52 KPIs de apps móviles: la lista completa para 2026

Las métricas de apps móviles son las mediciones cuantitativas de cómo los usuarios descubren, adoptan, usan y pagan una app. La lista completa de abajo recoge 52 de ellas en seis categorías, desde la adquisición (instalaciones, costo por instalación) hasta el engagement (DAU, duración de la sesión), los ingresos (ARPU, LTV) y la parte técnica (crashes, tiempo de carga). La mayoría de los equipos de producto mide muchas más de las que necesita.

La verdad incómoda sobre los KPIs de apps móviles es esta: medir 52 no va a mejorar tu producto.

Medir los 10 correctos, sí. La mayoría de los equipos que audito tiene dashboards llenos de métricas de vanidad y pasa por alto las tres o cuatro que de verdad predicen la retención y los ingresos. Así que esta guía sirve de referencia (si necesitas saber qué significa "eCAC", aquí lo tienes), pero lo más útil es la lista de los 10 KPIs que realmente importan para la mayoría de los equipos de producto móvil.

Cómo armé esta lista: usé tres fuentes.

Primero, la literatura estándar de analítica móvil, para las definiciones canónicas de cada métrica.

Segundo, dashboards reales de más de 15 equipos móviles con los que trabajé en 2025-2026, para identificar qué métricas se revisan de verdad cada semana y cuáles se quedan acumulando polvo.

Tercero, los datos de producto de la propia UXCam, de más de 37.000 productos, para validar qué métricas tienen la correlación más fuerte con los resultados de retención e ingresos. El ranking de los 10 principales, al inicio, refleja mi criterio sobre qué métricas orientan las decisiones de producto con más fiabilidad en un equipo móvil típico.

Conclusiones clave

• Mide bien 10 métricas, no 50 a medias. Las 10 que yo fijaría para cualquier equipo de producto móvil están abajo y cubren adquisición, activación, retención, engagement e ingresos. Todo lo demás es contexto para ellas.

• El KPI móvil que mejor predice los resultados es la retención del día 30 de las nuevas cohortes de instalación. Casi todas las demás métricas se derivan de ella.

• Las métricas de vanidad (descargas, registros, MAU) son fáciles de mover, pero no predicen los resultados de negocio con fiabilidad. Combina siempre las métricas de adquisición con métricas de calidad (tasa de activación, retención del día 7).

• Instrumenta pensando en decisiones concretas, no "por si acaso". Cada evento que rastreas cuesta tiempo de ingeniería, dinero en proveedores y atención de los analistas.

• Tara, la analista de IA de UXCam, detecta anomalías en las métricas automáticamente y te dice qué comportamientos concretos de los usuarios están haciendo subir o bajar los números. Así, el dashboard de KPIs deja de ser un marcador y se convierte en una herramienta de diagnóstico que lleva a la acción.

Los 10 KPIs que más importan

1. Retención del día 1, del día 7 y del día 30 (por cohorte de instalación)

2. Usuarios activos diarios (DAU) y ratio DAU/MAU

3. Tasa de activación (% de usuarios nuevos que completan el evento de activación que definiste)

4. Tasa de usuarios sin crashes

5. Tasa de conversión en cada paso de tu funnel principal

6. Ingreso medio por usuario (ARPU) o lifetime value (LTV)

7. Costo de adquisición de clientes (CAC) y el ratio LTV:CAC

8. Tasa de rage taps y tasa de congelamientos de la UI (rendimiento de UX)

9. Calificación en la tienda de apps y tendencia del volumen de reseñas

10. Tiempo hasta la primera acción relevante (velocidad de activación)

Estos 10 cubren adquisición, activación, retención, engagement, ingresos y UX en una sola vista. Si solo pudiera tener 10 gráficos en un dashboard móvil, serían estos.

¿Qué son los KPIs de apps móviles?

Los KPIs de apps móviles (key performance indicators, o indicadores clave de rendimiento) son mediciones cuantitativas que sirven para seguir y evaluar el rendimiento de una app frente a los objetivos de negocio y de experiencia del usuario. Se agrupan en seis grandes categorías: salud general de la app, engagement, ingresos, experiencia del usuario, marketing y optimización para tiendas de apps (ASO).

La diferencia entre "métrica" y "KPI" está en la intención. Una métrica es cualquier cosa que mides. Un KPI es una métrica que decidiste que guía una decisión de negocio. Todo KPI es una métrica; no toda métrica es un KPI. La mayoría de los equipos tiene más métricas que KPIs, lo cual está bien hasta que el desorden del dashboard tapa la señal.

KPIs generales de apps móviles

Tasa de crecimiento de usuarios

La variación porcentual del total de usuarios en un período. Fórmula: (usuarios al final - usuarios al inicio) / usuarios al inicio × 100. Sirve como tendencia general, pero ignora la calidad del churn (crecer con adquisición de baja calidad esconde problemas de retención). Me gusta combinarla con una vista de usuarios activos netos nuevos, que excluye las reactivaciones y muestra si de verdad estás creciendo o solo reciclando usuarios.

Descargas móviles

Número de descargas en App Store y Google Play a lo largo del tiempo. Es el KPI de esta lista que más fácilmente se convierte en métrica de vanidad. Sirve para preguntas de ASO, pero no para decisiones de producto. Mejor céntrate en la conversión de instalaciones → usuarios activos. La brecha entre la instalación y la primera sesión suele ser del 10-20% en Android y menor en iOS, y dice algo sobre lo que promete la ficha de la tienda frente a la realidad del producto.

Tasa de retención

Porcentaje de usuarios de una cohorte de instalación que vuelven después del día 1, 7, 30, etc. La métrica que mejor predice los resultados en la mayoría de los productos móviles. Siempre se mide cohorte por cohorte, nunca de forma agregada. Los benchmarks de Mixpanel sitúan la retención mediana del día 30 de las apps de consumo en torno al 6% y la del cuartil superior en torno al 20%, lo que te da un objetivo aproximado.

Tendencia de instalaciones

Ritmo diario o semanal de instalaciones. Los picos suelen coincidir con campañas de marketing, patrones estacionales o destacados en la tienda de apps. Combínala con datos de retención para evaluar la calidad de las instalaciones.

Tendencia de desinstalaciones

Número de usuarios que eliminaron la app. Es difícil medirla con precisión (iOS no siempre envía una señal de desinstalación), pero vale la pena seguirla para detectar regresiones después de releases fallidos. Firebase y las plataformas de atribución muestran la tasa de desinstalación con más precisión.

Registros

Número de usuarios que crearon una cuenta. Es una submétrica del funnel instalación → activación. Sigue la tasa de registro (registros / instalaciones) en lugar del número absoluto, porque las cifras absolutas se mezclan con el volumen de instalaciones.

Suscripciones

En apps de suscripción, el número de suscriptores de pago. Combínalo con la tasa de conversión a suscripción (de pago / usuarios en prueba) y la retención de suscripciones (tasa de renovación). El informe State of Subscription Apps de RevenueCat publica benchmarks por categoría que puedes usar como referencia.

Crashes

Número y tasa de excepciones no controladas. Sigue la tasa de usuarios sin crashes (objetivo >99%) y la tasa de sesiones sin crashes (objetivo >99,5%). Usa Firebase Crashlytics, Sentry o Bugsnag.

Actualizaciones

Porcentaje de usuarios con la versión más reciente de tu app. Si las actualizaciones se adoptan despacio, tus avisos de actualización no están funcionando o los usuarios se topan con límites de Wi-Fi de pago.

Net Promoter Score (NPS)

"¿Qué probabilidad hay de que recomiendes esta app?" en una escala de 0 a 10 (consulta el marco original del NPS). Un 30 se considera bueno y un 50, excelente. Útil para marcar la dirección, menos útil para diagnosticar problemas concretos. Combínalo siempre con comentarios abiertos.

Métricas de engagement de la app

Sesiones

Número de sesiones de usuarios a lo largo del tiempo. Una sesión empieza cuando el usuario abre la app y termina tras un período definido de inactividad (normalmente 30 minutos).

Duración de la sesión

Duración media de una sesión. Más larga no siempre es mejor (un usuario atascado en una pantalla confusa también tiene una sesión larga). Combínala con la tasa de finalización de tareas.

Intervalo entre sesiones

Tiempo entre las sesiones de un mismo usuario. Intervalos más cortos indican un hábito más fuerte. Útil para comparar cohortes.

Profundidad de la sesión

Número medio de pantallas o acciones por sesión. Te dice si los usuarios profundizan en la app o se van rápido.

Promedio de pantallas por visita

Parecida a la profundidad de la sesión, pero medida específicamente en vistas de pantalla. Indica cuánto de la app exploran de verdad los usuarios.

Usuarios activos diarios (DAU)

Usuarios únicos activos en un solo día. Lo explicamos en detalle en la guía de engagement de apps móviles.

Usuarios activos mensuales (MAU)

Usuarios únicos activos en una ventana de 30 días. Es más útil junto con el DAU, como ratio (DAU/MAU es la medida clásica de "stickiness").

Compartidos en redes sociales

Número de veces que los usuarios compartieron algo de tu app. Es una señal fuerte de valor real en apps de contenido. Irrelevante para la mayoría de las apps utilitarias.

Reconocimiento de marca

Se mide normalmente con encuestas (recuerdo espontáneo y sugerido). Métrica blanda. Útil para grandes marcas de consumo, una distracción para la mayoría de los equipos de producto.

Tasa de churn

Porcentaje de usuarios que dejaron de usar tu app en una ventana de tiempo. Es lo inverso de la retención. Mídela como el complemento de la retención por cohorte, no como un número agregado.

KPIs móviles centrados en ingresos

Ingreso medio por usuario (ARPU)

Ingresos totales / total de usuarios en un período. La métrica de monetización más sencilla.

Lifetime value (LTV)

Ingresos totales proyectados de un usuario durante toda su relación con la app. Normalmente se calcula como ARPU × vida media del cliente.

Tiempo hasta la primera compra

Días o sesiones entre la instalación y la primera conversión de pago. Es un indicador adelantado del LTV. Las apps que llevan al usuario a su primera compra en menos de 3 días suelen tener LTVs mucho más altos que las apps en las que ese tiempo es mayor.

Compras

Número de transacciones de pago. Sigue la frecuencia de compra (compras por usuario de pago por período) junto con el número absoluto de compras.

Costo de adquisición de clientes (CAC)

Gasto total en adquisición / usuarios nuevos adquiridos. Junta pago y orgánico para tener una imagen justa, o sepáralos por canal.

Costo por adquisición (CPA)

En la práctica, suele usarse como sinónimo de CAC. Algunos equipos usan el CPA solo para canales de pago y el CAC para la cifra combinada de pago y orgánico.

Customer lifetime value (CLV)

En la mayoría de los usos, es lo mismo que el LTV. Un ratio LTV:CAC por encima de 3:1 es el benchmark estándar para crecer con rentabilidad.

eCAC (costo efectivo de adquisición de clientes)

CAC ajustado por la retención a lo largo de la vida del cliente. Predice mejor que el CAC bruto en apps de suscripción.

eCPM (costo efectivo por mil)

Métrica de ingresos publicitarios: ingresos por cada 1.000 impresiones de anuncios. Relevante sobre todo para apps financiadas con publicidad.

Tasa de conversión de pago

Porcentaje de usuarios gratuitos que pasan a pago. En apps freemium y con período de prueba, es la principal métrica de ingresos.

Tasa de conversión orgánica

Tasa de conversión entre las instalaciones orgánicas (no pagadas). Suele ser más alta que la conversión de pago y te dice si tu producto se vende solo.

Retorno de la inversión (ROI)

Ingresos generados / costo invertido. Útil a nivel de campaña. Engaña si se usa como una única cifra para todo el negocio.

Costo por instalación (CPI)

Gasto en adquisición de pago / instalaciones conseguidas. Combínalo con la conversión de instalación a usuario activo para no optimizar hacia instalaciones de baja calidad.

KPIs de experiencia del usuario

Tiempo de carga

Tiempo desde que se abre la app hasta que la interfaz es totalmente interactiva. Objetivo para cold start: menos de 2 segundos. Warm start: menos de 1 segundo.

Dispositivos

Distribución de los dispositivos de los usuarios (iPhone 15, Samsung A54, Pixel 8, etc.). Esencial para entender quiénes son de verdad tus usuarios. Los Android de gama media suelen ser donde se esconden los problemas de rendimiento.

Operadores

Distribución de los operadores de red. Importa en apps que dependen mucho de la conectividad (video, llamadas, transferencia de archivos grandes).

Sistema operativo (OS)

Reparto entre iOS y Android y distribución de versiones. Determina en qué funciones del SDK puedes confiar y dónde está tu matriz de soporte.

Dimensiones/resolución de pantalla

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.

Permisos concedidos

Porcentaje de usuarios que conceden permisos de ubicación, notificaciones, cámara, contactos, etc. La tasa de opt-in de ATT en iOS es un subconjunto especialmente importante desde 2021.

Latencia de la API

Tiempo entre la petición y la respuesta de las APIs de tu backend. Los picos de latencia son la regresión silenciosa de rendimiento más común.

KPIs de marketing de apps móviles

Origen de la instalación (atribución)

Qué canal generó la instalación. Herramientas: AppsFlyer, Adjust, Singular. Desde ATT, la atribución es más difícil que antes, así que el modelado por cohortes importa más que la atribución individual.

Viralidad y factor K

Número de invitaciones que envía cada usuario × tasa de conversión de esas invitaciones. K > 1 significa que tu app crece sin adquisición de pago. Es raro, pero cuando pasa es una señal fuerte.

Rendimiento por canal

Rendimiento de cada canal de adquisición (social de pago, búsqueda de pago, búsqueda orgánica, referidos, ASO, alianzas). Segmenta la retención y el ARPU por canal para encontrar el equilibrio entre calidad y cantidad.

Métricas geográficas

Rendimiento por país o región. La retención, la conversión y el engagement suelen variar muchísimo entre regiones para la misma app.

Datos demográficos

Edad, género, idioma. Útiles para apps B2C. Para segmentar por comportamiento, prioriza cohortes basadas en lo que los usuarios hacen de verdad in-app frente a grupos demográficos.

Análisis de cohortes

Comparación de grupos de usuarios según la fecha de instalación, el canal de adquisición o el uso de funciones. La única forma fiable de evaluar la retención y el LTV.

Métricas de comportamiento

Eventos que los usuarios disparan dentro de la app (función usada, pantalla visitada, acción completada). La base de tu analítica de producto. Lo explicamos en detalle en analítica de eventos.

KPIs de App Store Optimization (ASO)

Palabras clave

Rankings de palabras clave en App Store y Play Store. Herramientas: Sensor Tower, AppFollow, App Radar. Los rankings determinan el volumen de instalaciones orgánicas.

Ranking en la categoría de la tienda

La posición de tu app en los rankings de su categoría. Estar en el top 20 de la categoría genera un descubrimiento orgánico relevante; por debajo, el impacto cae en picado.

Vistas a instalaciones

Tasa de conversión de la vista de la ficha a la instalación. Depende de las capturas de pantalla, el icono, el título y la descripción, que pesa mucho en la primera impresión. La optimización de ASO con más impacto suele ser la primera captura de pantalla.

Reseñas

Cantidad y sentimiento de las reseñas de los usuarios. Responde rápido a las reseñas negativas (la respuesta a menudo influye más en la calificación que la propia reseña).

Calificaciones

Calificación media en la tienda de apps (sobre 5). Las apps con más de 4,5 estrellas tienen un ranking en la categoría y una conversión de instalaciones orgánicas claramente mejores que las apps de entre 4,0 y 4,4.

15 patrones y trampas de los KPIs

Después de años auditando configuraciones de analítica móvil, veo una y otra vez los mismos errores y los mismos patrones ganadores. Estos son los que vale la pena interiorizar.

1. Analiza siempre la retención por cohorte de semana de instalación, no por período de calendario

Las cifras agregadas de retención mienten. Si lanzaste un release malo en la semana 3, va a contaminar tu retención combinada durante meses. Agrupa a los usuarios en cohortes por semana de instalación y verás exactamente qué tanda de releases tuvo el problema. La guía de retención de Amplitude es la introducción más clara sobre el tema.

2. Mide la activación como un evento concreto, no como "abrió dos veces"

La activación es el primer momento en que el usuario experimenta el valor principal de tu producto. En Recora, fue completar una primera sesión de recuperación, lo que se relaciona con el aumento de 4x en la finalización del programa que recoge su caso de éxito. En una app bancaria, podría ser añadir una tarjeta. "Abrió la app dos veces" no es activación.

3. Define una métrica North Star e instrumenta en torno a ella

Un número que muestra si los usuarios están obteniendo valor. Spotify mide el tiempo de escucha. Airbnb mide las noches reservadas. Sean Ellis popularizó este enfoque, y elimina rápido el ruido del dashboard.

4. Combina cada KPI cuantitativo con evidencia cualitativa

Una caída en la conversión del funnel te dice que algo se rompió. Las grabaciones de sesiones te dicen qué. Inspire Fitness combinó la analítica de eventos con las grabaciones de sesiones de UXCam y logró un aumento del 460% en la actividad de los usuarios in-app.

5. Usa el ratio DAU/MAU como indicador de stickiness, pero conoce sus límites

Por encima de 0,2 es saludable para la mayoría de las apps, por encima de 0,5 es excepcional (los juegos y las apps de mensajería se concentran aquí). Pero una app de noticias con un DAU/MAU de 0,15 puede estar totalmente sana. Compárate con tu categoría, no con la media del mercado.

6. Separa los indicadores adelantados de los rezagados

El LTV es rezagado. La retención del día 7 es adelantada. Los ingresos son rezagados. La tasa de activación es adelantada. Los dashboards que solo muestran métricas rezagadas te vuelven reactivo. Los dashboards con ambas te permiten intervenir a tiempo.

7. Vigila la ley de Goodhart en cada KPI

"Cuando una medida se convierte en objetivo, deja de ser una buena medida." Optimiza la duración de la sesión y tendrás usuarios atascados en pantallas confusas. Optimiza las descargas y tendrás instalaciones de baja calidad. La solución: combina siempre una métrica de volumen con una métrica de calidad.

8. Mide el tiempo hasta la primera acción relevante en segundos, no en días

Housing.com llevó la adopción de su búsqueda en varias zonas del 20% al 40% de los usuarios después de que las grabaciones de sesiones mostraran que la mayoría quería buscar en varias ciudades a la vez. Lee el caso de éxito de Housing.com para ver los detalles. La lección sirve para cualquier app: encuentra el primer momento "ajá" de tu funnel y trata cada segundo entre la instalación y ese momento como un riesgo de churn.

9. Segmenta cada KPI por canal de adquisición

Los usuarios que llegan por social de pago casi siempre retienen peor que los de búsqueda orgánica. Si no segmentas por origen, tu cifra de retención combinada está escondiendo un problema de calidad. La guía de atribución post-SKAN de Singular es la referencia actual para hacerlo en el mundo post-ATT.

10. Pon los rage taps y los congelamientos de la UI en el dashboard principal

La mayoría de los equipos entierra las métricas de rendimiento de UX en una pestaña de deuda técnica que nadie lee. Pero la tasa de rage taps es una de las alertas tempranas más rápidas de regresiones de UX. Costa Coffee usó la analítica de funnels de UXCam para detectar un punto de fricción en el registro (errores de contraseña no válida) y aumentó los registros un 15%.

11. Deja de celebrar picos de MAU sin un gráfico de retención al lado

Un pico de 2x en el MAU por un momento viral en TikTok o un destacado en App Store no significa nada si ninguno de esos usuarios se queda. Entrega siempre la curva de retención junto con el informe de adquisición, o vas a confundir a tu equipo.

12. Instrumenta los crashes por pantalla, no solo a nivel global

Una tasa del 99,2% sin crashes parece buena hasta que notas que el 0,8% restante se concentra en tu pantalla de checkout. Los informes de crashes por pantalla de Sentry y la grabación de sesiones de UXCam para las sesiones con crash te muestran exactamente qué flujos están perdiendo usuarios.

13. Elimina del dashboard cualquier métrica que nadie haya mencionado en 30 días

Si tus PMs y responsables de growth no han preguntado por una cifra en un mes, no es un KPI. Es decoración. Elimínala. La factura de las herramientas de analítica y la carga cognitiva crecen con el número de métricas que mantienes, no con el número que usas.

14. Revisa cada mes las curvas de retención de pago y orgánica lado a lado

Las cohortes de pago suelen retener un 30-50% peor que las orgánicas en el día 30 y, si esa brecha crece, o estás pujando de más o tus creatividades están atrayendo al público equivocado. Una revisión mensual de las dos curvas en el mismo gráfico detecta la pérdida de calidad antes de que la inversión en medios agrave el daño.

15. Trata las tasas de concesión de permisos como KPIs de producto, no como peculiaridades de la plataforma

El permiso de notificaciones impulsa la reactivación. La ubicación da relevancia a las apps on-demand. ATT determina la fidelidad de la atribución. Los benchmarks de ATT de AppsFlyer son una buena referencia para saber dónde debería estar tu tasa de opt-in. Si una tasa de concesión de permisos cae 5 puntos después de un release, algo en el texto de tu solicitud de permiso o de tu pre-solicitud empeoró.

KPIs por sector: qué cambia

La misma definición de métrica cambia de sentido según el sector. Una retención del 10% en el día 30 es un desastre para una app bancaria y un éxito rotundo para una app de citas. Así cambian las prioridades.

Fintech y banca

Los objetivos de retención son altos (un 40-60% en el día 30 es alcanzable para la app del banco principal) porque cambiar de banco le cuesta mucho al usuario. Céntrate en la velocidad de activación (tiempo hasta la primera transacción), la tasa de usuarios sin crashes (la confianza se rompe rápido cuando hay dinero de por medio) y las tasas de concesión de permisos (sobre todo la autenticación biométrica). El churn por fraude es una categoría aparte que conviene separar del churn natural. La fricción regulatoria (KYC, subida de documentos) suele ser la mayor pérdida en la activación, y vale la pena medirla como un funnel propio.

E-commerce y retail

La tasa de conversión en el carrito y el checkout es el KPI central. El valor medio del pedido (AOV), la tasa de recompra y el tiempo hasta la segunda compra importan más que la duración de la sesión. Los mapas de calor en las páginas de producto tienen mucho impacto, porque un CTA confuso en una PDP cuesta dinero real por cada visitante. Los intervalos entre sesiones suelen ser largos (semanales o mensuales), así que el ratio DAU/MAU es una señal más débil que en las apps de uso diario. La investigación sobre checkout de Baymard Institute sitúa de forma constante el abandono del checkout móvil en torno al 70%, lo que marca un benchmark realista.

Salud, fitness y bienestar

Dominan las métricas de rachas (streaks), los usuarios activos semanales y la finalización de la activación (primer entrenamiento registrado, primera comida registrada). La monetización depende de la conversión a suscripción y de las tasas de prueba a pago. Inspire Fitness aumentó un 460% la actividad de los usuarios in-app rastreando eventos en cada release y revisando grabaciones de sesiones y mapas de calor después de cada lanzamiento. Presta mucha atención a la caída de la primera semana, que casi siempre es donde las apps de bienestar pierden usuarios en masa. Las cohortes de enero en las apps de fitness se comportan de forma muy distinta a las de mayo, así que el análisis de cohortes estacional es obligatorio, no opcional.

Medios y contenido

DAU, profundidad de la sesión y tiempo de uso son los KPIs que importan. Los compartidos en redes cuentan aquí de una forma que no cuentan en otros sectores. El eCPM y la tasa de llenado de anuncios generan los ingresos en los modelos financiados con publicidad; la conversión a suscripción, en los modelos de pago. La tensión entre la duración de la sesión y la calidad del contenido es real: combina el tiempo de uso con valoraciones subjetivas del contenido para no optimizar hacia el doomscrolling.

SaaS y B2B móvil

Los usuarios activos semanales suelen funcionar mejor que el DAU como métrica de frecuencia, porque el uso B2B sigue la semana laboral. La tasa de adopción de funciones por cuenta, la tasa de activación de licencias y el tiempo hasta la activación del equipo (varios usuarios activos dentro de una empresa) son los KPIs que predicen los ingresos por expansión. El churn se mide a nivel de cuenta, no de usuario.

Viajes y on-demand

La tasa de conversión de búsqueda a reserva, el tiempo entre búsqueda y reserva y la finalización del ciclo reserva-reseña son los KPIs centrales. La segmentación geográfica es esencial (una app de viajes rinde de forma radicalmente distinta según el país). Los intervalos entre sesiones son largos y estacionales, así que el análisis de cohortes por temporada de viaje importa más que las medias móviles. En categorías on-demand como la entrega de comida y el transporte por app, el tiempo hasta el primer pedido después de la instalación es el mejor predictor del LTV a seis meses.

Herramientas de KPIs móviles por categoría

Elige una herramienta por categoría. Juntar más que eso desperdicia tiempo de ingeniería y trae dolores de cabeza a la hora de cuadrar los datos.

Analítica de producto y de comportamiento. UXCam para analítica de producto con grabación de sesiones, mapas de calor y funnels sobre una misma capa de datos, para apps móviles y sitios web. Mixpanel y Amplitude para analítica cuantitativa basada en eventos. Heap para analítica centrada en la captura automática. PostHog para equipos que prefieren open source.

Monitorización de crashes y rendimiento. Firebase Crashlytics es la opción gratuita por defecto. Sentry y Bugsnag ofrecen mejores dashboards de salud de releases y alertas. Instabug combina los informes de crashes con los reportes de bugs in-app.

Atribución y analítica de marketing. AppsFlyer, Adjust, Singular, Branch y Kochava son las principales opciones. AppsFlyer tiene la mayor cuota de mercado; Singular tiene el modelado post-ATT más sólido.

ASO e inteligencia de tiendas de apps. Sensor Tower (que compró data.ai, antes App Annie, en 2024), AppFollow y App Radar para seguir palabras clave y vigilar a la competencia. Asodesk es una opción más ligera.

Investigación cualitativa y feedback de usuarios. UserTesting y Maze para investigación moderada y no moderada. Survicate para el NPS in-app. La grabación de sesiones de UXCam cubre la capa de "ver lo que los usuarios hicieron de verdad".

Analítica de ingresos y suscripciones. RevenueCat es la infraestructura de suscripciones dominante, con buena analítica integrada. Qonversion y Adapty son alternativas. ProfitWell (ahora Paddle Metrics) para analizar los ingresos por suscripción.

A/B testing y experimentación. Statsig, LaunchDarkly y Optimizely son los principales actores en feature flags y análisis de experimentos. Firebase Remote Config cubre las necesidades básicas de experimentación de los equipos que ya usan el stack de Google.

10 errores que cometen los equipos con los KPIs de apps móviles

1. Rastrear todo lo que el SDK ofrece por defecto

Cada evento capturado automáticamente es deuda técnica. Define tu esquema de eventos con intención y elimina el resto.

2. Reportar la retención agregada en lugar de la retención por cohorte

Una sola cifra de "retención: 22%" no te dice casi nada. Agrupa siempre por cohorte de semana de instalación.

3. Celebrar el crecimiento del MAU sin mirar el DAU/MAU

El MAU crece fácilmente con inversión en adquisición. La stickiness es lo que te dice si el producto funciona.

4. Usar la calificación en la tienda de apps como KPI de producto

Las calificaciones reflejan la realidad del producto con semanas de retraso y están sesgadas por la lógica de las solicitudes de reseña. Útiles para ASO, no para decisiones de producto.

5. Optimizar la duración de la sesión como si más larga siempre fuera mejor

Una sesión larga puede significar un engagement profundo o una confusión profunda. Combínala siempre con la tasa de finalización de tareas.

6. Ignorar la realidad de la atribución post-ATT

La atribución en iOS ahora es probabilística. Los equipos que siguen haciendo informes de ROI por campaña con atribución determinista se están engañando. Pasa a pruebas de incrementalidad y modelado por cohortes.

7. Fijar objetivos de KPI sin una métrica de contrapeso

Todo objetivo de KPI necesita una métrica de control. La tasa de conversión sube, pero la tasa de reembolsos se mantiene. El DAU sube, pero la tasa de crashes no aumenta.

8. Tratar el NPS como herramienta de diagnóstico

El NPS te da la dirección del sentimiento. No te dice el porqué. Combina siempre la puntuación con comentarios abiertos y grabaciones de sesiones.

9. No segmentar los KPIs por plataforma

Los usuarios de iOS y Android se comportan, convierten y retienen de forma distinta. Una cifra combinada esconde las dos historias.

10. Medir lo fácil en lugar de lo útil

Las métricas más fáciles de instrumentar suelen ser las vistas de pantalla y los toques en botones. Las más útiles son los funnels de varios pasos y las curvas de retención por cohorte. Invierte en las difíciles.

Modelo de madurez de un programa de KPIs

La mayoría de los equipos que audito está entre el Nivel 1 y el Nivel 2, pero cree que está en el Nivel 4. Esta es la progresión real, sin adornos.

Nivel 1: SDK instalado, dashboard por defecto. Tienes Firebase o algo equivalente funcionando. Puedes ver descargas, DAU y crashes. No hay análisis de cohortes, ni eventos personalizados, ni trabajo con funnels. Sirve para demostrar que la app existe, no para tomar decisiones.

Nivel 2: eventos personalizados y funnels. Instrumentaste los flujos de registro, activación y compra como eventos con nombre. Tienes funnels de conversión para cada uno. Puedes responder "dónde abandonan los usuarios", pero no "por qué". Aquí es donde está la mayoría de los equipos.

Nivel 3: retención por cohorte y segmentación. Cada métrica se puede desglosar por cohorte de instalación, origen de adquisición, plataforma y segmento de usuarios. Haces revisiones semanales de retención. Ya definiste una métrica North Star y un evento de activación. Conoces tu ratio LTV:CAC por canal.

Nivel 4: cuantitativo y cualitativo en una sola plataforma. Cada número de tu dashboard lleva a las sesiones que hay detrás. Cuando la conversión cae, ves 20 grabaciones en menos de una hora y encuentras la causa. Las tasas de rage taps y de congelamientos de la UI son KPIs de primer nivel. Aquí es donde operan clientes de UXCam como Inspire Fitness y Housing.com, y de aquí salen las mejoras de gran salto (460% más actividad de los usuarios in-app, adopción de funciones duplicada).

Nivel 5: análisis asistido por IA y detección proactiva de anomalías. Una capa de IA vigila tus KPIs de forma continua, señala anomalías antes de que las notes y explica el comportamiento de los usuarios detrás de cada cambio. Tara analiza grabaciones de sesiones a escala y detecta los problemas concretos de UX que están moviendo las métricas. Esta es la frontera, y los equipos que llegan aquí pronto van acumulando ventaja.

El camino práctico: elige el nivel justo por encima de donde estás de verdad, construye la capacidad que te falta y no saltes dos niveles a la vez. La mayoría de las iniciativas de "analítica avanzada" fracasan porque la instrumentación del Nivel 2 nunca quedó limpia. Una buena autoprueba es ver si puedes generar una curva de retención por cohorte segmentada por canal de adquisición en menos de 10 minutos. Si eso te lleva un día y un ingeniero de datos, sigues en el Nivel 2, diga lo que diga el contrato con el proveedor.

Cómo elegir los KPIs correctos para tu app móvil

Tres preguntas para cada métrica que pienses seguir:

1. ¿Qué decisión va a orientar esta métrica? Si no puedes nombrar una decisión concreta, no la sigas.

2. ¿Quién es responsable de la decisión? Si la métrica no es responsabilidad de una persona concreta, nadie va a actuar sobre ella.

3. ¿Con qué frecuencia se va a revisar? Las métricas que nadie mira son peso muerto en tu factura de analítica.

Herramientas que te ayudan a seguir los KPIs correctos: UXCam para analítica de producto + de comportamiento en una sola plataforma, Mixpanel y Amplitude para analítica solo cuantitativa, Firebase Analytics para un seguimiento básico gratuito, y tu plataforma de atribución (AppsFlyer, Adjust) para las métricas de adquisición.

De los dashboards a la IA: hacia dónde va el trabajo con KPIs

La era de los dashboards de KPIs se está acabando. No porque los dashboards estén mal, sino porque siempre han respondido "qué pasó" sin responder "por qué" ni "qué hacer ahora". Los equipos que entregan correcciones más rápido en 2026 son los que combinan sus dashboards de KPIs con un analista de sesiones de IA que trabaja sobre los datos de comportamiento.

Tara, dentro de UXCam, es esa capa de análisis. Cuando la activación cae tres puntos, Tara no se limita a señalar la métrica: revisa las sesiones, agrupa los puntos de fricción y recomienda los cambios de UX con más probabilidades de recuperar la cifra. La reunión de revisión de KPIs cambia de forma. La mitad del tiempo que antes se iba en discutir lo que muestra el dashboard ahora se dedica a decidir cuál de los tres problemas principales que señala Tara merece entrar en este sprint.

El cambio es más útil para los equipos que trabajan a la vez en móvil y web. Las definiciones de KPI divergen mucho entre ambos (cold start frente a TTFB, duración de la sesión en la app frente a tiempo en la página, conversión por deep link frente a conversión por URL), y cuadrarlas a mano es donde la mayoría de los programas de medición multiplataforma mueren sin hacer ruido. Una sola capa de IA que lee ambas superficies genera una cola de prioridades unificada sin obligar al equipo a traducir entre dos lenguajes de métricas.

Si tu trabajo con KPIs sigue terminando con un mensaje en Slack que dice "la cifra se movió, que alguien lo investigue", el siguiente paso es conectar tus datos de grabaciones a tu dashboard y poner IA encima. Esa es la forma que tendrá el trabajo con KPIs a partir de ahora, y los equipos que lo adoptan primero suelen crecer más rápido.

Sigue los KPIs correctos de tu app con UXCam

UXCam es una plataforma de analítica de producto para apps móviles y sitios web que captura automáticamente cada interacción de los usuarios, sin etiquetado manual de eventos. Los funnels, las cohortes de retención, la segmentación, la grabación de sesiones y los mapas de calor usan los mismos datos. Cada KPI de tu dashboard tiene sesiones reales de usuarios detrás: ves que una cifra se mueve y haces clic en las sesiones que explican por qué.

Tara, la analista de IA de UXCam, revisa las sesiones a escala, detecta los problemas de UX que están cambiando las métricas y recomienda acciones concretas, para que los equipos tengan respuestas sin esperar a los analistas.

Instalada en más de 37.000 productos, en apps móviles y en la web. Solicita una demo para verla con tu app.