Las dimensiones son el contexto y las métricas son los números. Separadas, se quedan cortas. Juntas, permiten analizar a fondo el comportamiento de tus usuarios. Pero en GA4, combinarlas no es tan trivial: hay errores frecuentes, sesgos y particularidades técnicas que pueden llevar a conclusiones equivocadas.
👉 Si aún no lo has leído, revisa los artículos anteriores de la serie:
Este artículo cierra la trilogía y va un paso más allá: veremos los errores avanzados más comunes, ejemplos aplicados de negocio y un conjunto de buenas prácticas para que tus informes sean consistentes y accionables.
Errores avanzados al combinar métricas y dimensiones
1. Mezclar scopes incompatibles
Cada métrica y cada dimensión tiene un scope: usuario, sesión, evento o artículo. Cruzar métricas y dimensiones de scopes distintos puede inflar o distorsionar los datos.
Ejemplo:
- Métrica: usuarios nuevos (usuario).
- Dimensión: página de destino (sesión).
- Problema: un mismo usuario puede tener varias páginas de destino en distintas sesiones. Resultado: inflado.
Solución: usar dimensiones de usuario (país, idioma, primer canal) al analizar usuarios nuevos.
2. Cardinalidad alta y (Other)
Dimensiones con demasiados valores únicos (URLs con parámetros dinámicos como fbclid, gclid) saturan GA4. El sistema agrupa en (Other) y distorsiona métricas.
Ejemplo:
- Dimensión: Página + consulta.
- Resultado: cientos de miles de filas únicas → (Other).
Solución: limpiar parámetros, usar Página de destino o crear agrupaciones de contenido.
3. Interpretar mal métricas de engagement
En GA4, sesiones con interacción y tasa de interacción están íntimamente ligadas. Confundirlas con la antigua tasa de rebote de Universal es un error común.
Ejemplo:
- Cruzar engaged sessions con páginas de destino.
- Olvidar que la base de la engagement rate son esas sesiones con interacción.
Solución: partir siempre de engaged sessions como métrica base y entender cómo se calculan las tasas derivadas.
4. Duplicidad de usuarios por cookies y multidispositivo
Un mismo individuo puede aparecer como varios usuarios si borra cookies o cambia de dispositivo/navegador.
Ejemplo:
- Analizar usuarios nuevos por campaña.
- El mismo usuario cuenta como “nuevo” en móvil y desktop.
Solución: implementar User-ID cuando sea posible, o interpretar métricas de usuarios con cautela.
5. Data Studio (antes Looker Studio) con cruces incoherentes
GA4 desactiva combinaciones incompatibles, pero Data Studio no. Es fácil construir un dashboard que devuelve cifras erróneas.
Ejemplo:
- Cruzar usuarios (usuario) con event_name (evento).
- Resultado: inflado de usuarios.
Solución: validar combinaciones en Explorations de GA4 antes de replicarlas en Data Studio.
6. Sesgos por Consent Mode y modelado
Con Consent Mode activo, GA4 modela datos para estimar conversiones de usuarios que no dieron consentimiento. Al combinar métricas y dimensiones, aparecen aparentes “inflados”.
Ejemplo:
- Conversiones por fuente/medio.
- Los números modelados hacen que ciertos canales parezcan sobrerrepresentados.
Solución: interpretar siempre con la nota de modelado en mente y comparar periodos equivalentes.
Ejemplos de negocio complejos
Ingresos por primera campaña del usuario
- Métrica: purchase revenue.
- Dimensión: primera campaña del usuario.
- Insight: qué campañas traen usuarios que generan ingresos a largo plazo.
Conversiones por página de destino y fuente/medio
- Métrica: conversiones.
- Dimensiones: página de destino + fuente/medio.
- Insight: qué combinaciones de contenido y canal convierten mejor.
AOV por categoría de producto y dispositivo
- Métrica derivada: AOV = ingresos / transacciones.
- Dimensiones: categoría de producto + dispositivo.
- Insight: cómo cambia el ticket medio según producto y dispositivo.
Engagement rate por canal y tasa de conversión
- Métrica: engagement rate + tasa de conversión.
- Dimensiones: canal predeterminado.
- Insight: canales con visitas cualitativas que además convierten.
Funnel de leads
- Métricas: event_count (form_start), conversiones (form_submit).
- Dimensiones: fuente/medio, página de destino.
- Insight: visualización de embudo: llegada → inicio de formulario → envío.
Buenas prácticas avanzadas
- Checklist de scopes: siempre revisar compatibilidad antes de cruzar.
- Validar en GA4 Explorations antes de llevar a Data Studio.
- Documentar parámetros a limpiar (gclid, fbclid, utm_content).
- Definir métricas derivadas en Data Studio: AOV, conversion rate por cohorte.
- Usar User-ID y audiencias para mejorar consistencia.
- Añadir disclaimers de Consent Mode en reporting para gestión de expectativas.
Conclusión
Combinar métricas y dimensiones en GA4 no es solo juntar números con etiquetas. Es entender scopes, anticipar errores de cardinalidad, reconocer el impacto del Consent Mode y aplicar lógica de negocio a cada cruce. Un analista junior se limita a leer informes. Un analista avanzado sabe cuándo un dato no es fiable y cómo ajustarlo.
Preguntas frecuentes sobre combinar métricas y dimensiones
¿Cómo sé qué scope tiene cada métrica y dimensión antes de cruzarlas?
La pista rápida está en el nombre: lo que empieza por «Usuario» o por «Primer/Primera» es de usuario, lo que empieza por «Sesión» es de sesión y el resto suele ser de evento. Cuando no queda claro, la referencia de dimensiones y métricas de la API de GA4 lo indica campo por campo. Y en las exploraciones la propia herramienta te avisa: al arrastrar una combinación incompatible la marca en rojo en lugar de devolver un número dudoso.
¿Qué significa que GA4 marque una combinación como incompatible?
Que la pregunta que estás haciendo no tiene respuesta con esos datos. Cruzar «usuarios nuevos», que es una métrica de usuario, con «página de destino», que describe una sesión concreta, es un ejemplo típico: la misma persona puede haber entrado por cinco páginas distintas y no hay forma honesta de repartirla. GA4 prefiere avisarte antes que inventarse el reparto.
¿Por qué la suma de las filas no da el total de la tabla?
Porque métricas como usuarios cuentan personas únicas, y una persona puede estar en varias filas: si alguien entra por orgánico y por email, suma en las dos, pero en el total cuenta una sola vez. A eso se le añaden las filas agrupadas bajo (other) y los datos que GA4 oculta por umbrales de privacidad. El total no es la suma de la columna: es un recuento aparte.
¿Puedo combinar GA4 con datos de otra fuente en el mismo informe?
En Data Studio sí, con la combinación de datos, siempre que exista un campo común por el que unir: la fecha, la campaña, el identificador de producto. Funciona bien para cruces sencillos y se vuelve frágil en cuanto los criterios de una plataforma y otra no coinciden exactamente. Para cruces serios, lo sólido es llevar las dos fuentes a BigQuery y unirlas allí con SQL.
¿Qué hago si necesito un cruce que GA4 no permite?
Bajar a BigQuery. En la exportación tienes cada evento con todos sus parámetros y sin agrupaciones, así que puedes construir la relación que necesites y decidir tú cómo se reparte el mérito. Es más trabajo y hace falta SQL, pero es la única vía para responder preguntas que la interfaz bloquea a propósito por incompatibilidad de scopes.
¿Te salen cruces con (other) o números que no cuadran entre informes? Escríbeme y lo vemos juntos.
