 70%:
→ Rentable desde ROAS 2.5x
→ A $5K/día con ROAS 3.2x: muy rentable
Producto con margen 30%:
→ Necesita ROAS mínimo 5x
→ Escalar destruiría el negocio aunque el ROAS parezca "aceptable"El ROAS target no es un número genérico. Se calcula para cada producto y cada estructura de costos. Sin ese número definido, todas las decisiones de escala son intuición disfrazada de análisis.
Nivel 3 — Patrones y Anomalías: Donde Está el Dinero Escondido
Este nivel requiere salir del Ads Manager y trabajar con la data exportada. Aquí es donde los análisis de 30-60 minutos generan optimizaciones que ningún algoritmo automático encontraría.
Patrón 1 — El Efecto Día de la Semana
Cómo identificarlo: Descarga los últimos 30 días de data. Agrupa por día de la semana. Calcula ROAS promedio por día.
Ejemplo real — E-commerce de moda:
| Día | ROAS |
|---|---|
| Lunes | 4.1x |
| Martes | 4.3x |
| Miércoles | 3.9x |
| Jueves | 3.7x |
| Viernes | 5.2x |
| Sábado | 5.8x |
| Domingo | 4.6x |
Insight: El fin de semana convierte 40% mejor que entre semana.
Acción: Day parting — concentrar el 60% del presupuesto en viernes, sábado y domingo.
Impacto medido: ROAS blended sube de 4.3x a 5.1x únicamente con redistribución de presupuesto. Sin cambiar una sola creatividad. Sin cambiar la oferta.
En términos Hooked: el Trigger interno (el estado emocional del usuario) varía por día. El viernes por la tarde el usuario está en un estado diferente al martes a mediodía. El mismo anuncio activa respuestas distintas según el contexto temporal.
Patrón 2 — El Sweet Spot por Hora
Mismo proceso, granularidad horaria.
Ejemplo real — Lead gen B2B:
| Horario | ROAS | Interpretación |
|---|---|---|
| 6am-9am | 2.1x | Commuting — no convierte |
| 9am-12pm | 4.8x | En la oficina, modo decisión |
| 12pm-2pm | 3.2x | Almuerzo, distracción |
| 2pm-5pm | 4.1x | Back to work |
| 5pm-8pm | 2.8x | Modo off |
| 8pm-12am | 1.9x | Scrolling casual, sin intención |
Acción: Ad scheduling — correr solo 9am-5pm de lunes a viernes.
Impacto medido: Mismo presupuesto diario, +35% ROAS. La inversión se concentra en las ventanas donde el Trigger interno del avatar (modo decisión laboral) está activo.
Anomalía 1 — El Spike Inexplicado
Cómo detectarla: Gráfico de ROAS por día. Un día aparece con 2-3x el ROAS habitual sin cambios en la cuenta.
Ejemplo real:
Días 1-20: ROAS promedio 4.2x
Día 21: ROAS 12.7x ← ¿Qué pasó?
Días 22-30: ROAS vuelve a 4.1xProceso de investigación en orden:
- ¿Corriste alguna promo o descuento ese día?
- ¿Cambió algo en la cuenta — nuevo creativo, nueva audiencia?
- ¿Hubo un evento externo — viral en redes, mención de influencer, noticia?
- ¿Fue un día festivo o evento cultural relevante para tu avatar?
Caso real resuelto: Cliente de skincare con spike en Día 21. Investigación: un influencer micro (30K seguidores) publicó sobre el producto sin coordinación previa. El post llegó a su audiencia exacta.
Acción: Contactamos al influencer, cerramos acuerdo formal, replicamos la estrategia con 8 influencers similares.
Resultado: Ese ROAS de 12.7x se volvió replicable. El spike no era suerte — era una señal del mercado que la mayoría de los anunciantes habría ignorado como «outlier estadístico».
Anomalía 2 — La Caída Gradual
Cómo detectarla: ROAS cae consistentemente semana sobre semana sin cambios drásticos en la cuenta.
Semana 1: 5.2x
Semana 2: 4.8x
Semana 3: 4.3x
Semana 4: 3.9xÁrbol de diagnóstico:
¿Frequency >3.5 y CTR bajando? → Creative fatigue — el Trigger externo dejó de funcionar por sobreexposición → Acción: Refresh de creativos en The Lab, mantener audiencia (está validada)
¿Frequency normal (<3) y CTR estable? → El problema está en el funnel post-clic, no en el anuncio → Acción: Auditar web analytics, correr heatmaps, optimizar checkout
¿CPM subiendo sin cambios en Frequency? → Mayor competencia en el nicho o estacionalidad → Acción: Revisar el mismo período del año anterior. Si es patrón estacional, planificar anticipado. Si es competencia, mejorar diferenciación en el creativo.
¿Todo parece normal pero el ROAS baja? → Cambio en el comportamiento del mercado (tendencia, economía, competidor nuevo) → Acción: Revisión completa de la oferta, pricing y posicionamiento competitivo
Nivel 4 — Hipótesis Accionables: De Data a Decisiones
Este es el nivel que separa a quien «mira reportes» de quien «opera con inteligencia».
El Framework de Hipótesis
La estructura es invariable:
OBSERVACIÓN (qué dice la data)
↓
HIPÓTESIS (por qué está pasando)
↓
ACCIÓN (qué vas a cambiar)
↓
MÉTRICA DE VALIDACIÓN (cómo sabrás si tenías razón)
↓
TIEMPO Y PRESUPUESTO (cuándo y cuánto para confirmar)Ejemplo aplicado:
Observación: CTR 2.3%, CR 1.1% (bajo para el benchmark de la industria)
Hipótesis: El anuncio atrae clics de curiosos. La expectativa generada por el creativo no coincide con lo que ofrece la landing — hay un gap de mensaje entre el ad y la página.
Acción: Crear 3 variaciones de copy:
- Variación A: Copy más específico con filtro (mencionar precio o condición)
- Variación B: Mostrar precio o rango de precio en el anuncio
- Variación C: Cambiar CTA de «Descubre más» a «Compra ahora desde $X»
Métrica de validación: Si la hipótesis es correcta, CTR bajará a ~1.7% (se filtra el tráfico no calificado) pero CR subirá a >2.8%, resultando en mejor ROAS neto.
Tiempo y presupuesto: 7 días, $150 por variación.
Matriz de Decisiones: Las 2 Situaciones Más Comunes
Situación 1 — ROAS cayendo
SI: Frequency >4 + CTR bajando + CPM subiendo
ENTONCES: Creative fatigue
ACCIÓN: Pausar ad actual → lanzar 3 nuevos conceptos
→ mantener audiencia (está validada)
SI: Frequency normal + CTR estable + ROAS bajando
ENTONCES: Problema en funnel post-clic (landing/checkout)
ACCIÓN: Mantener ads → auditar analytics →
correr session recordings → optimizar fricción de checkout
SI: Todo normal + ROAS cayendo + temporada esperada
ENTONCES: Estacionalidad o competencia estacional
ACCIÓN: Revisar año anterior → ajustar offer/descuento
→ intensificar producción creativaSituación 2 — Escalar sin romper ROAS
Tres métodos, cada uno con condiciones específicas:
Método A — Escala Vertical (aumentar presupuesto en la misma campaña)
- Incremento: 20% cada 3 días como máximo
- Monitoreo: ROAS diario durante los primeros 7 días
- Regla de freno: Si ROAS cae >15%, volver al nivel anterior
- Condición necesaria: Audiencia disponible >2 millones de personas
Método B — Escala Horizontal (duplicar ad sets ganadores)
- Crear duplicados de ad sets con el 50% del presupuesto original
- Mantener el original corriendo en paralelo
- Condición necesaria: Tener al menos 3 creativos ganadores simultáneos
Método C — Expansión de Audiencia
- Crear nuevas audiencias: LAL 2-5%, Broad sin segmentación, nuevas geografías
- Presupuesto separado: 20% del total para no contaminar los ganadores
- Shift gradual: Si la nueva audiencia funciona, aumentar presupuesto lentamente
Data que monitorear en cada fase de escala:
| Período | Métricas críticas |
|---|---|
| Días 1-3 | Frequency y Delivery (¿el algoritmo está gastando?) |
| Días 4-7 | CPM y CTR (¿la distribución es eficiente?) |
| Días 8-14 | ROAS por creativo (¿los números cierran?) |
| Días 15+ | Profit neto (¿el negocio es mejor que antes?) |
Las 15 Columnas que Necesitas (De 847 Disponibles)
Meta Ads Manager tiene 847 columnas. Necesitas exactamente 15 en tu vista habitual. Todo lo demás es ruido que ralentiza el análisis.
Custom Column Set recomendado:
COSTOS:
1. Amount Spent (gasto total del período)
2. CPM (eficiencia de distribución)
3. CPC All (costo por clic total)
4. Cost per Result (costo por conversión objetivo)
ENGAGEMENT:
5. Impressions (volumen de distribución)
6. Reach (personas únicas alcanzadas)
7. Frequency (saturación de audiencia)
8. CTR All (relevancia del creativo)
VIDEO (si aplica):
9. ThruPlays (quién vio el video completo)
10. Video Plays at 25% (retención temprana)
11. Video Plays at 75% (retención avanzada — alta intención)
CONVERSIÓN:
12. Results (número de conversiones)
13. Cost per Result (CAC real)
14. ROAS (rentabilidad del gasto)
CALIDAD:
15. Quality Ranking (señal del algoritmo sobre relevancia)Crea esta vista como columna personalizada guardada. Cada vez que entres al Ads Manager, ves lo que importa — no lo que Meta quiere que veas.
Caso Real Completo: El ROAS Mentiroso
Cliente: E-commerce de suplementos deportivos
Situación inicial:
ROAS (7-day click): 3.2x
CAC: $28
AOV: $90
Margen neto: 60%
Cálculo de rentabilidad:
Profit por venta: $90 × 0.6 = $54
Profit - CAC: $54 - $28 = $26/venta
Conclusión inicial: Rentable ✓El cliente reportaba que «no veían el profit» a pesar del ROAS positivo. Intuición vs data.
Investigación:
Cambiamos la ventana de atribución de 7-day click a 28-day click (el ciclo de consideración del producto era de 10-14 días — los usuarios veían el anuncio, investigaban ingredientes, leían reviews, y compraban días después).
ROAS (28-day click): 4.7x
CAC real: $19
Profit - CAC: $54 - $19 = $35/venta
Diferencia vs medición anterior: +$9 por venta (+35%)El insight: estaban sub-valorando sus campañas por un error de configuración de atribución. Cada semana que tomaban decisiones con el ROAS de 3.2x en lugar del real de 4.7x estaban dejando presupuesto en la mesa — o peor, pausando creativos ganadores por métricas incorrectas.
Acción: Con el ROAS real confirmado en 4.7x, escalamos de $3K/día a $8K/día usando el Método B (escala horizontal).
Resultado:
- Revenue mensual: $90K → $340K
- ROAS sostenido durante la escala: 4.2x (rendimiento decreciente normal)
- Profit neto mensual: se mantuvo saludable a pesar del ROAS ligeramente menor
Caso Real 2: Los $15K Mensuales Perdidos en Silencio
Cliente: Marca de ropa deportiva, presupuesto $25K/mes
Situación: ROAS estable en 3.8x. «Todo funcionando.»
Análisis de Nivel 3 (patrones): Descargamos 90 días de data, agrupamos por día de semana y por hora.
Hallazgo 1 — Día de semana:
| Día | ROAS | % del presupuesto asignado |
|---|---|---|
| Lunes-Viernes | 3.1x promedio | 71% del presupuesto |
| Viernes-Domingo | 5.3x promedio | 29% del presupuesto |
El presupuesto estaba distribuido uniformemente 7 días. Pero el fin de semana convertía 70% mejor.
Hallazgo 2 — Horario: Entre las 10pm y las 6am, el ROAS era consistentemente 1.8x — la mitad del promedio. Ese rango horario recibía el 18% del presupuesto diario.
Cálculo del costo del problema:
Presupuesto ineficiente (horas nocturnas): $25K × 18% = $4,500/mes gastado a ROAS 1.8x
Presupuesto mal distribuido (infrainvertido en fines de semana): costo de oportunidad estimado $10,500/mes
Total de pérdida por distribución ineficiente: ~$15,000/mesAcciones:
- Day parting: Eliminar distribución entre 11pm y 7am
- Redistribución semanal: 65% del presupuesto concentrado en viernes, sábado y domingo
- Budget incrementado en horarios peak identificados
Resultado después de 30 días:
- Mismo presupuesto ($25K/mes)
- ROAS: de 3.8x a 5.1x
- Revenue mensual adicional: +$32,500 sin gastar un peso más
Conclusión: La Data No Miente, Pero Sí Distrae
El dashboard de Meta Ads está diseñado para mostrarte actividad — no para ayudarte a tomar decisiones. Esa es una distinción fundamental.
La diferencia entre un media buyer que «reporta» y uno que «opera con inteligencia» es exactamente el framework de 4 niveles de este artículo:
Nivel 1 — Leer las 7 métricas de superficie con sus benchmarks contextuales correctos
Nivel 2 — Analizar relaciones entre métricas para pasar de síntomas a diagnósticos
Nivel 3 — Identificar patrones y anomalías en la data histórica para encontrar el dinero que nadie está mirando
Nivel 4 — Convertir observaciones en hipótesis accionables con estructura clara: observación + hipótesis + acción + validación + tiempo
Y todo ello conectado con el Hooked Model: cada métrica corresponde a una fase del ciclo de comportamiento que el algoritmo está midiendo. Hook Rate y Hold Rate dicen si el Trigger activó respuesta. CTR y LPV Rate dicen si la Action tuvo intención. CR y ROAS dicen si el Investment del usuario se completó.
Cuando lees las métricas como un sistema de comportamiento en lugar de como una lista de números, ves cosas que la competencia está ignorando — y tomas decisiones que ellos no pueden tomar.
Eso es crecimiento científico.
Leonardo Arango Aponte Distrito Growth — Crecimiento Científico. Resultados Predecibles. hola@growthsinbullshit.com
Preguntas Frecuentes sobre Análisis de Métricas en Meta Ads
¿Con qué frecuencia debo revisar las métricas de mis campañas?
Depende del nivel de análisis. Las métricas de salud (Hook Rate, Hold Rate, Frequency) deben revisarse cada 48-72 horas para tomar decisiones de kill/scale en The Lab. Las relaciones entre métricas (CTR × CPC × CR) conviene revisarlas semanalmente. Los análisis de patrones (día de semana, hora del día) se hacen mensualmente con 30-90 días de data histórica. La trampa frecuente es revisar el ROAS diario y tomar decisiones sobre él — el ROAS necesita mínimo 5-7 días de data para ser estadísticamente confiable.
¿Por qué mi ROAS en Meta no coincide con lo que veo en mi plataforma de e-commerce?
La diferencia casi siempre es la ventana de atribución y el modelo de atribución. Meta por default usa last-click más view-through attribution, que puede atribuirse ventas que también estaban siendo influenciadas por Google, email o búsqueda orgánica. Para reconciliar los números, compara el revenue reportado por Meta en una ventana de 7-day click contra el revenue real de tu plataforma filtrando por UTM de Meta en ese mismo período. La brecha te dice cuánto está sobreestimando o subestimando el algoritmo.
¿Cuántos días de data necesito para que el análisis de patrones sea confiable?
Para análisis de día de semana, necesitas mínimo 30 días y preferiblemente 60-90, para que cada día tenga suficientes observaciones y la varianza estadística sea manejable. Para análisis por hora, 30 días es suficiente si tu volumen diario es alto. Para identificar estacionalidad, necesitas comparar el mismo período en años anteriores — lo que significa que cuentas de menos de 12 meses no pueden hacer ese análisis con datos propios y deben apoyarse en benchmarks del sector.
¿La ventana de atribución afecta las decisiones de optimización del algoritmo además de los reportes?
Sí, y es el punto más ignorado. La ventana de atribución no solo cambia lo que ves en el reporte — cambia cómo el algoritmo optimiza la distribución. Si el algoritmo tiene configurada una ventana de 7-day click para un producto con ciclo de consideración de 14 días, está optimizando hacia un subconjunto del comportamiento real del cliente. Cambiar la ventana de atribución cambia qué tipo de usuario el algoritmo decide buscar. Por eso, la ventana correcta no es una preferencia de reporting — es una decisión estratégica de a qué tipo de comprador quieres que Meta apunte.
¿Cuándo tiene sentido usar herramientas de atribución externas como Triple Whale o Northbeam?
Cuando tu presupuesto total en todos los canales supera los $30K/mes y tienes al menos 3 canales de adquisición activos simultáneamente (Meta + Google + email + orgánico, por ejemplo). Por debajo de ese umbral, el costo y la complejidad de configuración de las herramientas de multi-touch attribution no se justifican. En ese rango, una lectura honesta de los UTMs en Google Analytics combinada con la ventana de atribución correcta en Meta es suficiente para tomar buenas decisiones.