Un dato malo es peor que ningún dato: te hace tomar decisiones equivocadas con confianza. La mayoría de analistas mira dashboards asumiendo que el dato es correcto. El profesional asume que está roto hasta verificarlo. El concepto-raíz: el tracking se rompe constantemente y en silencio; tu trabajo es detectarlo antes de que contamine las decisiones.
Por qué el tracking se rompe (y nadie se entera)
El tracking no es “configurar una vez y olvidar”. Se degrada con el tiempo por causas invisibles:
Causas de ruptura silenciosa:
• Un dev cambia el código de la web → el selector del tag deja de funcionar
• Se rediseña el checkout → el dataLayer cambia → el evento purchase muere
• Se actualiza el CMS → desaparece el ID del botón que disparaba el tag
• Cambia la estructura de URLs → los triggers dejan de coincidir
• Una promo añade un popup → tapa el evento que se medía
Lo crítico: nada avisa cuando esto pasa. El dashboard sigue mostrando números, solo que ahora están incompletos o mal. Descubres el problema semanas después, cuando ya tomaste decisiones con datos rotos.
Interactúa: Depurador de dataLayer y QA de Eventos
Simula el comportamiento del tracking de un e-commerce y observa cómo reacciona el validador automático del dataLayer cuando disparas eventos sanos o con fallos de medición.
La jerarquía de problemas de calidad
| Problema | Qué es | Gravedad |
|---|---|---|
| Missing data | El evento dejó de dispararse | Crítico — pierdes la métrica entera |
| Duplicate data | El evento se dispara 2 veces | Alto — infla todo |
| Wrong values | El evento dispara pero con dato erróneo | Alto — engaña sutilmente |
| Broken attribution | UTMs mal, referral pollution | Medio — distorsiona canales |
| Inconsistent naming | Mismo evento con nombres distintos | Medio — fragmenta el análisis |
El más peligroso es wrong values, porque el dashboard se ve normal. Un purchase que dispara con value: 0 en vez del importe real no parece roto — hasta que tu ingreso reportado no cuadra.
El ciclo de QA de tracking
1. VALIDAR → ¿el tag dispara cuando debe?
↓
2. VERIFICAR → ¿dispara UNA vez (no dos)?
↓
3. COMPROBAR → ¿el dato que envía es correcto?
↓
4. MONITOREAR → ¿sigue funcionando mañana, la semana que viene?
↓
5. ALERTAR → ¿me avisa algo cuando se rompe?
El 80% de la gente hace solo el paso 1 (probar que dispara) una vez, el día que lo configura. El profesional automatiza los pasos 4 y 5 para no depender de revisar a mano.
Las herramientas de validación (las que usarás a diario)
| Herramienta | Qué valida |
|---|---|
| GTM Preview mode | Si los tags disparan y con qué datos, en vivo |
| GA4 DebugView | Si los eventos llegan a GA4 correctamente |
| Tag Assistant (Google) | Estado de los tags en una página |
| Consola del navegador | El dataLayer en crudo, errores de JS |
| Extensiones (Omnibug, DataLayer Inspector) | Ver qué se dispara sin abrir consola |
El flujo básico de validación: abres GTM Preview, navegas tu sitio como un usuario, y verificas que cada acción dispare el tag correcto con el dato correcto. Es el debug fundamental.
El dataLayer: donde verificas la verdad
Como vimos, el dataLayer es la fuente. Validar tracking es, en gran parte, validar que el dataLayer tenga lo correcto:
// Lo que DEBE haber cuando ocurre una compra:
dataLayer = [{
event: 'purchase',
ecommerce: {
transaction_id: 'T123', // ← ¿está? ¿es único?
value: 49.99, // ← ¿es el importe REAL, no 0?
currency: 'EUR', // ← ¿está la moneda?
items: [...] // ← ¿están los productos?
}
}]
// Errores típicos a cazar:
// value: 0 → el precio no se está capturando
// transaction_id ausente → no puedes deduplicar
// items: [] → compra sin productos (imposible, algo falla)
Monitoreo automático (el salto a profesional)
Validar a mano no escala. El nivel serio automatiza la vigilancia:
Métodos de monitoreo:
• Alertas en GA4: avisa si las conversiones caen X% de golpe
• Herramientas dedicadas (que monitorean tags 24/7)
• Queries en BigQuery: revisan que los eventos sigan llegando
• Dashboards de "salud del tracking": eventos por día, anomalías
La señal de anomalía más útil: una caída brusca a cero o casi cero en un evento que normalmente tiene volumen. Si purchase pasaba de 100/día a 2/día de un día para otro, no es que dejaste de vender — es que el tracking se rompió.
Las herramientas de monitoreo continuo
| Herramienta | Qué hace |
|---|---|
| GA4 Custom Insights / Alerts | Avisa de anomalías en métricas |
| Herramientas de tag monitoring | Vigilan que los tags sigan vivos |
| BigQuery + scheduled queries | Tú construyes tus propias alertas |
| Looker dashboards de salud | Visualizas si el tracking está sano |
Las consideraciones que importan
1. La discrepancia con el backend es tu termómetro. Si GA4 dice 100 ventas y tu sistema real dice 130, tienes 30% de pérdida de tracking. Cierto nivel de discrepancia es normal (5-10%); más que eso, algo está roto. Comparar GA4 vs backend es el chequeo de salud más honesto.
2. La nomenclatura consistente previene caos. Si un dev llama un evento add_to_cart y otro addToCart y otro cart_add, tu análisis se fragmenta en tres. Un naming convention documentado (cómo se nombran los eventos) es prevención, no burocracia.
3. El tracking plan es el documento que falta. Un buen equipo tiene un “measurement plan” / “tracking plan”: un documento que define qué se mide, cómo se llama cada evento, qué parámetros lleva. Sin él, cada uno improvisa y el dato se vuelve inconsistente. Crear y mantener este documento es una habilidad valorada.
4. QA antes de cada lanzamiento. Cada vez que la web cambia (rediseño, nueva feature, promo), el tracking debe re-validarse ANTES de lanzar. El error común es lanzar y descubrir después que se rompió. El profesional incluye “validar tracking” en el checklist de cada release.
5. Por qué esto es anti-IA puro. La IA no puede abrir tu sitio, navegar tu checkout y verificar que el dataLayer tenga el valor correcto. Requiere inspección manual, conocimiento de TU implementación específica, y debug en vivo. Es de las habilidades más difíciles de automatizar y de las que más confianza generan en un empleador.
El concepto que une Data Quality y QA
El tracking se rompe en silencio (un dev cambia algo, el dataLayer muere).
Nada avisa: el dashboard sigue mostrando números, ahora incompletos.
Validas con GTM Preview + DebugView: ¿dispara? ¿una vez? ¿dato correcto?
Monitoreas automático: alertas cuando un evento cae a cero de golpe.
Comparas GA4 vs backend: la discrepancia es tu termómetro de salud.
Un tracking plan documentado previene el caos de nomenclatura.
Esto es anti-IA puro: requiere inspeccionar TU sitio en vivo.