El árbol de
métricas
desde la NSM.
La estructura que conecta el valor entregado al cliente con el trabajo cotidiano de cada área. Cómo construirlo, qué incluir y cómo usarlo para diagnosticar.
- Qué es el árbol de métricas y para qué sirve
- La estructura del árbol: 3 niveles
- Cómo construirlo: 5 pasos
- Árbol de métricas completo — ejemplo SaaS B2B
- Criterios para elegir las métricas de cada nivel
- Cómo usar el árbol para diagnosticar
- Conexión con Rendimiento: dónde termina Estrategia
- Errores frecuentes
- Preguntas frecuentes
- Referencias y bibliografía
Qué es el árbol de métricas y para qué sirve.
El árbol de métricas es la estructura jerárquica que conecta la North Star Metric con el trabajo cotidiano de cada área del equipo. No es un dashboard — es un mapa causal. La diferencia importa: un dashboard muestra números; el árbol muestra cómo esos números se relacionan causalmente entre sí y con el valor entregado al cliente.
Sin el árbol, la NSM es un número que sube o baja sin diagnóstico posible. Con el árbol, cada movimiento de la NSM tiene una explicación en alguno de los niveles inferiores — y cada persona del equipo puede trazar el camino entre lo que hace hoy y el movimiento de esa métrica central.
El árbol cumple tres funciones simultáneamente. Como herramienta de alineación, hace visible para todos los equipos cómo su trabajo contribuye al mismo objetivo. Como herramienta de diagnóstico, permite identificar rápidamente en qué eslabón de la cadena está el problema cuando la NSM no se mueve como se espera. Como herramienta de priorización, muestra cuáles métricas de palanca tienen mayor impacto sobre la NSM, orientando dónde concentrar el esfuerzo.
El concepto tiene raíces en el trabajo de Roger Martin sobre los sistemas de métricas en cascada — la idea de que las organizaciones efectivas tienen métricas que se conectan verticalmente desde las decisiones estratégicas hasta las acciones operativas. Sin esa conexión vertical, las métricas de cada nivel operan como silos sin lógica compartida.
02 — La estructura del árbolLa estructura del árbol: 3 niveles.
El árbol de métricas tiene tres niveles con funciones distintas. Cada nivel responde una pregunta diferente y opera en un horizonte temporal diferente.
Nivel 1 — La NSM (cima)
Una sola métrica. Representa el valor entregado al cliente a nivel de sistema completo. Se revisa mensual o trimestralmente. No cambia con la táctica — cambia cuando cambia el modelo de negocio o la etapa del negocio. Es el "norte" que da nombre al concepto.
Nivel 2 — Las métricas de palanca (nivel intermedio)
Entre 3 y 5 métricas. Son los outputs de las grandes etapas del ciclo del cliente — típicamente adquisición, activación, retención y expansión, aunque los nombres y la cantidad varían según el modelo. Se revisan semanalmente. Son las métricas que los equipos usan para tomar decisiones tácticas: si la NSM baja, las métricas de palanca indican en cuál etapa está el problema.
Nivel 3 — Las métricas de input (base)
Entre 2 y 4 por área. Son los inputs controlables de cada equipo — lo que cada área puede mover directamente con su trabajo esta semana. Se revisan diariamente o semanalmente según la cadencia del área. Conectan el trabajo operativo con las métricas de palanca del nivel 2.
03 — Cómo construirloCómo construir el árbol de métricas en 5 pasos.
Confirmar la NSM y escribirla con precisión operacional
La NSM debe estar definida con suficiente precisión como para que no haya ambigüedad sobre cómo medirla. "Usuarios activos" no es suficiente — "usuarios que completan al menos un flujo core en los últimos 7 días" sí lo es. Esa precisión es lo que permite que el árbol sea un sistema de diagnóstico real y no una aspiración vaga.
Identificar las etapas del ciclo del cliente que producen la NSM
Preguntarse: ¿qué tiene que pasar para que un cliente potencial llegue a generar valor en la NSM? La respuesta es la secuencia de etapas — que para la mayoría de los negocios sigue una lógica de adquisición → activación → uso recurrente → expansión. Cada etapa se convierte en una rama del árbol con su propia métrica de palanca.
Definir una métrica de palanca por etapa
Para cada etapa, elegir la métrica que mejor representa el éxito de esa etapa en términos de output — no de input. "Leads generados" mide adquisición como input; "leads que pasan el scoring de calificación" mide adquisición como output de calidad. La métrica de palanca siempre mide el resultado de la etapa, no el esfuerzo invertido en ella.
Mapear los inputs de cada área que alimentan cada métrica de palanca
Para cada métrica de palanca, identificar qué hace el equipo responsable de esa etapa para moverla. Esos son los inputs del nivel 3. Cada input debe tener un responsable claro y debe ser medible con la cadencia operativa del área. El criterio de inclusión es simple: ¿si este input sube o baja significativamente, la métrica de palanca se mueve?
Validar que el árbol es completo y coherente
Recorrer el árbol de abajo hacia arriba: ¿si todos los inputs del nivel 3 están en sus valores objetivo, las métricas de palanca del nivel 2 deberían alcanzar sus objetivos? ¿Si todas las métricas de palanca alcanzan sus objetivos, la NSM debería moverse en la dirección esperada? Si alguna de esas dos cadenas tiene un eslabón débil, el árbol tiene un hueco que necesita llenarse.
Árbol de métricas completo — SaaS B2B de productividad.
El siguiente árbol ilustra la estructura completa para un SaaS B2B de productividad en etapa de crecimiento. No es una plantilla copiable — es un ejemplo del razonamiento. El árbol correcto para cada negocio depende de su modelo, su segmento y su etapa.
El árbol tiene 1 NSM, 4 métricas de palanca y 12 métricas de input — 17 métricas en total, distribuidas en tres niveles con lógica causal explícita. Cada persona del equipo puede señalar cuáles métricas del nivel 3 son de su responsabilidad directa y cómo se conectan con la NSM a través del nivel 2.
05 — Criterios de selecciónCriterios para elegir las métricas de cada nivel.
No todas las métricas disponibles pertenecen al árbol. El criterio de inclusión es siempre el mismo en todos los niveles: ¿esta métrica puede explicar por qué la NSM se movió o no se movió? Si no puede contribuir a esa explicación, no pertenece al árbol — aunque sea importante para otras razones.
Para el nivel de palanca
Debe ser output de una etapa del ciclo del cliente. Debe tener correlación causal demostrable con la NSM. Debe poder subir independientemente de las otras métricas de palanca — si siempre se mueven juntas, son la misma etapa con dos nombres.
Para el nivel de input
Debe ser controlable directamente por un área específica. Debe tener conexión causal con al menos una métrica de palanca del nivel 2. Debe ser medible con la cadencia operativa del área sin esfuerzo adicional significativo.
Métricas que no pertenecen
Métricas de vanidad sin correlación causal con la NSM. Métricas de contexto externo que el equipo no puede controlar. Métricas duplicadas que miden lo mismo con diferente nombre en distintas áreas.
Cantidad óptima
1 NSM + 3-5 palancas + 2-4 inputs por área = 15-25 métricas totales. Por debajo de 15 hay puntos ciegos. Por encima de 25 hay parálisis analítica. La restricción de cantidad obliga a elegir las más diagnósticas.
Cómo usar el árbol para diagnosticar.
El árbol de métricas transforma la pregunta "¿por qué no estamos creciendo?" en una secuencia de preguntas más específicas que tienen respuesta en los datos. El proceso de diagnóstico con el árbol siempre va de arriba hacia abajo — de la NSM a las palancas, y de las palancas a los inputs.
El árbol de métricas es la diferencia entre un equipo que reacciona a los números y uno que los entiende. Cuando la NSM baja, un equipo sin árbol entra en modo crisis: reuniones de urgencia, hipótesis dispersas, acciones simultáneas en todas las direcciones. Un equipo con árbol bien construido tarda menos de 20 minutos en identificar en qué eslabón está el problema y en qué área intervenir primero.
Lisandro IserteDónde termina Estrategia y dónde empieza Rendimiento.
El árbol de métricas que se construye en este subhub define el qué medir y la lógica causal entre métricas. Es una decisión estratégica — parte del sistema de objetivos del negocio.
Lo que viene después pertenece al cluster de Rendimiento: la implementación técnica del tracking, la construcción de los dashboards que visualizan el árbol, el proceso de reporte semanal de cada nivel y la optimización de la inversión en función de qué métricas de palanca tienen mayor rendimiento marginal.
La frontera es diseño vs. ejecución. Estrategia define qué métricas importan y cómo se relacionan. Rendimiento las instrumenta, las visualiza y las optimiza. Sin la definición estratégica del árbol, Rendimiento tiene dashboards sin lógica. Sin la implementación de Rendimiento, el árbol estratégico es un documento que nadie puede consultar en tiempo real.
08 — Errores frecuentesErrores 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. El árbol correcto se construye desde la NSM hacia abajo, y solo al final se verifica si las métricas necesarias están disponibles o hay que instrumentarlas.
Incluir demasiadas métricas en el nivel de palanca
Si el nivel de palanca tiene 8 o 10 métricas, el árbol pierde su función diagnóstica. Con ese volumen, cuando la NSM baja no es posible identificar rápidamente en cuál etapa está el problema — todas tienen igual jerarquía. Las métricas de palanca deben ser las suficientes para cubrir las grandes etapas del ciclo del cliente, y no más. Si hay métricas importantes que no entran en el nivel de palanca, van al nivel de input.
No asignar responsables a cada rama
Un árbol sin responsables es un mapa sin usuarios. Cada métrica de palanca debe tener un área responsable de moverla, y cada input debe tener una persona específica que la monitorea y actúa sobre ella. Sin esa asignación, el árbol es una herramienta de diagnóstico que nadie usa en la práctica porque nadie sabe de quién es el problema cuando un número cae.
No actualizar el árbol cuando cambia el negocio
Un árbol construido hace un año puede estar desactualizado si el modelo evolucionó, si el segmento cambió o si se lanzaron nuevas líneas de producto. El síntoma de un árbol desactualizado es que aparecen síntomas en la NSM que el árbol no puede explicar — el diagnóstico siempre termina en "debe ser algo que no estamos midiendo". Ese es el momento de revisar el árbol, no de agregar más métricas al nivel de input.
Preguntas frecuentes sobre el árbol de métricas.
¿Qué es un árbol de métricas en marketing?
Un árbol de métricas es la estructura jerárquica que conecta la North Star Metric con el trabajo cotidiano de cada área del equipo. Tiene tres niveles: la NSM en la cima, las métricas de palanca en el nivel intermedio (outputs de las grandes etapas del ciclo del cliente), y las métricas de input en la base (las que cada área controla directamente). No es un dashboard — es un mapa causal que permite diagnosticar por qué la NSM se mueve o no se mueve.
¿Cuántas métricas debe tener un árbol de métricas?
Un árbol efectivo tiene entre 15 y 25 métricas en total: 1 NSM, 3 a 5 métricas de palanca, y 2 a 4 métricas de input por área. Más produce parálisis analítica. Menos produce puntos ciegos. El criterio de inclusión es siempre el mismo: ¿esta métrica puede explicar por qué la NSM se movió o no se movió? Si no puede contribuir a esa explicación, no pertenece al árbol.
¿Con qué frecuencia hay que revisar el árbol de métricas?
La NSM se revisa mensual o trimestralmente. Las métricas de palanca se revisan semanalmente — son las que orientan las decisiones tácticas. Las métricas de input se revisan diariamente o semanalmente según el área. El árbol en su conjunto se revisa cuando cambia el modelo de negocio, cuando la NSM se redefine, o cuando aparecen síntomas que el árbol no puede explicar — señal de que hay métricas faltantes o mal definidas.
Ellis, S., & Brown, M. (2017). Hacking Growth: How Today's Fastest-Growing Companies Drive Breakout Success. Currency.
Croll, A., & Yoskovitz, B. (2013). Lean Analytics: Use Data to Build a Better Startup Faster. O'Reilly Media.
Martin, R. L. (2010). The Execution Trap. Harvard Business Review. Disponible en: hbr.org
Doerr, J. (2018). Measure What Matters: How Google, Bono, and the Gates Foundation Rock the World with OKRs. Portfolio/Penguin.
Kaushik, A. (2010). Web Analytics 2.0: The Art of Online Accountability and Science of Customer Centricity. Sybex.
Términos del glosario