Caso de éxito de analítica SEO: atribuir el tráfico de IA que ningún informe veía

Contexto y punto de partida

La academia llevaba cuatro años publicando contenido útil y tenía motivos para creer que funcionaba: posiciones razonables, clics estables y visitas que no bajaban. Sin embargo, las matrículas descendían trimestre a trimestre y nadie sabía qué parte del contenido generaba alumnado y qué parte solo generaba lecturas.

El equipo tomaba decisiones de inversión con un informe que medía lo fácil de medir —impresiones y posición media— y no lo que importaba: qué páginas llevaban a una solicitud de información.

Sector

Educación · academia de cursos técnicos online

Tamaño

40 programas · 310 páginas · 2 personas de marketing

Periodo

6 meses de trabajo de medición

Métrica de éxito

Matrículas atribuidas a contenido orgánico

Línea base: exportaciones de Search Console y GA4 de los 12 meses anteriores, más el registro de matrículas del CRM sin atribución de canal.

Qué encontramos

• El tráfico de IA se contaba como «directo». Las visitas procedentes de asistentes y motores de respuesta no traían referente identificable y GA4 las agrupaba con el tráfico directo, donde nadie las miraba. Era la fuente que más crecía y la única que no se medía.
• Cuatro cifras distintas para el mismo mes. Search Console, GA4, el CRM y la herramienta de terceros daban cuatro totales diferentes. Sin reconciliación, cada reunión empezaba discutiendo qué número era el bueno en lugar de qué hacer.
• Atribución de última visita. El modelo por defecto daba todo el mérito a la última interacción, así que el contenido informativo —el que descubría la marca— aparecía siempre como irrelevante y estaba en la lista de recortes.
• Objetivos que nadie podía verificar. Los objetivos de conversión medían clics en botones, no matrículas, y no estaban conectados con el CRM. El informe no podía demostrar ingresos ni coste de adquisición.
• Ninguna medición de campo. El rendimiento se vigilaba con datos de laboratorio; los Core Web Vitals reales de los usuarios móviles no se revisaban desde hacía un año.

Decisiones

1. Una sola fuente de verdadDefinimos qué herramienta manda para cada métrica y documentamos la regla por escrito. Search Console para visibilidad e indexación, GA4 para comportamiento, el CRM para matrículas. Cuando dos cifras no cuadran, se explica la diferencia en lugar de elegir la que favorece.
2. Identificar y atribuir el tráfico de IACreamos un canal propio para las visitas de motores de respuesta mediante patrones de referencia y parámetros de campaña, y lo separamos del tráfico directo. Por primera vez se pudo ver cuánto aportaba y a qué páginas llegaba.
3. Modelo de atribución por matrículaSustituimos la última visita por un modelo que reparte el mérito entre el primer contenido que descubre la marca y la página de programa que convierte. El contenido informativo dejó de parecer improductivo.
4. Conectar el CRM con la analíticaEnviamos el origen real de cada matrícula al panel. El objetivo dejó de ser «clic en formulario» y pasó a ser «alumno matriculado con canal de origen», incluido el coste por adquisición.
5. Un panel que cabe en una pantallaCinco indicadores y una tabla de páginas ordenadas por matrículas. Si un dato no cambia una decisión, no entra en el panel. Los informes de 40 páginas se abandonaron.
6. Vigilancia de datos de campoIncorporamos los Core Web Vitals reales de móvil con revisión mensual, no solo la puntuación de laboratorio. El rendimiento se gestiona con lo que vive el alumno.

Entregables

• Documento de definiciones y reconciliación con la métrica, su herramienta de referencia y las diferencias esperadas entre fuentes.
• Canal de tráfico de IA configurado con sus patrones de referencia y su informe propio dentro de GA4.
• Modelo de atribución por matrícula con criterio de reparto y su comparativa frente al modelo de última visita.
• Integración analítica–CRM que devuelve el canal de origen de cada matrícula y calcula coste por adquisición.
• Panel de cinco indicadores más la tabla de páginas ordenada por matrículas atribuidas.
• Calendario de revisión mensual de datos de campo de Core Web Vitals y de calidad de indexación.

Resultados

Cifras de ejemplo con el formato de entrega real. Los indicadores se calculan con datos de Search Console, GA4 y el CRM del cliente, y son auditables en su cuenta. Sustituye estos valores por los verificados antes de publicar.

Antes y después

Preguntas frecuentes

Los umbrales de rendimiento que vigilamos son los publicados en la guía de Core Web Vitals de web.dev, y las definiciones de visibilidad y clics siguen la documentación de Google Search Central.

Servicio y método relacionados

Este caso corresponde al servicio de datos, medición y analítica SEO. El detalle del método de análisis está en el documento de análisis competitivo y en el playbook GEO y AEO.

Maqueta del sitio de este caso

Para que el caso se pueda evaluar de verdad, recreamos el modelo de medición y el panel que se aplicaron en él: Academia Nexo. Es una demostración de diseño creada por nosotros para documentar el trabajo, no un sitio real publicado ni indexado.