«Las ventas han caído» no es información sobre la que se pueda tomar una decisión: es un síntoma. Entre el síntoma y la decisión hay una sola habilidad: descomponer el cambio en factores para que la causa tenga nombre, cifra y responsable. Esta guía recorre la descomposición paso a paso: desde los tres componentes del resultado, pasando por el gráfico de cascada y las dimensiones, hasta el árbol de diagnóstico y las trampas que falsean las comparaciones.
Primera capa
Tres cifras que desglosan cualquier caída
La identidad de partida
Los ingresos son el producto de tres componentes, así que cualquier caída tiene que pasar por alguno de ellos. Antes de soltar un «es por la competencia» o «es el mercado», hay que saber qué componente se ha movido.
La aproximación por suma funciona con cambios típicos, de entre el 10 y el 20%, y basta para indicar hacia dónde buscar. El ejemplo que recorrerá todo el artículo (tienda de juguetes, semana contra semana, datos ilustrativos): ingresos −18%, porque sesiones −12%, conversión −9%, ticket medio +3%. Con esta sola línea ya se sabe que el problema no está en los precios ni en el ticket medio: ha desaparecido parte del tráfico y parte de la propensión a comprar.
Cascada
Gráfico de cascada: del resultado a los culpables
El mismo desglose dibujado como cascada acaba con las discusiones de «cada uno tiene su teoría». Una sola cascada muestra cuánto de la caída se lleva cada componente (índice, semana anterior = 100):
Descomposición de la variación de ingresos · semana contra semanatienda de juguetes · datos ilustrativos
anteriormenos sesionesmenor
conversiónmayor
ticketsemana
actual
Lectura: de los 17,5 puntos de caída, el tráfico explica 12, la conversión 8, y el ticket medio devolvió 2,5 puntos. Por tanto, seguir investigando se reduce a dos preguntas: de dónde ha desaparecido el tráfico y qué ha frenado la conversión. Todo lo demás (precios, promociones, ticket medio) puede quedarse de momento como está.
Segunda capa
Segunda capa: canales, categorías, clientes
El componente indica la dirección; la dimensión indica el lugar. Cada uno de los tres componentes se desglosa a su vez por sus dimensiones: el tráfico por canales, la conversión por categorías y dispositivos, el ticket medio por mix de productos y descuentos. En nuestro ejemplo:
| Dimensión | Variación | Conclusión |
|---|---|---|
| Tráfico (sesiones GA4): Google Ads | −31% de sesiones | aquí está casi toda la pérdida de tráfico |
| Tráfico (sesiones GA4): resto de canales en conjunto | −2% de sesiones | dentro de las oscilaciones normales |
| Conversión: categoría «juegos de construcción» | −41% | el superventas de la categoría, sin stock desde el miércoles |
| Conversión: resto de categorías | −1% | sin cambios que merezcan atención |
| Ticket medio: valor medio | +3% | efecto secundario: han desaparecido las construcciones baratas y la media ha subido |
Dos sospechas concretas en lugar de un pánico generalizado: algo ha recortado el tráfico de Google Ads y algo ha hundido la conversión en una categoría. Fíjate en el ticket medio: ha subido a causa del problema, y sin la descomposición alguien lo habría celebrado en la reunión.
Diagnóstico
Árbol de diagnóstico: del síntoma a la causa
La tercera capa ya son comprobaciones concretas, una rama por componente:
Ha bajado el tráficorama: sesiones
- De pago: presupuestos y estados de las campañas, productos rechazados en Merchant Center, cambios de pujas
- Orgánico: posiciones en Search Console, estacionalidad de la búsqueda, cambios en la página de resultados
- Directo/e-mail: calendario de envíos, código de seguimiento tras cambios en la tienda
Ha bajado la conversiónrama: propensión a comprar
- Un solo dispositivo: error en el carrito o en los pagos tras una actualización (lo que más falla es el móvil)
- Una sola categoría: disponibilidad de los más vendidos, precios frente a la competencia
- Un solo canal (conversión según GA4): ha cambiado la calidad del tráfico (nuevas búsquedas, nuevas creatividades, otros grupos)
Ha bajado el ticket mediorama: valor del pedido
- Mix de productos: los productos baratos han ganado peso (¿promoción? ¿se ha agotado un superventas caro?)
- Descuentos: un código público se ha filtrado a agregadores, promociones más agresivas
- Umbrales de envío: un cambio de umbral ha modificado la costumbre de añadir productos para llegar a él
Paso cero del diagnóstico
Primero la medición, después el negocio. Antes de descomponer una caída en factores, comprueba la cobertura de GA4 y la integridad de los datos de las fuentes: un fallo de medición genera «caídas» que no existen y puede hacerte perder un día buscando causas de negocio. Cómo comprobarlo en unos minutos: guía sobre la auditoría de GA4.
Trampas
Cuatro trampas que falsean las comparaciones
Comparar periodos que no son equivalentes
Un lunes con un sábado, una semana de cobro de nóminas con otra sin él, un periodo con promoción con el posterior. Se compara el mismo día de la semana y una disposición del calendario equivalente y, si hay estacionalidad, año contra año.
Reaccionar a un único día
Las ventas diarias oscilan de forma natural. Un día fuera de lo normal es una observación; varios días seguidos o una semana completa por debajo de lo normal ya piden diagnóstico. Excepción: las señales de fallo, que exigen reacción inmediata (más en la guía sobre monitorización y anomalías).
Mezclar definiciones entre fuentes
Pedidos realizados frente a pagados, importes con IVA frente a sin IVA, sesiones frente a usuarios. La descomposición se hace con un único criterio, idealmente sobre los pedidos pagados de la tienda.
Quedarse en el primer culpable
«Ha bajado el tráfico de Google» sigue siendo un síntoma. El diagnóstico termina en una causa sobre la que se puede actuar: productos rechazados, stock agotado, campaña desactivada, cambio en la página de resultados.
DataOrganizer
Cómo DataOrganizer descompone el cambio automáticamente
DataOrganizer lleva la descomposición de cambios integrada en su motor analítico: desglosa la diferencia entre periodos en componentes y dimensiones con los datos combinados de la tienda, la analítica y las plataformas publicitarias, y la detección de anomalías señala el momento de la desviación. Todo el trabajo descrito arriba cabe en una sola pregunta:
Descomposición de la caída del −18% (medición completa, cobertura de GA4 normal):
| Componente | Variación | Acotación |
|---|---|---|
| Sesiones | −12% | según GA4: Google Ads −31%, resto de canales −2% |
| Conversión | −9% | categoría «bloques de construcción» −41%, resto −1% |
| Ticket medio | +3% | efecto de la salida de productos baratos |
Dos causas identificadas: desde el martes, 84 productos tienen estado rechazado en Merchant Center (de ahí la pérdida de sesiones de las campañas de producto), y el superventas de la categoría «bloques de construcción» está sin stock desde el miércoles, lo que hundió la conversión de la categoría. Recomendación: corregir los atributos del feed y excluir de las campañas el producto sin stock hasta que llegue la reposición.
Nota metodológica: las cifras del ejemplo son ilustrativas, y la aproximación «cambio de ingresos ≈ suma de los cambios de los componentes» funciona con variaciones moderadas; con movimientos grandes, los componentes se multiplican de forma exacta. La descomposición indica dónde se ha producido el cambio; confirmar la causa siempre exige revisar el punto que señalan los números.
Para recordar
Una caída sin descomponer genera teorías; una caída descompuesta genera tareas. Tres componentes, luego las dimensiones, luego lo concreto del árbol de diagnóstico: este orden convierte «algo va mal» en una lista de cosas que arreglar con responsables y plazos.
Preguntas frecuentes
Preguntas frecuentes sobre el diagnóstico de caídas de ventas
¿Cómo encontrar la causa de una caída de ventas?
Con dos capas de descomposición: primero el desglose en sesiones × conversión × ticket medio (toda caída pasa por alguno de los componentes) y después el detalle por dimensiones: canales para el tráfico, categorías y dispositivos para la conversión, mix de productos y descuentos para el ticket. El diagnóstico termina en una causa sobre la que se puede actuar.
¿Cómo calcular el impacto de cada componente?
Para cambios habituales basta una aproximación: variación % de los ingresos ≈ suma de las variaciones % de los componentes (p. ej., −12% de tráfico, −9% de conversión y +3% de ticket dan aproximadamente −18%). Con movimientos grandes se multiplican de forma exacta los indicadores de ambos periodos; para orientar la búsqueda, la aproximación es suficiente.
¿Qué hay que comprobar primero?
La medición. La cobertura de GA4 y la integridad de los datos de las fuentes pueden generar una caída que no existe. La descomposición solo tiene sentido después de confirmar que las cifras están completas; si no, se buscan causas de negocio para lo que es un fallo de un plugin.
¿Cuándo reaccionar y cuándo es solo ruido?
Compara un día concreto con el mismo día de la semana en semanas anteriores; un día fuera de lo normal es una observación, varios días o una semana completa ya piden diagnóstico. La excepción son las huellas de un fallo (pico de pedidos sin pagar, cero impresiones de productos): ahí la reacción es inmediata.
¿Cómo ayuda DataOrganizer?
La descomposición de cambios está integrada en el motor: la diferencia entre periodos se desglosa automáticamente en componentes y dimensiones, con los datos combinados de la tienda, la analítica y la publicidad. La detección de anomalías señala el momento de la desviación, y el chat responde a «¿por qué ha bajado?» con una causa concreta y sus cifras.
Resumen de toda la guía
Diagnóstico de una caída en tres capas
1. Componentes: sesiones × conversión × ticket medio. La variación de los ingresos equivale aproximadamente a la suma de las variaciones de los componentes; es el primer filtro de sospechosos.
2. Dimensiones: canales para el tráfico, categorías y dispositivos para la conversión, mix y descuentos para el ticket. Un gráfico de cascada y una tabla acotan el problema a puntos concretos.
3. Concreción: el árbol de diagnóstico lleva a una causa sobre la que se puede actuar, con un paso cero: «primero comprueba la medición». DataOrganizer hace estas tres capas automáticamente, así que entre «ha bajado» y la lista de tareas solo hay una pregunta en el chat.
DataOrganizer · descomposición de cambios en el motor
Conecta la tienda, la analítica y las plataformas publicitarias: los cambios se descomponen en componentes y dimensiones automáticamente, y las anomalías se notifican solas. Cuenta demo al instante; solo pagas por las fuentes conectadas.
