KPIs de email marketing para e-commerce

Un KPI necesita una definición antes de una meta

Una tasa sin denominador puede llevar a una decisión equivocada. Antes de comparar campañas, acuerda qué se cuenta, sobre qué población, durante qué periodo y con qué reglas. “Conversión” puede significar compradores únicos, pedidos o sesiones que terminan en compra; no son medidas intercambiables.

En una ficha de medición registra fuente, numerador, denominador, periodo, filtros y responsable. Añade si se cuentan personas únicas o eventos totales, qué moneda se utiliza y cómo se tratan devoluciones y cancelaciones. Guarda también la fecha de extracción: un informe puede cambiar cuando llegan datos tardíos.

Empieza con pocas métricas vinculadas a decisiones. Para gestión de campañas, separa salud del envío, respuesta y resultado comercial. Un panel con muchas cifras no sustituye una pregunta concreta: qué vamos a mantener, corregir o probar.

Fórmulas para una campaña individual

Las siguientes son convenciones explícitas para analizar una campaña con un envío por destinatario. No presupongas que coinciden con todos los informes de tu herramienta. Klaviyo, por ejemplo, documenta una tasa de pedidos atribuidos y un ingreso por destinatario: conviene comprobar el nombre exacto de la métrica seleccionada.

Si el denominador es cero, informa “no calculable”, no una tasa del 0 %. Mantén los recuentos junto a los porcentajes: una misma tasa puede representar cantidades muy distintas. Para informes con varios mensajes, declara cómo se repite o deduplica cada destinatario.

Ejemplo de cálculo: datos ficticios

Este ejemplo es didáctico y no representa resultados de Abalola ni una referencia de rendimiento. Una campaña registra 1.000 destinatarios con entrega, 50 personas con clic, 10 compradores atribuidos, 12 pedidos atribuidos y 600 € de ingreso atribuido.

El 1 % de compradores y el 1,2 % de pedidos no se contradicen: algunos compradores hicieron más de un pedido. Tampoco significa que el email haya provocado por sí solo los 600 €. Primero interpreta la unidad; después valora el resultado.

Aperturas automáticas y clics de bots

Klaviyo permite distinguir eventos marcados como aperturas de Apple Mail Privacy Protection. Estas aperturas automáticas pueden inflar una lectura de interacción basada únicamente en aperturas.

La documentación también identifica clics de bots: sistemas automáticos pueden acceder a enlaces para comprobar seguridad o generar vistas previas. Un clic registrado no siempre demuestra interés humano.

Antes de declarar que un asunto o diseño ha mejorado, compara los filtros utilizados en ambos periodos. Si cambiaste el tratamiento de aperturas o bots, anótalo como cambio de medición. Revisa señales posteriores coherentes, como navegación o compra, sin convertir una sola señal en certeza.

En segmentación, no definas el interés solo por una apertura aislada. La actividad puede orientar una hipótesis, pero necesita contexto. Conserva también un registro de cuándo se modificaron los criterios para explicar cambios bruscos en los grupos.

Atribución no significa incremento causado por el email

Klaviyo permite ajustar ventanas y tipos de interacción considerados en atribución, así como excluir ciertos automatismos. Por eso debes conservar la configuración usada al presentar un resultado.

Su documentación distingue último contacto, que asigna el crédito al contacto final, y atribución lineal, que lo reparte entre los contactos considerados. Son reglas de reparto del crédito.

Para tu análisis, separa ventas observadas, ventas atribuidas e incremento estimado frente a lo que habría ocurrido sin la acción. Cambiar una ventana puede cambiar el crédito mostrado sin cambiar los pedidos reales de la tienda. No sumes ingresos atribuidos por herramientas diferentes sin reconciliar los pedidos.

Si necesitas evaluar incremento, diseña una comparación con un grupo de control adecuado y define antes población, asignación, periodo y resultado. Considera incertidumbre y posibles interferencias entre grupos. No uses una simple comparación “antes y después” como prueba causal si también cambiaron promociones, tráfico o disponibilidad.

El ingreso atribuido tampoco es beneficio. Para hablar de rentabilidad hacen falta costes y márgenes coherentes con la pregunta, además de una estimación defendible del efecto. Si esos datos no existen, presenta el ingreso atribuido con sus límites y evita renombrarlo como retorno incremental.

Retención: comparar clientes con el mismo tiempo de observación

Klaviyo ofrece análisis de cohortes para seguir el comportamiento de grupos de perfiles a lo largo del tiempo. La utilidad está en comparar grupos y periodos definidos.

Como propuesta de análisis, agrupa clientes por mes de primera compra y mide quién vuelve dentro de una ventana fija. En un ejemplo ficticio, si 24 de 120 primeros compradores hacen otra compra dentro de 60 días, la recompra observada es del 20 %. El número describe esa cohorte y esa ventana, no una tasa universal.

No compares esa cohorte madura con clientes que solo llevan diez días desde su primera compra. Tampoco confundas recompra con permanencia de una suscripción ni promedies categorías con ciclos muy diferentes sin revisar su composición.

La guía de retención de clientes conecta este análisis con acciones de acompañamiento. Separa resultado observado e impacto de un programa concreto: una mejora de cohorte puede coincidir con cambios de producto, captación o servicio.

De la métrica a la siguiente comprobación

Una variación sirve para decidir dónde investigar; rara vez identifica por sí sola una causa. Esta tabla propone comprobaciones antes de intervenir:

Si varias métricas cambian a la vez, una auditoría puede ordenar hipótesis y dependencias. Define el cambio, la señal esperada y cuándo lo revisarás. Evita modificar audiencia, oferta y diseño simultáneamente si luego necesitas entender qué influyó.

Un informe breve que permita decidir

No promedies tasas sin considerar su peso. En otro ejemplo ficticio, 50 clics sobre 1.000 entregas y 180 sobre 9.000 equivalen a 230 / 10.000 = 2,3 % al agrupar esos registros. La media simple entre 5 % y 2 % daría 3,5 % y respondería a otra pregunta. Si una persona aparece en ambas campañas, este agregado no la deduplica entre campañas.

Usa comparaciones con audiencia, temporada, oferta y periodo equivalentes. Un benchmark externo puede orientar una pregunta, pero no sustituye tu historial ni demuestra una mejora. En muestras pequeñas, acompaña la tasa con recuentos y evita proclamar un ganador por una diferencia mínima.

• Objetivo comercial y pregunta del informe.
• Periodo, fecha de extracción y fuente.
• Numeradores, denominadores y reglas de conteo.
• Configuración de atribución y filtros de automatismos.
• Comparación relevante y limitaciones conocidas.
• Hipótesis priorizada y una acción concreta.
• Responsable y fecha de revisión.

El informe está completo cuando permite tomar una decisión proporcionada a la evidencia, incluso si esa decisión es investigar o esperar más datos. Una cifra vistosa sin definición no ayuda a mejorar el programa.

Fuentes y lecturas

• Klaviyo: Campaign analytics
• Klaviyo: Mail Privacy Protection opens
• Klaviyo: Bot clicks
• Klaviyo: Attribution settings
• Klaviyo: Attribution model types
• Klaviyo: Cohort analysis