¿Qué es el abandono del carrito?

Cuando alguien añade un producto al carrito expresa una intención de compra concreta, más firme que una visita a la ficha de producto. Si la sesión termina sin transacción, esa intención queda registrada y sin cobrar. La distancia entre ambas cosas es lo que describe la métrica.

El análisis se tuerce casi siempre en el mismo punto: la confusión con el abandono del checkout. Son dos tramos distintos del mismo recorrido. El abandono del carrito abarca todo lo que ocurre desde que el producto entra en el carrito, incluido comparar precios en otra tienda o guardar el carrito para otro día. El abandono del checkout empieza más tarde, cuando el usuario ya ha pulsado para iniciar el proceso de pago, y solo cubre las pantallas de datos, envío y pago.

La consecuencia práctica es que las dos cifras nunca coinciden y no son intercambiables. El abandono del carrito siempre resulta más alto, porque recoge a quienes usan el carrito como lista de guardado o como calculadora del precio final con gastos de envío. El abandono del checkout es más bajo y más caro: ahí el usuario ya había decidido comprar y algo lo detuvo. Mezclar las dos cifras lleva a atribuir a la pasarela de pago un problema que estaba en la ficha de producto, o al revés.

La métrica es el complemento de la tasa de finalización. Se cuentan las unidades que llegan a cada punto de medición y se dividen.

Abandono del carrito (%) =
(1 - purchase / add_to_cart) x 100

Abandono del checkout (%) =
(1 - purchase / begin_checkout) x 100

En Google Analytics 4 esos puntos son eventos de comercio electrónico con nombre fijo. add_to_cart marca la entrada del producto en el carrito. begin_checkout marca el primer paso del proceso de pago. purchase marca la transacción confirmada. Entre begin_checkout y purchase caben dos eventos intermedios, add_shipping_info y add_payment_info, que permiten ver en qué pantalla del pago se cae la gente.

La decisión que más cambia el resultado es la unidad de conteo. Se puede contar eventos, sesiones o usuarios, y cada opción devuelve un número distinto. Contar eventos infla el denominador, porque una misma persona añade varios artículos en la misma visita. Contar sesiones rompe los casos de quien añade hoy y compra mañana. Contar usuarios recoge esas compras aplazadas, pero exige declarar una ventana temporal. Ninguna unidad es la correcta en abstracto; lo que no vale es cambiarla entre dos informes y comparar los resultados como si midieran lo mismo.

Conviene fijar también el periodo antes de calcular. Un carrito creado el día 30 puede convertirse el día 2 del mes siguiente, y ese desfase empuja la cifra hacia arriba en cierres mensuales estrictos.

La cifra por sí sola no decide nada. Lo que decide es dónde se rompe el recorrido, y para verlo hay que separar los dos tramos.

Si el hueco grande está entre el carrito y el inicio del pago, el problema suele estar en la información. Precio final poco claro, gastos de envío que aparecen tarde, plazos de entrega que no se ven antes de avanzar. La respuesta razonable es trabajar la ficha de producto y la página de carrito, no la pasarela.

Si el hueco grande está dentro del checkout, la respuesta es la contraria. Ahí se revisan el formulario, la obligación de crear cuenta, los métodos de pago disponibles y los errores de validación que expulsan al usuario. Retocar la ficha de producto en ese escenario no mueve la cifra.

La métrica fija además el presupuesto de recuperación. Un carrito abandonado es un identificador de usuario con un producto concreto asociado, y eso vale más que un impacto publicitario a frío. Saber cuántos carritos se pierden al mes y cuánto valen de media permite calcular si una secuencia de recuperación o una campaña de remarketing sale a cuenta, en lugar de lanzarla por costumbre.

• Medir por separado el tramo del carrito y el del checkout, y publicar las dos cifras juntas para que nadie las confunda.
• Escribir los nombres de los eventos de comercio electrónico exactamente como los define la documentación de GA4. Una variante propia se registra como evento personalizado y no alimenta los informes de comercio electrónico.
• Mostrar el coste total con envío e impuestos antes de pedir el primer dato personal, para que el precio no cambie dentro del checkout.
• Permitir la compra sin crear cuenta y ofrecer el registro después de confirmar el pedido.
• Instrumentar add_shipping_info y add_payment_info para saber qué pantalla concreta del pago pierde usuarios, en lugar de tratar el checkout como una caja negra.
• Dejar por escrito la unidad de conteo y la ventana temporal, y repetir siempre el mismo cálculo antes de comparar periodos.

• Tomar una media de mercado como objetivo propio. Esas medias agregan sectores con ciclos de decisión muy distintos y no dicen nada sobre una tienda concreta.
• Llamar abandono del carrito a lo que en realidad es abandono del checkout, y buscar entonces la causa en la parte equivocada del sitio.
• Comparar un mes calculado por sesiones con otro calculado por usuarios y presentar la diferencia como una mejora.
• Leer cualquier subida como un fallo. Una campaña que trae tráfico frío sube la cifra sin que el checkout haya empeorado.
• Ignorar el efecto del consentimiento en la medición. Los eventos que no se envían faltan en los dos lados de la división, y rara vez faltan en la misma proporción.