En e-commerce, una avería rara vez empieza con la llamada de un cliente. Empieza en silencio: los pagos caen el viernes fuera del horario laboral, el feed falla tras un cambio de precios, el tracking deja de funcionar tras actualizar un plugin. La huella de cada una espera en las cifras diarias a la mañana siguiente; el problema es que normalmente nadie las mira. Esta guía reúne un catálogo de averías y su huella en los números, criterios para fijar umbrales de alerta, una revisión matinal de los datos y la automatización que hace esa revisión por ti.
Catálogo
Averías de e-commerce y su huella en los datos
Toda avería importante deja una huella característica en las cifras, normalmente mucho antes del primer aviso de un cliente:
| Avería | Primera huella en los datos | Sin monitorización se descubre… |
|---|---|---|
| Caída de los pagos | salto del porcentaje de pedidos no pagados por encima de la norma | por las llamadas de clientes, a menudo tras todo un fin de semana |
| Feed de productos caído | las impresiones y los clics de producto en las campañas caen casi a cero | con la factura de un mes sin ventas de Shopping |
| Tracking roto | la cobertura de GA4 baja con los pedidos de la tienda estables | cuando alguien nota «informes raros» semanas después |
| Superventas sin stock | baja la conversión de la categoría, clics en el producto sin ventas | tras quemar presupuesto en anunciar un producto fantasma |
| Error al importar precios | productos a 0 € o subida/caída brusca del ticket medio | tras una oleada de pedidos que no quieres servir |
| Checkout tras una actualización | la conversión cae en un tipo de dispositivo (normalmente móvil) | nunca de forma directa; parece «menos tráfico» |
Pulso de la tienda
Cómo se ve una avería en el pulso diario
El monitor más sencillo son los pedidos pagados día a día, comparados con la norma de su día de la semana. Un fallo en los pagos que tumbó medio sábado en una tienda de productos para mascotas (datos ilustrativos) se ve así:
Detalles clave: el sábado se compara con otros sábados (frente al conjunto de la semana, ese día seguiría pareciendo aceptable), y el día de la avería el tráfico y los carritos fueron normales; falló el último paso. Por eso el pulso se construye con los pedidos pagados y el porcentaje de no pagados se vigila al lado como sensor: si el día cierra con varias decenas por ciento de pedidos no pagados cuando la norma es de unos pocos, casi seguro es un problema técnico y no de los clientes.
Umbrales
Umbrales de alerta: cuándo una desviación es una alarma
Definición práctica
Una anomalía es la desviación de un día respecto al patrón de la métrica para su día de la semana, no la diferencia con el día anterior. El sábado tiene una norma distinta a la del lunes; la alarma compara el sábado con otros sábados.
El sistema de dos niveles evita la avalancha de falsas alarmas: una alarma fuerte es un día claramente fuera del rango normal de su día de la semana, mientras que una desviación leve se confirma con un segundo día en lugar de alertar tras el primero. Una clase aparte son las señales binarias, que alertan de inmediato en la siguiente actualización: productos con precio de 0 €, impresiones nulas de todo el feed, cero eventos purchase con ventas distintas de cero. Tercera regla: cada alerta debe tener un destinatario y una primera acción («subida de impagados → revisar el panel del proveedor de pagos»); de lo contrario, a las dos semanas nadie las lee.
Rutina
Revisión matinal de los datos en cinco puntos
Antes de que la automatización se encargue del trabajo (y en paralelo a ella), funciona una revisión sencilla:
Porcentaje de pedidos no pagados
El día de ayer frente a la norma de su día de la semana. Un salto por encima de la norma es el primer sensor de los pagos; comprobarlo lleva menos tiempo que preparar un café.
Cobertura de GA4
Pedidos en la analítica frente a pedidos pagados en la tienda. Una caída con ventas estables indica un fallo de medición; cómo diagnosticarlo se explica en la guía sobre la auditoría de GA4.
Impresiones y clics de productos
¿Sigue vivo el feed? Una caída repentina de impresiones en las campañas de productos casi siempre se debe a rechazos o caducidades en Merchant Center.
Stock de los productos más vendidos
Los productos de campaña que bajan del umbral de días de stock salen de los anuncios antes de empezar a quemar presupuesto (mecánica: guía sobre el stock en las campañas).
Gasto de ayer frente al plan
Una campaña que ha gastado el doble o nada también es una anomalía; los límites y presupuestos tienden a «descolocarse» tras cambios en las cuentas.
Límites del tema
La monitorización detecta desviaciones repentinas; no explica tendencias. Cuando las cifras bajan durante semanas sin un evento concreto, toca descomponer el cambio, como se describe en la guía «Las ventas han caído: cómo encontrar la causa». La monitorización dice «algo se acaba de romper»; la descomposición dice «qué y cuánto».
DataOrganizer
Cómo DataOrganizer hace la revisión por ti
DataOrganizer trabaja con agregados diarios que se actualizan una vez al día: compara cada día cerrado con el patrón estacional de la métrica, la detección automática de anomalías señala las desviaciones y el control de calidad de datos indica carencias e incoherencias entre fuentes. No hay vista por minutos, ni es lo que se busca: el objetivo es que ningún día con fallos pase desapercibido. La revisión matinal se reduce entonces a una sola pregunta:
Tres desviaciones del patrón, dos requieren acción:
Nota metodológica: las cifras de los ejemplos son ilustrativas. Las normas y los umbrales son propios de cada tienda (distintos para categorías estacionales y estables), y las estimaciones de pérdidas durante el fallo se calculan con la norma de ese momento de la semana, no con la media anual.
Para recordar
El coste de un fallo crece con cada día que pasa sin detectarse. Catálogo de huellas, normas por día de la semana, revisión en cinco puntos y anomalías automáticas: este conjunto convierte «nos enteramos a las dos semanas, con la factura» en «la alerta estaba ahí por la mañana tras la actualización»; un problema detectado al día siguiente cuesta una fracción de lo que cuesta uno descubierto a final de mes.
Preguntas frecuentes
Preguntas frecuentes sobre la monitorización de datos
¿Qué fallos se ven en los datos?
Todos los importantes: pagos (subida de impagados), feed (caída de impresiones de productos), tracking (caída de la cobertura de GA4 con ventas estables), stock (baja la conversión de una categoría), precios (productos a 0 €, carritos extraños), checkout tras una actualización (baja la conversión en un tipo de dispositivo). Cada uno deja su huella en las cifras diarias, normalmente mucho antes de que alguien calcule las pérdidas.
¿Cómo fijar umbrales sin ahogarse en alertas?
Norma por día de la semana (el sábado se compara con otros sábados). Alarma fuerte: un día claramente fuera del rango de su norma; una desviación leve la confirma un segundo día. Las señales binarias (0 €, feed a cero) alertan de inmediato en la siguiente actualización. Cada alerta tiene un destinatario y una primera acción.
¿En qué se diferencia una anomalía de una caída de ventas?
Una anomalía es repentina (días sueltos) y suele ser técnica; una caída es una tendencia de semanas con una causa de negocio. La primera la detecta la monitorización; la segunda se analiza con la descomposición del cambio. Confundir ambos modos lleva a buscar problemas de estrategia donde solo ha fallado un plugin.
¿Qué conviene revisar cada día?
Cinco cifras: % de no pagados, cobertura de GA4, impresiones de productos en campañas, stock de los más vendidos y gasto de ayer frente al plan. Esta revisión detecta la gran mayoría de los fallos técnicos antes de que se conviertan en el problema de la semana.
¿Cómo detecta DataOrganizer las anomalías?
Con agregados diarios actualizados una vez al día (sin vista por horas): cada día cerrado se compara con el patrón estacional de las métricas, se controla la calidad y coherencia de los datos y en el chat se resume cada desviación, distinguiendo los fallos probables de los picos explicables (por ejemplo, el envío de una newsletter).
Resumen de toda la guía
Monitorización de la tienda en tres capas
1. Conoce las huellas de los fallos. Pagos, feed, tracking, stock, precios, checkout: cada fallo deja un rastro característico en las cifras y tiene su primera acción correctiva.
2. Alerta según el patrón, no según el día anterior. Normas por día de la semana, dos condiciones a la vez (fuera de rango + se mantiene) y señales binarias de forma inmediata. Una alerta sin destinatario ni primera acción muere en la bandeja de entrada.
3. Automatiza la ronda de control. Cinco cifras cada mañana detectan la mayoría de los problemas; DataOrganizer hace esa ronda por sí solo: compara cada día cerrado con el patrón y avisa de las anomalías en la actualización matinal, antes de que se conviertan en la pérdida de una semana.
DataOrganizer · las anomalías avisan solas
Conecta la tienda, la analítica y las plataformas publicitarias: actualización diaria, patrones estacionales de las métricas y detección automática de desviaciones. Cuenta demo al instante; solo pagas por las fuentes conectadas.
