
Los KPIs de aplicaciones móviles son las mediciones cuantitativas de cómo los usuarios descubren, adoptan, interactúan y pagan por una app móvil. La lista completa a continuación cubre 51 de ellos en seis categorías, desde adquisición (instalaciones, costo por instalación) hasta engagement (DAU, duración de sesión), ingresos (ARPU, LTV) y aspectos técnicos (crashes, tiempo de carga). La mayoría de los equipos de producto monitorean muchos más de los que necesitan.
Esta es la verdad impopular sobre los KPIs de aplicaciones móviles: monitorear 51 de ellos no hará que tu producto sea mejor. Monitorear los 10 correctos sí. La mayoría de los equipos que audito tienen dashboards saturados de métricas de vanidad y pasan por alto las tres o cuatro que realmente predicen la retención y los ingresos. Así que esta guía es una referencia (si necesitas saber qué significa "eCAC", está aquí), pero la parte más útil es la lista de los 10 KPIs que realmente importan para la mayoría de los equipos de producto móvil.
Cómo se compiló esta lista: Me basé en tres fuentes. Primero, la literatura estándar de analítica móvil (el reporte Product Benchmarks de Mixpanel, el Product Analytics Playbook de Amplitude y la documentación de Firebase para desarrolladores móviles) para las definiciones canónicas de las métricas. Segundo, dashboards reales de más de 15 equipos móviles con los que trabajé en 2025-2026 para identificar qué métricas se revisan realmente cada semana y cuáles acumulan polvo. Tercero, los propios datos de product intelligence de UXCam en más de 37,000 apps para validar qué métricas se correlacionan con mayor fuerza con los resultados de retención e ingresos. El ranking de los 10 principales al inicio refleja mi criterio sobre qué métricas informan de manera más confiable las decisiones de producto para un equipo móvil típico.
Monitorea 10 métricas bien, no 50 mal. Los 10 que fijaría para cualquier equipo de producto móvil están a continuación y cubren adquisición, activación, retención, engagement e ingresos. Todo lo demás es contexto para esos.
El KPI móvil más predictivo es la retención al día 30 para cohortes de nuevas instalaciones. Casi todas las demás métricas se derivan de esa.
Las métricas de vanidad (descargas, registros, MAU) son fáciles de mover pero no predicen de forma confiable los resultados de negocio. Siempre empareja las métricas de adquisición con métricas de calidad (tasa de activación, retención al día 7).
Instrumenta para decisiones específicas, no "por si acaso". Cada evento que monitoreas cuesta tiempo de ingeniería, dinero del proveedor y atención del analista.
Tara, la analista de IA de UXCam, detecta automáticamente anomalías en las métricas y te dice qué comportamientos específicos de los usuarios están haciendo subir o bajar los números. Eso convierte un dashboard de KPIs de un marcador a una herramienta de diagnóstico accionable.
Retención al día 1, día 7, día 30 (por cohorte de instalación)
Usuarios activos diarios (DAU) y ratio DAU/MAU
Tasa de activación (% de nuevos usuarios que completan tu evento de activación definido)
Tasa de usuarios sin crashes
Tasa de conversión en cada paso de tu funnel clave
Ingreso promedio por usuario (ARPU) o lifetime value (LTV)
Costo de adquisición de clientes (CAC) y el ratio LTV:CAC
Tasa de rage taps y tasa de congelamientos de UI (rendimiento de UX)
Calificación en la tienda de apps y tendencia del volumen de reseñas
Tiempo hasta la primera acción significativa (velocidad de activación)
Estos 10 cubren adquisición, activación, retención, engagement, ingresos y UX en una sola vista. Si tuviera solo 10 gráficos en un dashboard móvil, serían estos.
Los KPIs de aplicaciones móviles (indicadores clave de desempeño) son mediciones cuantitativas que se usan para rastrear y evaluar cómo está rindiendo una app móvil frente a los objetivos de negocio y de experiencia de usuario. Abarcan seis categorías amplias: salud general de la app, engagement, ingresos, experiencia de usuario, marketing y app store optimization (ASO).
La distinción entre "métrica" y "KPI" tiene que ver con la intencionalidad. Una métrica es cualquier cosa que mides. Un KPI es una métrica que decidiste que impulsa una decisión de negocio. Todo KPI es una métrica; no toda métrica es un KPI. La mayoría de los equipos tienen más métricas que KPIs, lo cual está bien hasta que el desorden del dashboard oculta la señal.

El cambio porcentual en el total de usuarios durante un período dado. Fórmula: (usuarios al final - usuarios al inicio) / usuarios al inicio × 100. Útil como tendencia de alto nivel, pero ignora la calidad del churn (el crecimiento vía adquisición de baja calidad enmascara problemas de retención).
Conteo de descargas en App Store y Google Play a lo largo del tiempo. El KPI más propenso a la vanidad de esta lista. Útil para preguntas orientadas a ASO pero no para decisiones de producto. Enfócate en la conversión de instalaciones a usuarios activos en su lugar.

Porcentaje de usuarios de una cohorte de instalación dada que regresan después del día 1, 7, 30, etc. La métrica más predictiva para la mayoría de los productos móviles. Siempre se mide cohorte por cohorte, no en agregado.
Velocidad diaria o semanal de instalaciones. Los picos suelen correlacionarse con campañas de marketing, patrones estacionales o eventos de destacado en la app store. Combínala con datos de retención para evaluar la calidad de las instalaciones.
Conteo de usuarios que eliminaron la app. Difícil de medir con precisión (iOS no siempre emite una señal de desinstalación), pero vale la pena monitorearla para detectar regresiones después de lanzamientos malos. Firebase y las plataformas de atribución entregan la tasa de desinstalación con mayor exactitud.
Conteo de usuarios que crearon una cuenta. Una submétrica del funnel de instalación a activación. Monitorea la tasa de registro (registros / instalaciones) en lugar de los registros absolutos, porque los números absolutos se mezclan con el volumen de instalaciones.
Para apps de suscripción, el conteo de suscriptores pagos. Empareja con la tasa de conversión de suscripción (usuarios pagos / usuarios en trial) y la retención de suscripción (tasa de renovación).

Conteo y tasa de excepciones no manejadas. Monitorea la tasa de usuarios sin crashes (objetivo >99%) y la tasa de sesiones sin crashes (objetivo >99.5%). Usa Firebase Crashlytics, Sentry o Bugsnag.
Porcentaje de usuarios que ejecutan la última versión de tu app. Una adopción lenta de actualizaciones es señal de que tus prompts de actualización no están funcionando o de que los usuarios están chocando con límites de Wi-Fi pagado.
"¿Qué tan probable es que recomiendes esta app?" en una escala de 0-10 (ver el marco original del NPS). Un 30 se considera bueno, un 50 es excelente. Útil de forma direccional, menos útil para diagnosticar problemas específicos. Siempre empareja con feedback abierto.

Conteo de sesiones de usuario a lo largo del tiempo. Una sesión comienza cuando el usuario abre la app y termina después de un período definido de inactividad (generalmente 30 minutos).
Duración promedio de una sesión. Más larga no siempre es mejor (un usuario atrapado en una pantalla confusa también tiene una sesión larga). Empareja con la tasa de completación de tareas.
Tiempo entre sesiones para un usuario dado. Intervalos más cortos significan mayor formación de hábito. Útil para comparar cohortes.
Número promedio de pantallas o acciones por sesión. Te dice si los usuarios están interactuando a fondo o rebotando rápido.
Similar a la profundidad de sesión pero medida específicamente en vistas de pantalla. Un proxy de qué tanto de la app exploran los usuarios en realidad.
Usuarios únicos activos en un solo día. Cubierto en detalle en la guía de engagement de apps móviles.
Usuarios únicos activos en una ventana de 30 días. Más útil emparejada con DAU como ratio (DAU/MAU es la medida clásica de "stickiness").
Conteo de veces que los usuarios compartieron algo desde tu app. Señal fuerte de valor real para apps basadas en contenido. Irrelevante para la mayoría de las apps utilitarias.
Por lo general, se mide mediante encuesta (recordación espontánea y asistida). Métrica blanda. Útil para grandes marcas de consumo, distracción para la mayoría de los equipos de producto.

Porcentaje de usuarios que dejaron de usar tu app en una ventana dada. Inversa de la retención. Mide como el complemento de la retención de cohorte, no como un agregado.

Ingresos totales / usuarios totales durante un período. La métrica de monetización más simple.
Ingresos totales proyectados de un usuario durante la vida útil de su relación con la app. Generalmente se calcula como ARPU × vida útil promedio del cliente.
Días o sesiones entre la instalación y la primera conversión paga. Un indicador adelantado de LTV. Las apps que llevan a los usuarios a la primera compra en menos de 3 días tienden a tener LTVs mucho más altos que las apps donde el tiempo hasta la primera compra es más largo.
Conteo de transacciones pagas. Monitorea la frecuencia de compra (compras por usuario pagador por período) junto con el conteo absoluto de compras.
Gasto total de adquisición / nuevos usuarios adquiridos. Mezcla paga y orgánica para una imagen justa, o sepáralas por canal.
Generalmente intercambiable con CAC en la práctica. Algunos equipos usan CPA solo para canales pagos, CAC como el número combinado entre pago y orgánico.
Lo mismo que LTV en la mayoría de los usos. Un ratio LTV:CAC por encima de 3:1 es el benchmark estándar para un crecimiento rentable.
CAC ajustado por la retención a largo plazo. Más predictivo que el CAC crudo para apps de suscripción.
Métrica de ingresos publicitarios: ingresos por cada 1000 impresiones de anuncios. Relevante sobre todo para apps financiadas por publicidad.
Porcentaje de usuarios gratuitos que se convierten a pagos. Para apps freemium y de trial, esta es la métrica central de ingresos.
Tasa de conversión entre instalaciones orgánicas (no pagas). Suele ser más alta que la conversión paga; te dice si tu producto se vende solo.
Ingresos generados / costo gastado. Útil a nivel de campaña. Engañoso si se usa como un único número general para todo el negocio.
Gasto de adquisición paga / instalaciones entregadas. Empareja con la conversión de instalación a activo para evitar optimizar por instalaciones de baja calidad.
Tiempo desde el inicio de la app hasta una UI totalmente interactiva. Objetivo de arranque en frío: menos de 2 segundos. Arranque en caliente: menos de 1 segundo.
Distribución de los dispositivos de los usuarios (iPhone 15, Samsung A54, Pixel 8, etc.). Esencial para entender quiénes son realmente tus usuarios. Android de gama media es donde usualmente se esconden los problemas de rendimiento.
Distribución de operadores de red. Importa para apps que dependen mucho de la conectividad (video, llamadas, transferencias de archivos grandes).
División entre iOS y Android y distribución de versiones. Afecta qué funciones del SDK puedes usar y dónde vive tu matriz de soporte.
Distribución de los tamaños de pantalla de los dispositivos. Esencial para el diseño responsive y para detectar bugs de layout en relaciones de aspecto poco comunes.
Porcentaje de usuarios que otorgan permisos de ubicación, notificaciones, cámara, contactos, etc. La tasa de opt-in de ATT en iOS es un subconjunto particularmente importante en la era post-2021.
Tiempo desde la solicitud hasta la respuesta para tus APIs de backend. Los picos de latencia son la regresión de rendimiento silenciosa más común.
Qué canal generó la instalación. Herramientas: AppsFlyer, Adjust, Singular. La atribución post-ATT es más difícil de lo que era, así que el modelado a nivel de cohorte importa más que la atribución individual.
Número de invitaciones que envía cada usuario × tasa de conversión de esas invitaciones. K > 1 significa que tu app está creciendo sin adquisición paga. Raro, pero cuando sucede es una señal fuerte.
Desempeño de cada canal de adquisición (paid social, paid search, búsqueda orgánica, referidos, ASO, partnerships). Segmenta la retención y el ARPU por canal para encontrar los trade-offs de calidad vs cantidad.
Desempeño por país o región. La retención, conversión y engagement suelen diferir dramáticamente entre geografías para la misma app.
Edad, género, idioma. Útil para apps B2C. Para segmentación basada en comportamiento, prefiere cohortes basadas en lo que los usuarios realmente hacen en la app antes que agrupaciones demográficas.
Comparar grupos de usuarios según fecha de instalación, canal de adquisición o comportamiento de funcionalidad. La única forma confiable de evaluar la retención y el LTV.
Eventos que los usuarios disparan dentro de la app (funcionalidad usada, pantalla visitada, acción completada). Tu base de product analytics. Cubierto en detalle por Event Analytics.
Rankings de keywords en App Store y Play Store. Herramientas: Sensor Tower, AppFollow, App Radar. Los rankings impulsan el volumen de instalaciones orgánicas.
El ranking de tu app en los charts de su categoría. Un ranking de categoría en el top 20 impulsa un descubrimiento orgánico significativo; por debajo de eso, el impacto cae abruptamente.
Tasa de conversión de vista de listado a instalación. Afectada por tus screenshots, ícono, título y la descripción crítica de primera impresión. La optimización de ASO de mayor apalancamiento suele ser el screenshot principal.
Conteo y sentimiento de las reseñas de usuarios. Responde a las reseñas negativas de inmediato (la respuesta suele afectar la calificación más que la propia reseña).
Calificación promedio en la app store (sobre 5). Las apps por encima de 4.5 estrellas ven un ranking de categoría notablemente mejor y una mejor conversión de instalaciones orgánicas que las apps en 4.0-4.4.
Tres preguntas para cada métrica que consideres monitorear:
¿Qué decisión informará esta métrica? Si no puedes nombrar una decisión específica, no la monitorees.
¿Quién es dueño de la decisión? Si la métrica no es responsabilidad de una persona específica, no se actuará sobre ella.
¿Con qué frecuencia será revisada? Las métricas que nadie mira son peso muerto en tu factura de analítica.
Herramientas que te ayudan a monitorear los KPIs correctos: UXCam para analítica de producto + comportamiento en una sola plataforma, Mixpanel y Amplitude solo cuantitativas, Firebase Analytics para tracking base gratuito y tu plataforma de atribución (AppsFlyer, Adjust) para métricas de adquisición.
UXCam es una plataforma de product intelligence y product analytics que captura automáticamente cada interacción del usuario en apps móviles y sitios web, sin marcado manual de eventos. Funnels, cohortes de retención, segmentación, session replay y heatmaps apuntan todos a los mismos datos subyacentes. Cada KPI en tu dashboard está respaldado por sesiones reales de usuarios: ves que un número se mueve, haces clic y entras a las sesiones que explican por qué.
Tara, la analista de IA de UXCam, observa sesiones a escala y revela los problemas de UX que están impulsando los cambios en las métricas, recomendando acciones específicas para que los equipos obtengan respuestas sin esperar a los analistas.
Instalado en más de 37,000 productos, mobile-first, listo para web. Solicita una demo para verlo en tu app.
Los KPIs de aplicaciones móviles (indicadores clave de desempeño) son las mediciones cuantitativas usadas para evaluar cómo está rindiendo una app móvil frente a los objetivos de negocio y de usuario. Abarcan seis categorías: salud general de la app (retención, crashes), engagement (DAU, duración de sesión), ingresos (ARPU, LTV), experiencia de usuario (tiempo de carga, rage taps), marketing (CAC, atribución) y app store optimization (calificaciones, rankings de keywords). Monitorear los 10 correctos importa más que monitorear 50.
Una métrica es cualquier cosa que mides. Un KPI es una métrica que decidiste que impulsa una decisión de negocio. Todo KPI es una métrica, pero no toda métrica es un KPI. Un equipo con 100 métricas y 10 KPIs suele estar mejor que un equipo con 100 métricas y sin prioridades claras.
Retención al día 1, día 7 y día 30 por cohorte de instalación. Combinada con el tiempo hasta la primera acción significativa (velocidad de activación) y el ratio DAU/MAU. Estas tres métricas juntas describen la curva de retención y su causa más predictiva.
LTV = ARPU × vida útil promedio del cliente. Una app de suscripción con un ARPU de USD 10/mes y una vida útil promedio de 14 meses tiene un LTV de USD 140. Para apps sin suscripción, calcula los ingresos por cohorte de usuarios en una ventana fija (6 o 12 meses) en lugar de proyectar la vida útil completa.
Depende de qué estés convirtiendo. Conversión de instalación a activo: 25-40% es saludable. Conversión de trial a pago: 3-7% es típico para freemium, 10-20% para productos fuertes. Vista del listado en la app store a instalación: 20-30%. Revisa tus números por canal, no en agregado, porque los canales pagos suelen convertir peor que los orgánicos.
10 KPIs centrales en tu dashboard principal. Otros 10-20 para trabajo de diagnóstico específico cuando algo se mueve. Más allá de eso, estás construyendo un cementerio de datos. Si nadie ha mirado una métrica en 30 días, elimínala del dashboard.
La retención al día 30 por cohorte de instalación. Es la métrica más predictiva de resultados de negocio a largo plazo, porque refleja tanto la calidad de la adquisición como el product-market fit. Cualquier otra métrica o se deriva de la retención o explica por qué la retención es como es.
Silvanus Alt, PhD, is the Co-Founder & CEO of UXCam and a expert in AI-powered product intelligence. Trained at the Max Planck Institute for the Physics of Complex Systems, he built Tara, the AI Product Analyst that not only analyzes user behavior but recommends clear next steps for better products.
