Una de las situaciones que más tiempo y energía nos hace perder a muchos de nosotros en reuniones con clientes y distintos stakeholders son las diferencias que existen entre las principales métricas de las distintas herramientas con las que trabajamos.
Aunque muchas veces se mezclan peras con manzanas y, simplemente, no son comparables, en otras ocasiones esas diferencias pueden estar justificadas o incluso tratarse de un error que solucionar, siendo interesante conocer y explicar sus razones.
Hoy trataremos de profundizar en las principales diferencias entre DoubleClick y Google Analytics Premium (GAP). Es importante señalar que para este caso, las fuentes diferenciadas de datos serían tres: por una lado DoubleClick Campaign Manager con su plataforma independiente, por el otro GAP con su plataforma de analítica y, por último y en nuestro caso, la integración de DCM en GAP, integrado en la plataforma de GAP, pero con métricas referentes a los anuncios, como clics e impresiones.
Cabe destacar que cada herramienta mide métricas distintas en diferentes puntos del embudo de conversión del usuario y hay numerosos puntos en los que no se cuenta la misma acción. Incluimos tabla gráfica para intentar explicar más claramente esta diferencia y las principales métricas afectadas.

Fuente: DIVISADERO
– Métricas DoubleClick
De esta forma, las tres primeras métricas pertenecientes a DDM (la plataforma de Doubleclick) corresponderían a la primera fase del embudo de conversión: la fase conocida como “Attraction”, en la que intentamos captar el interés de los usuarios, recogiendo todas las métricas de los anuncios (son muchas), tanto en sitios webs de terceros, buscadores, como también en los diferentes formatos y categorías conocidas.
– Métricas de la integración DoubleClick en GAP
Estas métricas son las que, en ocasiones, más dudas despiertan. Incluyen la información sobre el tráfico de “nuestra web” en relación con las distintas campañas de anuncios (Display, Search, etc.). Tiene su propio modelo de atribución, “Modelo DFA” que atribuye todas las sesiones que hayan tenido cualquier tipo de impacto, View-Through y Click-Through al tráfico DCMindependientemente del canal por el que finalmente hayan llegado a nuestro site. La atribución para la conversión se hace de la misma forma, se atribuyen todas las conversiones correspondientes a sesiones que hayan tenido cualquier tipo de impacto.
– Métricas relacionadas de GAP
El resto de informes de tráfico y conversión de Google Analytics emplean el llamado “Modelo GA”o último click. Pero con otra importante excepción: las sesiones con click por cualquier tipo de anuncio (DCM, DBM, DS, AdWords, etc.) que han entrado posteriormente por directo o marcadores, no serán atribuidas al tráfico directo, sino al canal correspondiente del anuncio en el que hicieron click.
Dos métricas que nos ayudarán a analizar mejor la contribución real de nuestros anuncios serán el análisis diferenciado de las conversiones directas o por último click vs las conversiones asistidas, así como las distintas rutas de conversión de GAP.
Esperando haber aclarado estas diferencias, os dejo algunos ejemplos que nos comparte Google.
– ¿Podemos tener más sesiones en GAP que click en DDM?
En principio parece complicado, pero es totalmente posible y no tiene por qué haber ningún error. Como hemos comentado antes, si los usuarios hacen click en un anuncio y luego vuelven a la web como una sesión directa o por un marcador, GAP atribuirá 1 click, pero 2 sesiones al click del anuncio.
– ¿Podemos tener más click que sesiones?
Si obtenemos este resultado, no sería correcto y se debería a un error que debemos solucionar.Entre algunas de las causas que pueden estar detrás de estas diferencias podemos destacar:
- DCM no está añadiendo el parámetro dclid a las URLs de página de destino
- El código de la página de Analytics no se está ejecutando.
- El click en anuncio de DCM redirige a un sitio web que no hace el seguimiento a través de la propiedad correspondiente en GAP.
- La campaña de DCM corresponde a una in-app campaign.
Os animo a profundizar en estas (más información sobre posibles discrepancias entre Google Analytics y DFP) y cualquier otra discrepancia que muchas veces pueden ayudar a conseguir interesantes insights para la mejora de nuestras estrategias.