Métricas Internas de Media Buying que Realmente Predicen Ingresos (Playbook 2026)
ROAS es un número que sube y baja por razones que no tienen nada que ver con si tus campañas están funcionando. No te dice qué creatividad trajo un cliente de 4.000$ frente a uno de 200$ que se fue. No te dice qué ad set está a punto de colapsar la semana que viene. No separa leads cualificados de mirones. Este artículo recorre las siete métricas internas que nuestro equipo de media buying usa en lugar de ROAS, la matriz de decisión que convierte cada métrica en una acción, y el stack de cuatro herramientas que une todo sin necesidad de un ingeniero de datos.
Si gestionas paid social para una agencia, llevas un equipo de media buying interno, o simplemente te cansaste de pretender que ROAS es suficiente, este es el playbook que ojalá alguien nos hubiera pasado hace tres años.
Esto es un playbook interno, no un reporte para clientes
Existen dos capas de reporting distintas en cualquier agencia bien gestionada. Los clientes reciben la historia simple de cabecera: gasto, revenue, ROAS, tasa de crecimiento. El equipo interno de media buying necesita métricas diferentes porque toma decisiones de asignación. Matar una creatividad. Escalar un ad set. Cambiar una audiencia. Refrescar el ángulo. Esas decisiones requieren datos diagnósticos, no datos agregados.
No le des a los clientes estas siete métricas. Dales la versión simple (con el ROAS de cabecera, crecimiento y uno o dos gráficos narrativos). Guarda este playbook para el equipo interno que toma decisiones semanales de asignación. Mezclar las dos capas es como acabas o bien confundiendo a tus clientes con métricas que no pidieron, o bien matando de hambre a tus media buyers que necesitan los datos diagnósticos para hacer su trabajo.
Por qué ROAS es una métrica vanidosa para ops interno
ROAS es la métrica que las plataformas te entregan porque es la única que pueden calcular sin tu stack completo de conversión. El problema es que ROAS promedia entre tipos de cliente, esconde artefactos temporales, y se rompe completamente cuando tu funnel tiene un hueco significativo entre clic y revenue (lo cual es cada funnel por encima de 50$ de valor medio de pedido).
Concretamente:
- ROAS sube cuando pausas tu peor creatividad, incluso si no cambió ningún comportamiento real del cliente. Eso es matemática de denominador, no insight.
- ROAS varía un 30 a 50% semana a semana por ruido aleatorio de muestreo en presupuestos pequeños. La mayoría de ad sets no tienen suficientes conversiones diarias para producir un número estable de ROAS.
- ROAS no distingue entre un comprador de 200$ que se va en el mes 2 y un comprador de 200$ que compra cinco veces más. Ambos parecen idénticos en el reporting de ROAS de la semana 1.
- ROAS incluye devoluciones y reembolsos con un desfase de 30 días, lo que significa que tu ROAS reportado siempre va un mes por detrás de la realidad.
El equipo interno de media buying necesita métricas que respondan preguntas operativas específicas, no un único número compuesto que oscurece todas las piezas en movimiento.
Métrica 1, Coste por Lead Cualificado (CPQL)
Fórmula: gasto total de anuncios dividido por el número de leads que pasaron tu filtro de cualificación (intención más presupuesto más fit).
Por qué importa: el Coste por Lead bruto miente. La mitad de tus leads son gente que clicó porque la creatividad pintaba bonita. CPQL te obliga a solo contar leads que sobrevivieron al primer filtro (una pregunta del formulario de lead, un paso de pre-cualificación del AI Setter, o un toque manual de SDR).
La brecha entre Coste por Lead y CPQL es uno de los ratios más diagnósticos en paid social. Si CPL es 15$ y CPQL es 90$, seis de cada siete leads son basura. O el filtro de cualificación está demasiado apretado, o la creatividad está atrayendo a la audiencia equivocada. Ambos son arreglables, pero no puedes arreglar lo que no puedes ver.
Cómo lo afloramos: el agente AI Setter de Inflowave marca cada nuevo lead como cualificado o descualificado usando las respuestas del formulario y señales del perfil de Instagram. CPQL extrae de leads.qualified=true unido a gasto de anuncios. La lógica de cualificación es configurable por cliente: los clientes de med spa filtran por "presupuesto sobre 500$ más dentro de 50 millas", los clientes de B2B SaaS filtran por "tamaño de empresa sobre 10 más rol contiene 'marketing' o 'growth'".
Métrica 2, Coste por Cita Cualificada Reservada (CPQA-B)
Fórmula: gasto total de anuncios dividido por el número de leads cualificados que efectivamente reservaron una llamada de descubrimiento.
Por qué importa: la mayor fuga en la mayoría de funnels son los leads cualificados que nunca reservan. Si tu CPQL es 20$ pero solo el 20% reserva una llamada, tu coste real es 100$ por reserva. Esa es una decisión de campaña diferente a lo que sugieren 20$, y aun así la mayoría de agencias reportan solo sobre CPQL y fingen que la brecha de reserva no existe.
Regla industrial para conversión de cualificado a reservado: 50 a 70% en nichos basados en servicios con fuerte nurture post-lead, 20 a 40% en nichos basados en servicios con nurture débil, 10 a 20% en funnels self-serve SaaS que enrutan a través de solicitudes de demo. Si tu conversión está por debajo del fondo de ese rango, la página de reserva o la secuencia de seguimiento está rota, no la creatividad del anuncio.
Cómo lo afloramos: el pipeline de leads de Inflowave rastrea el estado de reserva por lead vía la integración OAuth de Cal.com o Calendly. La métrica es una consulta sobre leads donde booked_at IS NOT NULL unida al ad set originario. La vista de pipeline en Inflowave también muestra la tasa de conversión de cualificado a reservado por ad set para que puedas ver la fuga del funnel de un vistazo.
Métrica 3, Coste por Asistencia a Cita Cualificada (CPQA-S)
Fórmula: gasto total de anuncios dividido por el número de leads cualificados que efectivamente asistieron a la llamada reservada.
Por qué importa: la tasa de asistencia varía un 40 a 90% según la calidad del lead y la cadencia de recordatorios. Una campaña con una gran tasa de reserva pero una terrible tasa de asistencia está rota. CPQA-S es la métrica que expone los no-shows haciéndose pasar por funnels de reserva saludables.
La tasa de asistencia es secretamente diagnóstica de CALIDAD DE LEAD, no solo de higiene de funnel. Los leads de alta intención (personas que realmente tienen el problema y el presupuesto) asisten al 80%+. Los leads de baja intención (clickeadores curiosos) reservan para llevarse algo "gratis" y luego fantasmean. Si tu tasa de asistencia está por debajo del 50% incluso con una secuencia de recordatorios apretada, la calidad de lead que entra desde ese ad set es mediocre, y CPQL te está engañando.
Cómo lo afloramos: el workflow de recordatorios de citas de Inflowave etiqueta cada reunión como asistida o no_show. La secuencia de recordatorios respaldada por Twilio (SMS más email a 24h, 2h, 15min) actualiza la fila del lead automáticamente basándose en la respuesta. También etiquetamos reuniones reprogramadas por separado para que la métrica de tasa de asistencia no se contamine con reprogramaciones legítimas.
Métrica 4, Coste por Venta (CPS)
Fórmula: gasto total de anuncios dividido por deals closed-won atribuidos a la campaña de anuncios.
Por qué importa: la única métrica que le importa a tu CFO. Une esto de vuelta a la creatividad del anuncio fuente vía creatividades etiquetadas en Foreplay y obtienes una curva de Pareto real. 10 a 20% de las creatividades generan el 80% de las ventas. El otro 80% de creatividades son o break-even o están perdiendo dinero, y la única manera de averiguarlo es atribuyendo deals cerrados de vuelta a la creatividad originaria.
CPS es también la métrica que te permite cuestionar decisiones lideradas por ROAS. Una creatividad con 300$ de CPS y 1.200$ de AOV pinta genial en ROAS (4x) pero podría tener una ventana de cash-back de 90 días que rompe tu flujo de caja. CPS en aislamiento no cuenta toda la historia pero combinado con AOV y LTV sí.
Cómo lo afloramos: la etapa closed_won del pipeline de Inflowave alimenta CPS. Los deals cerrados afloran de vuelta al UTM de la campaña fuente. La metadata del swipe file guardado de Foreplay te ayuda a etiquetar qué creatividades ganadoras generaron cada cohorte. Aquí es donde el puente Foreplay-Inflowave se amortiza: puedes preguntar "qué creatividades etiquetadas con Foreplay produjeron nuestros 20 mejores deals closed-won el trimestre pasado" y obtener una respuesta en una consulta de Inflowave.
Métrica 5, Valor Promedio de Compra (AOV)
Fórmula: revenue total de compras dividido por el número de compras.
Por qué importa: AOV por creatividad de anuncio es más diagnóstico que ROAS agregado. Algunas creatividades traen compradores de 200$. Otras traen compradores de 2.500$. Ambas pueden tener el mismo ROAS pero implicaciones operativas muy diferentes: riesgo de reembolso, intención de por vida, carga de soporte, complejidad de fulfillment.
Vigila el pivot AOV-por-creatividad para dos patrones reveladores. Primero, caídas súbitas de AOV en una creatividad previamente estable suelen significar que la audiencia se saturó y ahora estás atrayendo el fondo del pool de compradores. Segundo, picos de AOV emparejados con altas tasas de reembolso son una señal de que tu mensaje de oferta sobrepromete y estás atrayendo compradores con expectativas no alineadas.
Cómo lo afloramos: el webhook de Stripe escribe a leads.purchases. Cross-join con la campaña de anuncios originaria para reporting de AOV-por-creatividad. La vista de pipeline de Inflowave muestra AOV por creatividad como una columna, lo que facilita identificar las creatividades de alto AOV que deberían escalarse independientemente del CPS.
Métrica 6, Valor de Vida Promedio (LTV)
Fórmula: revenue total por cohorte de cliente dividido por el número de clientes en la cohorte.
Por qué importa: LTV es la única métrica que te permite justificar un CPS más alto. Si LTV es 4.000$ y CPS es 800$, estás imprimiendo dinero. Si LTV es 400$ y CPS es 200$, estás flotando y un pico de CPM te matará.
Las cohortes de LTV por mes-de-primera-compra revelan patrones que LTV agregado esconde. La "cohorte de enero 2026" podría tener un LTV de 4.200$ a 90 días mientras la "cohorte de marzo 2026" tiene 2.100$ a 90 días. Esa es una señal real: la audiencia o la oferta cambió entre esas cohortes y tu economía unitaria está empeorando, incluso si tu revenue de cabecera sigue creciendo.
Cómo lo afloramos: el pipeline de Inflowave rastrea compras repetidas por lead. La columna LTV en /leads es una suma móvil actualizada por webhook de Stripe. Cohorta por mes-de-primera-compra para identificar tendencias a lo largo del tiempo. La línea de tendencia es lo que importa; el número absoluto es solo contexto.
Métrica 7, Porcentaje de Leads Cualificados (Lead Quality Score)
Fórmula: (leads cualificados / leads totales) multiplicado por 100, calculado por ad set por semana.
Por qué importa: la calidad de los leads decae con el tiempo en cada campaña. La audiencia de Meta empieza bien y se degrada conforme los usuarios bid-eligible de alta intención se agotan. Rastrear %QL semanalmente te dice exactamente cuándo cambiar la creatividad o pausar un ad set antes de que el CPQL se dispare.
La señal de kill que usamos: una caída semanal de más de 10 puntos porcentuales semana a semana. Esa cantidad de decaimiento siempre precede a un pico de CPQL por 5 a 10 días. Actuar sobre %QL te da 5 a 10 días de ventaja antes de que el daño financiero aparezca en CPQL.
Esta es la métrica que la mayoría de agencias no rastrean porque requiere flagging de cualificación por lead, lo cual la mayoría de CRMs no soportan de forma nativa. O necesitas un agente de IA haciendo la cualificación (AI Setter de Inflowave, Zapier más OpenAI, código custom) o un SDR humano haciéndolo consistentemente en minutos tras la captura del lead.
Cómo lo afloramos: la cualificación AI Setter por lead es binaria. El widget del dashboard grafica la línea de tendencia %QL para cada ad set a lo largo de los últimos 28 días. La tendencia importa más que el número absoluto; un ad set corriendo al 45% cualificado consistentemente es más saludable que uno corriendo al 65% tendiendo hacia abajo al 40%.
El stack de 4 herramientas
Sin ingeniero de datos. Sin Looker. Cada herramienta emite los datos necesarios para calcular las métricas de arriba. El coste total va de 150$ a 350$ al mes según volumen. El equivalente de pipeline de datos in-house corre de 5.000$ a 15.000$ al mes en ingeniería más infraestructura.
Inflowave, Facebook Ads Manager integrado
Posee el pipeline de leads, lógica de cualificación, scheduling de citas y atribución de revenue. El camino completo de LTV vive aquí. Las sub-cuentas por cliente significan que los rollups cross-client son una sola consulta. El agente AI Setter hace la cualificación por lead. OAuth con Calendly/Cal.com maneja el estado de reserva. Backbone de Twilio para recordatorios SMS. Webhook de Stripe maneja eventos de compra. La lógica de cualificación es configurable por cliente que es la parte que la mayoría de "CRMs de agencia" no pueden hacer sin desarrollo custom.
Pricing: 89$ al mes para el plan Agency cubriendo 22 sub-cuentas.
Foreplay.co para inteligencia creativa
Swipe files de anuncios ganadores de competidores más nuestros propios ganadores históricos. Cada creatividad guardada recibe una etiqueta que cruzamos con el reporting de CPS-por-creatividad. La función Spyder de Foreplay vigila automáticamente las marcas competidoras y trae nuevos anuncios diariamente, así es como mantenemos nuestra biblioteca de inspiración fresca sin un investigador pasando horas haciendo scroll. Foreplay también ofrece boards (agrupaciones de creatividades por cliente), swipe files públicos (enlaces de inspiración compartidos), y una función Discovery para encontrar nuevos anuncios de alto rendimiento en tu nicho.
Pricing: 99$ al mes Creator, 299$ al mes Pro, 599$+ al mes tier Agency.
Hemos usado ManyHash y BigSpy en el pasado. La UI de tagging de Foreplay es la más amigable para agencias y la integración con las librerías de anuncios de TikTok y Meta es la más fiable. Atria es el competidor emergente más cercano con un ángulo AI-first pero a mediados de 2026 las features de agencia son menos maduras.
Meta Ads Manager para fuente de gasto e impresiones
Extraemos gasto e impresiones por ad set vía la Marketing API. No confiamos en el reporting de compras de Meta desde que iOS14 rompió ese pipeline permanentemente. Incluso con el setup de la Conversions API, el reporting de la plataforma sub-atribuye conversiones que tocan múltiples ad sets. Usamos Meta solo para gasto; el revenue viene de Stripe enrutado a través del pipeline de Inflowave.
Stripe como fuente de verdad del revenue
El webhook de Stripe escribe a la tabla leads.purchases de Inflowave. La atribución closed-won fluye de vuelta a la campaña de anuncios fuente vía UTM. Este es el único número de revenue en el que confiamos. Si Stripe muestra que un cliente pagó X$, ese es el número que usamos. Si Meta dice que generamos Y$, lo ignoramos.
La disciplina aquí importa: nunca reconcilies el revenue reportado por Meta contra el revenue real de Stripe, porque la brecha te volverá loco. Elige una fuente de verdad (Stripe) y quédate con ella.
La matriz de decisión
Así es como leemos estas métricas juntas para tomar decisiones semanales reales. Imprime esto como gráfico de pared para tu equipo de media buying.
- CPQL estable, CPQA-B subiendo: funnel de reserva rompiéndose. Audita el flujo de citas. Revisa la página de scheduling por fricción. Revisa el link de Calendly por roturas. Revisa las preguntas cualificadoras por confusión. Causa raíz común: las preguntas de cualificación añadidas en el último sprint están demasiado apretadas.
- CPQA-B estable, CPQA-S cayendo: problema de tasa de asistencia. Refuerza la cadencia de recordatorios. Añade un SMS a 24h. Mueve las llamadas a antes en la semana. Añade una invitación de calendario con un link de videollamada embebido directamente. Causa raíz común: la secuencia de recordatorios es demasiado pesada en email.
- %QL cayendo más de 10 puntos porcentuales semana a semana: agotamiento de audiencia. Cambia a una audiencia fresca O refresca el ángulo creativo antes de que CPQL se dispare. No esperes a que CPQL te diga que la audiencia está muerta. %QL es el indicador líder; CPQL es el indicador rezagado.
- CPS subiendo mientras AOV cae: estás atrayendo el fondo del pool de clientes. Aprieta el filtro de cualificación. Causa raíz común: las preguntas del formulario de lead son demasiado suaves, dejando pasar a clickeadores curiosos.
- CPS estable, LTV cayendo: los nuevos clientes hacen churn más rápido que cohortes más antiguas. Problema de producto o posicionamiento, no de medios. Deja de intentar arreglarlo con gasto en anuncios. Esto es cuando escalas al equipo de producto.
- AOV alto, LTV bajo: riesgo de reembolso. Gente comprando ticket alto y luego saltando. Mira fulfillment y onboarding antes de escalar el gasto. Escalar un cubo agujereado más rápido no ayuda.
- Todas las métricas estables, ROAS bajando: felicidades, probablemente estás bien. La volatilidad de ROAS en presupuestos diarios pequeños es normal. Mira el ROAS móvil a 28 días en su lugar.
Lo que añadiríamos a continuación
Tres adiciones que tenemos en el roadmap pero aún no hemos construido:
- Comparación de atribución first-touch vs last-touch. Actualmente usamos last-touch. La brecha entre los dos nos dice cuánto está contribuyendo la capa de brand-awareness. Ahora mismo no tenemos visibilidad del impacto del funnel superior, y sospechamos que un 15 a 25% de las conversiones "atribuidas a TikTok" realmente empezaron con una impresión de marca de Meta a la que nunca damos crédito.
- Predicción de fatiga creativa. Usando la curva de decaimiento %QL como indicador líder deberíamos poder predecir picos de CPQL 5 a 7 días antes de que ocurran. La matemática es directa; el esfuerzo de ingeniería está en cablear la predicción al workflow de kill de ad set sin falsas alarmas.
- Atribución cross-plataforma. Los leads que tocaron anuncios de Instagram y TikTok antes de convertir actualmente se acreditan a cualquiera que disparó último. La atribución multi-touch cambiaría significativamente nuestro mix de presupuesto. No la hemos construido aún porque el lift es grande y el modelo single-touch existente es suficientemente bueno para tomar decisiones semanales.
Pensamiento final
La mayoría de agencias reportan sobre ROAS porque sus herramientas lo ponen por defecto. El equipo interno de media buying necesita métricas más granulares para realmente hacer su trabajo. Las siete métricas de arriba más la matriz de decisión es el sistema que ojalá hubiéramos tenido cuando empezamos. El stack de cuatro herramientas cuesta menos de 400$ al mes a nuestra escala. Juntos, el framework ha sido la mayor palanca individual para nuestro escalado de una agencia de 3 clientes a una agencia de 22 clientes sin doblar headcount.
¿Quieres construir este stack? Inflowave maneja el pipeline, la atribución, la cualificación y el lado del revenue. Empareja con Foreplay para el lado creativo. Empieza una prueba gratis de Inflowave.