¿Qué es el Embudo de Conversión?

El embudo de conversión reduce un proceso de varios pasos a una serie de números: de cien visitas a una página, cuántas llegan al paso siguiente y en qué punto concreto se pierde más gente. Es una fotografía cuantitativa del proceso, no una descripción de lo que piensa el usuario en cada momento.

El ejemplo más habitual es el embudo de e-commerce: visita a la ficha de producto, añadir al carrito, inicio del checkout y compra completada. Cada paso parte de un evento medible, y el tráfico de la primera etapa sirve como base sobre la que se calcula qué porcentaje llega a la última.

Conviene no confundirlo con la customer journey. El embudo mide cuántos usuarios avanzan por un proceso concreto y medible, con pasos definidos de antemano. La customer journey describe el recorrido completo de una persona por varios canales, con momentos que no siempre se reducen a un evento de analítica, como leer una reseña en otra web antes de volver a comprar.

Los tres modelos conviven sin sustituirse: el modelo AIDA explica por qué alguien avanza, la customer journey documenta por dónde pasa, y el embudo cuenta cuántos llegan al final.

La base técnica del embudo es la analítica web con seguimiento de eventos: cada etapa corresponde a una acción registrada, como una vista de página, un clic en «añadir al carrito» o una compra confirmada. Herramientas como Google Analytics permiten definir hasta diez pasos en un mismo embudo, comparar segmentos de usuarios entre sí y fijar un plazo máximo entre un paso y el siguiente.

La tasa de abandono se calcula por etapa, no solo para el embudo completo: si mil personas ven la ficha de producto y setecientas añaden algo al carrito, el abandono en ese paso es del treinta por ciento. Esa cifra, repetida etapa por etapa, señala dónde se pierde más gente, algo que una tasa de conversión global no muestra por sí sola.

Google Analytics también distingue entre embudo abierto y cerrado: uno cerrado solo cuenta a los usuarios que entran por la primera etapa, mientras que uno abierto también cuenta a quienes llegan directamente a una etapa intermedia, por ejemplo alguien que aterriza ya en la ficha de producto desde un anuncio. Elegir mal ese ajuste distorsiona la tasa de abandono real de cada paso, así que conviene revisarlo antes de sacar conclusiones sobre dónde falla el proceso.

Google Ads aplica una lógica parecida en sus informes de campaña, con embudos que van desde la impresión del anuncio hasta la conversión final, útiles para comparar el rendimiento entre distintas fuentes de tráfico pagado.

El embudo señala la etapa con más abandono, el cuello de botella real del proceso, y evita repartir el esfuerzo de optimización por igual entre pasos que ya funcionan bien. Si la mayor caída ocurre entre el carrito y el checkout, ajustar ahí un call to action o simplificar el formulario suele rendir más que retocar la página de producto.

También ayuda a decidir dónde invertir en la parte alta del proceso: un lead magnet bien colocado puede aumentar el volumen que entra al embudo, pero solo tiene sentido si las etapas siguientes ya convierten con normalidad.

Dicho esto, el embudo es un modelo simplificado y conviene tratarlo como tal. Asume un recorrido lineal, paso uno, paso dos, paso tres, cuando el comportamiento real rara vez sigue ese orden: hay usuarios que entran directamente en el checkout desde un anuncio, otros que visitan la ficha de producto varias veces en días distintos antes de decidirse. Es la misma limitación que arrastra el modelo AIDA: útil como marco de referencia, incompleto como retrato fiel del comportamiento real.

• Define cada etapa a partir de un evento medible y concreto, no de una intención difícil de rastrear.
• Compara la tasa de abandono etapa por etapa, no solo la conversión global de entrada a salida.
• Revisa el embudo por segmento de tráfico, porque el abandono de una campaña de pago puede diferir mucho del de la búsqueda orgánica.
• Prioriza la optimización en la etapa con mayor caída antes de tocar el resto del proceso.
• Fija un plazo razonable entre etapas, para no contar como abandono a alguien que vuelve a comprar días después.
• Cruza el embudo con datos cualitativos, como grabaciones de sesión, para entender por qué se pierde gente en un paso concreto.

• Tratar el embudo como si describiera todo el comportamiento del usuario, en vez de un proceso concreto y acotado.
• Definir etapas demasiado amplias que mezclan acciones distintas y esconden dónde ocurre realmente el abandono.
• Ignorar a los usuarios que entran al embudo por un paso intermedio, no siempre desde el principio.
• Comparar la tasa de conversión de un embudo con la de otro sin tener en cuenta que miden procesos distintos.
• Optimizar la etapa con menos abandono porque es la más fácil de mejorar, en vez de la que más volumen pierde.