Los dos grupos de adquisición convierten con menor frecuencia. Aun así, la tasa global aumenta a más del triple. No falta ningún evento ni hay un error de cálculo.

Este es un embudo hipotético con dos grupos que no se solapan: Email y Búsqueda. Asigna cada entrada registrada a un solo grupo mediante la misma regla en ambos periodos. Son cifras ilustrativas, no resultados de clientes de Zenovay ni referencias de rendimiento para estos canales.

Periodo Grupo Entradas registradas Recorridos completados Tasa
A Email 100 20 20%
A Búsqueda 1.900 38 2%
A Total 2.000 58 2,9%
B Email 1.000 180 18%
B Búsqueda 1.000 15 1,5%
B Total 2.000 195 9,75%

Email baja del 20 al 18 por ciento. Búsqueda baja del 2 al 1,5 por ciento. Sin embargo, la tasa global sube del 2,9 al 9,75 por ciento, con el mismo total de entradas.

La diferencia está en la composición del público: Email pasa del 5 al 50 por ciento de las entradas. Su tasa es menor que antes, pero sigue siendo mayor que la de Búsqueda. Llevar más tráfico a ese grupo cambia el resultado agregado.

Poblaciones de entrada diferentes convergen en un resultado medido

La tasa global responde a otra pregunta

Es un ejemplo de la paradoja de Simpson: la dirección de una comparación global puede invertirse dentro de cada subgrupo. Es un efecto estadístico conocido, no un descubrimiento nuevo ni un defecto del cálculo.

La tasa global pregunta qué proporción de las entradas registradas de ese periodo completó el embudo. Las tasas por grupo preguntan qué ocurrió dentro de Email y de Búsqueda. Cambió el tamaño relativo de esas poblaciones, así que el agregado no mantiene constante la composición del público.

El segundo periodo sí produce más resultados: 195 en lugar de 58. Eso puede ser valioso para el negocio. Pero no demuestra que el proceso se haya vuelto más fácil para ninguno de los grupos. La tasa observada bajó en ambos.

Antes de atribuirlo a un rediseño, concreta la afirmación: más resultados totales, un público distinto o una mejor conversión dentro de un público comparable.

Mantén fija la composición del público

Una comprobación descriptiva útil consiste en elegir una composición de referencia y aplicarla a las tasas de los grupos en ambos periodos. Aquí usamos la del periodo A: 5 por ciento Email y 95 por ciento Búsqueda.

Para el periodo B, el cálculo es: 0,05 × 18% + 0,95 × 1,5% = 2,325%.

Periodo Tasa global observada Tasa con la composición del periodo A
A 2,9% 2,9%
B 9,75% 2,325%

Con la composición fija, la tasa baja. Esto separa el cambio en el peso de los grupos del cambio en sus tasas.

Elige y documenta la población de referencia antes de juzgar el resultado. Usa los mismos grupos, sin solapamientos, en ambos periodos. Si un grupo no tiene entradas observadas en uno de ellos, su tasa está indefinida; no sustituyas silenciosamente esa ausencia por cero.

Esta consulta PostgreSQL permite reproducir el cálculo. Solo utiliza las cuatro filas hipotéticas por grupo del primer cuadro:

WITH sample(period, segment, entries, completions) AS (
  VALUES ('A', 'Email', 100, 20),
         ('A', 'Search', 1900, 38),
         ('B', 'Email', 1000, 180),
         ('B', 'Search', 1000, 15)
), rates AS (
  SELECT *, completions::numeric / entries AS rate
  FROM sample
), baseline AS (
  SELECT segment,
         entries::numeric / SUM(entries) OVER () AS weight
  FROM sample WHERE period = 'A'
)
SELECT r.period,
       ROUND(100.0 * SUM(r.completions) / SUM(r.entries), 3)
         AS observed_pct,
       ROUND(100.0 * SUM(r.rate * b.weight), 3)
         AS fixed_mix_pct
FROM rates r JOIN baseline b USING (segment)
GROUP BY r.period ORDER BY r.period;

Cambiar los pesos responde a una pregunta de comparación. No establece qué causó un rediseño ni predice exactamente cómo se comportará un público futuro.

Las tasas por paso tienen su propio denominador

La misma precaución se aplica dentro del embudo. Supón que 1.000 entradas registradas producen 400 registros y 100 resultados finales. La tasa global es del 10 por ciento. Del registro al resultado final es del 25 por ciento. Ambos cálculos son correctos porque sus denominadores difieren.

En Zenovay, la tasa global compara recorridos completados con entradas registradas. Para las transiciones después del primer paso, el desglose usa el paso anterior como denominador. Lee cada tasa junto con sus recuentos y su alcance.

Personas, sesiones, entradas al embudo y ocurrencias de eventos son unidades distintas. Alguien puede volver varias veces o repetir una acción. Una entrada registrada no es un individuo verificado. Mantén explícita la unidad al comparar informes.

Un recorrido con alcances distintos para un paso y para la trayectoria completa

Conserva las definiciones y la ventana de observación

Un denominador menor también puede elevar la tasa sin añadir un solo resultado: 100 de 1.000 es el 10 por ciento; 100 de 500 es el 20 por ciento. Acercar el punto de entrada al pago cambia la medición, aunque el informe conserve su nombre.

Mantén la misma regla de entrada, evento final, unidad de recuento y definiciones de grupos. Documenta los cambios en las reglas de URL o en los pasos, y establece una nueva referencia si cambia el significado de la medida.

El tiempo también importa. Quienes entraron ayer tuvieron menos oportunidades de terminar un recorrido largo que quienes entraron hace dos semanas. Para comparar cohortes, elige un periodo de entrada y una ventana fija de seguimiento; deja que ambos grupos lleguen a ese punto. Un informe de eventos por fechas y otro que sigue a los participantes son vistas diferentes.

Es un método para comparar cohortes, no una afirmación de que todos los informes de embudo ofrecen ese control.

Ventanas de observación iguales que comienzan en puntos de entrada distintos

Qué puede decir este cálculo y qué queda abierto

El cuadro demuestra una inversión al agregar los datos. No demuestra por qué cambió la tasa de ningún grupo. Las tasas observadas también pueden variar por azar, sobre todo cuando hay pocas observaciones.

Define por adelantado los segmentos que importan para la decisión. Muestra entradas y resultados junto a los porcentajes. Afirmar que un cambio del producto causó una mejora requiere un experimento adecuado u otro diseño causal defendible. Un informe segmentado de antes y después no aporta por sí solo esa prueba.

Una conclusión comprobable sería: «Los resultados aumentaron de 58 a 195 con 2.000 entradas registradas en cada periodo. Las tasas de ambos grupos bajaron, mientras la proporción de Email subió del 5 al 50 por ciento. Mantener fija la composición del periodo A da una tasa del 2,325 por ciento para B, frente al 2,9 por ciento anterior».

Eso ayuda más que «la conversión mejoró». Explica qué cambió, qué comparación mejoró y qué pregunta sigue sin respuesta.