La mayoría de marketing dashboards en 2026 trackean 30-50 métricas. La mayoría de decisiones de marketing se toman mirando tres. La brecha entre lo que muestran los dashboards y lo que los equipos realmente usan para decidir es el secreto sucio del marketing reporting. El resultado es una acumulación lenta de métricas de vanidad, números en conflicto, y reuniones de revisión trimestral donde el equipo coincide en que el dashboard es impresionante sin que nadie pueda apuntar a la métrica que motivó el último ajuste de presupuesto.
Este post es el playbook que cierra la brecha. El principio es simple: cada KPI en un marketing dashboard tiene que responder a una decisión específica. Si no, es decoración, no data. De ahí derivamos una jerarquía de tres tiers (estratégico, canal, operativo), una lista de anti-patrones a eliminar, y un layout que refleja cómo fluyen realmente las decisiones en una org de marketing. Al terminar este post, deberías poder auditar tu dashboard actual y recortar al menos el 30% de lo que tiene sin perder ninguna capacidad de decisión.
El principio: cada KPI tiene que responder a una decisión
La forma más rápida de evaluar una métrica es preguntarle tres cosas. Si alguna respuesta es "no" o "la verdad que no", esa métrica no pertenece al dashboard que estás viendo.
Pregunta 1: ¿Qué decisión informa esta métrica? No "qué nos dice del negocio" sino concretamente: ¿qué acción cambiaría según este número suba o baje? "Las sesiones subieron 15%" solo importa si hay una decisión downstream atada a sesiones. Si el equipo no actuaría distinto tanto si suben 15% como si bajan 15%, sesiones es un status update, no un KPI.
Pregunta 2: ¿Quién toma esa decisión, y con qué frecuencia? Una métrica que informa una decisión trimestral del board pertenece a un dashboard estratégico revisado trimestralmente. La misma métrica en un dashboard de campaña diario añade ruido sin añadir velocidad de decisión. Iguala la cadencia de reporting con la cadencia de decisión.
Pregunta 3: ¿Cuál es el threshold de acción? "Si la conversion rate baja del 2%, pausamos la campaña y auditamos la landing page." Si no puedes articular un threshold y una acción, la métrica es observación, no KPI. Las observaciones pertenecen al análisis exploratorio, no al dashboard que tu equipo revisa cada lunes.
Estas tres preguntas recortan la mayoría de dashboards a la mitad en la primera pasada. Las métricas que sobreviven son los KPIs. Las que fallan pertenecen a otro sitio, o a ningún sitio.
La jerarquía KPI de tres tiers
Las decisiones de marketing ocurren en tres niveles en la mayoría de organizaciones: estratégico (board, CMO, founder), canal (paid media lead, SEO lead, content lead) y operativo (campaign manager, content editor, analyst). Cada tier tiene su propia velocidad de decisión, su propia audiencia, y sus propios KPIs. Mezclarlos en un solo dashboard es el motivo más común por el que los dashboards se vuelven ilegibles.
Tier 1: KPIs estratégicos (board y nivel ejecutivo)
Velocidad de decisión: mensual a trimestral.
Audiencia: CMO, CEO, founder, board.
Pregunta que responden: ¿Estamos creciendo las cosas correctas a un coste sostenible?
El tier estratégico mira outcomes a nivel empresa, no mecánica de canal. El board no necesita ver CTR de Meta; el board necesita ver si la máquina de marketing está produciendo pipeline a un CAC que case con el modelo de negocio.
Los cinco KPIs estratégicos que funcionan para la mayoría de B2B SaaS y muchos B2C de suscripción:
- Pipeline generado por fuentes atribuidas a marketing. Medido mensualmente. El board valora la tendencia y el porcentaje del pipeline total que viene de marketing vs sales-led. El debate de attribution importa aquí, que es por lo que existe el framework de atribución de marketing; los números estratégicos de pipeline deben triangularse, no sacarse del informe de una sola plataforma.
- CAC, payback period y ratio LTV:CAC. Tres métricas que juntas te dicen si el spend de marketing produce el tipo correcto de revenue. Un LTV:CAC de 3:1 con payback de 12 meses significa máquina sana; un 6:1 con payback de 24 meses significa que estás dejando crecimiento sobre la mesa.
- Revenue de cohorts atribuidos a marketing. Trail de 60-90 días para ciclos B2B. Cohorta los clientes adquiridos en un mes determinado de vuelta a su first-touch de marketing y mide su revenue a 6 y 12 meses.
- Brand search volume y share de tráfico directo. Proxies de fuerza de marca. Si el brand search está cayendo en una ventana móvil de 6 meses, ningún rendimiento de paid media va a arreglar el tema de fondo de la salud de marca.
- Mix de canales vs benchmark. Qué porcentaje de adquisición viene de cada canal mayor, comparado con benchmarks de la industria para empresas en etapa similar. Concentración pesada en un canal es un riesgo estratégico independientemente del rendimiento tactical de ese canal.
Cualquier cosa más granular que estos cinco no pertenece al dashboard estratégico. CTR, impresiones y view-through rates son temas de canal, no del board.
Tier 2: KPIs de canal (paid media, SEO, content leads)
Velocidad de decisión: semanal a mensual.
Audiencia: channel leads, account managers de agencia, growth managers.
Pregunta que responden: ¿A dónde va el siguiente euro de presupuesto dentro y entre canales?
El tier de canal es donde la mayoría del trabajo de attribution e incrementality paga. Las preguntas son concretas: ¿escalamos Google Search un 30% el mes que viene? ¿pausamos la campaña LinkedIn lookalike? ¿reasignamos de display a search?
KPIs de canal por canal mayor:
- Paid search y paid social: spend, impresiones, clicks, CTR, CPC, conversiones, conversion rate, CPA, ROAS, frequency. Cubrimos el setup de reporting específico de plataforma en nuestra guía de LinkedIn Ads a Google Sheets y guía de Meta Ads a Google Sheets.
- Búsqueda orgánica: impresiones, clicks, posición media, CTR por categoría de query, top landing pages por conversión. La guía de Search Console a Google Sheets cubre la extracción de data.
- Content marketing: sesiones por post, engagement rate, conversion rate por post, top posts por contribución a signups, time-to-customer del journey por contenido.
- Email y lifecycle: open rate (caveado tras Apple Mail Privacy Protection, que infla los open rates de usuarios Apple Mail desde 2021), click rate, conversion rate, unsubscribe rate, tasa de crecimiento de lista.
- Síntesis cross-channel: CAC combinado, share de paid versus orgánico en conversiones, tendencia de CAC canal por canal.
El error que la mayoría de dashboards comete a este tier: mostrar todas las métricas a granularidad máxima todo el tiempo. El fix: mostrar resumen por canal como vista por defecto, con drill-down disponible al hacer clic. El dashboard se vuelve scaneable en 60 segundos; el análisis vive un clic más profundo.
Tier 3: KPIs operativos (campaign manager, analyst, content editor)
Velocidad de decisión: diaria a semanal.
Audiencia: campaign managers, content editors, paid media buyers, analistas de RevOps.
Pregunta que responden: ¿Qué está funcionando a nivel de campaña, anuncio, o pieza de contenido individual, y qué necesita intervención esta semana?
El tier operativo es donde la cosa se vuelve tactical. IDs de campaña específicos, anuncios concretos, landing pages específicas, keywords particulares. Las métricas son las de siempre: CTR, conversion rate, quality score, ad relevance, frequency, video completion rate, time on page.
El principio que separa dashboards operativos buenos de malos: cada KPI operativo tiene que tener un "intervention threshold" claro asociado. CTR por debajo del 1% dispara revisión del creative. Frequency por encima de 4 dispara expansión de audiencia. Quality score por debajo de 5 dispara auditoría de landing page. Sin thresholds, las métricas operativas se convierten en generadoras de ansiedad diaria sin generar acción diaria.
Un dashboard operativo práctico tiene 8-12 KPIs máximo, cada uno con su threshold anotado directamente en el dashboard. El equipo operativo posee la respuesta a cada threshold; el channel lead revisa excepciones semanalmente.
Anti-patrones: KPIs a eliminar de tu dashboard ya
Tras 18 meses trabajando con equipos de marketing limpiando sus dashboards, las mismas 6 métricas siguen apareciendo sin generar ninguna decisión. Si tu dashboard contiene estas, audítalas contra las tres preguntas y considera borrarlas.
Sesiones totales del sitio web como métrica de top-line. Las sesiones están correlacionadas con revenue pero rara vez lo causan. Sin segmentación por canal e intent, las sesiones totales son un número de vanidad. Reemplaza por "sesiones orgánicas a páginas de comparison y bottom-funnel" o "sesiones de paid a landing pages con campañas activas". Misma fuente de datos, mucha más relevancia para la decisión.
Bounce rate. El bounce rate ha sido en gran medida sin sentido desde 2019, cuando GA4 lo deprecó como métrica por defecto en favor de engagement rate. La documentación oficial de GA4 sobre engagement vs bounce explica el rationale. Los casos de uso restantes para bounce rate son muy estrechos (sitios de comparison de una sola página principalmente). Si el bounce rate está en tu dashboard, el equipo está mirando una métrica que no refleja cómo se comportan los usuarios en sitios modernos.
Follower count en redes sociales. El follower count crece con actividad pasiva (alguien que te sigue por un solo post y no vuelve a interactuar). Followers engaged y followers correlacionados con conversión importan; el total de followers rara vez. La excepción es para organizaciones cuyo modelo de negocio depende de escala de audiencia (publishers, empresas de creator economy); para todos los demás, reemplaza por "followers engaged" o "conversión atribuible a social".
Tiempo medio en página. Muy distorsionado por usuarios que abren un tab y lo dejan 6 horas. Sin bucketing de dwell-time (menos de 10 segundos, 10-30 segundos, 30-120 segundos, 2 minutos plus), la media no significa nada. Si haces el bucketing bien, la métrica se vuelve útil pero rara vez es lo que se reporta en dashboards.
View-through conversions reportadas por walled gardens, tratadas como verdad. Meta, Google y otras plataformas reportan view-through conversions como si fueran determinísticas. Son mayoritariamente modeled. Reportarlas junto a click-through conversions sin distinguirlas infla los números del dashboard. Cubrimos esta dinámica para una plataforma específica en nuestro análisis de Meta first-conversion vs all-conversions; el patrón se repite entre walled gardens.
Net Promoter Score (NPS) en un dashboard de marketing. NPS es una métrica de customer success, no de dashboard de marketing. Ponerla en el dashboard de marketing crea la impresión de que marketing posee NPS, lo que normalmente no hace. Mueve NPS al dashboard de customer success donde el equipo que de verdad lo mueve puede verlo y actuar.
Si tu dashboard contiene cuatro o más de estas, tu dashboard es un display de status, no una herramienta de decisión. Recortarlas libera espacio para KPIs que conducen decisiones.
Construyendo el dashboard: principios de layout que reflejan decisiones
Una lista de KPIs es el inicio, no el dashboard. El layout determina si el equipo de verdad lo lee. Tras revisar cientos de dashboards, tres principios de layout consistentemente separan los dashboards que los equipos usan de los que ignoran.
Top del dashboard: la pregunta que el dashboard responde. No el título "Rendimiento Marketing Q3" sino la pregunta específica, tipo "¿Estamos generando pipeline al coste correcto en Q3?". La pregunta fuerza al dashboard a estar enfocado. Muchos dashboards no tienen pregunta, que es por lo que acumulan métricas.
KPI cards arriba de los charts. Una KPI card muestra el valor actual, la comparación con un benchmark o periodo anterior, y el threshold/target. Las cards son scaneables en segundos. Los charts son más profundos. Poner cards encima de charts respeta el tiempo del lector: tienen el headline en los primeros 10 segundos, el detalle cuando lo quieran.
Comparaciones que conducen decisiones por encima de números absolutos. "$45.000 gastados" es menos útil que "$45.000 gastados, +12% vs mes anterior y -8% vs target". La comparación es lo que dispara una decisión. Muestra siempre el número absoluto Y su comparación.
Filtros en la parte de arriba, no embebidos. Si el dashboard soporta múltiples periodos de tiempo, canales o campañas, los controles de filtro van en la parte de arriba de la página donde los usuarios los esperan. Filtros embebidos esparcidos entre charts son un anti-patrón de usabilidad.
Para más sobre principios de layout, nuestra guía de buenas prácticas de diseño de dashboards profundiza más en el lado de jerarquía visual y densidad de información del problema; este post se centra en la pregunta estratégica de qué KPIs merecen estar en el dashboard.
Implementación: de lista de KPIs a dashboard live en 30 días
El playbook es conceptualmente limpio. Esto es lo que un equipo de marketing o RevOps puede entregar en 30 días.
Semana 1: Auditar y recortar. Coge tu dashboard actual y aplica las tres preguntas a cada métrica. Mueve las métricas que fallen la auditoría a una lista de "consideración" (puede que restaures algunas más tarde). El primer recorte normalmente elimina 30-50% de las métricas del dashboard.
Semana 2: Definir los tres tiers. Decide qué métricas supervivientes pertenecen al tier estratégico, de canal y operativo. La mayoría de equipos descubre que su dashboard antiguo mezclaba los tres, que es por lo que nadie lo leía con cuidado.
Semana 3: Construir la capa de datos. Extrae datos de cada plataforma a un único warehouse o sheet. Valida que los números reconcilian contra UIs de plataforma. Documenta supuestos de attribution y modeling para que el equipo sepa qué significa cada métrica. Nuestra guía de dashboard de atribución multi-channel recorre la capa técnica para unificar varias plataformas.
Semana 4: Construir los dashboards. Tres dashboards, uno por tier. Cards encima de charts. Filtros arriba. El dashboard estratégico cabe en una pantalla. El dashboard de canal cabe en una pantalla por canal. El dashboard operativo puede ser más profundo pero tiene que tener thresholds de intervención anotados.
Tras 30 días, el equipo tiene un playbook KPI funcionando con implementaciones. El siguiente trimestre es iteración: qué métricas de verdad se usan en decisiones, cuáles se ignoran, y qué añadir o quitar según los patrones.
Qué cambia para los KPIs en la era post-attribution
Dos desarrollos recientes desplazan el playbook ligeramente respecto a cómo se habría visto incluso hace dos años. Ambos son importantes para incluir en la versión 2026.
KPIs basados en attribution necesitan triangulación, no fuente única. El modelo viejo de "conversiones reportadas por la plataforma = verdad" ya no se sostiene en 2026. KPIs estratégicos y de canal que dependen de attribution deben calcularse desde múltiples fuentes (reportes de plataforma + GA4 + CRM + resultados de incrementality) y reportarse como rango o mostrarse lado a lado. El KPI estratégico "CAC por canal" se vuelve "CAC por canal por fuente, con nuestro multiplicador de incrementality aplicado". Es más trabajo pero produce decisiones que puedes defender.
AI search y zero-click cambian el valor de los KPIs orgánicos. KPIs orgánicos tradicionales (impresiones, clicks, posición) infraestiman valor orgánico cuando los AI Overviews responden preguntas en el SERP. El fix es añadir KPIs nuevos que cuenten para tráfico AI-driven y menciones de marca en respuestas de AI. Cubrimos la dinámica de AI Overviews específicamente en nuestro análisis de AI Overviews y CTR.
Estos cambios no invalidan el playbook; lo refinan. La jerarquía de tres tiers y el principio decision-driven se mantienen; los KPIs específicos de cada tier evolucionan con el environment de medición.
FAQ
¿Cuántos KPIs debe tener un marketing dashboard?
Para la mayoría de equipos: 5 KPIs estratégicos, 8-12 por canal mayor en el tier de canal, 8-12 KPIs operativos por campaign manager. El total entre los tres dashboards normalmente cae en 30-50 métricas. El error es meter todas en un solo dashboard; repartidas en tres dashboards por tier, cada uno es scaneable en 60 segundos.
¿Debo incluir el mismo KPI en varios tiers si importa en todos los niveles?
Sí, pero solo si la cadencia y la decisión difieren. CAC en el dashboard estratégico es mensual, lo ve el CMO, dispara decisiones estratégicas. CAC en el dashboard de canal es semanal, lo ve el paid media lead, dispara reasignación de presupuesto. Mismo nombre de métrica, distintas cadencias, distintos thresholds, distintas acciones.
¿Cómo consigo que el equipo de verdad use el nuevo dashboard?
Tres patrones funcionan. Primero, ata el dashboard a una reunión recurrente. Segundo, escribe las acciones tomadas en la reunión y referencia de vuelta a qué celda del dashboard las dirigió. Tercero, audita el dashboard trimestralmente y recorta métricas que no hayan dirigido ninguna decisión documentada en el último trimestre.
¿Qué hay de los dashboards en tiempo real?
Los dashboards en tiempo real son mayormente ruido para decisiones de marketing. El tiempo real importa para incident response (servidor caído, anuncio rechazado, landing page rota) donde el equipo operativo tiene que reaccionar en minutos. Para todo lo demás, cadencia diaria o semanal sobra; el tiempo real crea ansiedad sin mejorar decisiones.
¿Debería reportar sobre competidores en mi marketing dashboard?
Añade contexto competitivo al tier estratégico (share of voice, comparación de brand search volume) pero no añadas métricas de rendimiento de competidores que no puedes influenciar. Reportar el CTR o el spend estimado de un competidor produce comentario, no decisiones.
¿Cómo aplica este playbook si mi empresa es pre-product-market-fit?
Los mismos tres tiers, menos métricas. Pre-PMF, el tier estratégico podría tener solo dos KPIs (pipeline cualificado, señal de feedback de cliente); el tier de canal podría consolidar a "de dónde vienen los leads"; el tier operativo existe solo para los canales que activamente corres. Recorta más duro de lo que el playbook sugiere; tienes menos infraestructura que mantener.
¿Cómo afecta el rebrand de Looker Studio a Data Studio este playbook?
No lo afecta. El rebrand fue un cambio de nombre, no de producto. El playbook aplica idénticamente tanto si construyes dashboards en Data Studio (antes Looker Studio), Power BI, Tableau, o una solución custom. Cubrimos los detalles del rebrand en nuestro post sobre el rebrand de Looker Studio a Data Studio.
Conclusión
El motivo por el que la mayoría de marketing dashboards no conducen decisiones es estructural, no visual. Añadir más colores o charts no arregla un dashboard que mezcla métricas estratégicas, de canal y operativas en una pantalla, trata cada métrica como igualmente importante, y carece de thresholds de decisión. El fix es el approach de tres tiers: separar los dashboards por velocidad de decisión y audiencia, aplicar el test de tres preguntas a cada métrica, eliminar los seis anti-patrones, y disponer los dashboards para que la pregunta que responden esté visible arriba.
La mayoría de equipos recorta 30-50% de las métricas de su dashboard en la primera auditoría y nota cero pérdida de poder de decisión. Las métricas restantes reciben más atención, más discusión, y conducen más decisiones porque no están enterradas en ruido.
Si quieres saltarte el data plumbing y llegar a la capa de dashboard rápido, empieza una prueba gratis de Dataslayer. El playbook KPI es lo que tu equipo construye; Dataslayer extrae los datos que el playbook necesita desde cada plataforma que corres, hacia la herramienta donde construyes dashboards.
