Métricas de
input y
output.
Por qué la mayoría de los dashboards de marketing miden el esfuerzo en lugar del impacto — y cómo construir un sistema que distinga entre ambos.
- La distinción central: input, output y por qué importa
- Ejemplos por área de marketing
- La cadena causal: de inputs a NSM
- Cómo clasificar cualquier métrica
- El cuadrante de métricas: controlable vs. no controlable
- Implicancias para los OKRs y el árbol de métricas
- Errores frecuentes
- Preguntas frecuentes
- Referencias y bibliografía
La distinción central: input, output y por qué importa.
Todo sistema de métricas de marketing mezcla, en distintas proporciones, dos tipos de indicadores con naturalezas radicalmente distintas: métricas de input — las que miden lo que el equipo hace — y métricas de output — las que miden lo que ocurre como resultado de ese esfuerzo en el mundo real.
La confusión entre ambas no es un error técnico — es un error conceptual que afecta cómo se toman las decisiones, cómo se diseñan los OKRs y cómo se interpreta el desempeño del equipo. Un equipo que mide principalmente inputs puede estar trabajando muy duro y no avanzar. Un equipo que mide principalmente outputs sin entender los inputs que los producen no puede reproducir sus resultados cuando algo cambia.
Jeff Bezos articuló esta distinción con precisión en las primeras cartas a accionistas de Amazon. En su carta de 1997, estableció que Amazon mediría su éxito por los resultados que entregaba a los clientes — no por los recursos que consumía en el proceso. Esa filosofía se tradujo en un sistema de métricas obsesivamente orientado a outputs de valor entregado, no a inputs de actividad operativa.
Miden lo que el equipo hace. Están bajo control directo del equipo.
- Artículos publicados por semana
- Emails enviados en la campaña
- Llamadas realizadas por ventas
- Presupuesto invertido en paid
- Horas dedicadas a SEO técnico
- Anuncios creados y testeados
Miden lo que resulta del esfuerzo. Dependen del equipo y del contexto.
- Tráfico orgánico generado
- Tasa de apertura y clics
- Reuniones agendadas
- CAC por canal
- Posiciones en SERP
- Tasa de conversión de anuncios
La distinción no es absoluta — es contextual. Una métrica puede ser output de un proceso e input de otro. El tráfico orgánico es output del esfuerzo de contenido y SEO, pero es input del proceso de conversión de visita a lead. Entender en qué posición de la cadena está cada métrica es lo que define cómo interpretarla y cómo actuar sobre ella.
02 — Ejemplos por áreaEjemplos por área de marketing.
La siguiente tabla organiza las métricas más comunes en marketing por área, distinguiendo inputs, outputs y métricas de vanidad — que son un caso especial de output que no tiene correlación causal con el valor entregado al cliente.
| Área | Inputs típicos | Outputs relevantes | Vanity metrics frecuentes |
|---|---|---|---|
| Contenido y SEO | INPUT Artículos publicados · Palabras clave trabajadas · Backlinks construidos | OUTPUT Tráfico orgánico calificado · Posición media en SERP · Tasa de conversión orgánica | VANIDAD Páginas vistas totales · Seguidores en redes · Compartidos sin conversión |
| Paid / Performance | INPUT Presupuesto invertido · Anuncios creados · Audiencias testeadas | OUTPUT CAC por canal · ROAS real · Leads calificados por campaña | VANIDAD Impresiones totales · Alcance · CTR sin contexto de conversión |
| Email marketing | INPUT Emails enviados · Segmentos creados · Flujos automatizados activos | OUTPUT Tasa de conversión email→acción · Revenue atribuido · Churn reducido por nurturing | VANIDAD Tasa de apertura aislada · Tamaño de lista sin segmentación · Clics totales |
| Social media | INPUT Posts publicados · Stories producidas · Campañas lanzadas | OUTPUT Tráfico social con intención · Leads desde social · Menciones de marca con sentimiento | VANIDAD Likes · Seguidores · Alcance orgánico total |
| Ventas / SDR | INPUT Llamadas realizadas · Emails de prospección enviados · Demos agendadas | OUTPUT Tasa de conversión lead→oportunidad · Ciclo de venta · Tasa de cierre por segmento | VANIDAD Número de actividades registradas en CRM · Reuniones sin seguimiento |
Un patrón que emerge de la tabla: las métricas de vanidad no son inputs ni outputs genuinos — son métricas que se correlacionan superficialmente con la actividad pero no tienen conexión causal con el valor entregado al cliente. Suben o bajan sin que eso signifique nada accionable. Su presencia en un dashboard no es neutral — ocupa atención y capacidad analítica que debería estar en métricas que sí orientan decisiones.
03 — La cadena causalLa cadena causal: de inputs a NSM.
La relación entre inputs y outputs no es directa — es una cadena causal con múltiples eslabones. Entender esa cadena es lo que permite saber en qué punto intervenir cuando los outputs no responden a los inputs esperados.
La cadena tiene una lógica constante: los inputs del equipo producen outputs intermedios, que a su vez alimentan las métricas de palanca del árbol de la NSM, que finalmente mueven la North Star Metric. Cada eslabón de la cadena puede ser el punto de ruptura — y el diagnóstico empieza por identificar cuál.
La cadena hace visible algo que el dashboard aislado oculta: el equipo puede estar produciendo muchos inputs (artículos, palabras clave) sin que la NSM se mueva, porque la ruptura está en algún eslabón intermedio — la tasa de conversión, la calidad del lead, la tasa de activación. Sin la cadena, ese diagnóstico tarda semanas. Con la cadena, es inmediato.
Esta lógica es exactamente la que fundamenta la construcción del árbol de métricas, que se desarrolla en detalle en el Spoke 05.
04 — Cómo clasificar cualquier métricaCómo clasificar cualquier métrica del sistema.
Ante cualquier métrica del dashboard, tres preguntas en orden permiten clasificarla con precisión:
¿El equipo puede hacer subir este número directamente con su trabajo? Si sí con alta certeza, es un input. Si depende de la respuesta del mercado o del cliente, es un output.
¿Si este número sube, el equipo sabe exactamente qué hacer diferente para sostenerlo? Si sí, el número es suficientemente accionable para ser útil en el sistema. Si la respuesta es "depende de muchos factores", el número puede ser un output de alto nivel que necesita descomponerse en sus inputs constitutivos para ser operativo.
¿Este número puede subir mientras el cliente recibe menos valor? Si sí, es una métrica de vanidad independientemente de si es input u output. Su presencia en el dashboard es decorativa.
05 — El cuadrante de métricasEl cuadrante de métricas: controlable vs. no controlable.
Una dimensión adicional que la distinción input/output no captura completamente es el grado de control que el equipo tiene sobre la métrica. Cruzar ambas dimensiones — tipo (input/output) y control (alto/bajo) — produce cuatro categorías con usos distintos en el sistema de objetivos.
Métricas de esfuerzo
Artículos publicados, llamadas realizadas, presupuesto invertido. Útiles para planificación y capacidad, nunca como objetivo de negocio.
Métricas de palanca — las más valiosas
Tasa de conversión, tasa de activación, CAC por canal. El equipo las influencia directamente y reflejan resultado real. Son el corazón del árbol de métricas.
Métricas de contexto
Volumen de búsqueda de keywords, estacionalidad, comportamiento del mercado. Informan la estrategia pero no se optimizan directamente.
Métricas de resultado final
Revenue, NPS global, market share. Son la consecuencia de todo lo demás. Se monitorean como indicadores de salud, no como palancas de intervención.
El cuadrante más valioso para el sistema de objetivos es el de "output + control alto" — las métricas de palanca. Son las que deben ocupar el centro del árbol de métricas, los Key Results de los OKRs y las métricas de seguimiento semanal. Tienen la combinación correcta de dos propiedades que rara vez coexisten: reflejan resultado real (no solo actividad) y el equipo puede moverlas con intervenciones concretas.
Cuando reviso el dashboard de un equipo de marketing por primera vez, cuento cuántas métricas caen en cada cuadrante. Si la mayoría está en "input + control alto", el equipo está midiendo su esfuerzo. Si la mayoría está en "output + control bajo", está monitoreando consecuencias sin poder actuar sobre ellas. El objetivo es construir un sistema donde la mayoría de las métricas activas estén en "output + control alto" — palancas reales que el equipo puede mover y que reflejan valor entregado.
Lisandro IserteImplicancias para los OKRs y el árbol de métricas.
La distinción input/output tiene consecuencias directas sobre cómo se construyen los dos sistemas que dependen de ella: los OKRs y el árbol de métricas.
En los OKRs
Los Key Results deben ser métricas de output — preferentemente del cuadrante "output + control alto". Un KR que es un input ("publicar 12 artículos") mide esfuerzo, no resultado. Un KR que es un output de control bajo ("aumentar el revenue en 40%") mide un resultado que el equipo de marketing no puede controlar directamente con sus iniciativas trimestrales. Los mejores Key Results son outputs de palanca: "aumentar la tasa de conversión orgánica de visita a lead del 2.1% al 3.5%".
En el árbol de métricas
El árbol debe tener inputs en la base (métricas operativas que cada área controla), outputs intermedios en el nivel de palanca (métricas que conectan el trabajo con el movimiento de la NSM) y outputs de resultado en la cima (la NSM y las métricas de negocio). Cuando el árbol mezcla estos niveles — cuando un input aparece en el nivel de palanca o cuando una métrica de vanidad aparece en cualquier nivel — el sistema pierde su capacidad diagnóstica.
La construcción del árbol con esta lógica se desarrolla en el próximo artículo: Cómo construir un árbol de métricas desde la NSM.
07 — Errores frecuentesErrores frecuentes con métricas de input y output.
Reportar inputs como logros
"Publicamos 24 artículos este trimestre" no es un resultado — es una descripción del trabajo realizado. Reportarlo como logro en una reunión de negocio implícitamente equipara esfuerzo con impacto. El resultado relevante es qué produjo ese esfuerzo: cuánto tráfico calificado generaron esos artículos, cuántos leads, cuánta activación. Sin esa cadena, el reporte de actividad es entretenimiento, no información de negocio.
Incluir métricas de vanidad en el árbol de métricas
Las métricas de vanidad no pertenecen a ningún nivel del árbol de métricas porque no tienen conexión causal con la NSM. Incluirlas — aunque sea en la base del árbol como "referencia" — introduce ruido en el sistema y distrae la atención hacia números que no orientan ninguna decisión. Si una métrica no puede responder "¿y qué hago diferente si esto cambia?", no pertenece al árbol.
Ignorar los inputs cuando los outputs no se mueven
Cuando las métricas de output no responden, la tendencia es buscar el problema en los outputs mismos — revisar la tasa de conversión, analizar el CAC, mirar el churn. Pero frecuentemente el problema está aguas arriba, en los inputs: el volumen de contenido cayó, el presupuesto de paid se redistribuyó, el equipo de ventas redujo su cadencia de seguimiento. El diagnóstico de outputs siempre debe incluir una revisión de los inputs que los alimentan.
Preguntas frecuentes sobre métricas de input y output.
¿Cuál es la diferencia entre métricas de input y métricas de output?
Las métricas de input miden lo que el equipo hace — el esfuerzo, la actividad, los recursos aplicados. Las métricas de output miden lo que ocurre como resultado de ese esfuerzo — los cambios en el comportamiento del cliente o en el rendimiento del sistema. Un equipo controla directamente sus inputs; los outputs son la consecuencia de los inputs más el contexto, la calidad de la ejecución y las variables del mercado. Optimizar solo inputs produce actividad sin garantía de resultado. Optimizar solo outputs sin entender los inputs que los producen genera resultados que no se pueden reproducir.
¿Las métricas de input son siempre menos importantes que las de output?
No. Las métricas de input son esenciales para el diagnóstico y la operación — sin ellas, no se puede entender por qué un output cambió ni qué ajustar para mejorarlo. El problema no es medir inputs, sino tratarlos como si fueran outputs: celebrar que se publicaron 20 artículos (input) como si fuera equivalente a haber generado 500 leads calificados (output). En un sistema bien construido, los inputs son métricas operativas de la base del árbol y los outputs son las métricas de palanca en los niveles superiores.
¿Cómo saber si una métrica es de input o de output?
El test más directo: ¿el equipo puede hacer subir este número sin que el cliente reciba más valor? Si sí, es un input o una métrica de vanidad. ¿El número puede subir o bajar independientemente de lo que el equipo haga esta semana? Si sí, tiene más características de output. Un segundo test: ¿si este número no se mueve, el equipo sabe exactamente qué hacer diferente? Si sí, es probablemente un input accionable. Si no, es probablemente un output que necesita descomponerse en sus inputs constitutivos.
Croll, A., & Yoskovitz, B. (2013). Lean Analytics: Use Data to Build a Better Startup Faster. O'Reilly Media.
Doerr, J. (2018). Measure What Matters: How Google, Bono, and the Gates Foundation Rock the World with OKRs. Portfolio/Penguin.
Grove, A. S. (1983). High Output Management. Random House.
Kaushik, A. (2010). Web Analytics 2.0: The Art of Online Accountability and Science of Customer Centricity. Sybex.
Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy Online Controlled Experiments. Cambridge University Press.
Términos del glosario