BigQuery vs GA4: por qué las agencias replantean su data stack

Durante años, Google Analytics ha sido la capa analítica por defecto para las agencias: fácil de desplegar, cuadros de mando familiares y respuestas rápidas. Pero hoy en día, las agencias de marketing se enfrentan a clientes que cuestionan el rendimiento declarado, a la falta de alineación entre las plataformas publicitarias y los ingresos de backend, a una presión cada vez mayor sobre la privacidad y a márgenes bajo presión.

Nos sentamos con Jos Ijntema, Especialista en Datos de Grain, para entender por qué más agencias están reevaluando GA4 y por qué poseer tu pila de datos con BigQuery se está convirtiendo en un movimiento estratégico.

El rendimiento es más difícil de conseguir. Los costes son mayores. Así que las decisiones importan más, y de repente los equipos se dan cuenta de que los datos no cuadran del todo.

Este artículo analiza lo que esto significa para los propietarios de agencias que quieren escalar, diferenciarse y mantener su credibilidad.

Los problemas no son nuevos (pero están saliendo caros)

Los problemas siempre estuvieron ahí. No empeoraron mucho. Pero lo que ha cambiado es que nos hemos dado cuenta de que tenemos que hacer algo al respecto.

Por un lado, la presión sobre el rendimiento se intensifica, con los CPA y CPC en continuo ascenso y una competencia cada vez más feroz. Por otro lado, se está intensificando la aplicación de la legislación sobre privacidad y las empresas están poniendo por fin las herramientas de Google detrás de los muros de consentimiento... pero eso crea sus propias lagunas de datos.

En este escenario, ha desaparecido el margen de error en las decisiones de asignación presupuestaria.

Los informes son la mejor herramienta de las agencias para representar la experiencia, dar forma a las conversaciones estratégicas y determinar si los clientes confían en ti. Si las cifras no coinciden, el efecto halo es brutal: se cuestiona la calidad de la campaña, baja la credibilidad de la estrategia y las relaciones se debilitan.

Unos datos limpios, coherentes y explicables cambian totalmente esta dinámica. La conversación pasa de defender tus datos a "¿Cómo mejoramos esto juntos?". Esa es la diferencia entre ser interrogado y ser un socio estratégico.

Tres límites cruciales del GA4

GA4 sigue desempeñando un papel importante en la comparación de canales, el análisis de embudos y la comprensión del comportamiento del sitio web. Pero sus limitaciones se hacen visibles una vez que las agencias van más allá de la optimización a nivel superficial.

Trabajando con agencias de marketing, Jos advierte repetidamente 3 limitaciones GA4:

1. Falta de datos a escala

Los bloqueadores de seguimiento, las restricciones de los navegadores (como la PTI de Safari) y los requisitos de consentimiento pueden bloquear el 40-50% de tus datos antes de que lleguen a GA4. Falta un porcentaje estructural de datos.

2. Perspectiva sólo web

GA4 rastrea fundamentalmente el comportamiento del sitio web. Pero a los clientes no les importan las métricas del sitio web de forma aislada: les importan los ingresos, el margen, el valor de vida del cliente y las tasas de retorno.

Muy a menudo tu cliente te pide tener la mayor facturación posible. Pero entonces yo pregunto: vale, ¿pero qué pasa si le entrego su volumen de negocio que se remonta hasta el final, o le entrego su volumen de negocio con márgenes bajos, o le entrego su volumen de negocio sólo con clientes que sólo hacen un pedido?

Para responder a estas preguntas, necesitas combinar datos web con sistemas backend, datos CRM y métricas financieras. GA4 puede importar algunos de estos datos, pero ¿qué ocurre con las ventas offline o la calidad de los ingresos? Estos parámetros rara vez viven de forma nativa dentro de GA4.

3. Sesgos de plataforma e interpretación

Para las agencias que gestionan estrategias multicanal, depender de una plataforma de análisis propiedad de Google para atribuir equitativamente valor a través de Google Ads, Meta, TikTok y otros canales crea un conflicto de intereses inherente. "Dado que ése es el mayor canal para muchas empresas... personalmente, lo encuentro muy desagradable desde un punto de vista estratégico".

Pero el problema de la transparencia es más profundo que el sesgo de la plataforma. La lógica de atribución de GA4 se basa en modelos y supuestos que no siempre son visibles para los usuarios.

Algo se presenta como un número, pero detrás hay una interpretación. Eso es peligroso si basas tu estrategia en ello.

Por ejemplo, las pruebas A/B. GA4 utiliza HyperLogLog++ para estimar el recuento de usuarios, lo que suena técnico y preciso. Pero como señala Jos, "aunque veas las cifras... detrás hay una interpretación, una colección de modelos", lo que significa que esos datos son fundamentalmente inadecuados para el análisis riguroso de experimentos. Si diriges programas de CRO, optimización de medios a escala o cualquier forma de experimentación estructurada, esto supone una grave limitación: estás tomando decisiones estratégicas basadas en cifras que parecen definitivas, pero que en realidad son estimaciones estadísticas optimizadas para diferentes casos de uso.

¿Por qué BigQuery, y por qué ahora?

La autoridad francesa de protección de datos ya ha dictaminado que el GA4 no es conforme sin consentimiento. Es probable que le sigan otros reguladores europeos. Ya se ve venir. ¿Vas a correr ese riesgo?

Este cambio normativo forma parte de un movimiento europeo más amplio hacia una aplicación más estricta y un escrutinio técnico, que desglosamos en detalle en nuestra guía sobre los requisitos europeos de rastreo del lado del servidor.

Grain tomó la decisión deliberada de construirlo todo sobre BigQuery, utilizando GA4 como una de las fuentes. Su razonamiento revela una visión estratégica a la que las agencias con visión de futuro deberían prestar atención:

1. Total transparencia en los datos brutos

BigQuery combina datos de marketing, datos de backend, datos de CRM y datos financieros, lo que te permite tener una visión completa.

2. Privacidad por diseño

"Bloqueadores de seguimiento, ¿por qué están ahí? Porque les parece terrible que Meta, TikTok, Pinterest, Google estén en todos los sitios web". En cambio, la recopilación de datos de origen para tus propios análisis es una operación empresarial normal que no invade la privacidad. Éste es exactamente el principio en el que se basa el marketing de datos de origen centrado en la privacidad: recopilar datos para tu propia analítica y toma de decisiones, en lugar de alimentar ecosistemas opacos de terceros.

3. Preparación para el futuro

Los datos pronto formarán parte de tu ventaja competitiva. O puede que incluso la higiene, que ya no puedas existir sin una buena gestión de los datos en absoluto.

4. Soberanía de los datos

Tu almacén de datos es tuyo. Tú controlas qué datos entran, quién puede acceder a ellos y cuánto tiempo se conservan. Sin depender de herramientas de terceros, tienes la libertad de construir sobre tus cimientos de datos a lo largo del tiempo, en lugar de reconstruirlos cada vez que una plataforma cambia sus prioridades. Esto es importante porque el panorama competitivo está cambiando. Tener acceso a los datos no te diferenciará: todas las agencias tienen análisis en marcha. Lo que separará a las agencias estratégicas de los proveedores de ejecución es la propiedad de los datos.

El contraste se explica por sí mismo:

• Las agencias que confían en plataformas de terceros entregan los datos de los clientes, dependen de la lógica de la plataforma y aceptan los puntos ciegos como algo "normal". Alquilan su infraestructura y esperan que el propietario no cambie las condiciones.
• Los organismos que son propietarios de sus datos controlan la calidad, la interpretación y la flexibilidad a largo plazo. Construyen un conocimiento institucional que se acumula con el tiempo, en lugar de evaporarse cuando una plataforma cambia su API.

GA4 vs BigQuery: diferentes funciones en una pila de datos moderna

¿Es BigQuery realmente demasiado complejo?

Cuando Jos menciona BigQuery a las agencias, la respuesta más común es que parece muy técnico. Lo cual es cierto, sin duda, pero aquí es donde la conversación tiene que cambiar: la gente compara BigQuery con el status quo, que es caro en formas que no están contando.

El verdadero riesgo no es el coste de implantación: son las decisiones equivocadas basadas en datos erróneos.

Considera un presupuesto de campaña de 10.000 euros. "Tomas la decisión de que la campaña A era mejor que la B. Y entonces vas a diseñar nuevas páginas de destino, nuevas creatividades, vas a enviar a tu agencia de marketing. Vas a prepararlo todo. Eso te cuesta unos miles de euros y luego tu presupuesto. Y luego resulta que es la campaña equivocada".

O considera una campaña de Black Friday que parece exitosa en GA4: "Crees que esto va muy bien. Obtenemos muchos ingresos. Pero resulta que todos esos ingresos eran contra artículos que tenían márgenes muy bajos. Y además esos clientes lo devolvían todo".

En esos casos, los datos defectuosos son mucho más caros que una pila de datos.

Así que, he aquí la realidad: la complejidad existe, la reconozcas o no. GA4 con un 40-50% de pérdida de datos, atribución desajustada y los algoritmos de caja negra de Google... eso también es complejo. Simplemente te has acostumbrado a ello.

Dónde interviene el seguimiento del lado del servidor

El seguimiento del lado del servidor por sí solo no es una bala de plata, y Jos lo tiene claro. Pero cuando se combina con una clara propiedad de los datos, un almacén (como BigQuery) y una propuesta de agencia estructurada, se convierte en la base de una pila de datos escalable.

El Seguimiento en el Servidor permite a las agencias

• Estandarizar la configuración del servidor
• Mantener canalizaciones que den prioridad a la privacidad
• Alimentar con datos fiables las plataformas analíticas y publicitarias
• Activa múltiples clientes con un enfoque escalable

Eso es exactamente lo que define a una agencia estratégica.

¿Estás listo para explorar cómo podría ser el Seguimiento en el Servidor para tu agencia?

Hoja de ruta de las agencias para mejorar su pila de datos

Paso 1: Busca "Maximizer Vision".

Jos Ijntema insiste en empezar con visión, sobre todo para los clientes de comercio electrónico. No todos los clientes están preparados. Filtra a los que tienen lo que él llama una "visión maximizadora": dispuestos a utilizar datos de todos los departamentos (marketing, compras, finanzas, etc.) para impulsar la optimización en 3 pilares clave:

• alimentación del producto
• valor de conversión
• públicos.

Paso 2: Empieza con el caso empresarial

Antes de invertir tiempo en formación o implementación, habla con tu cliente y entiende sus puntos de dolor. De este modo podrás entender si realmente puedes monetizar la mejora.

Cambia a un modelo de fijación de precios basado en el valor, preguntándote "¿qué valor aportamos?" en lugar de "¿cuánto me cuesta esto?". Pregunta a tu cliente qué pérdida de ingresos, factores de coste u oportunidades de crecimiento están causando los datos fragmentados. Preguntas cruciales para tus clientes:

• ¿Qué te está costando ingresos en este momento?
• ¿Qué es lo que genera costes innecesarios?
• ¿Dónde ves oportunidades de crecimiento?

Suelen ser datos fragmentados: cumplimiento ve que las existencias pasan de moda, pero marketing no puede actuar sin ellos. Los almacenes de datos, o seguimiento del lado del servidor, combinan los datos departamentales para desbloquear oportunidades. Este es el proceso que Jos recomienda

1. Definir casos de uso y valor
2. Evalúa opciones como almacenes o TSM
3. Prioriza por ROI o esfuerzo para elegir a tu cliente más fuerte.

Paso 3: Hacer estimaciones realistas de los recursos

No lo construyas todo sobre el entusiasmo de una persona. "Yo también veo que eso ocurre a menudo. Hay una persona en la agencia que está superentusiasmada y tira del carro. Todo tipo de proyectos de clientes giran en torno a su solución. Cuando esa persona se va, realmente tienes un gran problema.

Necesitas:

• Al menos dos personas con capacidad
• Estimaciones de tiempo realistas para la instalación y el mantenimiento continuo
• Una comprensión clara del nivel de complejidad que realmente puedes soportar: empieza por lo sencillo antes de escalar a almacenes.

Paso 4: Define construir vs. asociar

Jos es inflexible al respecto: "En Grain, estamos en el 7. Sí, no podemos dar soporte tanto a Azure como a AWS y Google Cloud. Así que optamos por una opción que se nos da bien". La misma lógica se aplica a las agencias. Eres excelente en Google Ads, campañas Meta, desarrollo creativo o planificación estratégica. La infraestructura de datos es una especialidad diferente.

"Por mi propia experiencia... Si eres muy bueno en Google Ads, ¿para qué quieres añadir todos esos datos? Lleva tiempo. Energía. Hay todo tipo de preguntas de soporte que tienes que responder. Corres riesgos".

La cuestión no es si los datos son importantes (lo son). La cuestión es si construir y mantener tú mismo la infraestructura es el uso más valioso del tiempo de tu equipo.

Paso 5: Construye la propuesta

Sólo después de validar las necesidades del cliente, estimar los recursos y decidir tu modelo de entrega, debes empaquetarlo como una oferta al cliente.

Posiciona tus capacidades de datos como:

• Base para una asociación más estratégica, no un añadido técnico.
• Corrige las lagunas de confianza (por ejemplo, "un informe que coincide con la realidad del backend").
• Facilitador de conversaciones proactivas: "Vaciemos ese stock envejecido antes de que llegue a las rebajas".

La lista de control de la agencia estratégica

Si nos fijamos en las agencias asociadas con más éxito de TAGGRS, surge un patrón. Agencias estratégicas:

• Incorpora de serie la infraestructura de datos. No lo venden como un servicio adicional o una función premium. Los datos limpios, completos y transparentes son la base de todo lo demás que hacen.
• Concéntrate en la velocidad de activación. Pueden incorporar nuevos clientes a su pila de datos en 90 días, porque han estandarizado su enfoque.
• Escala mediante la repetibilidad. La implementación de cada nuevo cliente es más rápida y fiable, porque reutilizan la infraestructura probada en lugar de reconstruirla desde cero cada vez.
• Posicionar los datos como ventaja estratégica. Hablan de las capacidades de los datos en los resultados empresariales: toma de decisiones más rápida, asignación segura del presupuesto, visión integrada del recorrido del cliente.

No son las agencias que intentan hacerlo todo ellas mismas. Son las que han reconocido que la infraestructura de datos -como antes la gestión de servidores- es esencial, pero no diferenciadora. Se asocian con especialistas que comen, duermen y respiran almacenamiento de datos, para poder centrarse en lo que les hace excepcionales.

PREGUNTAS FRECUENTES

¿Qué significa realmente "fuente única de la verdad"?

Según Jos, tres pilares esenciales:

Completa la recogida de datos. Necesitas captar la imagen completa antes de que los bloqueadores de rastreo, las restricciones de los navegadores y los muros de consentimiento te la quiten.

Transparencia. Cuando la atribución parece errónea o los canales no cuadran, tienes que examinar los datos subyacentes, no sólo el cuadro de mandos. "En realidad, lo que quieres es poder mirar los datos que hay detrás de los informes para ver exactamente qué está pasando. Y eso está blindado" en GA4.Verdadera propiedad de los datos. Tus datos deben impulsar tu ventaja competitiva, no enriquecer las capacidades de segmentación publicitaria de Google. "Como empresa, deberías recopilar tus propios datos... recopilar tus propios datos, guardártelos para ti y compartirlos lo menos posible".