El árbol de métricas desde la NSM.
La estructura que conecta el valor entregado al cliente con el trabajo cotidiano. Cómo construirla, qué incluir y cómo usarla para diagnosticar.
Qué es el árbol de métricas y para qué sirve.
Un árbol de métricas desde la NSM conecta una métrica principal con componentes, factores de influencia y señales operativas. Complementa al dashboard: además de mostrar números, explicita cómo se relacionan. Distinguí identidades matemáticas, que deben reconciliar exactamente, de hipótesis de influencia, que necesitan evidencia. Dibujar una flecha no demuestra causalidad. La definición general de NSM está en el Glosario; esta guía desarrolla cómo construir y usar el mapa.
El árbol ayuda a localizar qué parte del sistema cambió y dónde conviene investigar. No vuelve completo el diagnóstico: puede omitir variables, contener relaciones equivocadas o depender de datos defectuosos. Su utilidad aumenta cuando cada vínculo indica qué sabemos, qué suponemos y cómo lo comprobaríamos.
Cumple tres funciones: alineación, al hacer visibles contribuciones y dependencias; diagnóstico, al ordenar preguntas; y priorización, al comparar hipótesis de intervención. Las métricas de calidad, costos o riesgos también importan, aunque no formen una rama que deba crecer.
El North Star Playbook de Amplitude conecta una NSM con inputs que el equipo puede influir. En esta guía, el mapa se amplía con una descomposición aritmética y controles de medición. Construirlo explicita supuestos; estimar efectos causales requiere un diseño y supuestos adecuados, como explica Causal Inference: What If.
02 — La estructuraLa estructura del árbol: 3 niveles.
Organizar el mapa en tres niveles puede facilitar su lectura. Es una propuesta de diseño, no una cantidad obligatoria de niveles o métricas. Elegí la cadencia de observación según el ciclo de uso, el volumen de datos, el rezago y la decisión que necesita tomar el equipo.
Nivel 1 — La NSM (cima)
La métrica principal representa el valor buscado dentro de un producto o unidad. Definí cómo se calcula y qué puede dejar fuera. Se mantiene mientras sea útil y se revisa cuando cambia el modelo de negocio, la estrategia o la evidencia; su lectura puede ser frecuente sin redefinirla cada vez.
Nivel 2 — Las métricas de palanca (intermedio)
Incluí pocos factores relevantes, por ejemplo adquisición, activación, retención y expansión. Pueden ser resultados intermedios, tasas o componentes exactos. No son todos “outputs” en el sentido de entregables. Si una rama cambia, ofrece una pista para investigar, no una causa ya identificada.
Nivel 3 — Las métricas de input (base)
Reuní las señales necesarias para actuar y diagnosticar: recursos, actividades, entregables y resultados influidos por cada área. En el framework NSM, “input” se usa también para factores de influencia; eso no equivale a control directo. La guía de inputs y outputs distingue ambos usos.
03 — Cómo construirloCómo construir el árbol de métricas en 5 pasos.
Confirmar la NSM con precisión operacional
Especificá evento válido, unidad de conteo, población, ventana, zona horaria y exclusiones. “Usuarios que completan al menos un flujo core en siete días” todavía exige definir el flujo, la deduplicación y si la ventana es calendario o móvil. Guardá fuente, consulta, versión y responsable; dos personas con los mismos datos deben poder reproducir el número.
Separar componentes exactos de factores de influencia
Si la NSM puede descomponerse por segmentos o estados, empezá por una partición sin solapamientos. En otro nivel, proponé qué factores pueden influir sobre ella. El journey adquisición → activación → uso recurrente → expansión sirve como hipótesis inicial en algunos productos; sus tasas y volúmenes no se suman ni multiplican sin una fórmula válida.
Definir factores y métricas de protección
Elegí indicadores que ayuden a observar cada etapa y sus límites. Leads generados y leads que pasan el scoring son resultados del proceso de adquisición, con distinta definición de calidad; no se vuelven input y output sólo por cambiar el filtro. Incluí calidad y costos para detectar mejoras aparentes.
Mapear los inputs por área
Identificá acciones y dependencias: qué puede decidir el área, sobre qué resultados influye y qué necesita de otros equipos. Asigná responsables de datos y de decisiones, sin hacerlos responsables exclusivos de factores que no controlan. Para cada acción, expresá qué cambio esperás observar.
Comprobar coherencia, datos y límites
Recalculá las identidades con el mismo período y población. Para las hipótesis, buscá evidencia, rezagos y explicaciones alternativas. Revisá casos donde los factores mejoran y la NSM no: pueden existir compensaciones, cambios de mezcla o vínculos débiles. No ajustes retrospectivamente el mapa sólo para que todo parezca explicado.
Árbol de métricas completo — ejemplo SaaS B2B.
El siguiente es un ejemplo hipotético para un SaaS B2B de productividad. Conserva un mapa por etapas del journey, pero sus flechas expresan relaciones a investigar. Las ramas mezclan usuarios, cuentas, tasas y ventanas; por eso no constituyen una fórmula de la NSM. Los umbrales son ilustrativos y requieren definición propia.
El diagrama reúne 17 indicadores: 1 NSM, 4 factores y 12 señales por área. Es una cuenta de nodos, no una suma de valores ni una cantidad óptima. CAC y NPS, por ejemplo, aportan controles y contexto; no son acciones que el equipo pueda fijar a voluntad. Definí denominadores y cohortes para activación y retención antes de comparar sus tasas.
Una descomposición que sí reconcilia exactamente
Supongamos que la NSM cuenta usuarios únicos que completaron al menos un flujo válido durante una semana calendario. Dentro de la misma población y zona horaria, con una identidad de usuario estable y deduplicada, dividí los activos de la semana actual en tres grupos:
Nuevos: completaron su primer flujo válido de toda la historia en la semana actual. Retenidos: estuvieron activos en la semana anterior y también en la actual. Reactivados: estuvieron activos antes de la semana anterior, no estuvieron activos la semana anterior y vuelven a estarlo en la actual. Con un historial suficiente y las mismas exclusiones, los grupos son mutuamente excluyentes y cubren todos los activos actuales.
Activos actuales = nuevos + retenidos + reactivados. Ejemplo hipotético: 800 + 3.200 + 400 = 4.400. Si la semana anterior hubo 4.000 activos, 800 no repitieron esta semana: 4.000 + 800 nuevos + 400 reactivados − 800 que no repitieron = 4.400. “No repitieron” describe inactividad en esa ventana, no necesariamente cancelación del contrato.
La identidad muestra qué componentes explican aritméticamente el cambio; no dice qué campaña o mejora lo causó. Un historial incompleto puede clasificar antiguos usuarios como nuevos. Si elegís cuentas como unidad, construí la misma partición con cuentas únicas y reglas de deduplicación propias: no mezcles cuentas y usuarios ni ventanas móviles y calendario.
05 — Criterios de selecciónCriterios de selección de métricas para el árbol.
Elegí métricas por la decisión que permiten tomar: reconciliar un cambio, contrastar un mecanismo o vigilar una restricción. No todas tienen que explicar directamente la NSM. Un indicador externo o una métrica de calidad puede ser indispensable para interpretar lo ocurrido o evitar una decisión dañina.
Para el nivel de palanca
Un componente o factor con definición clara y relación explícita con la NSM. Si es una identidad, documentá la fórmula; si es una hipótesis, registrá evidencia y condiciones. Dos factores pueden estar correlacionados sin ser la misma variable, y tratarlos como independientes puede producir doble conteo.
Para el nivel de input
Una señal que ayude a actuar o diagnosticar, con responsable y frecuencia útil. Aclarar control e influencia es más preciso que llamar controlable a toda métrica de un área. Evitá exigir una lectura semanal a un resultado que tarda meses en madurar.
Métricas que NO pertenecen
Excluí duplicados sin uso, indicadores sin definición y cifras que no informan ninguna decisión. Conservá contexto externo cuando sea relevante: estacionalidad, cambios de precio o composición pueden explicar un movimiento. Ubicalo como contexto, no como acción controlable.
Cantidad útil
No hay un total universal de 15 a 25. Empezá con los componentes y controles indispensables; añadí detalle cuando cambie una decisión. La cantidad depende del producto, las ramas y la granularidad. Si el mapa es difícil de leer, agrupá y abrí niveles de detalle sin eliminar información crítica.
Cómo usar el árbol para diagnosticar.
Partí de la anomalía relevante, que puede aparecer en la NSM, una rama o una métrica de protección. Verificá primero definición y datos. Después segmentá y compará hipótesis antes de intervenir. El recorrido de arriba hacia abajo es útil para una caída agregada; no es la única forma de investigar.
Un buen árbol reduce preguntas difusas a comprobaciones concretas. El resultado útil de una revisión puede ser una causa verificada, una hipótesis para experimentar o un dato que falta. Dejá registrada la siguiente decisión y la evidencia necesaria; no prometas resolver cualquier caída en veinte minutos.
Criterio editorialCómo se conecta con el resto del sistema.
Analítica y KPIs
El árbol define preguntas y métricas; analítica instrumenta la medición y verifica su calidad. Acordá una frecuencia útil para las decisiones, sin exigir tiempo real a todas las señales.
Reporting y dashboards
Los dashboards bien diseñados visualizan los tres niveles del árbol con jerarquía: NSM destacada, palancas en el cuerpo, inputs en el detalle por área.
Atribución y medición
La atribución distribuye crédito con determinadas reglas y datos. No demuestra por sí sola que un input cause un cambio en otra métrica. Separá medición del recorrido, asociación observada y estimación del efecto incremental.
Experimentación
El A/B testing puede estimar el efecto de una intervención si la asignación, medición y análisis son válidos. No verifica automáticamente todo el árbol. Usá métricas de calidad y protección, y considerá rezagos y efectos sobre otros usuarios.
Conversión y CRO
La conversión es típicamente una palanca crítica del árbol — la que conecta tráfico calificado con leads o activación.
Retención y churn
El churn mide una pérdida bajo una definición y período concretos. Incluí esa información cuando sea relevante y distinguí cancelación de contrato de inactividad de uso: no completar un flujo esta semana no implica necesariamente haber abandonado el producto.
Segmentación e ICP
El ICP bien definido permite que la palanca de adquisición mida "leads calificados" en lugar de "leads" — el árbol depende de esta precisión.
Propuesta de valor
La propuesta de valor ayuda a definir qué resultados cuentan como valiosos. Si los usuarios no consiguen ese resultado, investigá producto y experiencia; no asumas una relación proporcional entre recursos, entregas y efecto.
Diferenciación y evidencia
La diferenciación puede afectar adquisición, disposición a pagar y expectativas. Estudiá su relación con calidad de demanda y resultados; una oferta poco diferenciada no produce inevitablemente leads de baja calidad.
Posicionamiento de marca
La marca puede influir en confianza, elección y respuesta a campañas. Si es relevante, incorporá una señal o una hipótesis de contexto con evidencia. No hace falta convertirla en una rama numérica ni asumir que el árbol captura todo su efecto.
Errores frecuentes al construir el árbol de métricas.
Construir el árbol de abajo hacia arriba
El error más frecuente: empezar por "¿qué métricas tenemos disponibles?" en lugar de "¿qué métricas necesitamos para explicar el movimiento de la NSM?". Un árbol construido desde los datos disponibles reproduce el sesgo de disponibilidad — mide lo fácil de medir, no lo importante. Se construye desde la NSM hacia abajo.
Demasiadas métricas en el nivel de palanca
Un nivel intermedio demasiado denso dificulta la lectura. Agrupá factores por preguntas de decisión y abrí detalles cuando haga falta. No elimines una variable relevante sólo para cumplir una cuota de tres a cinco.
No asignar responsables a cada rama
Un árbol sin responsables es un mapa sin usuarios. Cada palanca debe tener un área responsable, y cada input una persona específica que lo monitorea. Sin esa asignación, el árbol es una herramienta que nadie usa porque nadie sabe de quién es el problema cuando un número cae.
No actualizar el árbol cuando cambia el negocio
Un árbol de hace un año puede estar desactualizado si el modelo evolucionó. El síntoma: aparecen movimientos en la NSM que el árbol no puede explicar y el diagnóstico siempre termina en "debe ser algo que no estamos midiendo". Ese es el momento de revisar el árbol, no de agregar más inputs.
Preguntas frecuentes sobre el árbol de métricas.
¿Qué es un árbol de métricas en marketing?
Un árbol de métricas conecta una NSM con componentes, factores y señales operativas. Puede contener descomposiciones matemáticas e hipótesis de influencia. Ayuda a orientar decisiones y diagnosticar cambios, pero sus flechas no prueban causalidad ni garantizan una explicación completa.
¿Cuántas métricas debe tener un árbol de métricas?
No hay una cantidad universal. Incluí las métricas necesarias para reconciliar cambios, investigar factores y vigilar calidad o riesgos. Empezá simple y añadí detalle cuando mejore una decisión; demasiados indicadores sin función dificultan el uso, pero eliminar controles para cumplir una cuota también puede crear puntos ciegos.
¿Cómo se construye un árbol de métricas paso a paso?
Cinco pasos: 1) Definir la NSM y su contrato de medición. 2) Separar componentes exactos de factores de influencia. 3) Elegir factores y métricas de protección. 4) Vincular acciones, señales y responsables. 5) Comprobar identidades, datos e hipótesis y documentar los límites. Construí desde la pregunta de negocio, no sólo desde los datos disponibles.
Amplitude. The North Star Playbook. NSM e inputs como marco de gestión. La partición semanal y el protocolo de diagnóstico de esta guía son ejemplos editoriales.
Croll, A., & Yoskovitz, B. Lean Analytics. O’Reilly Media. Capítulo 2, “How to Keep Score”, y capítulo 14, “What Stage Are You At?”.
Hernán, M. A., & Robins, J. M. Causal Inference: What If. Fundamentos para distinguir asociación y efectos causales.
Microsoft Experimentation Platform (2021). Patterns of Trustworthy Experimentation: During-Experiment Stage. Métricas de calidad de datos, diagnóstico y protección.
Kaushik, A. (2010). Web Analytics 2.0: The Art of Online Accountability and Science of Customer Centricity. Sybex.
Términos del glosario¿Qué es la North Star Metric?
Inicial · Spoke 02Cómo elegir la NSM correcta
Inicial · Spoke 03OKRs en marketing
Intermedio · Spoke 04Métricas de input y output
Intermedio · Spoke 06Alinear al equipo a un objetivo
Avanzado · Spoke 07Cuando la NSM se vuelve vanity
Avanzado · Spoke 08Cómo cambiar la NSM sin romper
Avanzado · Spoke 09NSM, OKRs y operating model
Tenés la NSM y el árbol. El siguiente desafío es organizacional: cómo hacer que un equipo con múltiples áreas y prioridades distintas opere alineado alrededor de un solo objetivo.
Cómo alinear al equipo a un objetivo único →