Marketing y medición
Qué medir en marketing para saber si realmente genera negocio

La reunión mensual empieza con la diapositiva de siempre: 800 registros, coste por lead un 12 % más bajo, cuatro gráficos en verde. Alguien asiente. Después, ventas dice que de esos 800 contactos solo dos han comprado, y que la mitad no sabía ni qué se vendía.
El informe no mentía. Medía lo que era fácil medir, y lo demás no aparecía en la pantalla. Eso es la falacia de McNamara: no un error de cálculo, sino una decisión tomada con la parte de la realidad que resultaba cómoda de contar.
El origen: una conferencia de 1971
La falacia lleva el nombre de Robert McNamara, por su paso por Ford y por su etapa como secretario de Defensa de Estados Unidos durante la guerra de Vietnam. Pero el detalle interesante suele omitirse: quien formuló la crítica fue Daniel Yankelovich, en una conferencia de estrategia de marketing en Nueva York, el 15 de octubre de 1971.
Yankelovich contó que, en una investigación sobre el mercado de coches pequeños para Ford, su equipo había cruzado datos demográficos y de compra con información cualitativa sobre lo que significaba un coche pequeño para la gente. Aquellos significados hablaban de economía, funcionalidad y expresión personal. No cabían en la columna "tamaño del vehículo".
La parte cualitativa se apartó porque no se podía cuantificar con la misma precisión. Se conservó lo que se podía presentar como dato duro, que no era necesariamente lo que explicaba la demanda futura.
La crítica no va contra los números. Va contra dejar de escuchar lo que los números disponibles no saben decir.
Los cuatro pasos hacia una mala decisión
Yankelovich describió una degradación que se reconoce en cualquier empresa. Primero se mide lo fácil, y es razonable. Después se ignora lo que no se mide o se le asigna un valor arbitrario. Más tarde se empieza a considerarlo secundario. Al final se actúa como si no existiera.
El salto ocurre entre el segundo y el tercer paso, y casi nunca se da por escrito. Nadie decide que la confianza en la marca no importa. Simplemente desaparece del informe, y a los seis meses ya no está en la conversación.
Lo contrario también es un error: que algo sea difícil de medir no lo convierte en decisivo. Hay que justificar su peso, formular una hipótesis y buscar evidencia posible, aunque sea imperfecta.
Dos campañas, el mismo presupuesto
Un ejemplo hipotético que se repite con nombres distintos. La campaña A consigue 800 registros, 20 conversaciones comerciales relevantes y 2 ventas. La campaña B consigue 150 registros, 30 conversaciones relevantes y 9 ventas.
Si el incentivo es bajar el coste por lead, la A gana la presentación. Si el objetivo es generar negocio rentable, gana la B. Y todavía falta lo que no está en la tabla: margen, ticket medio, tiempo comercial consumido, devoluciones y valor del cliente a dos años.
No existe un KPI que resuelva esto solo. Lo que hace falta es una cadena causal razonable entre inversión, actividad, oportunidad y resultado económico. Y la cadena se rompe justo donde el informe deja de tener columnas.
Lo que los dashboards silencian
Los informes muestran bien lo que entra en las herramientas. Muestran mal lo que nunca se registró: objeciones de compradores, fricción entre marketing y ventas, calidad de una propuesta, reputación en un nicho, cambios en la prioridad del cliente.
También esconden problemas de atribución. Alguien recibe recomendaciones durante meses, lee tres artículos, compara proveedores y un día busca tu marca por su nombre. El último clic es observable. La historia completa, no.
La analítica digital no es el problema; el problema es confundir una atribución con una prueba causal. Si un modelo reparte ingresos entre canales, está haciendo una asignación, no contando lo que pasó en la cabeza del comprador.
Ventas también se equivoca con sus números
La falacia no es exclusiva de marketing. Un equipo comercial puede medir reuniones, propuestas enviadas o importe del pipeline e ignorar si hay comprador con autoridad, urgencia real y presupuesto.
Un embudo lleno puede ser un negocio vacío. Y una caída de reuniones puede acompañar a una segmentación mejor y a una tasa de cierre más alta. Sin un acuerdo sobre qué es una oportunidad, cuándo se registra una pérdida y qué significa "intención de compra", cada departamento optimiza una fotografía distinta de la misma empresa.
La IA multiplica el problema
Los asistentes de IA resumen conversaciones, clasifican leads, puntúan oportunidades y redactan informes. La velocidad es atractiva. Pero una clasificación automática sobre etiquetas mal puestas solo produce errores más rápido.
Un modelo entrenado con decisiones comerciales inconsistentes aprende la inconsistencia. Un agente al que se le pide maximizar respuestas genera actividad y fatiga, no oportunidades. La pregunta previa no es qué automatizar, sino qué comportamiento queremos y qué resultado paga la empresa. Esa conexión aparece con claridad en el efecto cobra.
Dos trampas que se suman
El sesgo del superviviente explica por qué una muestra puede dejar fuera a quienes nunca entraron o se fueron sin dejar rastro. El bikeshedding explica por qué se dedican dos horas a discutir el color de una gráfica y cinco minutos al hecho de que el pipeline esté mal calificado.
La combinación es peligrosa: datos incompletos, muy bien presentados y defendidos por mucha gente en una sala. Nada de eso garantiza una buena decisión.
La medida del criterio
Dirigir sin datos es arriesgado. Dirigir solo con los datos cómodos, también. Lo difícil es decidir qué necesitas saber, cómo puedes averiguarlo y qué incertidumbre vas a aceptar incluso después de medir.
Un buen informe no demuestra que el equipo ha trabajado mucho. Permite descubrir si el trabajo acerca a la empresa a lo que de verdad busca, incluso cuando la respuesta incomoda a quien presentó la diapositiva.
Cuatro pasos para auditar tus indicadores
- Coge los cinco números que aparecen siempre en tu informe y escribe qué decisión permite tomar cada uno. Si un indicador no cambia ninguna decisión, no es un KPI: es decoración.
- Empareja volumen con calidad: contactos frente a oportunidades aceptadas por ventas, conversión frente a margen, coste por lead frente a coste por cliente rentable.
- Añade una señal que hoy no capturas y que podría cambiar la interpretación: motivo real de pérdida, intención del contacto, dificultad de implantación o duración del ciclo.
- Busca un mes en el que un KPI mejoró y comprueba si mejoró el negocio. Si no lo hizo, investiga antes de seguir optimizando ese número.
Preguntas frecuentes
¿La falacia de McNamara significa que los KPIs no sirven?
No. Advierte del error de reducir una realidad compleja a los indicadores disponibles y tratar lo no medido como si no existiera.
¿Qué KPI debería usar un departamento de marketing?
Depende del modelo de negocio. Mejor un conjunto conectado ,captación, calidad, conversión y economía unitaria, que una cifra universal que nadie discute.
¿Cómo distingo una métrica útil de una de vanidad?
Pregunta qué decisión permite tomar, si se relaciona con un resultado relevante y si podría mejorar sin que mejorase el negocio. Si la respuesta a la última es sí, es vanidad.
Fuentes y lecturas
- Daniel Yankelovich (1971), transcripción autorizada de la conferencia The New Odds (publicada en 2026): https://ryanmadden.net/the-new-odds-transcript/
- Comisión Europea / Joint Research Centre, análisis de la falacia en el contexto de la prospectiva: https://publications.jrc.ec.europa.eu/repository/bitstream/JRC111103/proceedings_final_with_identifiers.pdf