El consultor llegó a la reunión hablando de Tableau, Looker y modelado de atribución multi-touch. La fundadora lo paró antes del tercer slide. “Tengo 18 empleados y una persona de marketing. ¿Por dónde empezamos?”. La respuesta que merecía no se la dieron. Te la damos acá.
Qué es realmente data-driven marketing en una pyme B2B
Data-driven marketing en pyme B2B no es contratar a alguien que entienda Tableau. Es saber qué hacer cuando los números te dicen algo. Eso requiere tres cosas concretas, ninguna de las cuales necesita stack enterprise: medir las métricas que sí mueven decisiones, mirarlas con cadencia regular, y traducir lo que muestran a acciones del próximo mes.
La trampa del término aplicado a pyme
El término “data-driven” llegó a la pyme desde el discurso enterprise. En enterprise tiene sentido. Hay 200 fuentes de datos, equipos dedicados, presupuestos para herramientas de seis cifras. En pyme B2B con 15 a 150 empleados, ese mismo discurso se convierte en intimidación y parálisis. La fundadora piensa que necesita contratar gente antes de empezar. Mientras tanto, los datos que ya tiene siguen sin moverla.
La trampa concreta es esta. Data-driven marketing en pyme no requiere stack carísimo. Requiere acuerdo interno sobre las 5 métricas que importan, las 3 herramientas que ya tienes conectadas, y una persona que mire los números cada lunes durante 30 minutos.
La diferencia entre tener datos y usarlos
Tener Google Analytics 4 conectado no es ser data-driven. Tener HubSpot reportando 14 KPIs en verde tampoco. La diferencia se ve en una pregunta. Cuando los números de marzo dicen algo, ¿cambia el plan de abril? Si la respuesta es “no, hacemos lo mismo porque ya está armado”, los datos están de adorno.
Lo que vemos repetidamente en pyme B2B es esta brecha entre dashboards saludables y planes que nunca cambian. Las plataformas reportan. Nadie decide nada distinto. La pyme cree que está siendo data-driven porque tiene paneles abiertos. En realidad sigue siendo intuición con números arriba.
Las 5 métricas mínimas viables que puedes medir desde mañana
Las cinco métricas que sí cambian decisiones en pyme B2B mediana. Ninguna requiere data engineer. Todas se pueden armar con lo que ya tienes (Google Analytics 4, tu CRM, una planilla del comercial).
1. Costo de adquisición por canal (CAC por canal)
CAC por canal es cuánto te cuesta conseguir un cliente nuevo desglosado por dónde vino. Pauta de Google, pauta de Meta, LinkedIn orgánico, referido, contenido del blog. La división importa porque el CAC promedio mezclado esconde canales que están sangrando presupuesto y canales que están rindiendo.
Cómo armarla en pyme. Toma el gasto total del mes por canal. Divídelo entre los clientes cerrados que vinieron de ese canal en ese mes (con UTMs o pregunta directa al cliente “¿cómo llegaste a nosotros?”). El número que sale es CAC por canal. Reporta los 4 a 6 canales que más inviertes. El resto, fuera.
2. Tasa de conversión de visita a lead
De los visitantes que entraron al sitio en el mes, ¿qué porcentaje dejó el dato? Esta métrica vive en GA4 si tienes los eventos de formulario configurados. Pyme B2B mediana sin esfuerzo de captura ronda 0,5% a 1,5%. Con un funnel ordenado, sube a 2% a 4%.
Para qué sirve. Te dice si el problema está en el tráfico (poca gente entra) o en la conversión (entra gente y no llena). Cambia decisiones de pauta y de copy del sitio.
3. Tasa de calificación lead a oportunidad
De cada 10 leads que entran al CRM, ¿cuántos pasan a oportunidad real? Esta métrica vive en el CRM y necesita que el comercial mueva los estados con disciplina. Tasa saludable en B2B mediano: 20% a 40% según industria.
Para qué sirve. Te dice si el problema está en el formulario (entra gente que no califica) o en el comercial (lead bueno mal trabajado). Diferencia fundamental para mejorar.
4. Ciclo de venta promedio
Cuánto tiempo pasa desde que un lead entra hasta que firma. En pyme B2B con ticket medio, suele ser 30 a 120 días. Si tu promedio se aleja de ese rango, hay algo distinto en tu proceso o en tu producto.
Para qué sirve. Te ayuda a proyectar pipeline. Te ayuda a detectar leads que se quedaron atrancados. Cambia decisiones de cadencia comercial y de campañas de reactivación.
5. LTV / CAC ratio simplificado
LTV (lifetime value) sobre CAC es cuánto te devuelve cada peso invertido en captar un cliente, mirado a lo largo de toda la relación. Versión simplificada para pyme: ingreso promedio anual por cliente dividido el CAC promedio. Si el ratio es 1, estás en cero. Si es 3 a 5, sano. Si es por debajo de 1, estás perdiendo plata por cada cliente nuevo.
Esta métrica suele ser la que enciende focos rojos antes de que se vea en el flujo de caja. Cambia decisiones de precio, de retención y de qué canales escalar.
Las 3 herramientas que ya tienes y no usas bien
No necesitas herramientas nuevas para armar estas 5 métricas. Tres herramientas que casi toda pyme B2B mediana ya tiene conectadas.
Google Analytics 4 (qué reporte mirar y qué ignorar)
GA4 trae 200 reportes. La pyme mira 3, mal, una vez por mes. Lo que sí sirve mirar todas las semanas: Adquisición → Adquisición de tráfico (de dónde viene la gente), Engagement → Eventos (qué eventos clave se disparan, sobre todo el de formulario), Conversiones (los eventos marcados como conversión, idealmente lead + cliente).
Ignora por ahora todo lo que sea Cohort, Path Exploration, Funnel Exploration. Son herramientas potentes pero requieren tiempo de aprendizaje que la pyme no tiene en el arranque. Vuelves a ellas cuando ya hay disciplina con los 3 reportes básicos.
El CRM (los 3 campos que cambian todo)
Tu CRM tiene 40 campos por contacto. Casi nadie los completa. Lo que sí mueve la aguja es disciplina sobre 3: estado del lead (con cadena clara: nuevo → contactado → oportunidad → cliente), canal de origen (UTM o pregunta directa), motivo de cierre cuando se pierde (presupuesto, timing, no decisor, fit).
Con esos 3 campos completos, puedes armar las métricas 3, 4 y 5 sin construir nada nuevo. Sin esos 3 campos completos, ningún data engineer te va a salvar.
La planilla de Excel del equipo comercial (sí, esa)
Casi todo equipo comercial de pyme B2B mediana tiene una planilla paralela al CRM. Donde el comercial anota lo que el CRM no captura: “este lead pidió cotización pero está esperando aprobación del directorio”, “este otro va a decidir en enero”. Esa planilla no es enemiga. Es contexto.
Lo que sí conviene hacer con esa planilla es vaciarla mensualmente al CRM con un campo libre llamado “contexto comercial”. Eso le devuelve a la operación información que hoy vive en la cabeza del comercial y se pierde cuando rota.
Cuándo SÍ contratar un data engineer (y cómo saber el momento)
El data engineer no es un lujo permanente prohibido para pyme. Es el siguiente paso, no el primero. Tres disparadores indican que la pyme dejó de ser pyme y necesita el rol.
Los 3 disparadores del paso siguiente
Primero. Tu volumen de datos pasó los 100.000 contactos en el CRM con histórico de comportamiento. Excel se rompe. Las herramientas de marketing no agregan bien. Empiezas a perder consultas porque nadie las puede hacer rápido. Ahí entra el data engineer.
Segundo. Necesitas integrar más de 4 fuentes distintas (CRM, ERP, plataforma de email, pauta, ecommerce, soporte) con frecuencia semanal o diaria. El trabajo de mantenimiento de esas integraciones consume horas que rinden mejor en otra parte. El data engineer las resuelve y libera tiempo.
Tercero. Las decisiones que estás dejando de tomar por falta de visibilidad ya están costando más que el salario anual del data engineer. Esto no se mide solo en ROI directo. Se mide en oportunidades perdidas que la pyme dejó pasar porque nadie pudo cruzar los datos a tiempo.
Sin uno de esos tres disparadores activado, el data engineer es un costo fijo que no se va a justificar.
Preguntas frecuentes
¿Necesito un data engineer si tengo menos de 50 empleados?
En la enorme mayoría de los casos, no. Una pyme B2B con menos de 50 empleados puede operar data-driven con Google Analytics 4, un CRM bien usado y disciplina semanal de revisión de 5 métricas. El data engineer entra cuando aparece al menos uno de los tres disparadores: volumen pasó 100.000 contactos con histórico, hay más de 4 fuentes a integrar con frecuencia alta, o el costo de no decidir ya supera el salario del rol.
¿Google Analytics 4 sirve solo o necesito BigQuery?
Para pyme B2B mediana, GA4 solo alcanza para 12 a 18 meses de operación data-driven sin necesidad de exportar a BigQuery. BigQuery entra cuando quieres cruzar datos de GA4 con datos del CRM o del ERP para análisis personalizados que GA4 no soporta nativo. Ese cruce empieza a tener sentido cuando ya tienes disciplina de medición básica y quieres ir un escalón más arriba.
¿HubSpot reemplaza a un analista?
No exactamente. HubSpot reemplaza la parte de armado y reporte de KPIs básicos. No reemplaza la interpretación de qué hacer con esos KPIs. Una pyme con HubSpot bien configurado tiene dashboards saludables, pero las decisiones que cambian el plan del próximo mes siguen requiriendo que una persona mire los números, los contextualice y proponga ajustes. Esa persona puede ser el director comercial, no necesariamente un analista dedicado.
¿Vale la pena pagar por un dashboard si no sé interpretarlo?
No. Un dashboard que nadie interpreta es ruido visual. Lo que sí vale la pena, antes de pagar por un dashboard, es definir las 5 métricas que vas a mirar, quién las va a mirar, con qué cadencia, y qué decisión van a disparar cuando se muevan. Una vez que ese acuerdo existe, el dashboard se vuelve útil. Sin ese acuerdo, da igual la plataforma.
Cómo seguimos
¿Tu pyme tiene datos y no sabe qué hacer con ellos? Conversemos 30 minutos sobre qué medir primero.
