Definición
El Funnel Analysis o análisis de embudo es un método de analítica que mide cómo los usuarios avanzan paso a paso desde su primera interacción con tu marca hasta completar una acción clave: una compra, una suscripción, un registro o la activación de una prueba gratuita.
En lugar de mirar solo el resultado final (por ejemplo, "hemos vendido 1.200 unidades este mes"), el embudo descompone todo el recorrido en etapas y calcula cuántas personas llegan a cada una y dónde se caen. Esa caída se llama *drop-off* o *tasa de abandono*, y suele ser la información más valiosa para un ecommerce.
Piénsalo así: si tu tienda recibe 100.000 visitas y solo 800 personas compran, el problema no es "vender poco" en abstracto, sino identificar si el cuello de botella está en la ficha de producto, en el carrito, en el checkout o en el envío.
Analogía
Imagina un embudo de cocina. Echas 100.000 gotas de agua por arriba y solo 800 salen por el tubo inferior. Las paredes del embudo retienen el resto.
Cada tramo del embudo es una etapa de tu web:
- Boca ancha: visitas a la home o a una landing de campaña.
- Primer estrechamiento: usuarios que ven una ficha de producto (PDP).
- Segundo estrechamiento: usuarios que añaden al carrito.
- Tercer estrechamiento: usuarios que inician el checkout.
- Tubo final: usuarios que pagan.
Si el agua se queda pegada en la pared del checkout, no tiene sentido invertir más en anuncios para llenar la boca del embudo. Primero hay que arreglar ese tramo.
Fórmula
La métrica base de cada etapa es la tasa de conversión de paso:
Tasa de conversión de paso (%) = (Usuarios que completan la etapa N / Usuarios que entraron en la etapa N-1) × 100
Y la métrica global del embudo es:
Tasa de conversión global (%) = (Conversiones finales / Usuarios en la primera etapa) × 100
Ejemplo con datos reales de una tienda DTC de cosmética natural en España durante un mes:
| Etapa | Usuarios | Conversión de paso | Drop-off |
|---|---|---|---|
| Visitas a la web | 120.000 | — | — |
| Vista de ficha de producto (PDP) | 48.000 | 40,0 % | 60,0 % |
| Añadir al carrito | 9.600 | 20,0 % | 80,0 % |
| Inicio de checkout | 4.320 | 45,0 % | 55,0 % |
| Compra completada | 2.160 | 50,0 % | 50,0 % |
La conversión global sería:
(2.160 / 120.000) × 100 = 1,8 %
Un 1,8 % es un dato razonable en ecommerce DTC, pero el embudo revela algo más importante: el mayor drop-off está entre la PDP y el carrito (80 %). Ahí es donde hay que actuar.
Comparativa: Funnel Analysis vs. otras analíticas
| Método | Qué mide | Cuándo usarlo | Limitación |
|---|---|---|---|
| **Funnel Analysis** | Paso a paso hasta la conversión | Optimizar checkout, onboarding, suscripción | No explica el *por qué* de la caída |
| **Cohort Analysis** | Comportamiento de grupos en el tiempo | Retención, LTV, recompra | No muestra el recorrido inmediato |
| **Heatmaps / Session Replay** | Dónde hace clic y cómo navega el usuario | Detectar fricción visual o UX | Difícil de escalar a grandes volúmenes |
| **A/B Testing** | Impacto de un cambio concreto | Validar una hipótesis de mejora | Necesita tráfico suficiente |
| **Attribution Analysis** | Qué canal trae la conversión | Repartir presupuesto de marketing | No arregla la fricción interna |
La combinación ganadora suele ser: Funnel Analysis para detectar el problema + Session Replay para entenderlo + A/B Testing para resolverlo.
Aplicaciones en DTC y ecommerce
1. Optimización del checkout. Si el 60 % de los usuarios que inician el pago lo abandonan, revisa costes de envío ocultos, métodos de pago (Bizum, PayPal, Apple Pay) y campos innecesarios del formulario.
2. Lanzamiento de producto. Mide cuántos usuarios que ven la nueva colección llegan a comprar. Un embudo sano en moda DTC suele tener una conversión global del 1,5 % al 3 %.
3. Captación de leads. En marcas de suplementos o skincare con modelo de suscripción, el embudo típico es: visita → lead magnet → email → primera compra → suscripción.
4. Recuperación de carrito. Segmenta a quienes abandonan en la etapa "añadir al carrito" y lanza flows de email o SMS. Un buen flow de carrito recupera entre el 5 % y el 15 % de esos carritos.
5. Onboarding de app. Para marcas con app propia, mide registro → verificación → primera compra → segunda compra en 30 días.
Errores comunes
- Definir mal las etapas. Si mezclas "vista de producto" con "vista de categoría", el embudo pierde sentido. Cada etapa debe ser una acción concreta y medible.
- No segmentar. Un embudo global puede esconder realidades muy distintas entre móvil y desktop, o entre tráfico de pago y orgánico. Segmenta siempre por dispositivo, canal y país.
- Confundir sesiones con usuarios. Si un mismo usuario visita tres veces antes de comprar, contar sesiones infla las etapas iniciales y distorsiona las tasas.
- Ignorar el contexto del negocio. Un drop-off alto en la PDP puede ser normal en productos de alto precio que requieren investigación previa.
- Mirar solo la conversión final. El valor del embudo está en las etapas intermedias. Ahí están las oportunidades de mejora más rentables.
- No actuar tras medir. Un dashboard de embudo sin hipótesis ni tests es solo decoración.
Términos relacionados
- Drop-off Rate: porcentaje de usuarios que abandonan entre dos etapas.
- Conversion Rate (CR): tasa de conversión de una etapa o del embudo completo.
- Checkout Abandonment Rate: abandono específico en el proceso de pago.
- Micro-conversión: acción intermedia que acerca al usuario a la compra (añadir a favoritos, suscribirse a la newsletter).
- Cohort Analysis: análisis complementario para medir retención y LTV.
- Attribution Model: modelo que asigna el mérito de la conversión a uno o varios canales.
- Customer Journey: recorrido completo del cliente, más amplio que el embudo y con múltiples touchpoints.