Analítica de e-commerce: métricas clave, herramientas y guía de dashboard (2026)

La analítica de e-commerce es el sistema que una tienda usa para entender qué se vende, quién compra, qué canales crean clientes rentables y dónde se traban los compradores.

El error es intentar rastrear todos los números a la vez. Un mejor programa de analítica empieza con decisiones: qué productos promocionar, qué fuentes de tráfico financiar, qué problemas de checkout corregir, qué segmentos de clientes retener y qué campañas de ciclo de vida merecen más inversión.

El comportamiento de búsqueda actual muestra una intención práctica. Las personas buscan las mejores herramientas de analítica de e-commerce, las métricas que importan, ejemplos de dashboards y orientación de configuración para Google Analytics 4, Shopify, analítica de email, mapas de calor y datos de clientes. La documentación oficial de Shopify enfatiza dashboards y reportes para ventas, sesiones, transacciones, rendimiento web y decisiones de merchandising. La documentación de Google Analytics se centra en eventos de e-commerce y configuración de medición. La documentación de reporting de Brevo también muestra por qué las métricas de email necesitan interpretación cuidadosa ahora que Apple Mail Privacy Protection y la actividad de bots pueden inflar aperturas y clics.

Esta guía conserva la estructura útil del artículo original: métricas, herramientas, configuración de dashboard, casos de uso de crecimiento, analítica de email y un plan para empezar. Amplía cada sección hasta convertirla en un playbook completo de analítica para equipos de e-commerce.

Respuesta rápida

El mejor stack de analítica de e-commerce suele ser un sistema por capas:

Si empiezas desde cero, no compres primero una suite compleja de analítica. Empieza con:

1. La analítica nativa de tu plataforma de comercio.
2. Eventos de e-commerce en Google Analytics 4.
3. Google Search Console.
4. Reporting de email y SMS.
5. Un único dashboard con vistas diarias, semanales y mensuales.
6. Un proceso para revisar la calidad del tracking antes de confiar en los números.

Luego agrega sincronización de datos de clientes, mapas de calor, análisis de cohortes y analítica avanzada de producto cuando el negocio tenga decisiones específicas que esas herramientas puedan mejorar.

Métricas esenciales de e-commerce

La buena analítica de e-commerce separa métricas de vanidad de métricas de decisión.

Una métrica de vanidad se ve impresionante, pero no cambia una decisión. Una métrica de decisión te dice dónde gastar dinero, qué corregir, qué audiencia atacar, qué producto destacar o qué recorrido de cliente mejorar.

Métricas de ingresos y rentabilidad

Los ingresos por sí solos no bastan. Una tienda puede aumentar ingresos mientras pierde margen, adquiere clientes de baja calidad, descuenta demasiado agresivamente o aumenta devoluciones.

Usa métricas de ingresos para responder preguntas como:

• ¿Qué productos merecen más tráfico?
• ¿Qué productos se venden pero generan bajo margen o altas devoluciones?
• ¿Qué campañas crean pedidos rentables, no solo pedidos?
• ¿Qué bundles aumentan el AOV sin dañar el margen de contribución?
• ¿Qué canales necesitan una oferta diferente porque atraen clientes de bajo valor?

Métricas de conversión y embudo

La tasa de conversión es importante, pero no es un marcador universal. Una tienda con productos caros, ciclos de compra largos, clientes mayoristas o fuerte descubrimiento móvil puede convertir de forma distinta a una tienda de compra impulsiva y bajo precio.

Usa métricas de conversión por segmento en lugar de depender de un único número para todo el sitio.

El objetivo no es simplemente aumentar la tasa de conversión. El objetivo es aumentar la conversión calificada mientras se protege AOV, margen, calidad del cliente y experiencia del cliente.

Por ejemplo, un descuento fuerte puede subir la tasa de conversión y reducir la rentabilidad. Una mejor recomendación de producto puede subir AOV y margen aunque la tasa de conversión no cambie. Una corrección de checkout puede mejorar la conversión móvil sin cambiar la conversión desktop.

Economía del cliente

Las métricas de cliente ayudan al equipo a evitar una visión de campañas aisladas. El crecimiento de e-commerce depende de los clientes que adquieres, no solo del primer pedido que hacen.

ROAS es útil, pero no debería ser la única métrica. Las plataformas publicitarias pueden reclamar crédito por clientes que habrían comprado de todos modos. El reporting de último clic puede subvalorar email, búsqueda orgánica, afiliados, visitas directas o demanda de marca. MER, margen de contribución y retención por cohortes dan una vista más amplia.

Métricas de marketing y canal

Las métricas de canal son valiosas cuando se conectan con comportamiento de clientes e ingresos.

Para email, SMS, WhatsApp, búsqueda pagada, social pagado, afiliados, búsqueda orgánica y tráfico referido, rastrea:

• Ingresos por canal.
• Pedidos por canal.
• Nuevos clientes por canal.
• Clientes recurrentes por canal.
• AOV por canal.
• Margen de contribución por canal.
• Tasa de recompra por canal de adquisición.
• Tasas de baja, opt-out, quejas de spam y supresión.
• Conversiones asistidas o ingresos asistidos por conversación donde corresponda.

La analítica de email y SMS merece cuidado especial. Las aperturas y los clics pueden ser señales direccionales útiles, pero no son el resultado final de negocio. La documentación de reporting de Brevo señala que los reportes recientes pueden incluir Apple Mail Privacy Protection y actividad de bots, lo que puede aumentar aperturas y clics reportados. Eso hace que ingresos, conversión, bajas, opt-outs y comportamiento por segmento sean más confiables para decisiones de negocio.

Stack de herramientas de analítica

Las mejores herramientas de analítica de e-commerce no son las mismas para todos los negocios. El stack correcto depende de la plataforma de tienda, mezcla de tráfico, complejidad de compra, calidad de datos, tamaño del equipo y si la tienda necesita reporting simple u orquestación más profunda de datos de clientes.

Shopify Analytics o analítica de plataforma

Empieza con el sistema donde ocurren realmente los pedidos.

Shopify Analytics es la fuente nativa para ventas, sesiones, transacciones, reportes de producto, tarjetas de dashboard y reportes de tienda. Es útil porque refleja el entendimiento propio de la plataforma de comercio sobre pedidos, clientes, productos, canales de venta y transacciones.

Usa la analítica de plataforma para:

• Seguimiento de ventas y pedidos.
• Rendimiento de productos y variantes.
• Análisis de descuentos y promociones.
• Reporting de canales de venta.
• Contexto de devoluciones y fulfillment.
• Métricas operativas.
• Dashboards para propietarios de tienda.

La limitación es que la analítica de plataforma normalmente no explica todo el recorrido antes de la compra. Puede no mostrar cada interacción de marketing, consulta de búsqueda, repetición de sesión, automatización de email o lógica de segmento de cliente. Por eso la analítica de plataforma debería ser la capa base, no la única capa.

Google Analytics 4

GA4 es la capa estándar de analítica web para eventos de e-commerce y análisis de tráfico.

Usa GA4 para:

• Sesiones y usuarios.
• Fuentes de tráfico y campañas.
• Análisis de landing pages.
• Eventos de e-commerce como view item, add to cart, begin checkout, purchase y refund.
• Exploración de embudos.
• Comportamiento entre dispositivos y sesiones donde la medición lo permita.
• Análisis de audiencias y eventos.

GA4 es útil, pero requiere configuración cuidadosa. Deben revisarse nombres de eventos de e-commerce, IDs de ítem, moneda, IDs de transacción, reembolsos, eventos duplicados, modo de consentimiento y tracking de checkout. Si los IDs de transacción se duplican o se disparan dos veces, los ingresos estarán mal. Si los UTMs son inconsistentes, el reporting de canal tendrá ruido.

Google Search Console

Search Console es esencial para la búsqueda orgánica.

Úsalo para entender:

• Consultas que generan impresiones y clics.
• Páginas que ganan o pierden visibilidad orgánica.
• Posición promedio por consulta y página.
• Demanda de búsqueda de marca vs. no marca.
• Rendimiento de páginas de producto, categoría, guías y comparativas.
• Problemas técnicos de búsqueda e indexación.

Search Console no muestra ingresos directamente, pero te dice qué intenciones de búsqueda orgánica crecen o caen. Combínalo con GA4, Shopify y datos de clientes/pedidos para entender qué páginas orgánicas llevan a pedidos.

Brevo y analítica de plataformas de marketing

Tu plataforma de marketing debería mostrar cómo rinden campañas y automatizaciones.

Para Brevo o una plataforma similar de email/SMS, rastrea:

• Envíos de campañas.
• Entregas.
• Rebotes.
• Aperturas y clics, con cautela.
• Bajas y quejas.
• Ingresos o eventos de conversión cuando estén integrados.
• Rendimiento de automatizaciones por flujo.
• Rendimiento de segmentos.
• Crecimiento de lista y fuente de opt-in.
• Cambios de supresión y consentimiento.

No trates cada apertura como intención. Apple Mail Privacy Protection y la actividad de bots pueden distorsionar métricas de apertura y clic. Usa aperturas y clics como señales diagnósticas, luego valida la calidad de la campaña con ingresos, conversiones, opt-outs, recompras y movimiento de clientes entre etapas del ciclo de vida.

Para equipos de Shopify que usan Brevo, Tajo ayuda a mantener sincronizados clientes de Shopify, pedidos, datos de producto, eventos de ciclo de vida y contexto de contacto de Brevo para que la analítica de campañas no quede atrapada en sistemas separados.

Tajo para sincronización de datos de clientes

La analítica se rompe cuando el contexto de clientes, pedidos, productos, consentimiento y campañas vive en herramientas desconectadas.

Tajo es útil cuando un equipo de e-commerce necesita:

• Sincronizar datos de clientes y pedidos de Shopify en Brevo.
• Mantener actualizados los atributos de contacto.
• Usar historial de compras en campañas y automatizaciones.
• Segmentar por etapa del ciclo de vida, número de pedidos, categoría de producto o valor de cliente.
• Coordinar workflows de email, SMS y WhatsApp con datos de tienda.
• Reducir exportaciones CSV manuales.
• Enviar rendimiento de campañas y contexto de cliente de vuelta a workflows operativos.

El beneficio analítico es práctico. Un dashboard es más útil cuando los mismos identificadores de cliente, pedido y campaña pueden compararse entre analítica de tienda, analítica de marketing y reporting de ciclo de vida.

Microsoft Clarity, herramientas tipo Hotjar y repetición de sesiones

Las herramientas de analítica de comportamiento ayudan a explicar lo que los números no pueden.

Usa mapas de calor y grabaciones de sesión para:

• Confusión en páginas de producto.
• Fricción en checkout.
• Problemas de usabilidad móvil.
• Rage clicks.
• Clics muertos.
• Profundidad de scroll.
• Problemas de navegación.
• Dudas en formularios y pasos de envío.
• Landing pages con tráfico pero conversión débil.

No revises grabaciones al azar. Empieza con una pregunta: “¿Por qué cayó la conversión móvil en checkout?” o “¿Por qué esta página de producto recibe tráfico pero pocos eventos de agregar al carrito?” Luego muestrea grabaciones y mapas de calor para ese segmento.

Mixpanel y analítica de producto

Mixpanel y herramientas similares de analítica de eventos son más fuertes cuando la experiencia de e-commerce es tipo app, basada en suscripción, con login, marketplace o muy impulsada por eventos.

Usa analítica de producto para:

• Comportamiento del ciclo de vida de suscripción.
• Creación de cuenta y onboarding.
• Funciones de uso repetido.
• Interacción con recomendaciones de producto.
• Engagement del programa de lealtad.
• Retención por cohortes.
• Análisis de experimentos.
• Recorridos de cliente que continúan después de la primera compra.

Para una tienda de catálogo simple, GA4 más Shopify puede ser suficiente. Para comercio por suscripción, marketplace, producto conectado a app o experiencia de membresía, la analítica de producto puede revelar comportamiento que los reportes de pedidos no capturan.

Cómo configurar tu dashboard de analítica

Un dashboard de e-commerce debería coincidir con la cadencia operativa. Un dashboard diario es diferente de una revisión mensual de cohortes. Mezclar todo en una sola pantalla crea ruido.

Dashboard diario de operaciones

Úsalo para detectar problemas rápido.

Rastrea:

• Ingresos.
• Pedidos.
• Tasa de conversión.
• Sesiones.
• AOV.
• Fallos de pago.
• Caída en checkout.
• Productos principales.
• Excepciones de inventario o fulfillment.
• Errores de envío de email/SMS.
• Cambios repentinos de fuente de tráfico.

Los dashboards diarios sirven para detección de anomalías. Deberían responder: “¿Hay algo roto hoy?”

Dashboard semanal de crecimiento

Úsalo para decisiones de marketing y merchandising.

Rastrea:

• Ingresos por canal.
• Pedidos por canal.
• Ingresos de clientes nuevos vs. recurrentes.
• AOV por canal.
• Tasa de conversión por dispositivo y fuente.
• Rendimiento del embudo de agregar al carrito y checkout.
• Ingresos de campaña.
• Ingresos de automatización.
• Landing pages principales.
• Productos y categorías principales.
• Uso de descuentos.
• Opt-ins, opt-outs y bajas de email/SMS.

Los dashboards semanales deberían responder: “¿Dónde deberíamos gastar, probar, corregir o promocionar la próxima semana?”

Dashboard mensual de clientes y rentabilidad

Úsalo para análisis de negocio más profundo.

Rastrea:

• Cohortes de clientes.
• Tasa de recompra.
• Tiempo hasta segunda compra.
• CLV por fuente de adquisición.
• CAC por canal.
• MER.
• Margen de contribución por producto o categoría.
• Tasa de devolución y reembolso.
• Dependencia de descuentos.
• Crecimiento de suscriptores.
• Movimiento de segmentos de lealtad o VIP.

Los dashboards mensuales deberían responder: “¿Estamos adquiriendo mejores clientes y construyendo un negocio más sano?”

Dashboard trimestral de planificación

Úsalo para decisiones estratégicas.

Rastrea:

• Mezcla de canales.
• Crecimiento por categoría de producto.
• Tendencias de margen.
• Tendencias de retención.
• Rendimiento de segmentos de clientes.
• Visibilidad en búsqueda.
• Madurez de campañas de ciclo de vida.
• Brechas de herramientas e integraciones.
• Confianza en la atribución.
• Aprendizajes de experimentos.

Los dashboards trimestrales deberían responder: “¿Qué apuestas deberían moldear el próximo trimestre?”

Usar analítica para aumentar ingresos

La analítica solo es útil cuando cambia el trabajo. Cada métrica debería mapearse a una decisión.

Mejorar la tasa de conversión

No empieces preguntando cómo aumentar la tasa de conversión global. Empieza encontrando el segmento donde la conversión es débil y valiosa.

Ejemplos:

• El tráfico móvil convierte peor que desktop.
• El tráfico de social pagado agrega al carrito pero no compra.
• Una página de categoría recibe tráfico de búsqueda pero pocos clics a productos.
• Los inicios de checkout son sanos, pero el abandono en el paso de envío es alto.
• Los clientes recurrentes navegan pero no recompran.

Luego elige la corrección adecuada:

• Mejorar la claridad de la página de producto.
• Agregar guía de talla, compatibilidad o ingredientes.
• Mejorar diseño y velocidad móvil.
• Aclarar políticas de entrega y devolución.
• Reducir cargos sorpresa.
• Agregar opciones de pago.
• Mejorar recomendaciones de producto.
• Enviar emails de carrito abandonado o seguimiento por SMS donde el consentimiento lo permita.
• Probar texto de landing page y alineación de oferta.

Mide el resultado por conversión, ingresos por visitante, AOV, margen y tasa de devolución. Un aumento de conversión es más débil si viene de pedidos de menor calidad.

Aumentar el valor promedio del pedido

El crecimiento de AOV debería venir de valor relevante, no de upsells aleatorios.

Usa analítica para encontrar:

• Productos que suelen comprarse juntos.
• Categorías con fuertes tasas de adjunto.
• Ítems que crean recompras.
• Bundles con buen margen.
• Umbrales de envío gratis que aumentan rentabilidad.
• Recomendaciones de producto que aumentan valor del carrito.
• Ofertas poscompra que no dañan la confianza del cliente.

Tácticas:

• Bundles.
• Kits de producto.
• Ventas cruzadas.
• Descuentos por cantidad.
• Umbrales de envío gratis.
• Recomendaciones personalizadas.
• Ofertas de reposición.
• Upsells poscompra.

Rastrea AOV junto con tasa de conversión y margen de contribución. Un bundle que sube el AOV pero baja demasiado el margen quizá no valga la pena escalarlo.

Impulsar el valor de vida del cliente

El CLV mejora cuando los clientes vuelven a comprar, compran productos de mayor margen, mantienen suscripciones o se vuelven más fáciles de atender.

Usa analítica para identificar:

• Primeros productos que llevan a una recompra fuerte.
• Categorías de producto que generan clientes leales.
• Canales de adquisición con mayor tasa de recompra.
• Segmentos que necesitan educación después de comprar.
• Clientes con probabilidad de reposición.
• Clientes que muestran inactividad.
• Clientes VIP que merecen acceso anticipado u ofertas exclusivas.

Las campañas de ciclo de vida pueden incluir:

• Flujos de bienvenida y onboarding.
• Educación poscompra.
• Solicitudes de reseña.
• Recordatorios de reposición.
• Campañas de venta cruzada y siguiente mejor producto.
• Campañas de lealtad.
• Campañas de re-engagement.
• Acceso anticipado VIP.

Para estas campañas, mide ingresos, recompra, opt-outs, quejas y movimiento de segmentos. Una campaña de retención no debería crear solo un pico temporal de pedidos; debería mejorar la relación con el cliente.

Reducir el costo de adquisición

El costo de adquisición de cliente mejora cuando la tienda apunta a mejores audiencias, mejora la conversión, aumenta el valor del cliente o deja de financiar canales que crean clientes débiles.

Usa analítica para comparar:

• CAC por canal.
• Margen del primer pedido por canal.
• Recompra por canal.
• CLV por canal.
• Uso de descuentos por canal.
• Tasa de reembolso y devolución por canal.
• Tiempo hasta segundo pedido por canal.

Un canal con CAC alto puede seguir siendo fuerte si trae clientes con alta retención. Un canal con CAC bajo puede ser débil si trae compradores que solo compran con descuento y nunca vuelven.

Analítica de email marketing

El email puede ser uno de los canales de e-commerce más fuertes, pero es fácil medirlo mal.

Rastrea el email en tres niveles:

La tasa de apertura puede ayudar a diagnosticar asuntos, entregabilidad o fatiga de lista, pero no debería ser la única métrica de éxito. La documentación de Brevo destaca cambios de reporting relacionados con Apple Mail Privacy Protection y actividad de bots. Eso significa que una campaña puede verse más sana en aperturas y clics de lo que realmente es en comportamiento del cliente.

Para email de e-commerce, prioriza:

• Ingresos por destinatario.
• Tasa de conversión.
• AOV desde email.
• Tasa de recompra.
• Rendimiento por segmento.
• Rendimiento por flujo.
• Tasa de baja y quejas.
• Problemas de entregabilidad.
• Reglas de supresión.

Para Shopify y Brevo, Tajo puede ayudar a conectar datos de tienda con contexto de campaña para que la analítica de email use historial de pedidos, categorías de producto, etapa del ciclo de vida, consentimiento y valor del cliente actuales.

Calidad de datos y QA de atribución

La mala analítica crea decisiones equivocadas con mucha confianza. Antes de escalar un dashboard, ejecuta una checklist de QA.

QA de tracking

Comprueba:

• Los eventos de compra se disparan una vez.
• Los IDs de transacción son únicos.
• Los ingresos usan la moneda correcta.
• Impuestos, envío, descuentos y reembolsos se manejan de forma consistente.
• Los IDs de producto coinciden entre Shopify, GA4, email y reporting.
• Los eventos de agregar al carrito, iniciar checkout y compra usan datos de ítem consistentes.
• Se respetan las configuraciones de consentimiento.
• Los pasos de checkout se rastrean donde sea posible.
• Los redireccionamientos entre dominios o proveedores de pago no rompen sesiones.

QA de UTMs y campañas

Comprueba:

• Existen reglas de nomenclatura UTM.
• Social pagado, búsqueda pagada, email, SMS, afiliados, influencers y campañas orgánicas usan nomenclatura consistente.
• Las automatizaciones de email usan nombres de campaña distintos a newsletters puntuales.
• Los enlaces internos no sobrescriben la fuente de adquisición original.
• Los reportes de campaña separan adquisición de primer pedido de ingresos de clientes recurrentes.

QA de atribución

Ningún modelo de atribución es perfecto.

Compara:

• Atribución de plataforma.
• Atribución de GA4.
• Fuente de pedido de Shopify.
• Reporting de plataforma de email.
• Reporting de plataforma publicitaria.
• MER.
• Retención por cohortes.

Cuando los números discrepan, no los promedies a ciegas. Entiende qué intenta medir cada herramienta. Una plataforma publicitaria puede optimizar por conversiones atribuidas. Shopify puede reportar el pedido. GA4 puede modelar tráfico y eventos. Brevo puede reportar engagement de campañas y conversiones. Un dashboard financiero puede preocuparse por caja, reembolsos y margen de contribución.

El objetivo no es un número mágico. El objetivo es un sistema de reporting que genere mejores decisiones.

Plan de implementación

Usa este orden si la tienda tiene analítica débil hoy.

1. Define las decisiones

Escribe las decisiones que el dashboard debe apoyar:

• ¿Qué productos deberíamos promocionar?
• ¿Qué canal debería recibir más presupuesto?
• ¿Qué problema de checkout deberíamos corregir?
• ¿Qué segmento debería recibir una campaña de ciclo de vida?
• ¿Qué campaña deberíamos detener?
• ¿Qué categoría de producto tiene problemas de margen o devolución?
• ¿Qué clientes probablemente volverán a comprar?

Haz esto antes de elegir herramientas.

2. Instala el tracking principal

Configura:

• Shopify o analítica de plataforma.
• Eventos de e-commerce en GA4.
• Google Search Console.
• Reporting de email y SMS.
• Controles de consentimiento.
• Tracking de pago y checkout donde sea posible.

Valida haciendo pedidos de prueba, revisando conteos de eventos, comparando IDs de transacción y confirmando ingresos.

3. Normaliza datos de campaña

Crea reglas UTM para:

• Búsqueda pagada.
• Social pagado.
• Campañas de email.
• Automatizaciones de email.
• Campañas de SMS.
• Afiliados.
• Influencers.
• Social orgánico.
• Alianzas.

Documenta la convención de nombres. La calidad analítica depende de entradas consistentes.

4. Sincroniza contexto de clientes y pedidos

Conecta los sistemas que necesitan datos compartidos.

Para equipos de Shopify y Brevo, esto puede incluir:

• Campos de perfil de cliente.
• Consentimiento de email y SMS.
• Número de pedidos.
• Fecha de última compra.
• Categorías de producto compradas.
• Valor de vida.
• Etapa del ciclo de vida.
• Eventos de carrito o checkout.
• Pertenencia a segmento.

Aquí es donde una herramienta como Tajo ayuda. Las exportaciones manuales pueden funcionar temporalmente, pero crean datos obsoletos y deriva de reporting.

5. Construye la cadencia de dashboards

Construye cuatro vistas:

• Operaciones diarias.
• Crecimiento semanal.
• Clientes y rentabilidad mensual.
• Planificación trimestral.

Mantén cada dashboard enfocado. Un dashboard diario no debería contener todos los gráficos de cohortes. Un dashboard mensual no debería exigir revisar cada pedido de ayer.

6. Ejecuta un experimento a la vez

La analítica mejora cuando el equipo cambia una cosa y mide el resultado.

Ejemplos:

• Reescribir una página de producto con mucho tráfico.
• Corregir un paso de checkout.
• Agregar un flujo poscompra.
• Probar un bundle.
• Mejorar una landing page de categoría.
• Segmentar una campaña de email por historial de compras.
• Cambiar una oferta de landing page pagada.

Mide el impacto antes y después en las métricas relevantes. Si el dashboard no puede mostrar impacto, mejora la medición antes de escalar más experimentos.

Primeros pasos

Si estás construyendo analítica de e-commerce esta semana, usa este camino práctico:

1. Confirma que la analítica de tu tienda coincide con los pedidos reales.
2. Configura o audita eventos de e-commerce en GA4.
3. Conecta Google Search Console.
4. Revisa reporting de email y SMS, incluidos ingresos, bajas y opt-outs.
5. Crea un dashboard semanal con ingresos, pedidos, tasa de conversión, AOV, ingresos por visitante, canales principales, productos principales, abandono de carrito, abandono de checkout e ingresos de campaña.
6. Elige un problema de crecimiento: caída en checkout, AOV bajo, recompra débil, mala conversión de landing pages orgánicas o campañas de bajo rendimiento.
7. Ejecuta una mejora y mide el impacto durante al menos un ciclo de compra completo.
8. Agrega sincronización de datos de clientes mediante Tajo cuando el reporting de Shopify, Brevo, campañas, consentimiento y ciclo de vida necesite contexto compartido.

La analítica de e-commerce no consiste en tener la mayor cantidad de gráficos. Consiste en tomar mejores decisiones con datos actuales y confiables.