avatar

Francisco Pérez

Actualizado: 2026-10-26

12 min de lectura

Las descargas indican que una app atrae interés, pero no explican si sus usuarios encuentran valor, regresan o compran. Las métricas de apps permiten responder a esas preguntas cuando se calculan con datos comparables. Esta guía reúne diez grupos de indicadores, sus fórmulas y ejemplos para elegir qué medir, definir los eventos necesarios y evaluar las notificaciones push.

Qué es la analítica de uso de apps

La analítica de uso de apps consiste en recopilar e interpretar datos sobre cómo se utiliza una aplicación. Relaciona acciones observables, como abrirla o completar una compra, con preguntas de producto y marketing. Las métricas de aplicaciones móviles también permiten estudiar adquisición, retención e ingresos.

Un análisis de aplicaciones móviles útil parte de una decisión: mejorar la activación, investigar una caída de retención o revisar el coste de captar clientes. Elija los indicadores según esa decisión y compare periodos, canales o versiones con la misma definición.

metricas de apps portada

10 métricas de apps y cómo interpretarlas

No todas las métricas necesitan la misma atención. Esta tabla ayuda a priorizar antes de revisar las fórmulas.

Problema Métricas prioritarias Desglose útil Qué comprobar
Más instalaciones, poco uso efectivo Instalaciones, activación y CPI Canal de adquisición Si el nuevo tráfico alcanza la primera acción de valor
Los usuarios llegan, pero no vuelven Usuarios activos y retención Cohorte, canal y versión Dónde empieza a caer el retorno
Aperturas frecuentes, pocas compras Conversión, ARPU y ARPPU Etapa de compra y tipo de usuario Si cambia el recorrido o la composición de los ingresos
Se plantea ampliar la inversión CAC y valor de la misma cohorte Clientes de primera compra Comparabilidad, margen y plazo de recuperación

1. Descargas e instalaciones

Son indicadores de adquisición. Registre las descargas o instalaciones del periodo según la definición de la tienda o del proveedor de atribución. Compruebe si incluye reinstalaciones y cómo identifica una primera instalación.

Una descarga, una primera apertura y un registro del SDK son sucesos distintos. Tampoco equivalen a una cuenta de negocio nueva. Si aumentan las instalaciones pero no la activación, revise por canal la calidad del tráfico y el recorrido inicial antes de ampliar la campaña.

2. Usuarios activos: DAU, MAU y DAU/MAU

Los usuarios activos diarios y mensuales cuentan usuarios distintos que cumplen una condición de actividad. Defina primero esa condición: abrir la app, completar una tarea u otra acción relevante. No mezcle definiciones entre periodos o herramientas.

En nuestro ejemplo de negocio, la actividad es abrir la app y la identidad es el user_id de una cuenta registrada. DAU cuenta esas cuentas en un día natural completo; MAU las cuenta en los últimos 30 días naturales, incluido ese día. El uso anónimo se analiza aparte.

DAU/MAU (%) = DAU del día ÷ MAU de los 30 días correspondientes × 100. El denominador se deduplica sobre todo el intervalo: sumar los DAU diarios contaría varias veces a quienes regresan.

La ratio orienta sobre frecuencia de uso. Su interpretación depende del producto: una app de viajes no necesita la misma recurrencia que una de mensajería. No existe un umbral universal que demuestre éxito.

3. Tasa de activación

La activación indica qué parte de una cohorte alcanza una primera acción de valor dentro de un plazo definido.

Activación (%) = usuarios de la cohorte que completan el evento en el plazo ÷ usuarios de esa cohorte con el plazo completo observado × 100.

En el ejemplo posterior, la primera adición de un producto comprable al carrito es una señal candidata. Su relación con el valor del producto debe validarse con datos de retención o compra. Consulte cómo definir el evento de activación antes de considerar activado a cualquiera que se registre.

4. Tiempo medio de interacción por sesión

Para medir uso efectivo, especifique el campo. Con los indicadores de GA4 , puede calcular tiempo medio de interacción por sesión = tiempo total de interacción en primer plano ÷ número de sesiones , usando el mismo periodo y filtro.

Se expresa en segundos y excluye el tiempo en segundo plano. No debe confundirse con la duración completa de la sesión. En una app de contenido, más tiempo puede indicar interés; en una herramienta, menos tiempo junto con más tareas completadas puede reflejar una mejora.

5. Intervalo entre sesiones

En esta guía, el intervalo es la diferencia entre el inicio de una sesión y el inicio de la siguiente para el mismo usuario. La mediana de esos intervalos permite describir la recurrencia sin que unos pocos valores extremos dominen el resultado.

Necesita identificadores y fechas de sesión. Quien solo tiene una sesión no aporta un intervalo, tampoco uno de cero. Interprete estas métricas de engagement de apps según la frecuencia esperada de uso, junto con la retención y las acciones completadas.

6. Retención D1, D7 y D30

Las métricas de retención de apps miden qué parte de una cohorte regresa. Defina el evento inicial, el de retorno y cómo se cuenta cada día.

Retención D7 (%) = usuarios de la cohorte que regresan el día 7 ÷ usuarios iniciales con D7 completamente observado × 100. D1 y D30 siguen la misma lógica.

Aquí usamos días naturales en la zona horaria Europe/Madrid y retorno exactamente en D7. No es lo mismo que regresar en D7 o después, ni que usar ventanas de 24 horas desde cada registro. La definición temporal de la retención explica por qué los resultados pueden cambiar. Compare cohortes por canal o versión para localizar el problema.

7. Conversión de una acción clave

Elija una acción y una población elegible. Para una compra, use la confirmación de pago del sistema de pedidos.

Conversión (%) = usuarios únicos que completan la acción en el plazo ÷ usuarios elegibles del mismo grupo × 100.

No divida pedidos entre usuarios si pretende medir un porcentaje de personas: alguien puede comprar varias veces. Si cae la conversión, revise qué etapa cambia y si varió la audiencia. Después puede elegir estrategias para aumentar el engagement de una app acordes con el diagnóstico.

8. ARPU y ARPPU

Ambos relacionan ingresos y usuarios, pero cambian el numerador y el denominador. Según las definiciones de ingresos de GA4 :

ARPU = ingresos totales ÷ usuarios activos.

ARPPU = ingresos de compra ÷ usuarios activos que han realizado una compra.

Use el mismo periodo, moneda y filtros. El total puede incluir publicidad; los ingresos de compra descuentan los reembolsos correspondientes. No añada ingresos publicitarios al numerador del ARPPU de GA4.

Ejemplo hipotético: 10 000 € de ingresos de compra tras reembolsos, 2000 € publicitarios, 1000 usuarios activos y 100 compradores activos. ARPU = 12 €; ARPPU = 100 €. Una subida puede proceder del gasto de pocos compradores, por lo que conviene revisar también cuántos compran.

9. CPI y CAC

Estas métricas de app marketing responden a preguntas diferentes:

  • CPI = gasto publicitario de adquisición ÷ instalaciones atribuidas a ese gasto.
  • CAC = costes de adquisición correspondientes ÷ nuevos clientes atribuidos a esa inversión.

El coste por instalación no demuestra que se haya conseguido un cliente. En nuestro ejemplo, cliente significa usuario que realiza su primera compra pagada.

Declare qué costes incluye el CAC, como publicidad y producción de campañas, y alinee origen y ventana de atribución. Un CPI menor puede coexistir con un CAC mayor si los nuevos usuarios apenas compran.

10. LTV y valor observado de la cohorte

Para empezar, calcule el valor observado de una cohorte: ingresos acumulados tras reembolsos durante un plazo definido ÷ número inicial de clientes de esa cohorte . Si observa los primeros 30 días desde la primera compra de cada cliente, espere a completar ese plazo y etiquete el resultado como valor a 30 días.

Un modelo simplificado de ingresos es LTV estimado = ingreso medio por pedido tras reembolsos × pedidos esperados durante la relación con el cliente . Un supuesto de 25 € por pedido y ocho pedidos da 200 € por cliente. La previsión requiere justificar esos ocho pedidos con datos o hipótesis explícitas.

Ese resultado no es beneficio. Para compararlo con el CAC, use la misma definición de cliente y considere margen y tiempo de recuperación. El valor a 30 días tampoco equivale automáticamente al valor de toda la relación.

Cómo medir el uso de una app: eventos y ejemplo

Prepare un pequeño diccionario de eventos: qué acción se registra, cuándo se considera completada y qué identificador permite deduplicarla. Estos nombres son ilustrativos y deben adaptarse a su sistema de analítica; no son eventos de negocio que AppPush detecte por sí solo.

Evento de ejemplo Cuándo registrarlo Datos mínimos Uso
app_opened La app pasa a primer plano Usuario y fecha del evento Actividad y retorno
account_created La cuenta de negocio se crea correctamente Usuario y fecha de alta Inicio de la cohorte
item_added_to_cart Se guarda un producto comprable añadido por el usuario Usuario, carrito, producto y fecha Señal candidata de activación
purchase_completed El servidor confirma el pago Usuario, pedido, fecha, importe y moneda Compra e ingresos

Use el mismo identificador de negocio para los eventos posteriores al registro. Cuente cada pedido una sola vez mediante su identificador y conserve los reembolsos asociados para calcular ingresos. Antes de interpretar una caída, compruebe que una nueva versión no ha dejado de registrar eventos o cambiado su definición.

Valide el esquema con una apertura, un registro, una adición al carrito y una compra de prueba. Compruebe que llegan con la identidad y fecha esperadas, que repetir el envío de un registro no duplica la compra y que el importe coincide con el sistema de pedidos. Un dato ausente no debe convertirse automáticamente en un cero.

Ejemplo hipotético de una cohorte registrada: 1000 usuarios crean su cuenta el 1 de septiembre, D0. Con días naturales en Europe/Madrid, 400 añaden por primera vez un producto entre D0 y D6; 180 abren la app en D7, el 8 de septiembre. Una vez terminado D7, la activación candidata es 400 ÷ 1000 × 100 = 40 % y la retención D7 es 180 ÷ 1000 × 100 = 18 % .

Los 180 usuarios no tienen por qué pertenecer a los 400 que se activaron. Son resultados de la misma cohorte de registros, no de todas las instalaciones. Para calcular retención entre activados necesitaría otro grupo y otra definición del inicio.

Estos cuatro eventos no bastan para los diez grupos de métricas: las sesiones requieren sus propios registros; CPI y CAC necesitan costes y atribución; los ingresos requieren pedidos y reembolsos. Además, haber añadido un producto no acredita un carrito pendiente hoy: consulte su estado, contenido, fecha de actualización y pedido asociado en el sistema de negocio.

Cómo evaluar las notificaciones push con los datos de la app

Con el SDK y los canales de AppPush configurados, un caso de uso es recordar un carrito pendiente a usuarios sin aperturas durante los últimos siete días. El sistema de negocio comprueba el estado actual y la última actividad. Después puede vincular usuarios y segmentar con alias y etiquetas en AppPush. Actualice esos datos cuando cambie la situación y vuelva a comprobar la elegibilidad antes del envío.

medicion push eventos conversion

Conserve la relación entre usuario, campaña, grupo experimental y mensajes enviados. Las compras proceden del sistema de pedidos; los estados del mensaje permiten investigar la entrega y la respuesta, pero no acreditan por sí solos una compra.

Distinguir los datos de usuarios, mensajes y compras

Cada informe responde a una pregunta distinta:

  • Las estadísticas de usuarios de AppPush cuentan nuevos registros del SDK y usuarios que abren la app al menos una vez al día; no equivalen a altas de cuentas de negocio o activaciones.
  • En las estadísticas de envío y clics , la tasa de clics es clics ÷ entregas × 100, dentro del mismo conjunto de tareas del informe.
  • El informe excluye entregas, visualizaciones y clics posteriores al límite de cinco días descrito en la documentación. Ese límite es distinto de la ventana de compra que defina su equipo.
Panel de EngageLab AppPush con envíos, entregas y clics de notificaciones

Ejemplo de interfaz de la documentación oficial. «Análisis de conversión» muestra etapas del mensaje; no es un informe de pedidos ni un resultado de referencia.

También puede recibir estados de los mensajes mediante callback . Interprete cada canal: en FCM y APNs, delivered indica envío correcto al servidor del proveedor, no confirma visualización en el dispositivo. Elimine los registros duplicados de callbacks antes de agregarlos.

Ponga a prueba su próxima campaña push

Prepare una campaña en EngageLab AppPush, consulte las entregas y los clics, y evalúe las compras con los datos de su propio sistema.

Probar AppPush

Comparar resultados de negocio con un grupo de control

Para evaluar compras adicionales, prepare una asignación aleatoria estable por usuario de negocio. Ambas ramas deben cumplir previamente las mismas condiciones del carrito y de recepción de push; los dispositivos de una cuenta permanecen en el mismo grupo.

Ejemplo hipotético independiente: de otros 2000 usuarios elegibles, asigne 1000 al envío y 1000 al control sin ese mensaje. Para este envío único, ambas ramas observan las 24 horas desde el mismo inicio y mantienen iguales las demás acciones de marketing.

Grupo Usuarios asignados Compradores únicos Conversión
Envío 1000 50 5 %
Control 1000 40 4 %

Cuente usuarios con al menos un pedido pagado, hayan pulsado la notificación o no. Mantenga como denominador a todos los asignados, incluidos fallos de envío. Si una compra posterior a la asignación obliga a cancelar el mensaje, conserve el grupo original.

La diferencia observada es un punto porcentual ; requiere evaluar incertidumbre, tamaño de muestra y ejecución antes de afirmar un efecto. Analice compras por usuario e identificador del experimento: el control no tiene un mensaje que pulsar ni necesita un message_id para entrar en el análisis.

Preguntas frecuentes sobre métricas de apps

¿Cómo medir el rendimiento de una app además de su uso?

Distinga los resultados de negocio de la calidad técnica. Aperturas, retención y compras describen comportamiento; tiempos de carga, errores y sesiones sin fallos describen funcionamiento. Relaciónelos por versión o plataforma para investigar problemas, sin tratarlos como indicadores equivalentes.

¿Por qué no coinciden los usuarios activos entre herramientas?

Pueden cambiar la identidad, el evento de actividad, la zona horaria, los filtros o la cobertura de datos. Por ejemplo, la definición de usuario activo en GA4 incluye criterios propios. Compruebe esas condiciones antes de comparar sus cifras con aperturas de AppPush o cuentas activas de su negocio.

Empiece por una métrica y una acción medible

Elija las métricas según la decisión que necesita tomar y mantenga coherentes identidad, eventos, ingresos y ventanas. Compruebe primero la calidad de los datos y después pruebe una mejora concreta. Para incorporar notificaciones push a ese proceso, evalúe cómo conectar AppPush con sus audiencias y sus registros de negocio.

Explorar AppPush