Cómo medir si el go-to-market está funcionando.
Métricas diagnósticas por componente, embudo de validación y la señal concreta de que el GTM está listo para escalar — antes de comprometer más presupuesto.
Por qué las métricas de go-to-market son diagnósticas, no de desempeño.
Las métricas go-to-market útiles no son las que miden el resultado del negocio — revenue, clientes totales, churn —, sino las que diagnostican qué componente del sistema produce el comportamiento que debería producir. La diferencia es crítica: un resultado negativo en métricas de desempeño tiene varias causas posibles, y sin diagnóstico por componente el equipo no puede identificar cuál está roto.
Un GTM que no convierte puede tener el ICP mal definido, el mensaje incorrecto, los canales equivocados, el modelo de ventas desalineado con el journey de compra del segmento, o un posicionamiento de marca que no resuena con la propuesta de valor que entrega. Sin métricas diagnósticas por componente, la respuesta default es "hay que invertir más" — cuando la correcta puede ser "hay que ajustar el ICP antes de invertir más".
Itamar Gilad, en Evidence-Guided (2022), establece que las métricas de output (revenue, clientes) solo son útiles si están conectadas con métricas de input que permiten identificar qué variables controla el equipo y cuáles está optimizando. Sin esa conexión, el equipo optimiza outputs sin poder identificar qué palancas mover para producirlos. Este principio — desarrollado en métricas de input vs. output — aplica directamente al diagnóstico del GTM y conecta con la arquitectura de objetivos y north star.
02 — Métricas por componenteMétricas go-to-market por componente del sistema.
Cada componente del GTM tiene su propio set de métricas diagnósticas. Cuando una métrica está fuera del rango esperado, señala el componente que necesita atención — sin contaminar el diagnóstico de los demás. Las métricas del componente ICP se cruzan con la segmentación de ICP y la construcción de buyer persona y JTBD aguas arriba.
Métricas que validan si el ICP está bien definido
Métricas que validan si el mensaje resuena en el ICP
Métricas que validan si los canales son los correctos para el ICP
Métricas que validan si el modelo comercial está alineado con el ICP
El embudo de diagnóstico del go-to-market.
Las métricas por componente son más útiles cuando se leen en el orden del embudo — cada etapa depende de que la anterior funcione. Una ruptura en etapas tempranas contamina todas las métricas posteriores. El cohort analysis ayuda a aislar el efecto temporal de cada ajuste.
El principio es simple: la ruptura ocurre en la primera etapa con métricas fuera del rango esperado. Si el alcance es correcto pero la conversión inicial es baja, el problema es el mensaje. Si la conversión inicial es correcta pero la calificación es baja, el problema es el canal — trae volumen del segmento incorrecto. Si la calificación es correcta pero la retención es baja, el problema es el ICP — el segmento que compra no es el que produce valor.
04 — Listo para escalarLa señal de que el GTM está listo para escalar.
Escalar el GTM — aumentar la inversión en adquisición — tiene sentido solo cuando el sistema produce resultados predecibles. El test correcto no es si el GTM produjo buenos resultados la última semana — es si el equipo puede predecir con confianza razonable qué va a producir si duplica el presupuesto. Esta lógica es la base del trabajo de experimentación rigurosa aguas arriba, y se cruza con la economía sostenible que aporta el pricing, la retención y la expansión del CLV.
La pregunta que más me ayuda a evaluar si un GTM está listo para escalar es simple: "si mañana conseguís el doble de leads del canal principal, ¿podés predecir cuántos de ellos van a ser del ICP, cuántos van a cerrar y en cuántas semanas?" Si la respuesta tiene confianza razonable, el GTM está listo. Si la respuesta es "depende de muchos factores", no está listo — hay componentes que todavía no son predecibles y escalar los amplifica, no los resuelve.
Lisandro IserteFrecuencia de revisión por tipo de métrica.
| Tipo de métrica | Ejemplos | Frecuencia | Por qué |
|---|---|---|---|
| Operativas del embudo | Tasa de conversión por etapa, ciclo de ventas, calidad del lead | Semanal | Señalan problemas antes de que se amplifiquen |
| Estructurales del GTM | CAC por canal, CLV por segmento, % ICP | Mensual | Requieren volumen suficiente para ser estadísticamente válidas |
| Sistémicas | Revisión completa de ICP, mensaje, canales y modelo | Trimestral | Cambios en el sistema requieren tiempo para producir señal |
| De retención y expansión | Retención a 90 días, NRR, churn por cohorte | Por cohorte mensual | El comportamiento de retención tiene latencia — se mide en cohortes |
Los dashboards de rendimiento deben estar organizados por esta jerarquía de frecuencia — métricas semanales arriba para revisión rápida, mensuales en el medio, trimestrales en una capa separada. Mezclar las tres en un solo panel produce parálisis por ruido: el equipo reacciona a la métrica semanal cuando debería estar mirando la estructural. La revisión de retención y expansión se cruza con customer success y con el lifecycle marketing en sí — el equipo de adquisición no diagnostica solo, necesita la data de retención aguas abajo.
06 — Errores frecuentesErrores frecuentes al medir el go-to-market.
Definir las métricas de validación después de que los resultados son malos
Las métricas definidas post-hoc están sesgadas hacia confirmar la interpretación que el equipo ya tiene de por qué algo no funcionó. Las métricas diagnósticas deben definirse antes de ejecutar — con los thresholds que indicarán si cada componente está produciendo el comportamiento correcto. Sin ese benchmark previo, cualquier resultado se puede interpretar de manera favorable.
Medir solo el output y no el diagnóstico por componente
Un dashboard que muestra revenue, clientes nuevos y churn mide el resultado del GTM pero no diagnostica por qué ese resultado es el que es. Sin las métricas de cada componente, el equipo sabe que el GTM no está produciendo los resultados esperados pero no sabe qué ajustar primero. La arquitectura de KPIs debe combinar output con diagnóstico por componente.
Escalar el presupuesto antes de que las métricas sean predecibles
Aumentar la inversión cuando las métricas son inconsistentes de una semana a la otra no produce más clientes — produce más ruido. La predictibilidad es el requisito para escalar, no el volumen de actividad ni el tiempo transcurrido desde el lanzamiento. Esto aplica tanto a la adquisición orgánica como a la adquisición paga.
Confundir métricas de vanidad con métricas diagnósticas
Impresiones totales, seguidores, descargas, registros — son métricas de vanidad si no están conectadas a calidad del ICP, conversión y retención. Croll y Yoskovitz, en Lean Analytics (2013), establecen que toda métrica útil debe ser accionable, comparativa y produce decisión — si una métrica no permite responder "qué cambiamos", es vanity. El KPI que no genera decisión es ruido.
No segmentar las métricas por canal y por cohorte
Un CAC promedio agregado oculta que un canal funciona y otro destruye margen. Una tasa de retención agregada oculta que las cohortes recientes están retiniendo peor que las viejas. El análisis por cohortes y la segmentación por canal son la diferencia entre un diagnóstico que produce acción y un promedio que oculta el problema. El sistema de atribución habilita esa segmentación, y el trabajo de conversión y CRO dentro de cada cohorte aporta la palanca de mejora.
Preguntas frecuentes sobre las métricas del go-to-market.
¿Qué métricas indican que el go-to-market está funcionando?
Un GTM que funciona produce cinco señales simultáneas: el % de leads del ICP supera el 60%, el ciclo de ventas es predecible dentro de ±30%, la tasa de conversión lead-a-cliente se estabiliza o mejora, el CAC por canal principal es menor a CLV/3, y la retención a 90 días supera el 85%. Si las cinco se cumplen, el GTM está listo para escalar. Si alguna falla, hay un componente que necesita ajuste antes de comprometer más presupuesto.
¿Cómo saber si el GTM está listo para escalar?
El GTM está listo para escalar cuando el equipo puede predecir con confianza razonable cuántos clientes del ICP va a producir con una inversión dada. Si duplicar el presupuesto produce aproximadamente el doble de clientes calificados, el sistema es predecible. Si no puede hacerse esa predicción, escalar produce quema de capital sin crecimiento proporcional.
¿Con qué frecuencia hay que revisar las métricas del go-to-market?
Las métricas operativas del embudo (tasa de conversión por etapa, calidad del lead, ciclo de ventas) se revisan semanalmente. Las métricas estructurales (CAC por canal, CLV por segmento, % ICP) se revisan mensualmente. La revisión sistémica completa del GTM — ICP, mensaje, canales y modelo — se hace trimestralmente en negocios estables, con mayor frecuencia si hay señales de presión sobre el sistema.
Croll, A., & Yoskovitz, B. (2013). Lean Analytics: Use Data to Build a Better Startup Faster. O'Reilly Media — capítulos 4-5 sobre stages y métricas de actionability.
Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press.
Gilad, I. (2022). Evidence-Guided: Creating High Impact Products in the Face of Uncertainty. itamargilad.com — framework GIST aplicado a métricas de input vs. output.
Leslie, M., & Holloway, C. A. (2006). The Sales Learning Curve. Harvard Business Review. Disponible en: hbr.org
Skok, D. (2012). SaaS Metrics 2.0 — A Guide to Measuring and Improving What Matters. Matrix Partners / For Entrepreneurs — sobre CAC/CLV ratios y cohort analysis.
Términos relacionados