Analista Lunes

/analista-lunes — Tres cosas han cambiado. Y por qué.

Un dashboard te enseña cuarenta métricas a la vez y te deja a ti el trabajo de ver qué se ha movido. Es bonito el primer día, y a los tres meses no lo abre nadie.

Esto hace otra cosa. Mira los mismos datos y te devuelve tres cambios reales, cada uno con una hipótesis de por qué ha pasado y qué comprobar mañana para saber si esa hipótesis se sostiene. No dibuja gráficos: hace de analista.

Y como tarda lo mismo cada semana, se puede repetir cada lunes. Ahí está el truco: a partir del segundo lunes, el informe empieza revisando si las hipótesis del lunes anterior se cumplieron. Eso es lo que separa un analista de un generador de informes.

Disparadores: "/analista-lunes", "analiza mis métricas", "qué ha cambiado esta semana", "revisa mis datos", "informe semanal de analítica", "por qué han bajado las ventas/visitas", "mira mi Google Analytics", "tengo un CSV de métricas", "análisis de embudo", "mi informe del lunes".

Antes de empezar

1. Arranca como manda references/_arranque.md. Busca perfil-marca.md antes de saludar: de ahí sale qué es una conversión en este negocio y qué canales le importan. Si no hay perfil, modo exprés y adelante.

2. Pregunta de dónde salen los datos, con las opciones que existen de verdad. La pregunta que había aquí ofrecía tres cosas que no coincidían con las tres vías del propio fichero. Esta sí:

   "¿Con qué datos trabajamos? (a) Los tuyos: me pegas o me subes una tabla de tu Analytics, tu Meta Ads, tu Shopify o tu CRM. Es lo normal y lo que mejor funciona. (b) La cuenta demo de Google Analytics: una tienda real de Google, con los datos ofuscados por ellos, pública y gratis. Para practicar el método sin datos propios. (c) El conector oficial de Google Analytics, solo si estás en Claude Code y administras tú tu propiedad de GA4."

   ⚠️ Sobre la (c), antes de que nadie se meta en el jardín: si su web la hizo una agencia, lo más probable es que no administre su propia propiedad de GA4. Es el atasco número uno de esta skill y no es técnico, es organizativo. Pregúntalo de una vez: "¿Entras tú a Analytics como administrador, o lo lleva quien te hizo la web?" Si lo lleva otro, vais directos a la (a) y no perdéis diez minutos.

2b. Si no tiene analítica ninguna, que también pasa: se trabaja igual con lo que sí tiene —formularios recibidos, correos entrantes, ventas, presupuestos enviados— aunque sea contando a mano en una hoja. Y al terminar, se monta la medición mínima para que el lunes que viene sí haya datos. Un negocio sin analítica no es un negocio sin números. 3. Nunca pidas contraseñas, claves de API ni accesos. No hacen falta para nada de esto. Si el usuario te los ofrece, recházalos y explícalo. 4. Comprueba que los periodos son comparables antes de analizar nada. Este paso se salta mucho y se carga el informe entero: ver la tabla del paso 1 del método.

Quién hace el trabajo: el análisis lo haces tú. Al usuario solo le pides los datos, y se los pides una vez, diciéndole exactamente qué necesitas.

5. Di qué filtros vas a poder aplicar y cuáles no. Con dos periodos sueltos se puede filtrar por volumen y ordenar por impacto, pero no se puede saber si un cambio cabe dentro de la variación normal (hace falta el histórico) ni si es un solo día (hace falta el desglose diario). Pídelos si se pueden conseguir; y si no llegan, escribe esos filtros como "no comprobado por falta de datos". Nunca como "descartado". Decir que has descartado algo que no has mirado es exactamente la mentira que esta skill existe para evitar.

El método

Paso 1 — Fijar los dos periodos

Un cambio solo existe contra algo. Antes de mirar ninguna cifra, deja escrito qué comparas con qué, y enséñaselo al usuario.

Paso 2 — El barrido, por capas

No mires cincuenta métricas: mira cuatro capas, en este orden, y en cada una el desglose que tengas disponible (canal, campaña, página, dispositivo, país).

1. Llegan — sesiones o usuarios por canal.
2. Se quedan — sesiones con interacción, páginas por sesión, tiempo, rebote.
3. Convierten — eventos clave, leads, pedidos, y la tasa de cada uno.
4. Pagan — ingresos, ticket medio, si existen.

El orden importa: si la caída está en la capa 1, no pierdas tiempo buscando explicaciones en la 3. Y al revés — si llega la misma cantidad de gente y convierte menos, el campo se estrecha, pero el dato todavía no señala una causa: puede ser la mezcla de canales, la calidad del tráfico, el dispositivo, la medición, la página, la oferta o el proceso de compra. Reduce el terreno, no cierres el caso.

Las definiciones de cada métrica y los nombres que usa Google Analytics están en references/senal-o-ruido.md. No inventes métricas que no estén en los datos que te han dado: si no hay ingresos en la tabla, no hables de ingresos.

Y define en una frase cualquier término técnico la primera vez que lo uses —referral, atribución, umbrales de datos, muestreo, sesión con interacción—. Quien lee esto puede ser alguien de marketing que no ha abierto Analytics en su vida, y un informe que hay que ir traduciendo no se lee.

Paso 3 — El filtro de ruido (aquí está el trabajo de verdad)

La mayoría de lo que se mueve no significa nada. Antes de llamar a algo "cambio", pásalo por estos cuatro filtros. El desarrollo completo, con la aritmética, está en references/senal-o-ruido.md.

• Volumen mínimo. Por debajo de unas 30 sesiones o 10 conversiones en el periodo, el porcentaje dice muy poco: pasar de 2 a 4 pedidos es un +100 % y puede ser una persona. No son umbrales estadísticos, son reglas de andar por casa. Y con una excepción que importa: si esos pocos pedidos valen mucho dinero, el cambio se cuenta igual — con los números absolutos delante y la etiqueta "muestra pequeña", y sin atribuirle una causa.
• ¿Es grande comparado con lo normal? Mira cuánto oscila esa métrica en las últimas 6-8 semanas. Si sube y baja un 20 % todas las semanas, un -18 % es martes. Requiere el histórico: si no lo tienes, este filtro queda "no comprobado".
• ¿Es un día o es la semana? Un pico o un valle de un solo día casi nunca es una tendencia. Míralo día a día antes de escribirlo. Requiere el desglose diario: si no lo tienes, este filtro queda "no comprobado".
• ¿Ha empeorado algo, o solo ha cambiado la mezcla? Una media global puede caer sin que ningún segmento empeore, solo porque ha cambiado el peso de cada uno. Es el error de lectura más común en marketing y tiene su propia sección en el fichero de referencia.

Paso 3b — Pregunta lo que la analítica no ve

Este paso es obligatorio y es de donde salen los dos mejores hallazgos. La analítica te dice cuántos formularios llegaron; no te dice si valían algo. En la prueba real, "de 1 a 0 leads cualificados" y "cero euros de valor perdido" salieron de aquí, no de GA4.

Pregunta las tres de golpe, cuando ya tengas el barrido hecho:

"Tres cosas que tus datos no me pueden decir y tú sí:

1. De esos {N} formularios del periodo, ¿cuántos eran de clientes que te encajan?
2. ¿Cuántos acabaron en una reunión o en una respuesta?
3. ¿Qué pasó con ellos? ¿Alguno compró?"

Con eso, un cambio de 9 a 4 formularios deja de ser un dato y pasa a ser una historia. Y si no lo sabe, también es un hallazgo: significa que no está midiendo lo único que importa.

No conviertas eso en euros si no te da los números. Multiplicar leads por ticket medio por tasa de cierre produce una cifra que alguien va a citar en una reunión y que no existe.

Paso 4 — Elegir tres, y por impacto

Ordena por lo que mueve el negocio, no por el porcentaje más gordo. Un -40 % en un canal que trae 12 visitas importa menos que un -6 % en el que trae 8.000. Traduce siempre a unidades: sesiones, leads, pedidos, euros.

Tres es una decisión de diseño, no una ley: es el número que mantiene el informe accionable en una semana normal. Si hay más, van en una lista aparte, sin desarrollar.

Paso 5 — La hipótesis, y antes la aburrida

Cada cambio sale con una causa probable. Pero primero descarta las explicaciones aburridas, porque son las más frecuentes y las menos emocionantes:

1. La medición se ha roto — una etiqueta caída, un dominio nuevo sin medir, un banner de cookies distinto. Señal típica: cae todo a la vez, un día concreto.
2. El calendario — festivo, puente, vacaciones, fin de campaña.
3. Un día suelto — un pico raro, una newsletter, un post que corrió.
4. Tráfico basura — bots, un referral que aparece de la nada, un país donde no vendes.
5. La herramienta ha cambiado — atribución, umbrales de privacidad, definiciones nuevas.

Las pistas para distinguir cada una están en references/senal-o-ruido.md. Solo cuando esas cinco no explican el cambio pasas a la hipótesis interesante: la creatividad, el precio, la competencia, el producto.

Toda hipótesis lleva dos campos obligatorios:

• Qué la tumbaría — qué tendrías que ver para saber que es falsa.
• Qué mirar a continuación — una comprobación concreta y acotada. Apunta a que quepa en diez minutos; si por su naturaleza va a llevar más (revisar la medición entera, un rediseño, un cambio de atribución), dilo en vez de fingir que es rápida.

Una hipótesis sin esos dos campos no es una hipótesis: es una historia bien contada.

Y al escribir "Ya he descartado", separa las dos cosas: lo que has mirado y no explica el cambio (descartado) y lo que no has podido mirar porque no están los datos (no comprobado). Nunca las mezcles.

Paso 6 — El bucle del lunes

Al final del informe, guarda las hipótesis en una lista con fecha. El lunes siguiente, empieza por ahí: ¿se confirmó, se descartó, o sigue abierta?

Es la parte que más valor da y la primera que todo el mundo se salta. Un informe suelto es una foto; la serie de informes es lo que te enseña cómo se comporta tu negocio de verdad. La plantilla de ese registro está en references/plantilla-informe.md.

Esto no es automático, y hay que decírselo al usuario con todas las letras: no recuerdas conversaciones anteriores. Si el lunes que viene abre un chat nuevo, empiezas de cero. Así que al terminar el informe, dilo:

"Guarda este registro de hipótesis. En Claude.ai, lo más cómodo es tener un Proyecto para esto y dejarlo en sus archivos; si no, guárdalo tú y pégalo al principio del chat el lunes que viene. En Claude Code queda en analista-lunes-registro.md y lo leo yo solo. Si no vuelve a llegarme, el lunes que viene no podré cerrar ninguna hipótesis."

Lo que entregas

Sigue la plantilla completa de references/plantilla-informe.md. En resumen:

# El analista de los lunes · {{negocio}}
_{{periodo}} vs. {{periodo de comparación}} · fuente: {{de dónde salen los datos}} · {{fecha}}_

## Lo que pasó con las hipótesis del lunes pasado
{{solo a partir del segundo informe: confirmada / descartada / sigue abierta}}

## Las tres cosas que han cambiado

### 1. {{titular de una línea, con el número dentro}}
- **El cambio:** de {{X}} a {{Y}} ({{±Z %}}) · {{métrica}} · {{segmento}} · {{periodo}}
- **Cuánto pesa:** {{en pedidos, leads o euros}}
- **Hipótesis:** {{por qué creo que ha pasado}}
- **Qué la tumbaría:** {{qué tendría que ver para descartarla}}
- **Ya he descartado:** {{medición rota / festivo / un solo día / bots / cambio de la herramienta}}
- **No he podido comprobar:** {{lo que no se ha mirado porque no están los datos}}
- **Qué mirar mañana:** {{comprobación concreta y acotada}}
- **Confianza:** alta / media / baja — {{por qué}}

### 2. … ### 3. …

## Lo que se ha movido y NO es noticia
{{cambios descartados y el filtro que no pasaron}}

## Lo que estos datos no pueden decirme
{{qué no está medido, qué falta, qué no se puede saber desde aquí}}

El entregable: un panel Y un análisis, en dos pestañas

Sigue references/dashboard-interactivo.md. El HTML lleva dos pestañas, y hay que entregar las dos:

Un panel sin análisis es un gráfico bonito. Un análisis sin panel es un PDF que nadie explora. Si solo entregas uno de los dos, la skill está a medias.

El panel solo se monta si hay dato fila a fila. Con dos capturas de Analytics no hay panel: hay informe, y se dice así en lugar de fingir un dashboard con cuatro cifras.

El orden sigue siendo la lección. No se dibuja nada durante la conversación: primero se barre, se filtra el ruido y sobreviven tres cambios. Cualquier herramienta te pinta cuarenta métricas en dos clics; lo que no te da ninguna es el criterio para tirar treinta y siete. El panel te deja mirar; la segunda pestaña te dice dónde mirar.

Nada de librerías de gráficos: barras con div y width en porcentaje, series con <svg> a mano. Un solo fichero que se abra con doble clic dentro de un año, sin internet.

La pestaña de análisis lleva, además del informe:

• Un resumen de cinco líneas para dirección, arriba del todo. El informe completo no se lleva a un comité; este resumen sí. No lo improvises al final: va siempre.
• El registro de hipótesis con la fecha de la próxima revisión y qué hay que comprobar en cada una. Así el lunes que viene basta con abrir el fichero de este lunes. Es lo único que hace que el bucle sobreviva a la buena intención.
• El diario: qué filtros se pudieron aplicar y cuáles quedaron en "no comprobado" — que no es lo mismo que "descartado", y esa distinción es media skill.

El desglose por canal es lo que da la mitad de la fuerza al informe y casi nadie sabe sacarlo. En GA4: Informes → Adquisición → Adquisición de tráfico, y arriba a la derecha fijas los dos periodos a comparar. Si no puede, pide el dato a quien lleve la cuenta con el mensaje de abajo.

Y al cerrar: que no haya que volver a exportar nunca

Cuando ya tenga el informe delante —nunca antes—, abre references/conectar-datos.md y ofrécele conectar la fuente. Pegar un CSV funciona una vez; al tercer lunes ya nadie exporta nada, y la skill muere de éxito.

Tres caminos, y el segundo es el del 80% de la gente:

1. Conector oficial, si su herramienta está en el directorio (HubSpot, Mailchimp, Google Sheets, Analytics). Se activa en Ajustes → Conectores, una vez, sin terminal.
2. Su CRM no está en la lista — lo normal en PYME. La salida es un volcado periódico a Google Sheets, que sí tiene conector. No hay que tocar el CRM.
3. Una rutina programada que lo ejecute los lunes y se calle si no ha cambiado nada relevante. Esa última condición es la que hace que el informe se siga leyendo al mes.

No prometas un conector sin comprobar que lo tienes disponible en la sesión. Si no lo ves, di que existe en el directorio y hay que activarlo, y sigue con el fichero de hoy.

Cuando los datos los tiene otro

Pasa constantemente. Escribe el correo tú, no lo dejes en "pídeselo a tu agencia":

"Hola: ¿me podéis dar acceso de lectura a la propiedad de Google Analytics? Con el rol de Lector me vale, no necesito tocar nada.

Y si eso lleva tiempo, con esto me apaño mientras: el informe de adquisición de tráfico por canal, comparando {periodo A} con {periodo B}, con sesiones y conversiones de cada uno. Exportado a CSV o una captura, como os venga mejor. Gracias."

Dos reglas que no se negocian

1. Nunca un porcentaje solo. Siempre "de 412 a 383 sesiones (-7 %)", nunca "-7 %". El porcentaje sin el número absoluto es la forma más rápida de que alguien tome una decisión de mil euros por culpa de cuatro clics de diferencia.

2. Entrega los cambios que los datos sostengan, hasta tres. Si la semana ha sido plana, dilo. Con estas palabras:

"Esta semana no ha cambiado nada que merezca tu atención. Lo que más se ha movido es {{X}}, y no pasa el filtro porque {{motivo}}. Te veo el lunes que viene."

Un analista que algunas semanas no tiene nada que contarte te está ahorrando el lunes. Rellenar el cupo con tres cambios inventados es exactamente lo que este método existe para evitar.

🔍 Test de la mentira

Tres comprobaciones, delante del usuario:

1. Contrasta un número con la fuente, y rehaz la cuenta. Coge la primera cifra del informe y búscala en la pantalla de Analytics o en la celda del CSV: eso comprueba que está bien copiada. Después rehaz el porcentaje a mano —(valor nuevo − valor anterior) ÷ valor anterior × 100— para comprobar que además está bien calculado. Si algo no cuadra, para: un número mal leído contamina todas las hipótesis que cuelgan de él.
2. Pregunta qué ha descartado. Literal: "¿qué cambios grandes has visto y no has metido en los tres, y por qué?" Si no sabe contestar, no ha filtrado nada: ha cogido tres al azar. La respuesta tiene que nombrar el filtro (volumen, variación normal, un solo día, mezcla).
3. Busca la explicación aburrida. Para cada hipótesis: "¿esto podría explicarse por una etiqueta rota, un festivo o un único día raro?" Si esa comprobación no está escrita en el informe, la hipótesis está a medias.

Lo que este test NO comprueba —dilo, porque es la parte importante—:

• Que la hipótesis sea la causa. Estos datos muestran que dos cosas pasaron a la vez, no que una provoque la otra. Eso lo confirma un experimento o una fuente de fuera, nunca un informe.
• Que los datos sean correctos. Si la medición está rota, el análisis está roto y suena igual de convincente. Google Analytics además aplica umbrales de datos en algunos informes —oculta filas con pocos usuarios para que no se pueda identificar a nadie— y puede muestrear exploraciones muy grandes: son dos cosas distintas y las dos cambian las cifras que ves.
• Que no haya un cuarto cambio más importante fuera de la tabla. Lo que no se mide no aparece. Si tu mejor semana vino de un boca a boca, en Analytics pone "directo".

Si solo hay tiempo para una, que sea la primera.

De dónde salen los datos de verdad

Esta skill no trae un dataset inventado, y es a propósito: existe una cuenta pública con datos de un negocio que existe, así que no hace falta fabricar nada. Tres vías, en este orden.

Y una cosa que sí puedes buscar tú (sigue references/_investigar.md): el contexto externo del periodo. Antes de dar una hipótesis por buena, mira si pasó algo fuera —una noticia del sector, un cambio de algoritmo, un festivo, un competidor que lanzó algo—. Muchas veces la explicación de un pico no está en la analítica: está en Google. Y si su tráfico vino de un enlace, ábrelo: saber qué decía ese post explica más que la tabla.

Vía 1 — La cuenta demo de Google Analytics (para practicar, y sale de una tienda real)

Google mantiene una cuenta de demostración pública y gratuita alimentada por la Google Merchandise Store, su tienda de merchandising (shop.merch.google). Entras con cualquier cuenta de Google, sin pedir permiso a nadie y sin tocar tus propios datos.

Con una precisión que hay que hacer siempre: Google dice literalmente que "los datos de la cuenta de demostración están ofuscados, pero siguen siendo datos típicos de Analytics". Vienen de una tienda real y de su tráfico real, y Google los altera antes de enseñarlos. Sirven para aprender el método a la perfección; no son una ventana a las ventas reales de Google. Di las dos mitades: ni "son inventados" ni "son las cifras reales de Google".

Los pasos exactos, los informes que conviene abrir y cómo sacar los datos de ahí están en references/cuenta-demo-ga4.md. Léelo antes de guiar al usuario: la cuenta demo tiene dos límites duros que hay que decirle de entrada — no deja exportar informes y no se puede conectar por API (una API es la conexión automática entre dos herramientas; sin ella, los datos se sacan a mano).

Vía 2 — Sus propios datos, pegados (la que nunca falla)

Cualquier tabla sirve: una exportación de Google Analytics, de Meta Ads, de Shopify, de Search Console o de su CRM. Se pega en el chat o se sube el fichero.

Pide el material una sola vez y con precisión, así:

"Necesito hasta tres cosas, y con la primera ya empezamos:

1. Obligatoria — una tabla con una fila por canal (o campaña, o página), los dos periodos que vamos a comparar y, para cada uno, los números absolutos: sesiones, conversiones e ingresos si los hay. Con 10-20 filas me sobra.
2. Si puedes — la misma métrica principal semana a semana en las últimas 6-8 semanas. Es lo que me deja saber si este cambio es grande o es lo de todas las semanas.
3. Si puedes — el desglose día a día de las dos semanas comparadas. Es lo que me deja distinguir «ha bajado la semana» de «pasó algo un jueves».

Si tu herramienta deja exportar a CSV, súbelo tal cual; si no, una captura de la tabla también me vale. Con solo la primera trabajo igual, pero los filtros 2 y 3 los marcaré como no comprobados en vez de fingir que los he descartado."

Esta vía es la más fiable de las tres, y conviene decirlo sin complejos: a cambio de exportar o capturar una tabla, los datos son suyos y actuales.

Antes de pegar nada, un aviso que sí importa: que no haya datos personales en la tabla. Nombres, emails o teléfonos de clientes no pintan nada en un análisis de métricas. Si el CSV de su CRM los trae, que borre esas columnas antes.

Vía 3 — El conector oficial de Google Analytics (solo Claude Code, y solo con GA4 propio)

Google publica un servidor MCP oficial para Analytics —MCP es el estándar que permite a Claude conectarse a herramientas de fuera— en github.com/googleanalytics/google-analytics-mcp. Es de solo lectura y deja pedir informes directamente, sin copiar y pegar.

Lo que hay que decir antes de que alguien se meta en el jardín:

• Google lo etiqueta como experimental, es Apache-2.0 y se ejecuta en tu propio ordenador. No hay versión para Claude.ai: si estás en la web, esta vía no es para ti. Requiere Python 3.10+, gcloud, un proyecto de Google Cloud y activar dos APIs.
• No funciona con la cuenta demo. Google lo dice explícitamente: la cuenta de demostración no se puede usar con la API Data de Analytics. Solo sirve con GA4 propio.
• No hace falta para esta skill. Para este análisis, una tabla pegada con los mismos campos da lo mismo; el conector solo aporta cuando quieres pedir muchos periodos o desgloses sin copiar y pegar. Ofrécelo solo si el usuario ya trabaja en Claude Code y tiene su propia propiedad de Analytics (su espacio de medición de una web o app).

Lo que NO se hace

• No prometas conectar la cuenta demo por API. Está bloqueado por Google, y todo el que lo intente se va a comer un error de permisos. Verificado en la ayuda oficial el 2 de agosto de 2026.
• No montes un scraper del panel de Analytics. Va contra las condiciones de uso y además no hace falta: una captura de pantalla suele ser la vía más sencilla.
• No pidas nunca credenciales. Ni contraseña de Google, ni claves de API, ni un usuario de acceso a su cuenta. Si hace falta un dato que no tienes, se pide el dato, no la llave.
• No rellenes huecos. Si en la tabla falta una semana, un canal o una columna, dilo y trabaja con lo que hay. Estimar una cifra que luego alguien va a citar en una reunión es la peor cosa que puede hacer esta skill.
• Si una fuente te bloquea o un informe no carga, es un dato, no un obstáculo que sortear. Dilo y tira de la vía 2.

Si algo falla