Product analytics para startups: qué medir desde el día 1

Estás a punto de lanzar tu producto y llega el momento de instalar una herramienta de analítica. La respuesta por defecto es casi siempre la misma: Google Analytics. Todo el mundo lo hace, es gratis, basta con un script y ya tienes datos.

GA es una herramienta muy potente. Está enfocada sobre todo a entender tráfico web y campañas de marketing —de dónde vienen las visitas, qué páginas ven, qué campañas convierten— pero la versión actual (GA4) también incorpora funcionalidades que permiten hacer análisis de producto: eventos personalizados, funnels y retención.

Pero si estás construyendo un producto —un SaaS, una app, una herramienta— las preguntas que importan son de otra naturaleza:

• ¿Mis usuarios entienden cómo funciona el producto?
• ¿Cuántos llegan al momento en que les aporta valor?
• ¿Por qué los que se van se van?
• ¿Qué funcionalidades se usan y cuáles no?

GA puede responder estas preguntas hasta cierto punto, pero su UX y su modelo de datos están pensados alrededor de la sesión de navegación, no alrededor del usuario y sus acciones dentro del producto. Por eso existe una categoría de herramientas específicas llamadas product analytics: diseñadas desde cero para centrarse en el usuario y su comportamiento. En la práctica, es habitual que ambas convivan: GA para marketing y adquisición, una herramienta de product analytics para todo lo que pasa una vez el usuario entra en el producto.

Antes de instalar nada, la pregunta correcta es otra:

¿Qué decisiones quieres tomar con tus datos?

Este artículo parte de ahí: definir qué necesitas saber y cómo una herramienta como PostHog te ayuda a responderlo desde el primer día.

Qué deberías poder responder desde el día 1

El objetivo de la analítica de producto no es recoger datos, sino responder tres preguntas. Si no puedes responderlas, no estás midiendo lo que importa.

1. ¿Los usuarios llegan al momento de valor?

Cada producto tiene un momento concreto en el que el usuario piensa "esto me es útil". En la industria se llama activación, y tiene casos famosos:

• Slack: un equipo que ha enviado 2.000 mensajes
• Dropbox: un archivo en una carpeta en un dispositivo
• Facebook (en sus orígenes): 7 amigos añadidos los primeros 10 días

Para tu producto, tienes que tener una respuesta concreta a esta pregunta antes de instrumentar nada. Si no la tienes, no es un problema de analítica — es un problema de producto que tienes que resolver primero.

Una vez definida, quieres saber: ¿qué porcentaje de los usuarios que se registran llega? ¿Cuánto tardan? ¿Dónde abandonan por el camino?

2. ¿Qué hacen realmente dentro del producto?

Lo que tú imaginas que hacen tus usuarios y lo que realmente hacen son dos cosas distintas. Casi siempre.

Quieres saber qué funcionalidades se usan, cuáles pasan desapercibidas, y dónde hay fricción. Esta información te permite priorizar mejor: dejar de pulir cosas que nadie toca e invertir donde el comportamiento real lo demande.

3. ¿Vuelven?

Adquirir usuarios es el principio. Lo que hace que un producto crezca es que vuelvan. Quieres saber qué porcentaje vuelve después del primer uso, con qué frecuencia, y qué comportamientos del primer día están correlacionados con una retención más alta. Esa correlación es oro: te dice qué deberías optimizar en el onboarding.

Si puedes responder estas tres preguntas, ya estás tomando mejores decisiones que la mayoría de startups que conocemos.

Por qué PostHog

Hay varias herramientas de product analytics en el mercado, y la elección depende del contexto de cada equipo. PostHog es una de las que recomendamos para startups en fase inicial por las siguientes ventajas:

Todo en una misma herramienta. Eventos, funnels, retención, session replay, feature flags y A/B testing en un único producto. Para un equipo pequeño, no tener que integrar y pagar tres o cuatro herramientas distintas es una ganancia operativa real.

EU Cloud disponible. Para startups europeas, este punto es más importante de lo que parece. Puedes elegir que tus datos se procesen y se almacenen en infraestructura europea, lo que simplifica considerablemente la conversación con tu DPO y tu política de privacidad.

Tier gratuito utilizable. El plan gratuito cubre volúmenes realistas para una startup en fase de early traction — alrededor de un millón de eventos al mes en el momento de escribir este artículo (verifica las cifras actuales en la página de pricing antes de contar con ello). Puedes llegar lejos antes de tomar decisiones de pago.

Qué configurar desde el primer día

Todo el mundo empieza con la tentación de instrumentarlo todo. Seis meses después, nadie recuerda qué quiere decir un evento con un nombre críptico como "button_click_3" y el dashboard da miedo. La regla práctica es la inversa: instrumenta poco, instrumenta bien, y amplía cuando tengas preguntas que realmente no puedas responder.

Estos son los cuatro fundamentos que tienes que tener desde el día 1.

Identificación de usuarios correcta

Este es el punto donde la mayoría de implementaciones hacen aguas y no se dan cuenta hasta meses después, cuando los funnels dan números que no cuadran.

PostHog —y cualquier product analytics serio— trabaja con dos tipos de identificadores: anónimo (generado en el navegador la primera vez que alguien entra en tu sitio) e identificado (tu user ID interno, que asignas cuando el usuario se registra o hace login). El momento crítico es el signup: justo después de crear el usuario, tienes que llamar a la función de identificación de la herramienta para ligar la sesión anónima con el user ID definitivo. Si no lo haces correctamente, los eventos del visitante anónimo quedan huérfanos y no se ligan al usuario registrado. Resultado: el funnel "landing → signup → onboarding" se desmorona porque antes y después del signup son dos usuarios distintos a los ojos de la herramienta.

A la inversa, en el logout hay que hacer un reset de la sesión para evitar mezclar datos de diferentes usuarios en dispositivos compartidos — piensa en un ordenador de oficina o un móvil que se presta.

Si tienes app móvil y web, plantéate desde el principio cómo identificarás al mismo usuario en ambos sitios (suele implicar pasar el user ID desde el backend al hacer login). Es una conversación de media hora con tu equipo que te ahorra semanas de limpieza de datos más adelante.

Un solo funnel, bien definido

Resiste la tentación de montar diez funnels el primer día. Empieza con uno: el camino desde la primera visita hasta el momento de valor.

Para un SaaS típico sería algo como: visita a la landing → inicio del signup → signup completado → onboarding completado → primera acción de valor. La clave es el último paso: esa "primera acción de valor" no es un evento genérico, es la acción concreta que definiste como momento de valor antes de empezar.

Este funnel te dará la cifra más importante que medirás los primeros meses: el porcentaje de usuarios nuevos que llegan al valor. Si está por debajo del 20-30%, no tienes un problema de adquisición — tienes un problema de producto. Y ninguna inversión en marketing te resolverá eso.

Session replay, con las precauciones que no salen en los tutoriales

El session replay es potente, sobre todo para detectar fricción en el onboarding que ningún funnel te mostrará. Pero tiene tres costes reales que tienes que conocer antes de activarlo en producción.

Privacidad. Por defecto, el replay puede capturar el contenido de los inputs. Eso incluye contraseñas, datos de tarjeta, mensajes privados. Hay que activar el masking de inputs en la configuración y marcar explícitamente los elementos sensibles para que no se graben (todas las herramientas de session replay tienen mecanismos para hacerlo). Si tratas datos médicos, financieros o de menores, la conversación con quien lleve el cumplimiento legal no es opcional.

Coste. El replay genera mucho volumen. Grabar el 100% de las sesiones encarece la factura rápidamente. Una tasa de muestreo del 10-25% es suficiente para la mayoría de casos, y puedes subirla temporalmente cuando investigues un problema concreto.

Segmentación mínima

No hace falta montar un sistema de audiencias complejo. Pero sí tienes que capturar tres propiedades desde el primer evento:

• Canal de origen (parámetros UTM capturados en el primer touch y persistidos al usuario, no solo a la sesión).
• Tipo de cuenta (free, trial, paid — actualizado cuando cambia).
• Cohorte de signup (mes de alta, como mínimo).

Con solo estos tres atributos puedes responder al 80% de las preguntas que te harás los primeros seis meses: ¿la retención es peor en usuarios que vienen de paid social? ¿Los del plan free completan el onboarding al mismo ritmo que los de trial? ¿El producto funciona mejor para la cohorte de este mes que para la de hace tres?

El resto de segmentación puede esperar hasta que tengas preguntas que estas tres no te resuelvan.

Errores habituales

Vemos estos errores repetidamente en startups que nos piden ayuda con su analítica:

Medir demasiadas cosas desde el principio. Cincuenta eventos instrumentados el primer mes es un síntoma, no un logro. Quiere decir que no has decidido qué preguntas importan. Seis meses después, nadie recuerda qué mide cada evento y todo el mundo evita añadir nuevos por miedo a romper algo. Empieza con pocos y bien definidos.

No tener un momento de valor definido. "Quiero ver cómo se usa el producto" no es una pregunta. "Qué porcentaje de usuarios crea su primer proyecto los primeros 7 días" sí. Si no puedes formularlo así, instrumentar es prematuro.

Confiar solo en los dashboards. Los números te dicen qué pasa, no por qué. Un funnel que cae en el onboarding te dice dónde, pero necesitas ver tres session replays para entender que los usuarios no encuentran un botón. Combina siempre cuantitativo y cualitativo.

No actuar sobre los datos. Medir y no cambiar nada es peor que no medir. Genera la sensación de control sin los resultados. Si tu ratio de activación lleva tres meses al 18% y no lo has tocado, la analítica no es tu problema — la priorización lo es.

Tratar la deuda de instrumentación como invisible. Cada evento mal nombrado, cada propiedad inconsistente, cada funnel que no cuadra porque alguien cambió el flujo y no avisó — eso es deuda técnica, igual que un test roto. Inclúyelo en tu planificación; no lo arrastres hasta que nadie se fíe ya de las cifras.

Conclusión

Al principio es fácil pensar que el problema es tener más datos. Casi nunca lo es. El problema es tener mejores preguntas — y, sobre todo, actuar sobre las respuestas.

Una analítica que no cambia decisiones es overhead disfrazado: genera la sensación de control sin los resultados. Cuando instrumentas algo nuevo, la primera pregunta no debería ser "cómo lo mido" sino "qué haré distinto cuando tenga la respuesta". Si no tienes una respuesta clara a la segunda, no vale la pena responder la primera.