Si llevas un tiempo en el mundo digital, seguro que te suena esta sensación: tienes Google Analytics a reventar de datos, cientos de gráficos, miles de números… pero cuando tu jefe o un cliente te pregunta «¿y esto qué significa para el negocio?», te quedas en blanco. Llevo más de 10 años como consultor SEO y he visto esta escena repetirse en pymes de Madrid, en startups de Barcelona y en grandes empresas. Se ahogan en datos pero mueren de sed de información útil.
La verdad es que la mayoría de negocios se obsesiona con las métricas de vanidad: visitas, seguidores, tiempo en página. Son como los aplausos en un teatro vacío. Suenan bien, pero no pagan las facturas. La solución, te lo digo claro, pasa por dejar de mirar lo que te dan por defecto y empezar a medir lo que de verdad importa para ti. Y para eso, necesitas dominar el arte de la métrica personalizada.
En este artículo no te voy a soltar un rollo técnico infumable. Te voy a contar, desde mi experiencia, para qué sirve una métrica personalizada, cómo te puede cambiar la forma de tomar decisiones y, lo más importante, cómo puedes crear la tuya paso a paso, aunque no seas un genio de la programación.
Lo que aprenderás en este artículo:
- Qué es una métrica personalizada (sin rodeos) – Entenderás la diferencia real entre un dato inútil y un insight que te hace ganar dinero.
- Ejemplos prácticos que puedes copiar – Te daré ideas concretas para eCommerce, negocios SaaS y blogs que puedes implementar hoy mismo.
- Guía paso a paso para crearla en GA4 – El método que uso con mis clientes para configurar métricas útiles usando Google Tag Manager, explicado para humanos.
- Los errores que el 90% comete – Te aviso de las trampas más comunes para que no pierdas tiempo ni dinero en datos que no sirven para nada.
¿Qué narices es una métrica personalizada (y por qué te cambia el juego)?
Imagínate que vas a una tienda a comprar un traje. Puedes coger uno de talla estándar del perchero o puedes pedir que te hagan uno a medida. El del perchero te puede quedar más o menos bien, pero el hecho a medida te sentará como un guante, porque está pensado para ti. Pues eso es una métrica personalizada.
Una métrica personalizada es un indicador que creas tú mismo para medir una interacción o un valor específico de tu negocio que las herramientas de analítica, como Google Analytics 4, no miden por defecto. Mientras que las métricas estándar (sesiones, usuarios, tasa de rebote) son el traje del perchero, las personalizadas son tu traje a medida.
Ojo, aquí es donde muchos se lían. Hay que tener clara la diferencia entre dos conceptos clave.
La diferencia clave: Métrica vs. Dimensión personalizada
Te lo explico fácil para que no haya dudas:
- Una métrica siempre es un número. Es algo que puedes contar o sumar. Por ejemplo: número de clics, ingresos totales, cantidad de productos añadidos al carrito. Es cuantitativa.
- Una dimensión es un atributo, una característica. Es algo que describe los datos. Por ejemplo: la fuente de tráfico (Google, Facebook), la categoría de un producto (zapatos, camisas), el tipo de usuario (registrado, invitado). Es cualitativa.
Así de simple. Si puedes hacer operaciones matemáticas con ello, es una métrica. Si lo usas para etiquetar o segmentar, es una dimensión. Hoy nos centramos en las métricas, en esos números que te darán la información de verdad.
Más allá de las métricas de vanidad
El problema de las métricas estándar es que a menudo son superficiales. ¿Tener 10.000 visitas al mes está bien? Depende. Si ninguna de esas visitas compra o te contacta, tienes un problema de tráfico, no un éxito. Una métrica personalizada te ayuda a ir un paso más allá. En lugar de medir «visitas», podrías medir «visitas de usuarios que han visto más de 3 productos de la categoría X». ¿Ves la diferencia? Es brutal. Pasas de un dato genérico a un insight de negocio.
Cuándo necesitas de verdad una métrica personalizada (casos reales)
No se trata de crear métricas por crear. La clave es pensar: «¿Qué dato, si lo tuviera, me ayudaría a tomar una mejor decisión de negocio?». Aquí te dejo tres ejemplos reales que he implementado con clientes para que te inspires.
Ejemplo para un eCommerce: «Coste por Lead Cualificado (CPLC)»
Un cliente de Madrid que vende mobiliario de oficina invertía mucho en Google Ads. La métrica estándar «Coste por Lead» (CPL) era buena, pero se dieron cuenta de que muchos leads eran de baja calidad (estudiantes, curiosos). Creamos un evento en la web que solo se activaba cuando un usuario rellenaba el formulario Y marcaba la casilla «Soy una empresa». A partir de ahí, creamos la métrica personalizada «Leads Cualificados» y pudimos calcular el CPL Cualificado. El resultado fue que la campaña que parecía más cara era, en realidad, la más rentable. Decisiones basadas en datos reales.
Ejemplo para un SaaS: «Tasa de Activación de Usuarios»
Para un software como servicio (SaaS), no basta con que un usuario se registre. Necesitas que use las funciones clave para que entienda el valor y no se dé de baja. La «activación» es un hito que define cada negocio. Para un cliente del sector, definimos «usuario activado» como aquel que, en sus primeros 7 días, creaba un proyecto, invitaba a un compañero y exportaba un informe. Medir la «Tasa de Activación» se convirtió en su KPI principal, mucho más importante que el número de registros.
Ejemplo para un blog de afiliación: «Ingreso por Página Vista (RPV)»
Si tienes un blog y monetizas con afiliación, las páginas vistas no te dicen nada. Lo que quieres saber es qué artículos generan más dinero. Puedes crear una métrica personalizada que recoja el valor de la comisión de un producto cuando un usuario hace clic en el enlace de afiliado. Al cruzar esto con las páginas vistas de esa URL, obtienes el «Revenue Per Visit» (RPV). Así descubres qué contenidos son tus vacas lecheras y cuáles necesitan una optimización.
Cómo crear una métrica personalizada en GA4: Guía práctica
Vamos al lío. Crear una métrica personalizada en Google Analytics 4 requiere, principalmente, de dos herramientas: Google Tag Manager (GTM) y el propio GA4. La lógica es simple: con GTM envías la información a GA4, y en GA4 le dices «oye, este dato que te estoy enviando quiero que lo trates como una métrica».
- Paso 1: Planifica tu métrica (el 90% del trabajo)
Antes de tocar nada, coge papel y boli. Responde a esto: ¿Qué quiero medir exactamente? ¿Qué acción del usuario lo define? ¿Qué valor numérico le voy a asignar? Por ejemplo: «Quiero medir el número de veces que se descarga mi catálogo en PDF». La acción es el clic en el botón de descarga. El valor es «1» cada vez que ocurre. - Paso 2: Configura el evento y el parámetro en GTM
En Google Tag Manager, tienes que crear una etiqueta de evento de GA4. Esta etiqueta se disparará cuando el usuario realice la acción que has definido (por ejemplo, al hacer clic en el botón de descarga). La clave está en los «Parámetros del evento». Aquí es donde le envías el valor numérico a GA4. Por ejemplo, puedes crear un parámetro llamadocatalog_valuey darle el valor1. - Paso 3: Registra el parámetro como métrica en GA4
Una vez que GTM está enviando el evento con su parámetro, tienes que ir a GA4. En la sección Administrar > Definiciones personalizadas, creas una «Métrica personalizada». Le pones un nombre (ej. «Descargas Catálogo»), seleccionas el ámbito (evento) y, lo más importante, en «Parámetro de evento» pones el nombre exacto que usaste en GTM (catalog_value). Elige la unidad de medida (en este caso, «Estándar»). - Paso 4: Espera y visualiza tus datos
GA4 puede tardar entre 24 y 48 horas en empezar a procesar y mostrar los datos de tu nueva métrica. Una vez que esté disponible, podrás usarla en tus informes de Explorar y, sobre todo, conectarla a Looker Studio para crear dashboards que de verdad hablen el idioma de tu negocio.
Herramientas que uso para crear y visualizar métricas
Para todo este proceso, mi stack de herramientas es bastante claro. Aquí te dejo una tabla con lo que uso a diario y para qué sirve cada cosa.
| Herramienta | Función Principal | Coste | Mi consejo de uso |
|---|---|---|---|
| Google Analytics 4 (GA4) | Recoger, procesar y almacenar los datos de interacción. | Gratis | Es la base de todo. Aquí es donde registras y defines tu métrica personalizada. |
| Google Tag Manager (GTM) | Implementar y gestionar los códigos de seguimiento sin tocar el código de la web. | Gratis | El cerebro de la operación. Desde aquí envías los eventos y parámetros a GA4 de forma flexible. Imprescindible. |
| Looker Studio | Visualizar los datos de forma clara y crear dashboards personalizados. | Gratis | Para que los datos hablen. Aquí es donde combinas tu métrica personalizada con otras dimensiones para sacar conclusiones. |
| BigQuery | Almacenamiento y consulta de grandes volúmenes de datos brutos. | Gratis (con límites) | Para usuarios avanzados. Cuando quieres analizar los datos a un nivel muy profundo, sin las limitaciones de la interfaz de GA4. |
Errores comunes que he visto al crear métricas personalizadas
He perdido la cuenta de las veces que he tenido que arreglar implementaciones de analítica. Evita estos errores y te ahorrarás muchos dolores de cabeza:
- Crear por crear: No crees una métrica si no tienes claro qué decisión de negocio vas a tomar con ella. Cada métrica debe responder a una pregunta.
- Nombrar sin coherencia: Usa una nomenclatura clara y consistente para tus eventos y parámetros. Si no, en seis meses no sabrás qué es cada cosa.
- Olvidar el tipo de dato: Si vas a enviar un valor numérico para una métrica, asegúrate de que el parámetro se envía como un número, no como un texto (por ejemplo, envía
10en lugar de"10"). - No probar antes de publicar: Usa siempre el modo de vista previa de GTM para verificar que tus eventos y parámetros se están enviando correctamente antes de darle a «Publicar».
Lo que debes recordar de todo esto
Si te tienes que quedar con una sola idea de este artículo, que sea esta: la analítica web de calidad empieza con una buena pregunta de negocio, no con una herramienta. Deja de obsesionarte con tener miles de datos y céntrate en conseguir los 4 o 5 que de verdad te dicen si vas por el buen camino.
Una métrica personalizada bien pensada es la brújula que te guía. Te permite dejar de navegar a ciegas y empezar a tomar decisiones inteligentes que impactan directamente en tu cuenta de resultados. Requiere un poco de trabajo de planificación al principio, pero te aseguro que el retorno es brutal.
Mi consejo final: empieza con algo sencillo. Piensa en una única acción clave de tu web que no estás midiendo bien ahora mismo. Créala, mírala durante un mes y analiza qué has aprendido. Ese será tu primer paso para convertirte en un profesional que domina sus datos.
Dudas que siempre me preguntan sobre este tema
¿Cuál es la diferencia entre una métrica personalizada y una métrica calculada?
Buena pregunta. Una métrica personalizada se crea en GA4 a partir de un parámetro de evento que tú envías. El dato se recoge y procesa directamente en Analytics. Una métrica calculada, en cambio, se crea en herramientas de visualización como Looker Studio, combinando métricas que ya existen (por ejemplo, podrías crear una métrica calculada de «Coste por Sesión» dividiendo la métrica «Coste» entre la métrica «Sesiones»).
¿Necesito saber programar para crear métricas personalizadas?
No necesariamente. Con Google Tag Manager puedes configurar la mayoría de seguimientos de eventos basados en clics, envíos de formularios o vistas de elementos sin tocar una línea de código. Ahora bien, para casos más complejos, como extraer un valor específico de la página, tener nociones de JavaScript o contar con la ayuda de un desarrollador puede ser muy útil.
Si creo una métrica personalizada hoy, ¿puedo ver los datos del pasado?
No. Este es un punto crítico de GA4. Los datos de las métricas (y dimensiones) personalizadas solo se procesan y recogen desde el momento en que las creas y registras en la interfaz. No se aplican de forma retroactiva. Por eso es tan importante planificar bien tu estrategia de medición desde el principio.
¿Cuántas métricas personalizadas debería tener?
Menos es más. La tentación es medirlo todo, pero eso solo lleva a la parálisis por análisis. Mi recomendación es empezar con 3 a 5 métricas personalizadas que estén directamente alineadas con tus objetivos de negocio (KPIs). Es mejor tener pocas métricas accionables que muchas métricas que solo generan ruido.
