2026-08-04

Bloqueadores y analítica: por qué tus cifras son bajas

Tu contabilidad dice que el mes pasado hubo 47 pedidos.

Tu analítica dice 31 conversiones.

Revisas el rango de fechas. Revisas los filtros. Revisas si alguien excluyó el tráfico interno dos veces. Los números siguen sin cuadrar y el jueves tienes que decidir con uno de ellos.

He visto a gente resolver esto de la forma equivocada. Eligen el número que respalda la decisión que ya querían tomar.

La forma correcta es más aburrida y mucho más útil. Averigua cuánto de grande es tu diferencia, aprende qué parte puedes cerrar y deja de sorprenderte cada mes.

Cuánto falta en realidad

Empecemos por lo que se puede medir, porque este tema atrae estadísticas inventadas.

El uso de bloqueadores está bien estudiado. GWI lo situó en el 29,5 por ciento de los usuarios de internet que usan un bloqueador al menos a veces, en el segundo trimestre de 2025. Statista da cifras más altas, por encima del 40 por ciento, contando a quien tiene un bloqueador en al menos un dispositivo. En escritorio el uso ronda un tercio en los mercados occidentales.

Esas son cifras de bloqueo de publicidad, no de bloqueo de analítica. Van relacionadas pero no son lo mismo y quien cita una como si fuera la otra te está vendiendo algo.

La conexión es esta. La mayoría de bloqueadores populares traen, además de la lista de anuncios, una lista de privacidad. Esas listas incluyen puntos de conexión de herramientas de analítica. Así que buena parte de quienes usan bloqueador también bloquea las peticiones de analítica, pero no todos y la proporción depende de qué listas tengan activadas.

El resumen honesto: una parte apreciable de tu tráfico es invisible, la proporción exacta depende de tu público y nunca es cero.

«No todo lo que se puede contar cuenta, y no todo lo que cuenta se puede contar.»

William Bruce Cameron, Informal Sociology, 1963

Esa frase suele atribuirse a Einstein, lo cual es falso y el error es instructivo. Los números adquieren autoridad por el simple hecho de existir. Un panel que marca 31 parece un hecho aunque sea una muestra.

Por qué la diferencia no es aleatoria

Esto es lo que hace el problema peor que un simple recuento corto.

Si los visitantes que faltan estuvieran repartidos por igual, podrías aplicar un factor de corrección y seguir adelante. No lo están. El uso de bloqueadores se concentra en grupos concretos.

• Públicos técnicos. Desarrolladores, gente de sistemas y cualquiera que trabaje cerca de la seguridad bloquean muy por encima de la media.
• Visitantes jóvenes. La adopción es más alta en las franjas adultas más jóvenes.
• Usuarios de escritorio. Las extensiones son más fáciles de instalar en un ordenador que en un móvil.
• Compradores B2B con equipos gestionados. Las redes corporativas filtran dominios de rastreo antes incluso de que intervenga el navegador.

Lee esa lista otra vez y piensa en quiénes son tus mejores clientes. Para una herramienta B2B, una agencia o un producto técnico, las personas que más quieres entender son justo las que peor mides.

Eso no es contar de menos. Eso es una muestra sesgada.

Las cuatro vías por las que se pierden datos

Los bloqueadores son una de cuatro. Conviene saber cuál es cuál, porque piden respuestas distintas.

1. Extensiones del navegador. uBlock Origin, AdBlock Plus y similares bloquean peticiones a dominios de rastreo conocidos. Esta es la que todo el mundo tiene en mente.

2. Rechazos del consentimiento. Quien dice que no a tu banner de cookies no se mide en absoluto. Según tu banner y tu público, esto puede pesar más que el efecto de los bloqueadores.

3. Funciones de privacidad del navegador. Safari y Firefox limitan por defecto el seguimiento entre sitios. Se acortan las duraciones de las cookies, lo que daña sobre todo los datos de visitante recurrente y de atribución, no tanto las páginas vistas.

4. Bloqueo a nivel de red. Un Pi-hole en casa, un DNS con filtrado o un proxy corporativo. No hay extensión de por medio y puede que el visitante ni lo sepa.

¿Sigues ahí? Bien, porque medir tu propia diferencia lleva unos quince minutos.

Mide tu propia diferencia en quince minutos

Deja de trabajar con medias del sector. La única cifra que importa es la tuya y puedes acercarte con tres comparaciones.

1. Registro del servidor frente a analítica

El panel de tu hosting o el registro del servidor cuenta peticiones antes de que el navegador pueda bloquear nada. Saca las páginas vistas de la misma semana de ambas fuentes.

El registro siempre será más alto, porque también cuenta bots y peticiones de archivos. Filtra a peticiones de páginas HTML y excluye rastreadores conocidos si puedes. Buscas el orden de magnitud de la diferencia, no una cifra precisa.

2. Resultado de negocio frente a conversiones medidas

Coge un número que sepas que está completo. Pedidos en el panel de tu tienda, facturas, altas en tu propia base de datos.

Compáralo con lo que reportó tu analítica en el mismo periodo. Esa proporción es la señal más honesta que tienes, porque uno de los dos lados no se puede bloquear.

3. Pruébalo tú mismo

Instala un bloqueador habitual, abre tu propia web y mira la pestaña Red. Comprueba si la petición de tu analítica sale o se cancela.

Repite con el bloqueador apagado. Ahora sabes exactamente cómo se comporta tu montaje concreto, en lugar de cómo dice un artículo que se comporta.

Lo que no lo arregla

Dos apaños populares merecen una advertencia.

Servir la analítica a través de tu propio dominio. Técnicamente esquiva los filtros simples por dominio. También te mete en un juego del gato y el ratón con quienes mantienen las listas de filtrado, añade carga al servidor y no hace nada contra los rechazos de consentimiento. Has hecho tu rastreador más difícil de bloquear, no menos objetable.

Factores de corrección. Multiplicar tus cifras por 1,3 porque un blog dijo 30 por ciento parece científico. No lo es. El sesgo está repartido de forma desigual entre tus páginas y canales, así que un multiplicador plano vuelve algunas cifras menos exactas, no más.

Lo que sí funciona

Hay una respuesta duradera y es estructural más que técnica.

Las listas de filtrado y los navegadores bloquean rastreadores. Apuntan a scripts que identifican individuos, los siguen entre sitios y construyen perfiles. Esa es la definición con la que trabajan.

Una analítica que no hace nada de eso no es un rastreador según esa definición. No necesita esconderse, porque no hay nada que esconder.

Eso resuelve además la segunda fuga al mismo tiempo. Sin cookies no hay banner de consentimiento y quienes lo habrían rechazado siguen contando.

Aquí entra StatJolt

StatJolt no identifica visitantes, no los sigue entre sitios y no guarda nada en su dispositivo.

Por eso las listas de filtrado habituales no lo clasifican como rastreador y las peticiones no se bloquean. Los visitantes que hoy son invisibles para tu montaje aparecen en tu recuento.

Tampoco hay banner de consentimiento, así que la segunda fuente de pérdida desaparece con la primera.

El resultado no es un número más grande por el gusto de serlo. Es un número que puedes poner al lado de tus pedidos sin tener que explicar la diferencia.

Si solo lees un recuadro

Los bloqueadores quitan una parte real y desigualmente repartida de tu tráfico y los rechazos de consentimiento quitan más, así que tu panel es una muestra y no un censo. Mide tu propia diferencia comparando tu analítica con el registro del servidor y con un dato de negocio que no se pueda bloquear. La solución duradera es medir de una forma que los navegadores y las listas de filtrado no tengan motivo para bloquear.

Atrás