Con el artículo 11 cerramos los niveles 1 y 2 de la pirámide: datos limpios e identificados, métricas con definición compartida con el equipo. Toca subir los tres siguientes escalones de una vez: construir reportes que muevan decisiones (nivel 3), tomar acción con esos reportes (nivel 4) y aspirar a que la analítica viva en la cultura del equipo (nivel 5).
Voy a seguir tirando del caso de Algora, el SaaS B2B de gestión de contratos del artículo anterior. El equipo de Pms ya descubrió que la caída de retención en sus cuentas Enterprise no era por falta de usuarios sino por profundidad: los mismos usuarios usaban menos módulos del producto. Ahora viene la parte difícil: convertir ese insight en algo que cambie su roadmap.
Y aquí avanzo lo que vas a leer entre líneas todo el artículo: la mayor parte del fracaso de la analítica en producto no es técnico, es de comportamiento alrededor de los datos, lo dije en la pirámide y lo repito porque personalmente porque lo veo muy importante.
Los tres tipos de informes que vas a usar siempre
Casi todo lo que vas a montar en tu herramienta de analítica cae en uno de estos tres tipos. Si los dominas, ya tienes el 80% del nivel 3 cubierto.
Path analysis: ¿qué hacen los usuarios?
Un path te enseñalos caminos reales que siguen los usuarios antes o después de una página o funcionalidad concreta. Y aquí viene lo importante: la secuencia no la defines tú o tu equipo (aunque pienses que sí), la herramienta te enseña lo que está pasando de verdad.
Por eso es uno de los informes que más rompe supuestos. La primera vez que lo analizas, casi siempre descubres que el producto se usa de forma muy distinta a como imaginabas y habíais diseñado.
En Algora, al mirar el path desde la home, descubren que el 78% de los usuarios Enterprise va directo al dashboard de contratos y solo el 6% pasa por la configuración. Ese 6% es justo el grupo que estaba abandonando módulos. Sin el path, esa correlación seguiría invisible.
Funnel analysis ¿Dónde abandonan?
Un funnel mide cómo avanzan los usuarios por una secuencia de pasos definida por ti, y te dice en cuál se quedan por el camino. El path enseña libertad; el funnel enseña fricción.
Algora monta el funnel de activación de un nuevo usuario Enterprise:
signup → invitación al equipo → conectar primer CRM → subir primer contrato → recibir primera firma.
Descubren un drop-off del 47% entre el paso 2 y el 3 («conectar primer CRM»). El usuario llega motivado y se choca con una integración que pide credenciales que rara vez tiene a mano.
Y aquí va una idea que conviene asentar bien, porque vale para los tres tipos de informe y para todo el bloque: los informes no sustituyen el criterio del equipo, reducen el espacio de búsqueda. El funnel no te dice qué hacer, te dice dónde dejar de adivinar.
Retention chart ¿quién vuelve?
La retención por cohorte mide cuánta gente de un grupo concreto sigue activa pasado un periodo. Si la analítica del producto fuera un solo informe, sería este: la curva de retención es el indicador más honesto de si tu producto entrega valor real.
En Algora, la cohorte de cuentas Enterprise que entró en febrero cae del 100% al 62% a los 30 días y al 38% a los 90 días.
La forma de la curva (ver artículo 6 sobre la lectura del retention chart para profundizar más) sigue cayendo sin aplanarse: pierden gente sin parar. Eso es lo que el equipo viene intentando entender desde hace semanas, ahora con un gráfico que lo confirma.
Y, importante: confirma que la curva es real, no es el fantasma del problema de identidad que tuvieron hace dos trimestres. Sin un nivel 1 limpio (eventos bien instrumentados, user_id estable), una curva como esta volvería a ser analítica de fantasmas y nadie sabría si confiar en ella.
Un detalle que conviene tener claro: los tres tipos no son excluyentes, son complementarios, una buena investigación combina los tres. El path te da la sorpresa, el funnel te marca el punto exacto de fricción, la retención te dice si el problema mueve algo importante o no.
De informe a decisión: análisis, dashboards y storytelling
Aquí está el salto que más cuesta y donde casi todos los equipos nos atascamos las primeras veces: pasar de tener informes a tomar decisiones con ellos.
Hay tres capas que tienes que tener trabajadas, no una:
Análisis: Es la chispa: alguien (un PM, un product analyst, una squad) investiga un patrón con preguntas concretas. No abre el dashboard a ver qué hay, llega con una hipótesis y la prueba contra los datos. En Algora, el análisis empezó con la pregunta «¿qué hace distinto un Enterprise que no churnea?», y de ahí salieron los datos que ya hemos visto.
Dashboards: Es el monitor, una vista compartida que el equipo consulta de forma habitual. Aquí va lo del artículo 2 sobre dashboards muertos: pocos y vivos mucho mejor que muchos y abandonados. Un dashboard al que el equipo no entra en dos semanas no es un dashboard, es deuda visual y ruido.
Storytelling: Es la herramienta de cambio: convertir un hallazgo en una narrativa que mueva al resto de la organización. Y es la capa que casi nadie trabaja, un PM puede tener el insight más limpio del mundo, pero si no sabe contárselo a su CTO, a su CEO o a ventas en una frase que conecte con su mundo, el insight se queda en la herramienta. Storytelling no es teatro, es traducción: traducir un dato de producto al lenguaje de la decisión que pides.
La mayoría de equipos que conozco trabajan los dashboards, hacen poco análisis y casi nada de storytelling. Y por eso el nivel 4 de la pirámide se les resiste: tienen los datos, pero la decisión sigue tomándose en una reunión donde manda la voz más fuerte. La estrategia analítica del artículo 9 cierra los debates estériles sobre quién tiene la cifra buena; el storytelling es lo que cierra los debates inútiles sobre qué hacer con esa cifra.
El dashboard que nadie mira es peor que no tener dashboard
Porque genera una falsa sensación de control, la organización cree que la analítica está cubierta porque la herramienta está instalada y los gráficos existen. Y a partir de esa creencia equivocada, deja de hacer el trabajo que sí movería la aguja: análisis, conversaciones con clientes y storytelling.
Repito lo que dije en el artículo 10 porque es el hilo conductor que sobrevuela todo este bloque del curso: la mayoría de empresas no tiene un problema de datos, tiene un problema de comportamiento alrededor de los datos. El cuello de botella rara vez es la herramienta, suele ser el proceso de decisión del equipo.
Volviendo al ejmeplo Algora: tienen los path, los funnels y los retention charts, saben que el problema es la profundidad y que la caída (drop-off) del onboarding está en la conexión con el CRM. Si esa información no entra mañana en la reunión de planificación y no genera un cambio concreto en el sprint, toda la analítica que han montado vale lo mismo que un dashboard cualquiera, es decir, nada.
Integrar la analítica en la cultura: el horizonte, no el examen final
El nivel 5 de la pirámide ya comentamos en el artículo 10, pero conviene mirarlo desde la perspectiva del reporting porque es donde se ve mejor. Un equipo en el nivel 5 no se pregunta «¿qué hacemos con estos datos?», se pregunta «¿cómo decidimos cuándo aparezca el próximo caso parecido?». Eso cambia el tipo de conversación por completo.
Algunas señales de que un equipo se está acercando:
- Los datos aparecen en cada reunión de roadmap sin que nadie tenga que sacarlos a propósito.
- Los stakeholders preguntan por la curva de retención antes de pedir una funcionalidad nueva.
- Cuando alguien propone algo, se espera que traiga el dato relevante, no solo una opinión.
- Hablar de una métrica que va mal está normalizado, no se vive como un fallo de equipo, y mucho menos personal.
Y aquí va la nota tranquilizadora, sobre todo si sientes que tu equipo está muy lejos de esto: el nivel 5 es la dirección, no la meta. Casi nadie llega del todo, y eso está bien, lo importante es estar moviéndose hacia él, no quedarse parado en «ya tenemos dashboards».
Volviendo a Algora: hoy están entre el nivel 3 y el 4, tienen los reportes, han identificado el problema y están a punto de meterlo en la próxima planificación. Si ese movimiento se vuelve rutina (que cada vez que aparezca un patrón parecido lo trabajen así de bien), en seis o doce meses estarán cerca del nivel 5 sin haberse propuesto llegar.
Resumen rápido
- Tres tipos de informes cubren el 80% del nivel 3: paths (qué hacen), funnels (dónde abandonan) y retention (quién vuelve). Son complementarios, no excluyentes.
- El salto de informe a decisión necesita tres capas: análisis (la chispa), dashboards (el monitor) y storytelling (la traducción al lenguaje de quien decide).
- Un dashboard que nadie mira es peor que no tener dashboard, porque genera una falsa sensación de control que tapa el trabajo real.
- El nivel 5 (integrar la analítica en la cultura) es la dirección, no la meta, casi nadie llega del todo, y conviene aceptarlo.
- Algora hoy está entre el 3 y el 4. Tiene los reportes, ha encontrado el patrón, está a punto de cambiar el sprint. Si lo convierte en rutina, sube de nivel.
Siguiente paso
Con esto cierro el bloque III del curso: la jerarquía de necesidades de la analítica de producto, sus cinco niveles y el trabajo que cada uno te pide.
Y, como remate del bloque entero, una idea que conviene dejar fija:
La diferencia entre un equipo que mejora y uno que no, rara vez es quién tiene más dashboards. Suele ser quién convierte antes un insight incómodo en una decisión real.
A partir del siguiente artículo entramos en casos prácticos: situaciones concretas que un PM se encuentra cada trimestre y que la analítica ayuda a resolver. La primera es probablemente la más fundamental para todo el resto: cómo encontrar los aha moments de tu producto con la matriz adopción × retención.
Cómo encontrar los aha moments de tu producto (con matriz adopción × retención) →
