Skip to main content
Analizar una campaña no es solo revisar números, sino entender qué ocurrió después del envío y cómo cada métrica, vista en conjunto, explica el comportamiento real de los usuarios.
Image

Entregado vs Entregado al usuario

✓ Mensaje entregado

Indica que WhatsApp aceptó el mensaje correctamente. Es una validación técnica: el envío salió bien desde tu cuenta.

✓✓ Mensaje entregado al usuario

Confirma que el mensaje llegó a la bandeja de entrada del usuario. Si este número es bajo, puede indicar:
  • Números inválidos
  • Usuarios sin WhatsApp activo
  • Restricciones por calidad o comportamiento percibido como spam
Si la diferencia entre “entregado” y “entregado al usuario” es alta, revisa la calidad de tu base de datos.

Confirmación de lectura

✓✓ Lectura

Se registra solo si el usuario tiene activada la confirmación de lectura (vistos azules). No debe usarse como métrica principal.
Un bajo porcentaje de lectura no significa que la campaña falló.
Muchos usuarios desactivan esta opción, por lo que no es un indicador absoluto.

Mensajes respondidos: la métrica clave

Esta es la métrica más relevante. Cuenta la primera interacción del usuario, incluyendo:
  • Respuestas de texto
  • Clics en botones que activan flujos internos
⚠️ No incluye clics en botones externos (por ejemplo, enlaces a páginas web).
Esta métrica mide:
  • Interés real
  • Claridad del mensaje
  • Efectividad del llamado a la acción (CTA)

Cómo leer los resultados en conjunto

No analices cada métrica por separado. Observa patrones. Alto entregado + bajo respondido
→ El mensaje llegó, pero no generó interés.
Revisa el contenido o el CTA.
Alto entregado + alto respondido
→ Mensaje y acción están alineados.
La campaña funcionó.
Baja entrega general
→ Revisa la lista de contactos o el estado de la plantilla.

Próximos pasos recomendados

Después de cada campaña:
  • Ajusta el texto o el CTA
  • Prueba diferentes versiones de mensaje
  • Optimiza botones y llamadas a la acción
  • Replica lo que funcionó mejor
Cada campaña es una oportunidad de aprendizaje, y la mejora real ocurre cuando ajustas tus decisiones con base en datos, no en suposiciones.