Métricas de input vs output en marketing.
Por qué la mayoría de los dashboards mide el esfuerzo en lugar del impacto — y cómo construir un sistema que distinga entre ambos sin micromanejar.
Métricas input vs output: la distinción que importa.
Todo sistema de métricas input vs output marketing mezcla, en distintas proporciones, dos tipos de indicadores con naturalezas radicalmente distintas: las de input miden lo que el equipo hace, las de output miden lo que ocurre como resultado de ese esfuerzo en el mundo real. Confundirlas no es un error técnico — es un error conceptual que afecta cómo se toman las decisiones y cómo se interpreta el desempeño.
Un equipo que mide principalmente inputs puede estar trabajando duro y no avanzar. Uno que mide principalmente outputs sin entender los inputs que los producen no puede reproducir 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 entregados a clientes, no por los recursos consumidos. Esa filosofía se tradujo en un sistema de métricas obsesivamente orientado a outputs de valor entregado.
Miden lo que el equipo hace. 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 calificado
- 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 visita a lead. Entender en qué posición de la cadena está cada métrica define cómo interpretarla y cómo actuar sobre ella.
02 — Ejemplos por áreaEjemplos por área de marketing.
La siguiente tabla organiza las métricas más comunes por área, distinguiendo inputs, outputs y métricas de vanidad — un caso especial de output sin correlación causal con valor entregado al cliente.
| Área | Inputs típicos | Outputs relevantes | Vanidad frecuente |
|---|---|---|---|
| Contenido y SEO | Input Artículos publicados · Keywords trabajadas · Backlinks construidos |
Output Tráfico orgánico calificado · Posición media en SERP · Tasa de conversión orgánica |
Vanidad Páginas vistas totales · Seguidores · 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 |
| Email y lifecycle | Input Emails enviados · Segmentos creados · Flujos automatizados activos |
Output Conversión email→acción · Revenue atribuido · Churn reducido por nurturing |
Vanidad 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 con sentimiento |
Vanidad Likes · Seguidores · Alcance orgánico total |
| Ventas / SDR | Input Llamadas realizadas · Emails de prospección · Demos agendadas |
Output Conversión lead→oportunidad · Ciclo de venta · Tasa de cierre por segmento |
Vanidad Actividades en CRM · Reuniones sin seguimiento |
Las métricas de vanidad no son inputs ni outputs genuinos — se correlacionan superficialmente con la actividad pero no tienen conexión causal con el valor entregado. Suben o bajan sin que eso signifique nada accionable. Su presencia en un dashboard ocupa atención 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. Entenderla es lo que permite saber dónde intervenir cuando los outputs no responden a los inputs esperados. Los inputs del equipo producen outputs intermedios, que alimentan las métricas de palanca del árbol de la NSM, que finalmente mueven la North Star Metric.
La cadena hace visible algo que el dashboard aislado oculta: el equipo puede estar produciendo muchos inputs (artículos, keywords) sin que la NSM se mueva, porque la ruptura está en algún eslabón intermedio — la conversión, la calidad del lead, la activación. Sin la cadena, ese diagnóstico tarda semanas. Con la cadena, es inmediato. Esta lógica fundamenta la construcción del árbol de métricas.
04 — El cuadranteEl cuadrante de métricas: control vs. tipo.
Una dimensión que la distinción input/output no captura completamente es el grado de control que el equipo tiene sobre la métrica. Cruzar ambas — 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
Conversión, activación, CAC por canal. El equipo las influencia directamente y reflejan resultado real. Son el corazón del árbol.
Métricas de contexto
Volumen de búsqueda, estacionalidad, comportamiento del mercado. Informan la estrategia pero no se optimizan directamente.
Métricas de resultado final
Revenue, NPS global, market share. Consecuencia de todo lo demás. Se monitorean como salud, no como palancas.
El cuadrante más valioso para el sistema de objetivos es 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: 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 OKRs y árbol de métricas.
La distinción tiene consecuencias directas sobre 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 input ("publicar 12 artículos") mide esfuerzo, no resultado. Un KR que es output de control bajo ("aumentar el revenue en 40%") mide algo que el equipo de marketing no puede controlar directamente con sus iniciativas trimestrales. Los mejores KRs son outputs de palanca: "aumentar la 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 (operativas que cada área controla), outputs intermedios en el nivel de palanca (que conectan trabajo con NSM) y outputs de resultado en la cima (NSM y métricas de negocio). Cuando se mezclan estos niveles — un input aparece en palanca o una métrica de vanidad en cualquier nivel — el sistema pierde su capacidad diagnóstica.
06 — Conexiones cross-clusterCómo se conecta con el resto del sistema.
Analítica y KPIs
Los KPIs bien diseñados son típicamente outputs de control alto. Un KPI que mide actividad es un input disfrazado de KPI.
Atribución y medición
Sin atribución correcta, los outputs son ilusiones causales. La atribución es lo que permite saber qué inputs producen qué outputs.
Experimentación
El A/B testing disciplinado es la herramienta para validar la cadena causal entre inputs y outputs sin asumirla.
Reporting y dashboards
Un buen dashboard separa visualmente inputs, outputs de palanca y outputs de resultado. Mezclarlos en una grilla uniforme borra la jerarquía conceptual.
Conversión y CRO
La conversión es el output de palanca por excelencia: el equipo la influencia con cambios concretos y refleja valor real percibido.
Adquisición orgánica
El marketing de contenidos produce inputs (artículos) que se convierten en outputs (tráfico) a través de un sistema de SEO.
Retención y churn
El churn es output de control medio: el equipo lo influencia pero también depende del producto y del segmento.
Customer Success
El equipo de customer success aporta los inputs (intervenciones proactivas) que mueven outputs como retención y expansión.
Segmentación e ICP
El ICP bien definido convierte el "tráfico" (output borroso) en "tráfico calificado" (output preciso y accionable).
Posicionamiento de marca
La marca afecta el techo de los outputs: dos campañas idénticas con marcas distintas producen outputs distintos. La marca es contexto que multiplica.
Propuesta de valor
La propuesta de valor determina la relación máxima posible entre inputs y outputs. Una propuesta débil hace que más inputs no produzcan más outputs proporcionalmente.
Errores 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 implícitamente equipara esfuerzo con impacto. El resultado relevante es qué produjo ese esfuerzo: cuánto tráfico calificado, cuántos leads, cuánta activación. Sin esa cadena, el reporte de actividad es entretenimiento, no información de negocio.
Incluir métricas de vanidad en el árbol
Las métricas de vanidad no pertenecen a ningún nivel del árbol porque no tienen conexión causal con la NSM. Incluirlas — aunque sea como "referencia" — introduce ruido y distrae atención hacia números que no orientan decisiones. Si una métrica no responde "¿y qué hago diferente si esto cambia?", no pertenece al árbol.
Ignorar los inputs cuando los outputs no se mueven
Cuando los outputs no responden, la tendencia es buscar el problema en los outputs mismos. Pero frecuentemente está aguas arriba: el volumen de contenido cayó, el presupuesto se redistribuyó, la cadencia de seguimiento se redujo. El diagnóstico de outputs siempre debe incluir una revisión de los inputs que los alimentan.
Tratar todas las métricas con el mismo peso visual
Un dashboard que muestra "artículos publicados" al lado de "tasa de activación día 7" con el mismo tamaño y prominencia visual borra la jerarquía conceptual. Los inputs deben tener menor peso visual que los outputs de palanca, y estos menor peso que la NSM. La estructura visual del dashboard comunica qué importa antes que el contenido lo haga.
Preguntas frecuentes sobre métricas input vs 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 de output miden lo que ocurre como resultado de ese esfuerzo. Un equipo controla directamente sus inputs; los outputs son 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 menos importantes que las de output?
No. Las métricas de input son esenciales para el diagnóstico — sin ellas no se puede entender por qué un output cambió. El problema no es medir inputs, sino tratarlos como si fueran outputs: celebrar 20 artículos publicados como si fuera equivalente a 500 leads calificados. En un sistema bien construido, los inputs son operativas de la base del árbol y los outputs son las métricas de palanca y la NSM en los niveles superiores.
¿Cómo saber si una métrica es de input o de output?
El test directo: ¿el equipo puede hacer subir este número sin que el cliente reciba más valor? Si sí, es input o 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 input accionable. Si no, es probablemente output que necesita descomponerse en sus inputs constitutivos.
Bezos, J. (1997). Letter to Shareholders. Amazon. Carta fundacional sobre métricas orientadas a output de cliente.
Croll, A., & Yoskovitz, B. (2013). Lean Analytics: Use Data to Build a Better Startup Faster. O'Reilly Media. Cap. 3: "What Makes a Good Metric".
Doerr, J. (2018). Measure What Matters. Portfolio/Penguin.
Grove, A. S. (1983). High Output Management. Random House. Cap. 1 sobre output como medida de gestión.
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 05Árbol de métricas desde la NSM
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
Con la distinción input/output clara, el siguiente paso es construir el árbol de métricas completo — la estructura que conecta el trabajo cotidiano de cada área con el movimiento de la NSM.
Árbol de métricas desde la NSM →