el número suelto no dice nada

el ecommerce ya no es una tienda en línea, es el medio con más conversión que tenemos, y el orgánico es tráfico que no pagamos y que termina alimentando venta y captación de tarjeta. pero hoy miramos números sueltos, y un número suelto no dice nada. que caigamos 30% en telefonía no es bueno ni malo hasta que lo comparo con lo que hizo el mercado. si el mercado cayó 50% y nosotros 40%, estamos mejor que el mercado.

esa es la necesidad del área, dejar de reportar el número y empezar a entender por qué se movió, porque solo entendiendo el porqué sabemos qué ajustar. esto es la base de nuestra mejora continua, no un reporte más.

dos indicadores distintos, con causas distintas

todo parte de una idea, normalizar la data, o sea compararla contra una referencia para que signifique algo. y adentro hay dos indicadores que no se mezclan. las impresiones son demanda, cuántas veces aparecemos cuando la gente busca. el ctr es rendimiento puro, qué porcentaje de esas apariciones termina en clic. son cosas distintas y se analizan por separado. el mercado solo explica impresiones, al ctr no lo afecta, el ctr depende solo de nosotros.

y el foco, primero mantener las keywords que están en posición 1 a 3, segundo subir las que están entre 3 y 10, y tercero meter al rango 4 a 10 las que hoy están más abajo. en esos tres movimientos se concentra casi todo el tráfico posible.

lo que planteé en la reu, google trends

en la reu propuse arrancar por acá. bajar de google trends el puntaje diario de 0 a 100 de nuestras keywords, llevar nuestras impresiones a esa misma escala, y ponerlas en un gráfico de doble eje. si nuestra curva cae junto con trends, fue el mercado. si trends se mantiene y la nuestra se despega para abajo, fuimos nosotros. la intuición está bien, por eso la planteé.

pero es frágil, y prefiero decirlo

lo revisé con calma y trends tiene problemas que lo hacen poco confiable para lo que necesitamos. se los dejo claros antes de descartarlo.

la respuesta ya está en search console

acá está el cambio. para saber si algo fue del mercado o fue nuestro, no necesito la demanda de trends, la leo de nuestra propia posición en search console. porque la impresión no es solo mercado, la impresión es demanda por visibilidad, y la visibilidad la mide la posición promedio, que search console me la entrega gratis, diaria, en número real y reproducible.

la regla es simple, la posición dice de quién fue cada movimiento.

y el nivel de detalle depende de la categoría, porque no todas están igual. donde ya rankeamos, posición 1 a 10, el análisis semanal es con search console, esta es la parte principal. donde casi no aparecemos, telefonía, iphone, posición sobre 10, search console no ve la demanda porque no aparecemos, así que ahí el ejercicio no es semanal sino medir el tamaño de la oportunidad, y para eso basta el volumen absoluto de keyword planner.

seguimos el árbol del sitio, de lo genérico a lo particular

toda lectura por categoría usa la misma jerarquía que el sitio, área, departamento, sección y familia, siempre de lo más genérico a lo más particular. por ejemplo, tecnología es área, tv y video es departamento, y 40 a 50 pulgadas es sección. así todos los análisis usan la misma estructura que el menú de hites.com y la data comercial, y se pueden cruzar entre ellos.

la tabla ya trae las tres columnas por keyword, clasificadas desde el texto de la búsqueda (primera pasada por reglas, editable). la familia no se puede leer del texto de una búsqueda, esa llega cuando crucemos keyword por página, que está en la lista de robustez.

de lo macro a la acción, en cuatro pasos

este es el recorrido de cada semana, siempre en el mismo orden. primero la foto general, después el detalle, después la explicación de cada movimiento, y al final la acción. si un paso se salta, el análisis queda incompleto.

así se ve un gráfico cuando está check

quiero los indicadores macro siempre en gráfico, no en tabla, siempre con las últimas 6 semanas completas, y siempre con su banda, la media móvil con más menos 1 y más menos 2 desviaciones estándar, calculada sobre las 12 semanas completas previas (90 días aprox), excluyendo la semana que se está mirando y las semanas de evento comercial (si el cyber entra al cálculo, la banda se infla y deja de detectar por meses). evalué también una ventana de 45 días y no alcanza, son 6 puntos y una desviación sobre 6 puntos es ruido puro. la regla de lectura es simple, un indicador fuera de más menos 2 desviaciones es anomalía y va directo al deep dive, entre 1 y 2 es vigilancia.

y todo siempre non brand primero. ojo con la lección que salió al separar, el ctr mezclado daba 2,5% aprox, el ctr non brand real es 0,9%, la marca estaba inflando la lectura completa. brand queda como línea de contexto aparte, no me interesa para el análisis operativo. estos tres ejemplos van con nuestra data real non brand (chile, búsqueda web, semanas completas al domingo 12 de julio).

partimos con las top 100, y la tabla ya está lista

arrancamos el martes con el análisis de las top keywords non brand que tenemos rankeadas entre posición 1 y 100, cruzando todo el árbol del sitio, con la data de las últimas 6 semanas y su evolución. y priorizado por los movimientos más grandes, en dos cortes, 100 keywords cada uno.

la buena noticia es que la tabla ya no hay que armarla. los dos cortes viven en bigquery, se actualizan solos y ya vienen filtrados a non brand (abajo está el detalle). cada keyword llega con su árbol del sitio, su serie de 6 semanas de impresiones, ctr y posición, y un veredicto de primera pasada. la pega de ustedes no es armar la planilla, es el análisis.

qué pone la tabla y qué ponen ustedes

• viene listo, keyword, área, departamento y sección según el árbol del sitio, las 6 semanas de impresiones, ctr y posición, el delta contra la semana anterior y el veredicto automático (mercado, ranking o snippet). todo non brand.
• ponen ustedes, primero el veredicto fino, confirmar o corregir el automático mirando la serie completa. segundo la evidencia, qué cambió en la serp, en la página o en el mercado. tercero la hipótesis del porqué en una línea. y cuarto la acción que proponen, con un solo cambio por acción.
• el deep dive, de cada corte elijan las 5 a 10 que más pesan, negativas y positivas, y ahí sí a fondo, qué pasó a la perfección, cómo se soluciona o cómo se replica.
• los gráficos macro, los cuatro indicadores al estándar de arriba, con la lectura de la semana.

así quiero ver cada keyword del deep dive, la serie completa al lado del veredicto. estos dos son reales, del corte de esta semana.

primero el diagnóstico, después la acción

el valor no está en traer la tabla, está en leerla. cada keyword del deep dive tiene que quedar en una de dos categorías, y salir de ahí con una acción.

y cuando ajustemos, un solo cambio a la vez, solo el snippet o solo la descripción, y con seguimiento después. ojo con una cosa, un cambio que funcionó en una categoría no siempre funciona en otra, oferta funciona en vestuario y en colchones no, así que cada ajuste es una hipótesis por categoría, no una regla general.

lo otro que también quiero ver

con los cortes y los gráficos cubrimos lo principal. para que el sistema quede robusto, vamos sumando estas piezas, en este orden de prioridad.

• la bitácora de cambios, esta es la más importante. una planilla compartida donde quede cada ajuste que hacemos, fecha, keyword o plp, qué se cambió (snippet, descripción, técnico) y quién. sin bitácora no se puede saber qué cambio causó qué resultado, todo análisis posterior es adivinanza. parte el martes, aunque sea con los cambios de esta semana.
• brand siempre separado de non brand, y el análisis es non brand. lo brand se mueve por campañas y medios, no por seo puro, y ensucia la lectura (el ctr mezclado daba 2,5% cuando el non brand real es 0,9%). brand queda como línea de contexto aparte, los cortes ya vienen filtrados.
• entradas y salidas del top 3. cada semana, qué keywords entraron y salieron del top 3 y del top 10. el gráfico de arriba muestra la caída total, esta lista muestra exactamente qué keywords se perdieron y cuáles se ganaron.
• la curva de ctr esperado por posición. con nuestra propia data armamos el benchmark, en posición 3 qué ctr es normal, en posición 7 cuál. toda keyword que rinda bajo su curva es oportunidad inmediata de snippet, sin esperar a que se caiga.
• keyword por página. con qué url estamos rankeando cada keyword top. si dos páginas nuestras compiten por la misma keyword (canibalización), hay que decidir cuál queda y corregir la otra.
• eventos comerciales anotados. cyber, liquidación, días de marca, sobre todos los gráficos. sin eso cualquier salto parece causado por nosotros cuando en realidad fue el calendario comercial.
• dispositivo cuando la lectura lo pida. los resultados de google en móvil y en escritorio son distintos, si una keyword se mueve raro, el siguiente paso es abrirla por dispositivo.
• y la metodología no está cerrada. esto es la versión 1, la corremos 3 weeklies seguidas, ajustamos lo que la práctica pida (umbrales del veredicto, el piso de impresiones, la ventana de la banda), y recién ahí se congela. lo que no cambia es la base, la posición para asignar la causa, non brand, la banda, y un solo cambio a la vez.

la infraestructura ya está lista

esto ya quedó construido en nuestro dataset growth_analytics de bigquery, hoy. la data viene de search console (que google exporta solo a bigquery, sin intermediarios), cubre desde enero 2026, chile y búsqueda web, y se actualiza sola cada mañana con el proceso nocturno que ya corre para el resto del ecosistema growth. no hay nada manual, no hay nada que armar, llegan y consumen.

la venta del canal orgánico (el cuarto indicador macro) sale de datastudio_canal_diario filtrando el canal organic, que también existe hace rato y se actualiza solo. y dos advertencias honestas, primero el veredicto automático es orientación, el criterio final es de ustedes. segundo el árbol es clasificación de primera pasada por reglas (clasifica 6 de cada 10 impresiones non brand), lo que caiga en sin clasificar igual vale, solo que sin etiqueta.

cómo consumir, en la consola de bigquery entran al dataset growth_analytics y abren la vista, o la conectan directo a una planilla de sheets con el conector nativo de bigquery (datos, conectores de datos, bigquery) y les queda tabla viva para trabajar y graficar.