El promedio de tasas miente: por qué cada métrica necesita una sola definición
CTR, CPA y ROAS se calculan sumando numerador y denominador, nunca promediando tasas. Mira el error, la cuenta correcta y cómo fijar cada definición.

Contenido
Promediar tasas casi siempre da un número equivocado. CTR, CPC, CPA, ROAS y tasa de conversión son divisiones, y una división solo tiene sentido cuando sumas el numerador y el denominador de todo el período y divides una vez. Cuando la misma métrica se calcula de formas distintas en cada hoja de cálculo, el problema deja de ser de cuentas y pasa a ser de confianza: nadie sabe qué número vale.
El promedio de tasas da el mismo peso a lo que no pesa igual
Imagina dos campañas hipotéticas en la misma semana. La campaña A tuvo 100.000 impresiones y 1.000 clics. La campaña B tuvo 2.000 impresiones y 100 clics.
A
- Impresiones
- 100.000
- Clics
- 1.000
- CTR
- 1,0 %
B
- Impresiones
- 2.000
- Clics
- 100
- CTR
- 5,0 %
Promedio de los CTR
- Impresiones
- Clics
- CTR
- 3,0 %
CTR real (suma ÷ suma)
- Impresiones
- 102.000
- Clics
- 1.100
- CTR
- 1,08 %
| Campaña | Impresiones | Clics | CTR |
|---|---|---|---|
| A | 100.000 | 1.000 | 1,0 % |
| B | 2.000 | 100 | 5,0 % |
| Promedio de los CTR | 3,0 % | ||
| CTR real (suma ÷ suma) | 102.000 | 1.100 | 1,08 % |
El promedio de los dos CTR da 3,0 %. Pero el CTR (tasa de clics, clics ÷ impresiones) de las dos campañas juntas es 1.100 ÷ 102.000 = 1,08 %. El promedio trató a B, que tuvo el 2 % de las impresiones, como si valiera tanto como A. Si le llevas 3,0 % al cliente, estás casi triplicando la tasa real.
La regla vale para cualquier métrica que sea una división. Google Ads define el CTR como clics divididos por impresiones y la tasa de conversión como conversiones divididas por las interacciones que se pueden rastrear hasta una conversión. Ninguna de las dos definiciones habla de promedio. Para juntar campañas, días, cuentas o canales, suma las partes y divide al final.

El ROAS diario promedio no es el ROAS del período
El mismo error aparece en el tiempo. Una cuenta hipotética invirtió $2.000 en tres días:
1
- Inversión
- $1.000
- Ingreso atribuido
- $2.000
- ROAS del día
- 2,0
2
- Inversión
- $100
- Ingreso atribuido
- $800
- ROAS del día
- 8,0
3
- Inversión
- $900
- Ingreso atribuido
- $900
- ROAS del día
- 1,0
Promedio de los ROAS diarios
- Inversión
- Ingreso atribuido
- ROAS del día
- 3,67
ROAS del período
- Inversión
- $2.000
- Ingreso atribuido
- $3.700
- ROAS del día
- 1,85
| Día | Inversión | Ingreso atribuido | ROAS del día |
|---|---|---|---|
| 1 | $1.000 | $2.000 | 2,0 |
| 2 | $100 | $800 | 8,0 |
| 3 | $900 | $900 | 1,0 |
| Promedio de los ROAS diarios | 3,67 | ||
| ROAS del período | $2.000 | $3.700 | 1,85 |
El ROAS (retorno de la inversión publicitaria, ingreso ÷ inversión) del período es $3.700 ÷ $2.000 = 1,85. El promedio de los tres ROAS diarios es (2,0 + 8,0 + 1,0) ÷ 3 = 3,67, casi el doble. El día 2 gastó solo $100, pero pesó tanto como el día 1, que gastó diez veces más. Los días de poca inversión suelen tener tasas extremas, hacia arriba o hacia abajo, y el promedio les da una voz que el dinero no les dio.
El CPA (costo por adquisición) tiene la misma trampa: inversión total ÷ conversiones totales, nunca el promedio de los CPA por campaña.
La mezcla cambia la conclusión, no solo el número
Sumar las partes resuelve la cuenta, pero leer el resultado todavía exige cuidado. Mira dos campañas hipotéticas, con clics y conversiones separados por dispositivo:
X
- Celular
- 20 de 1.000 (2,0 %)
- Computadora
- 50 de 500 (10,0 %)
- Total
- 70 de 1.500 (4,67 %)
Y
- Celular
- 3 de 200 (1,5 %)
- Computadora
- 160 de 2.000 (8,0 %)
- Total
- 163 de 2.200 (7,41 %)
| Campaña | Celular | Computadora | Total |
|---|---|---|---|
| X | 20 de 1.000 (2,0 %) | 50 de 500 (10,0 %) | 70 de 1.500 (4,67 %) |
| Y | 3 de 200 (1,5 %) | 160 de 2.000 (8,0 %) | 163 de 2.200 (7,41 %) |
X convierte mejor en celular (2,0 % contra 1,5 %) y en computadora (10,0 % contra 8,0 %). Aun así, Y convierte mejor en el total (7,41 % contra 4,67 %). No es un error de cuenta: Y concentró los clics en computadora, donde todos convierten más. Este efecto tiene nombre, paradoja de Simpson, y explica por qué comparar tasas totales entre campañas con públicos, dispositivos o ubicaciones muy distintos puede engañar.
La salida no es elegir un lado. Es mirar el total (que muestra el resultado real) y el desglose (que muestra por qué), y no decidir presupuesto con base en una tasa sin conocer la mezcla que hay detrás.
Algunas métricas se suman, otras hay que volver a contarlas
Antes de juntar filas, pregúntate si la métrica es aditiva, es decir, si la suma de las partes es igual al total.
- Se suman: inversión, impresiones, clics, conversiones, valor de conversión. Sumar los días da la semana; sumar las campañas da la cuenta.
- Recalcula: CTR, CPC, CPA, ROAS, tasa de conversión. No se suman ni se promedian, pero salen correctas de las partes que sí se suman.
- Vuelve a contar: alcance, usuarios únicos y todo lo que depende de ellos, como la frecuencia. La misma persona aparece en varios días y en varias campañas.
El alcance de Meta es una estimación de las cuentas del Centro de cuentas que vieron el anuncio al menos una vez. Si una campaña hipotética alcanzó 10.000 cuentas por día durante siete días, la suma da 70.000, pero el alcance de la semana puede ser cualquier número entre 10.000 (las mismas personas todos los días) y 70.000 (gente nueva cada día). Solo la plataforma, con los datos de cada exposición, conoce el número real. Lo mismo vale para los usuarios en GA4: el total de usuarios de un mes no es la suma de los usuarios de cada día.
La frecuencia hereda el problema. Con 140.000 impresiones en la semana, dividir por la suma de los alcances diarios da 140.000 ÷ 70.000 = 2,0. Si el alcance real de la semana fue 25.000, la frecuencia real es 140.000 ÷ 25.000 = 5,6. La cuenta con la suma subestima la saturación justo cuando importa.

Para las métricas que no se suman, pide a la fuente el número ya calculado para todo el período (un informe de la semana, no siete informes diarios), o recalcúlalo a partir de los datos crudos con un conteo distinto. Y di en el informe cuándo un número es aproximado.
"Conversión" significa cosas distintas en cada herramienta
Aun con la cuenta correcta, dos pantallas pueden no coincidir porque no están contando lo mismo.
- En Google Ads, la columna "Conversiones" muestra solo las acciones de conversión principales, las que se usan en las ofertas. Las secundarias aparecen solo en "Todas las conversiones", que también incluye conversiones entre dispositivos y otras fuentes.
- En GA4, lo que antes se llamaba conversión hoy se llama evento clave. "Conversión" quedó para el evento que llevas a Google Ads para medir y optimizar campañas.
- La tasa de conversión de Google Ads divide por interacciones. Tu hoja de cálculo puede dividir por clics, por sesiones de GA4 o por leads del CRM.
Ninguna de estas elecciones está mal. El error es poner números con definiciones distintas lado a lado con el mismo nombre. Si el informe dice "conversiones", tiene que decir cuáles.
Escribe cada definición una sola vez: el registro de métricas
Un registro de definiciones es una tabla simple que responde, para cada métrica, cinco preguntas. Un ejemplo hipotético:
CTR
- Fórmula
- suma(clics) ÷ suma(impresiones)
- Fuente
- Meta Ads, Google Ads
- Granularidad
- anuncio por día
- Responsable
- medios pagados
ROAS
- Fórmula
- suma(valor de conversión) ÷ suma(inversión)
- Fuente
- plataformas de anuncios
- Granularidad
- campaña por día
- Responsable
- medios pagados
Conversión
- Fórmula
- evento de compra (evento clave de GA4, acción principal de Google Ads)
- Fuente
- GA4, Google Ads
- Granularidad
- evento
- Responsable
- analytics
Tasa de conversión
- Fórmula
- suma(conversiones) ÷ suma(clics)
- Fuente
- plataformas de anuncios
- Granularidad
- campaña por día
- Responsable
- medios pagados
Alcance
- Fórmula
- conteo único de cuentas en el período pedido
- Fuente
- Meta Ads
- Granularidad
- período completo
- Responsable
- medios pagados
| Métrica | Fórmula | Fuente | Granularidad | Responsable |
|---|---|---|---|---|
| CTR | suma(clics) ÷ suma(impresiones) | Meta Ads, Google Ads | anuncio por día | medios pagados |
| ROAS | suma(valor de conversión) ÷ suma(inversión) | plataformas de anuncios | campaña por día | medios pagados |
| Conversión | evento de compra (evento clave de GA4, acción principal de Google Ads) | GA4, Google Ads | evento | analytics |
| Tasa de conversión | suma(conversiones) ÷ suma(clics) | plataformas de anuncios | campaña por día | medios pagados |
| Alcance | conteo único de cuentas en el período pedido | Meta Ads | período completo | medios pagados |
La granularidad es el nivel de detalle de la fila guardada (anuncio por día, campaña por semana). Indica qué se puede sumar con seguridad y qué hay que recalcular. El responsable es quien decide cuándo cambia la definición, y avisa a todos cuando cambia.
El registro por sí solo ya evita muchas discusiones. El paso siguiente es sacar la cuenta de las manos de cada persona.
Capa semántica: la definición se vuelve código
Una capa semántica es un modelo que está entre la base de datos y quien consume los números (dashboard, hoja de cálculo, informe, asistente de IA). En ella declaras las medidas que se suman y las métricas derivadas, como "el CTR es la suma de clics dividida por la suma de impresiones". Quien pregunta pide "CTR por campaña en el mes" y la capa genera la cuenta correcta para ese recorte, en lugar de que cada herramienta invente la suya.
Hay varias implementaciones: Cube declara medidas y trata medidas como conteos distintos y promedios como no aditivas; el dbt Semantic Layer tiene métricas de tipo razón, con numerador y denominador agregados antes de la división; LookML, de Looker, define medidas de suma, promedio y conteo distinto en el modelo. La herramienta importa menos que el principio: la fórmula vive en un solo lugar, versionada, y todo consumidor la lee de ahí.
En Relator Digital, las métricas pasan por una capa semántica en Cube. El CTR está declarado como clics ÷ impresiones y el ROAS como valor de conversión ÷ inversión, calculados sobre las sumas del recorte pedido, y la división por cero devuelve vacío en lugar de 0 (una campaña sin clics no aparece con el CPC más barato). La frecuencia de Meta calculada a partir del alcance diario viene marcada como aproximada, con una medida separada para la frecuencia deduplicada en ventanas de 7 y 28 días. Dashboard, informe y RelatorAI consultan esas mismas definiciones.
Cómo aplicarlo
- 1.Busca promedios de tasas en tus informes y hojas de cálculo:
PROMEDIO()sobre columnas de CTR, CPC, CPA, ROAS o tasa de conversión. Cámbialos por suma del numerador ÷ suma del denominador. - 2.Clasifica cada métrica que reportas en "se suma", "se recalcula" o "se vuelve a contar". Para las del último grupo, trae el número del período completo desde la fuente y no sumes días.
- 3.Arma el registro de definiciones con nombre, fórmula, fuente, granularidad y responsable. Empieza por las diez métricas que más aparecen en el informe del cliente.
- 4.Escribe qué "conversión" usa cada informe (acción principal de Google Ads, evento clave de GA4, lead del CRM) y no mezcles definiciones con el mismo nombre.
- 5.Cuando compares tasas totales entre campañas, abre el desglose por dispositivo, ubicación o público antes de mover presupuesto.
- 6.Si más de una herramienta lee los mismos datos, lleva las fórmulas a una capa semántica y haz que dashboards e informes consulten desde ahí.
Fuentes
- Google Ads Help: Clickthrough rate (CTR): Definition
- Google Ads Help: Conversion rate: Definition
- Google Ads Help: About primary and secondary conversion actions
- Google Ads Help: About "All conversions"
- Google Analytics Help: Conversions vs. key events in Google Analytics
- Google Analytics Help: Comparing metrics: Google Analytics vs. Universal Analytics
- Meta Business Help Center: About reach metrics
- Cube: Accelerating non-additive measures
- dbt Docs: Ratio metrics
- Looker Docs: Measure types
- Stanford Encyclopedia of Philosophy: Simpson's Paradox

Sobre el autor
João Vitor Moitinho
João Vitor Moitinho es el fundador de Relator Digital. Ingeniero en computación, trabaja con growth, medición y martech, y escribe aquí sobre lo que aprende construyendo informes para agencias de performance.
João Vitor Moitinho en LinkedInEste artículo también está disponible en Markdown, para agentes y LLMs: ver versión .md
