Lección 6 de 31•El Funnel de Conversión
Identificar drop-offs y fugas
Encuentra dónde se pierden los clientes potenciales.
13 minutos
El funnel de e-commerce es como una tubería con agujeros. En cada etapa, usuarios abandonan el proceso. Tu trabajo es encontrar los agujeros más grandes y priorizar su reparación.
En esta lección aprenderás técnicas sistemáticas para identificar dónde y por qué pierdes clientes.
La anatomía de un drop-off
┌─────────────────────────────────────────────────────────────┐
│ ANATOMÍA DEL DROP-OFF │
│ │
│ Usuarios en etapa A │
│ ┌────────────────────────────────────────┐ │
│ │████████████████████████████████████████│ 10,000 │
│ └────────────────────────────────────────┘ │
│ │ │
│ │ ← DROP-OFF: 7,000 (70%) │
│ ▼ │
│ ┌────────────────┐ │
│ │████████████████│ 3,000 │
│ └────────────────┘ │
│ Usuarios en etapa B │
│ │
│ Conversion rate A→B: 30% │
│ Drop-off rate: 70% │
│ │
│ Preguntas clave: │
│ • ¿Por qué se fueron 7,000 usuarios? │
│ • ¿Es este drop-off normal o anormal? │
│ • ¿Cuánto dinero perdemos aquí? │
│ │
└─────────────────────────────────────────────────────────────┘
Fórmulas básicas
Drop-off Rate = ((Usuarios etapa A - Usuarios etapa B) / Usuarios etapa A) × 100
Paso Conversion Rate = (Usuarios etapa B / Usuarios etapa A) × 100
Nota: Drop-off Rate + Conversion Rate = 100%
Construyendo tu funnel de análisis
Paso 1: Define las etapas medibles
Para e-commerce, las etapas típicas son:
┌────────────────────────────────────────────────────────────┐
│ ETAPAS DEL FUNNEL MEDIBLE │
├────────────────────────────────────────────────────────────┤
│ │
│ 1. session_start → Llegó al sitio │
│ 2. view_item → Vio un producto │
│ 3. add_to_cart → Agregó al carrito │
│ 4. begin_checkout → Inició checkout │
│ 5. add_shipping_info → Agregó envío │
│ 6. add_payment_info → Agregó pago │
│ 7. purchase → Completó compra │
│ │
└────────────────────────────────────────────────────────────┘
Paso 2: Mide cada transición
Ejemplo de un e-commerce real:
| Etapa | Usuarios | Conversión al siguiente | Drop-off |
|---|---|---|---|
| Sessions | 50,000 | → 30% | 70% |
| View item | 15,000 | → 27% | 73% |
| Add to cart | 4,000 | → 55% | 45% |
| Begin checkout | 2,200 | → 82% | 18% |
| Add shipping | 1,800 | → 89% | 11% |
| Add payment | 1,600 | → 78% | 22% |
| Purchase | 1,250 | - | - |
Paso 3: Identifica las fugas principales
┌────────────────────────────────────────────────────────────┐
│ IDENTIFICACIÓN DE FUGAS │
│ │
│ Sessions → View item: 35,000 perdidos (70%) │
│ ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ ← FUGA MAYOR │
│ │
│ View item → Add to cart: 11,000 perdidos (73%) │
│ ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ ← FUGA MAYOR │
│ │
│ Add to cart → Begin checkout: 1,800 perdidos (45%) │
│ ■■■■■■■■■■■■■■■■■■■■ │
│ │
│ Begin checkout → Add shipping: 400 perdidos (18%) │
│ ■■■■■■■■ │
│ │
│ Add shipping → Add payment: 200 perdidos (11%) │
│ ■■■■■ │
│ │
│ Add payment → Purchase: 350 perdidos (22%) │
│ ■■■■■■■■■■■ ← FUGA IMPORTANTE │
│ │
└────────────────────────────────────────────────────────────┘
Calculando el costo de cada fuga
No todas las fugas valen lo mismo. Una fuga al inicio del funnel tiene menos valor que una al final.
Fórmula: Valor perdido por fuga
Valor perdido = Usuarios perdidos × Probabilidad de conversión × AOV
Donde:
- Probabilidad de conversión = CR desde ese punto hasta purchase
Ejemplo de cálculo
┌────────────────────────────────────────────────────────────┐
│ VALOR DE CADA FUGA │
├────────────────────────────────────────────────────────────┤
│ │
│ Session → View item │
│ • Perdidos: 35,000 │
│ • Prob. conversión: 2.5% (CR general) │
│ • AOV: $500 │
│ • Valor perdido: 35,000 × 0.025 × $500 = $437,500 │
│ │
│ View item → Add to cart │
│ • Perdidos: 11,000 │
│ • Prob. conversión: 8.3% (desde view hasta purchase) │
│ • AOV: $500 │
│ • Valor perdido: 11,000 × 0.083 × $500 = $456,500 │
│ │
│ Add payment → Purchase │
│ • Perdidos: 350 │
│ • Prob. conversión: 78% (desde add_payment) │
│ • AOV: $500 │
│ • Valor perdido: 350 × 0.78 × $500 = $136,500 │
│ │
│ RANKING POR VALOR PERDIDO: │
│ 1. View item → Add to cart: $456,500 │
│ 2. Session → View item: $437,500 │
│ 3. Add payment → Purchase: $136,500 │
│ │
└────────────────────────────────────────────────────────────┘
Insight clave: Aunque el drop-off Session→View tiene más usuarios perdidos, el valor por usuario es menor porque están más lejos de la compra.
Técnicas de diagnóstico
1. Análisis por segmento
Los drop-offs varían según el segmento. Siempre segmenta por:
┌────────────────────────────────────────────────────────────┐
│ DROP-OFF POR DISPOSITIVO │
├────────────────────────────────────────────────────────────┤
│ │
│ Add to cart → Purchase │
│ │
│ Desktop: ████████████████████████░░░░░░ 75% conversión │
│ Mobile: ████████████████░░░░░░░░░░░░░░ 55% conversión │
│ Tablet: ██████████████████████░░░░░░░░ 68% conversión │
│ │
│ → Mobile tiene 20% más drop-off que desktop │
│ → Revisar experiencia de checkout móvil │
│ │
└────────────────────────────────────────────────────────────┘
Otros segmentos importantes:
| Segmento | Qué buscar |
|---|---|
| Dispositivo | Mobile vs Desktop conversion |
| Canal de tráfico | Paid vs Organic vs Direct |
| Geografía | Regiones con más abandono |
| Nuevos vs Returning | Primera visita vs recurrentes |
| Valor del carrito | Carritos grandes vs pequeños |
2. Análisis temporal
Los drop-offs cambian con el tiempo:
┌────────────────────────────────────────────────────────────┐
│ CART ABANDONMENT POR DÍA DE LA SEMANA │
├────────────────────────────────────────────────────────────┤
│ │
│ 90% │ │
│ │ ■ │
│ 80% │ ■ ■ │
│ │ ■ ■ │
│ 70% │ ■ ■ ■ ■ ■ ■ ■ │
│ │ ■ ■ ■ ■ ■ ■ ■ ■ │
│ 60% │ ■ ■ ■ ■ ■ ■ ■ ■ │
│ └──Lun──Mar──Mie──Jue──Vie──Sab──Dom──────── │
│ │
│ Lunes y Domingo tienen abandono más alto │
│ → Los usuarios "browseamos" pero no compramos │
│ │
└────────────────────────────────────────────────────────────┘
3. Análisis de comportamiento
Usa herramientas cualitativas para entender el "por qué":
┌────────────────────────────────────────────────────────────┐
│ HERRAMIENTAS DE ANÁLISIS CUALITATIVO │
├────────────────────────────────────────────────────────────┤
│ │
│ HOTJAR / FULLSTORY │
│ • Grabaciones de sesiones con abandono │
│ • Mapas de calor en páginas de checkout │
│ • Rage clicks (frustración) │
│ │
│ EXIT SURVEYS │
│ "¿Por qué no completaste tu compra hoy?" │
│ • Costos de envío muy altos (35%) │
│ • Solo estaba mirando (25%) │
│ • Checkout muy largo (15%) │
│ • No encontré mi método de pago (12%) │
│ • Otro (13%) │
│ │
│ FORM ANALYTICS │
│ • Campos donde usuarios abandonan │
│ • Tiempo por campo del formulario │
│ • Errores de validación frecuentes │
│ │
└────────────────────────────────────────────────────────────┘
Diagnóstico por etapa
Fuga: Session → View Item (Navigation)
Síntomas: Usuarios llegan pero no exploran productos.
Posibles causas:
| Causa | Cómo verificar | Solución |
|---|---|---|
| Tráfico no calificado | CTR alto pero bounce alto | Refinar targeting de ads |
| Landing page confusa | Mapa de calor disperso | Mejorar jerarquía visual |
| Carga lenta | Core Web Vitals | Optimizar performance |
| Sin valor claro | Exit survey | Mejorar propuesta de valor |
Fuga: View Item → Add to Cart (Consideration)
Síntomas: Ven productos pero no agregan al carrito.
Posibles causas:
| Causa | Cómo verificar | Solución |
|---|---|---|
| Precio muy alto | Comparar con competencia | Ajustar pricing o valor percibido |
| Falta de confianza | Sin reviews | Agregar social proof |
| Info insuficiente | Scroll depth bajo | Mejorar descripciones |
| Sin stock/tallas | Checks de disponibilidad | Mostrar alternativas |
| Fotos pobres | Time on PDP bajo | Invertir en fotografía |
Fuga: Add to Cart → Checkout (Intent)
Síntomas: Agregan pero no inician checkout.
Posibles causas:
| Causa | Cómo verificar | Solución |
|---|---|---|
| Costos de envío | Exit survey | Envío gratis con threshold |
| Solo explorando | Returning rate | Remarketing, email |
| Calculando total | Multiple cart views | Mostrar costos upfront |
| Cuenta requerida | Drop en registro | Guest checkout |
Fuga: Checkout → Purchase (Conversion)
Síntomas: Inician checkout pero abandonan.
Posibles causas:
| Causa | Cómo verificar | Solución |
|---|---|---|
| Proceso muy largo | Steps completion rate | Simplificar checkout |
| Errores de pago | Payment failure rate | Más métodos de pago |
| Costos sorpresa | Step donde abandonan | Transparencia de costos |
| Formularios difíciles | Form analytics | Autocompletar, menos campos |
| Falta de confianza | Exit surveys | Sellos de seguridad |
Framework de priorización
Usa esta matriz para decidir qué fuga atacar primero:
┌────────────────────────────────────────────────────────────┐
│ MATRIZ DE PRIORIZACIÓN DE FUGAS │
├────────────────────────────────────────────────────────────┤
│ │
│ │ FÁCIL DE ARREGLAR │ DIFÍCIL DE ARREGLAR │
│ ───────┼─────────────────────┼────────────────────────── │
│ │ │ │
│ ALTO │ ★★★ PRIMERO │ ★★ SEGUNDO │
│ VALOR │ │ │
│ │ • Payment errors │ • Mobile UX │
│ │ • Missing info │ • Pricing strategy │
│ │ • Trust signals │ • Product photography │
│ │ │ │
│ ───────┼─────────────────────┼────────────────────────── │
│ │ │ │
│ BAJO │ ★ TERCERO │ ✗ EVITAR │
│ VALOR │ │ │
│ │ • Quick wins │ • Massive redesigns │
│ │ • Copy changes │ • Platform migration │
│ │ │ │
│ │ │ │
└────────────────────────────────────────────────────────────┘
Ejemplo de priorización
| Fuga | Valor perdido | Esfuerzo | Prioridad |
|---|---|---|---|
| Payment → Purchase (errores de pago) | $136,500 | Bajo | 1 |
| Add to cart → Checkout (envío) | $90,000 | Medio | 2 |
| View → Cart (sin reviews) | $456,500 | Medio | 3 |
| Session → View (tráfico frío) | $437,500 | Alto | 4 |
Caso práctico: Diagnóstico completo
Situación
E-commerce de ropa con CR de 1.5% (debajo del benchmark de 2.5%).
Datos del funnel
┌────────────────────────────────────────────────────────────┐
│ FUNNEL ACTUAL vs BENCHMARK │
├────────────────────────────────────────────────────────────┤
│ │
│ Etapa Actual Benchmark Diferencia │
│ ──────────────────────────────────────────────────────── │
│ Session → View 25% 35% -10% 🔴 │
│ View → Cart 20% 25% -5% 🟡 │
│ Cart → Checkout 50% 55% -5% 🟡 │
│ Checkout → Ship 75% 85% -10% 🔴 │
│ Ship → Payment 90% 92% -2% 🟢 │
│ Payment → Purchase 70% 80% -10% 🔴 │
│ │
│ CR Total: 1.5% 2.5% -1% │
│ │
│ FUGAS PRINCIPALES (rojo): │
│ 1. Session → View: Problema de engagement inicial │
│ 2. Checkout → Shipping: Fricciones en checkout │
│ 3. Payment → Purchase: Problemas de pago │
│ │
└────────────────────────────────────────────────────────────┘
Investigación
Fuga 1: Session → View (-10%)
- Análisis por canal: Tráfico de TikTok tiene 15% view rate vs 35% de Search
- Diagnóstico: Tráfico frío no calificado
- Acción: Mejorar landing pages para tráfico social
Fuga 2: Checkout → Shipping (-10%)
- Análisis: Formulario de envío tiene 8 campos
- Diagnóstico: Fricción por exceso de campos
- Acción: Reducir a 4 campos, usar autocompletar
Fuga 3: Payment → Purchase (-10%)
- Análisis: 40% de errores son tarjetas rechazadas
- Diagnóstico: Falta de métodos de pago alternativos
- Acción: Agregar PayPal, BNPL (Kueski Pay, Mercado Crédito)
Impacto proyectado
Si cada mejora recupera 50% de la diferencia con benchmark:
Session → View: 25% → 30%
Checkout → Ship: 75% → 80%
Payment → Purchase: 70% → 75%
Nuevo CR proyectado: ~2.1%
Incremento: +40% en conversiones
Checklist de identificación de fugas
Semanal
- Revisar funnel completo en GA4
- Comparar CR por dispositivo
- Verificar tasa de errores de pago
- Revisar carritos abandonados
Mensual
- Análisis de funnel por canal
- Comparar con mes anterior
- Revisar grabaciones de sesiones
- Analizar exit surveys
Trimestral
- Benchmark vs industria
- Análisis de cohortes
- Revisión de tendencias
- Planificación de optimizaciones
Resumen
Para identificar drop-offs efectivamente:
- Mapea cada etapa del funnel con datos reales
- Calcula el valor monetario de cada fuga
- Segmenta para encontrar dónde es peor el problema
- Diagnostica con herramientas cualitativas
- Prioriza por valor y facilidad de implementación
En la próxima lección aprenderás los benchmarks de la industria para saber si tus métricas son normales.
Quiz de la lección
Pregunta 1
¿Cuál es la fórmula del drop-off rate entre dos etapas?
- A) (Usuarios B / Usuarios A) × 100
- B) ((Usuarios A - Usuarios B) / Usuarios A) × 100
- C) (Usuarios A - Usuarios B) × 100
- D) Usuarios A / Usuarios B
Ver respuesta
Respuesta correcta: B) ((Usuarios A - Usuarios B) / Usuarios A) × 100
El drop-off rate mide qué porcentaje de usuarios se perdió entre etapas.
Pregunta 2
Si pierdes 10,000 usuarios en la etapa Session→View con 2% de probabilidad de conversión y $500 AOV, ¿cuál es el valor perdido?
- A) $50,000
- B) $100,000
- C) $500,000
- D) $5,000,000
Ver respuesta
Respuesta correcta: B) $100,000
Valor perdido = 10,000 × 0.02 × $500 = $100,000
Pregunta 3
¿Qué herramienta usarías para ver exactamente dónde un usuario abandona un formulario de checkout?
- A) Google Analytics 4
- B) Hotjar / FullStory
- C) Klaviyo
- D) Shopify
Ver respuesta
Respuesta correcta: B) Hotjar / FullStory
Las herramientas de grabación de sesiones muestran el comportamiento exacto del usuario en formularios.
Pregunta 4
Tienes dos fugas: una de alto valor pero difícil de arreglar, y otra de valor medio pero fácil. ¿Cuál atacarías primero según el framework de priorización?
- A) La de alto valor siempre
- B) La de valor medio y fácil
- C) Ninguna, esperar más datos
- D) Ambas al mismo tiempo
Ver respuesta
Respuesta correcta: B) La de valor medio y fácil
Según la matriz, "alto valor + fácil" es prioridad 1, pero si solo tienes "medio + fácil" vs "alto + difícil", el quick win te da momentum y aprendizajes.
Pregunta 5
¿Cuál es la razón más común de abandono de carrito según estudios de la industria?
- A) Proceso de checkout largo
- B) Costos de envío inesperados
- C) Falta de métodos de pago
- D) Productos sin stock
Ver respuesta
Respuesta correcta: B) Costos de envío inesperados
Aproximadamente 35-50% de abandonos se deben a costos de envío que no esperaban.
¿Completaste esta lección?
Marca esta lección como completada. Tu progreso se guardará en tu navegador.