KPIs para startups: qué medir, qué ignorar y por qué medir todo es no medir nada

Tu startup tiene métricas. Probablemente demasiadas.

Tienes un dashboard en Notion que alguien montó hace tres meses, un Google Sheet con datos que nadie actualiza, y una reunión semanal donde el founder habla de usuarios activos, el de producto habla de tiempo en pantalla y el de negocio habla de MRR. Cada uno mira su número. Nadie mira el mismo.

Eso no es tener métricas. Es tener ruido con formato de métricas.

Lo que vas a aprender en este artículo:

• Por qué medir demasiado es exactamente igual de peligroso que no medir nada

• Un framework concreto para elegir las métricas correctas según tu fase (pre-seed, seed, Series A) y tu modelo de negocio

• Qué fórmulas y benchmarks usar para SaaS, marketplace y servicios en contexto español

• Cómo montar un dashboard operativo en menos de dos horas, sin herramientas de pago

• Los errores más comunes con métricas que destruyen la toma de decisiones en startups early-stage

Por qué medir todo es no medir nada

Hay una trampa muy concreta en la que caen casi todas las startups entre las personas 5 y 15: confunden actividad de medición con cultura de datos.

Instalan Mixpanel, conectan Google Analytics, meten los datos de Stripe en un sheet, añaden el pipeline de HubSpot y crean un Notion con 40 métricas organizadas por área. Todo parece muy profesional. Muy data-driven.

Y luego nadie toma ninguna decisión basándose en esos números.

El problema no es la cantidad de datos. Es la ausencia de criterio para seleccionar qué importa. Cuando tienes 40 métricas, ninguna tiene suficiente peso para mover una decisión. Cuando tienes 5 métricas bien elegidas, cada variación te obliga a actuar.

"Medir todo es no medir nada. Elige 5 métricas y haz que signifiquen algo."

Esto no es una opinión estética sobre el minimalismo. Es una consecuencia directa de cómo funciona la atención de un equipo pequeño. En una startup de 12 personas, nadie tiene tiempo para procesar 40 indicadores cada semana. Lo que no se procesa, no se discute. Lo que no se discute, no se convierte en decisión. Lo que no se convierte en decisión, da igual si lo medías o no.

La solución no es medir menos por comodidad. Es medir con criterio.

Las vanity metrics: el enemigo silencioso de las startups early-stage

Antes de hablar de qué medir, hay que entender qué no deberías medir. O, más precisamente: qué métricas parecen importantes pero no lo son.

Las vanity metrics son indicadores que se ven bien en un pitch deck o en una reunión de equipo, pero que no predicen ni explican el comportamiento real del negocio.

Los ejemplos más comunes que vemos en startups españolas:

Usuarios registrados. Un usuario que se registró hace seis meses y no ha vuelto a entrar no es un usuario activo. Es un correo en tu base de datos. Medir registros totales sin segmentar por activación y retención es decoración.

Visitas a la web. Relevante para validar canales de adquisición. Irrelevante como métrica de negocio si no va acompañada de conversión. 50.000 visitas con 0,1% de conversión son peores que 5.000 visitas con 3%.

Seguidores en redes sociales. En algún momento de la historia esto fue un proxy de marca. Hoy es ruido puro para una startup B2B con 20 clientes objetivo en un nicho concreto.

App downloads / instalaciones. Descargarse una app es gratis y lleva 10 segundos. Lo que importa es qué hace el usuario después.

"Reuniones con clientes potenciales". Como métrica de pipeline, puede tener sentido. Como métrica de negocio, sin tasa de conversión a contrato, es una forma de sentirse ocupado sin medir resultados.

La razón por la que estas métricas son peligrosas no es que sean falsas. Es que son verdaderas pero irrelevantes. Y cuando una métrica irrelevante sube, genera una sensación de progreso que no existe. Las startups que mueren con vanity metrics altas son las que más sorprenden a sus inversores.

El framework: qué medir según tu fase

No todas las startups deberían medir lo mismo. Las métricas que importan dependen de dos variables: la fase en la que estás y el modelo de negocio que tienes.

La regla general que usamos en Ebägurin es esta: cuantas menos personas tengas, menos métricas necesitas. No porque los datos importen menos, sino porque en fases tempranas el valor está en la velocidad de aprendizaje, y demasiadas métricas ralentizan esa velocidad.

Pre-seed: 3 métricas máximo

En pre-seed, la pregunta central no es "¿está creciendo el negocio?" sino "¿estamos resolviendo un problema real para alguien?". Las métricas son un proxy de validación, no de escala.

Con 2-8 personas y sin producto completamente estable, el tiempo de medición es un recurso escaso. Si mides más de 3 cosas, no estás midiendo: estás construyendo infraestructura de datos que nadie va a usar.

Las 3 métricas de pre-seed:

1. Métrica de activación. Define qué acción concreta indica que un usuario ha entendido el valor de tu producto. Puede ser "completó el onboarding", "hizo su primera transacción", "invitó a un compañero de equipo", "generó su primer informe". Lo que sea que en tu startup signifique "este usuario lo ha pillado". Esta métrica debe ser específica para tu producto, no genérica.

2. Retención a 30 días. De los usuarios que se activaron hace 30 días, ¿cuántos siguen usando el producto? No importa el número absoluto. Importa la tendencia. Si la retención sube cuando mejoras el onboarding, vas en la dirección correcta.

3. Feedback cualitativo activo. No es una métrica cuantitativa, pero en pre-seed tiene más valor predictivo que cualquier número. ¿Cuántos usuarios has entrevistado este mes? ¿Cuántos de ellos describirían tu producto como "imprescindible"? Sean Ells y Eric Ries lo llaman la pregunta de "would be very disappointed": si el 40% o más de tus usuarios activos dicen que estarían muy decepcionados si tu producto desapareciera, tienes señal de PMF (product-market fit).

Seed: 5 métricas

En seed ya tienes clientes, tienes un modelo de negocio que empieza a validarse y probablemente has levantado una ronda (o estás en ello). Las preguntas cambian: ya no es solo "¿funciona el producto?" sino "¿funciona el negocio?".

Aquí entran las métricas de negocio clásicas, pero limitadas. Cinco.

1. MRR (Monthly Recurring Revenue). Los ingresos recurrentes mensuales son el indicador más directo de la salud del modelo de negocio en SaaS o en cualquier modelo de suscripción. MRR es la suma de los contratos activos en un mes dado, normalizada a mensual. Si tienes un contrato anual de 12.000€, su contribución al MRR es 1.000€/mes.

2. Churn rate mensual. El porcentaje de clientes (o de MRR) que pierdes cada mes. Fórmula: (clientes que se dieron de baja en el mes / clientes al inicio del mes) × 100. Un churn del 2% mensual equivale a perder casi el 22% de tu base anualmente. Un churn del 5% mensual te hace prácticamente imposible crecer. Benchmarks para SaaS B2B: churn mensual saludable por debajo del 2%. Por encima del 3%, hay un problema que hay que diagnosticar antes de escalar.

3. CAC (Customer Acquisition Cost). Cuánto te cuesta adquirir un cliente. Fórmula: (gasto total en marketing y ventas en el período) / (número de nuevos clientes en el mismo período). El CAC por sí solo no dice nada. Su valor está en la relación con el LTV.

4. LTV/CAC ratio. El ratio entre el valor de vida del cliente y el coste de adquirirlo. Un LTV/CAC de 3:1 o superior es el mínimo aceptable para un SaaS B2B. Por debajo de 3:1, el negocio no es sostenible a escala. Por encima de 5:1, probablemente estás invirtiendo poco en adquisición y podrías crecer más rápido.

5. Runway. Los meses que quedan antes de que se acabe la caja a la velocidad de gasto actual. Fórmula: (saldo en caja) / (burn rate mensual). El burn rate es lo que gastas al mes. Con runway medido semanalmente, sabes exactamente cuánto tiempo tienes para tomar decisiones. Una startup seed española con runway por debajo de 6 meses está en zona de decisiones urgentes.

Series A: 7 métricas

En Series A ya tienes un equipo mayor de 15 personas, el modelo de negocio está más o menos validado y el foco pasa de "¿funciona?" a "¿podemos escalar esto de forma controlada?". Aquí añades métricas de eficiencia operativa a las de negocio.

Las 5 de seed más:

6. NPS (Net Promoter Score). Qué porcentaje de tus clientes son promotores activos vs. detractores. No como vanity metric, sino como leading indicator de churn futuro. Cuando el NPS baja antes de que el churn suba, tienes una señal de alerta temprana.

7. Payback period. En cuántos meses recuperas el CAC de un cliente. Fórmula: CAC / MRR por cliente. En Series A, los inversores quieren ver un payback period de 12-18 meses o menos para SaaS B2B. Por encima de 24 meses, el modelo requiere demasiado capital para escalar.

Métricas por modelo de negocio: fórmulas y benchmarks

El framework de fases te da el "cuántas". El modelo de negocio te da el "cuáles exactamente".

SaaS B2B

El modelo más común entre las startups españolas que levantaron ronda entre 2021 y 2024, según datos de SpainCap. Las métricas ya descritas (MRR, churn, CAC, LTV, runway) son las tuyas. Añade:

• MRR Growth Rate mensual: (MRR este mes - MRR mes anterior) / MRR mes anterior × 100. En seed, un crecimiento del 10-15% mensual es buena señal. Por encima del 20% sostenido durante 6 meses, tienes una narrativa muy potente para tu Serie A.

• Net Revenue Retention (NRR): qué porcentaje de los ingresos del mes anterior sigues teniendo este mes, incluyendo expansión (upgrades) y sin contar nuevos clientes. NRR superior al 100% significa que tu base de clientes existente te genera más dinero que el mes anterior, aunque no adquieras a nadie nuevo. Es el santo grial del SaaS.

Marketplace

Tienes dos tipos de usuarios (oferta y demanda) y métricas para cada lado, más métricas de cruce. El error más común es medir solo un lado.

• GMV (Gross Merchandise Value): el valor total de las transacciones que pasan por tu plataforma. No es tu ingreso (que sería el % que te quedas), pero es el indicador de actividad económica del marketplace.

• Take rate: GMV × porcentaje de comisión = tus ingresos reales. Si el take rate baja sostenidamente, hay presión en tu modelo.

• Liquidez del marketplace: qué porcentaje de los listings en el lado de la oferta acaban en una transacción. Un marketplace con baja liquidez tiene un problema estructural que el crecimiento de usuarios no va a resolver.

• Cohort de retención por lado: oferta y demanda se retienen de forma diferente y por razones diferentes. Mídelas por separado.

Servicios / consultoría / agencia

Muchas startups del ecosistema español empiezan con un componente de servicios antes de productizar. Las métricas aquí son diferentes.

• Utilización: porcentaje del tiempo facturable de tu equipo que realmente se factura. Una utilización por debajo del 60-65% en un modelo de servicios es un problema financiero inmediato.

• Revenue por headcount: ingresos totales divididos entre número de empleados. Es un indicador simple de eficiencia operativa. En servicios profesionales en España, un ratio por encima de 80.000-100.000€/persona es saludable para early-stage.

• Churn de clientes por contrato: qué porcentaje de los contratos se renuevan. En servicios recurrentes, la renovación es el indicador de salud más directo.

• Tiempo de proyecto vs. estimado: si consistentemente tardas más de lo que estimaste, tienes un problema de pricing, de scoping o de ejecución. Identificar cuál es la diferencia entre tener una empresa rentable o no.

Cómo montar tu dashboard en menos de dos horas

Ahora la parte práctica. Porque tener claro qué medir es inútil si no tienes un lugar donde esos números viven y se actualizan.

La buena noticia: no necesitas Tableau, ni Looker, ni contratar a un analista de datos. En fase pre-seed y seed, un dashboard funcional se puede montar en menos de dos horas con herramientas que probablemente ya tienes.

"El stack perfecto no existe. Existe el stack que tu equipo usa de verdad."

Opción 1: Notion + Google Sheets (pre-seed / seed, 0€)

Es la opción que recomendamos para startups de hasta 15 personas sin un proceso de datos maduro. La razón no es que sea la mejor técnicamente, sino que tiene la fricción más baja: todo el equipo ya usa Notion y Google Sheets, y reducir la fricción de actualización es el factor más importante para que el dashboard se use realmente.

Estructura:

1. Una hoja en Google Sheets con una fila por semana o por mes (según fase) y columnas para cada una de tus 5-7 métricas. Las feeds de datos pueden ser manuales al principio: el founder o el COO actualiza los números cada lunes en 20 minutos.

2. Una página en Notion que embebe el Sheets y añade contexto: comentario sobre la semana, decisiones tomadas como consecuencia de los datos, hipótesis para el próximo período. Este contexto es lo que convierte un spreadsheet en un artefacto de aprendizaje.

3. Una reunión semanal de 30 minutos donde se revisan los números y se toman decisiones. Si no hay reunión, no hay cultura de datos, da igual cómo de bonito sea el dashboard.

Limitación: cuando empiezas a tener muchas fuentes de datos (CRM, producto, Stripe, soporte), la actualización manual se vuelve insostenible. Ese es el momento de dar el siguiente paso.

Opción 2: Notion + Make + Google Sheets (seed avanzado, ~15-30€/mes)

Cuando ya tienes HubSpot, Stripe y un producto con datos de uso, la automatización de la recogida de datos cobra sentido. Make (antes Integromat) te permite conectar estas fuentes y volcar los datos en tu Sheets de forma automática.

La arquitectura típica que montamos:

• Stripe → Google Sheets automático para MRR, nuevos clientes, churn

• HubSpot → Google Sheets para pipeline, CAC calculado

• Producto (via webhook o API) → Google Sheets para activación y retención

• Google Sheets → Notion embed para visualización del equipo

Tiempo de setup: 3-6 horas si tienes alguien con criterio técnico básico. Make tiene plan gratuito hasta 1.000 operaciones/mes y el plan de 9€/mes cubre perfectamente las necesidades de una startup seed.

Cuándo esta opción deja de ser suficiente: cuando necesitas análisis de cohortes complejos, segmentación por tipo de cliente o visualizaciones que el equipo de negocio no puede construir con Sheets. Ese es el momento de evaluar herramientas como Metabase (open source, gratuita) o Amplitude para producto.

Opción 3: Metabase + tu base de datos (Series A, de 0€ si lo hosteas tú)

Metabase es una herramienta de BI open source que conecta directamente a tu base de datos (PostgreSQL, MySQL, Supabase) y permite crear dashboards sin escribir SQL. Es la opción natural cuando tienes un analista de datos o alguien técnico en el equipo que puede montarlo.

Para una startup de 20-50 personas con modelo SaaS, Metabase conectado a Supabase o a tu base de producción (con una réplica de lectura, no la base principal) cubre prácticamente todas las necesidades de análisis.

El error más común con Metabase: conectarlo a producción directamente sin réplica de lectura. Las queries analíticas pueden matar el rendimiento de tu aplicación. Primero monta la infraestructura correctamente, después el dashboard.

Los errores que destruyen la toma de decisiones con métricas

Tener las métricas correctas no es suficiente. Hay patrones de comportamiento con métricas que anulan todo el valor de medirlas correctamente.

Medir sin decidir

El error más frecuente y el más difícil de reconocer. Se manifiesta así: tienes el dashboard, revisas los números cada semana, hay una métrica que lleva tres semanas yendo en la dirección equivocada... y nadie toma ninguna decisión.

Las métricas no tienen valor por sí mismas. Tienen valor cuando generan decisiones. Si tu churn sube tres semanas seguidas y el equipo se limita a "hay que investigarlo", el dashboard es decoración.

La solución es vincular cada métrica a un disparador de acción. Cuando el churn supere X%, hacemos Y. Cuando el CAC supere X€, revisamos Z. Esto no es automatismo; es tener pre-pensadas las respuestas antes de que el problema sea urgente.

Cambiar las métricas cuando dan malas noticias

Uno de los síntomas más claros de que la cultura de datos en una startup es disfuncional. El product manager decide que la retención a 30 días no es la métrica correcta justo después de que baje. El founder decide que el LTV/CAC "se calcula diferente" cuando el ratio empeora.

Las métricas incomodan cuando el negocio no va bien. Ese malestar es exactamente la información que necesitas. Cambiar las métricas para sentirte mejor es exactamente lo contrario de operar con criterio.

Usar métricas de otras startups sin adaptar

Los benchmarks de SaaS americanos que lees en blogs como OpenView o SaaStr son orientativos, no prescriptivos. Un churn del 2% mensual puede ser dramático para un SaaS B2B de ticket alto y completamente normal para un SaaS B2C con ticket bajo y alto volumen. Un CAC de 500€ puede ser excelente para un ciclo de ventas corto y terrible para uno de seis meses.

Siempre contextualiza los benchmarks con tu modelo, tu ticket promedio y tu ciclo de ventas. En España, los ciclos de ventas B2B tienden a ser entre un 20% y un 40% más largos que los equivalentes americanos según nuestra experiencia de campo, lo que afecta directamente al payback period y a la interpretación del CAC.

Tener métricas que nadie en el equipo sabe calcular

Si le preguntas a tres personas de tu equipo cómo calculas el MRR y te dan tres fórmulas distintas, no tienes un problema de datos. Tienes un problema de definiciones.

Cada métrica debe tener una definición escrita y acordada. Qué incluye, qué excluye, cómo se calcula, con qué frecuencia se actualiza y quién es responsable de su actualización. Sin esta documentación, las métricas son discusiones sobre metodología disfrazadas de conversaciones sobre el negocio.

La deuda operativa de las métricas

Igual que existe la deuda técnica, existe la deuda operativa de los datos. Cada hoja de cálculo que montas sin documentar su lógica, cada métrica que empiezas a medir sin definir su fórmula, cada dashboard que crea alguien que ya no está en el equipo es deuda que pagarás tarde o temprano. Normalmente en el peor momento: cuando estás preparando una ronda o cuando alguien nuevo entra y necesita entender el negocio rápido.

Si quieres entender cómo encaja la gestión de métricas dentro de la infraestructura operativa más amplia de tu startup, el artículo sobre operaciones para startups: la guía definitiva para equipos de 2 a 50 personas te da el contexto completo de cómo las métricas funcionan junto al resto de procesos, herramientas y roles.

El dashboard mínimo viable: qué debería tener el tuyo esta semana

Para cerrar la parte práctica, aquí está lo que debería tener tu dashboard si empiezas desde cero hoy.

Una columna para la fecha. Una columna para cada una de tus 3-5 métricas según fase. Una columna de "Comentario" donde alguien del equipo escribe en 2-3 frases qué explica el movimiento de esa semana. Una fila de objetivo para cada métrica (el número que quieres alcanzar al final del trimestre). Un código de color simple: verde si estás en objetivo, amarillo si estás a menos del 15% del objetivo, rojo si estás más de un 15% por debajo.

Eso es todo. No necesitas nada más para empezar.

El objetivo no es tener el dashboard más sofisticado del ecosistema. El objetivo es que el jueves por la mañana, en 20 minutos, cualquier miembro del equipo pueda abrir ese dashboard y saber exactamente cómo va el negocio y qué decisión hay que tomar.

Si tardas más de 20 minutos en leer el estado del negocio, el dashboard es demasiado complejo.

Si al terminar de leerlo no sabes qué acción tomar, el dashboard no está midiendo lo correcto.

Si tu startup tiene más de 6 métricas activas y ninguna está directamente vinculada a una decisión que hayas tomado en los últimos 30 días, es el momento de resetear. En Ebägurin empezamos por ahí: auditar qué se está midiendo, por qué, y qué falta. Si quieres que lo revisemos contigo, el Plan Diagnóstico Express es el punto de entrada: en 1-2 semanas te devolvemos un mapa claro de qué funciona, qué no y qué hay que montar.