En diciembre de 2025, Google anunció el lanzamiento de Google Analytics Advisor. Aunque esta funcionalidad se encuentra en fase Beta y solo está disponible en las propiedades configuradas en inglés, hemos estado probándola para ver lo que a nuestro parecer merece la pena y lo que no.
Primero de todo, empecemos por la definición. Las propias fuentes oficiales dicen que se trata de un asistente de IA conversacional impulsado por los modelos Gemini. Los usuarios pueden acudir a este asistente dentro de la interfaz siempre que tengan preguntas o que necesiten ayuda. ¿Cómo se accede? Muy sencillo:
Como puede verse en la imagen anterior, aparece en el margen superior derecho de las propiedades un icono nuevo, situado entre el selector de productos Google y el centro de ayuda. Otra opción es acceder directamente a la lupa, donde la primera sugerencia ofrecida es la de preguntar a Analytics Advisor.
Algunas de sus funcionalidades clave
1. Interacción en lenguaje natural
En lugar de tener que hacer clic en diferentes informes y múltiples submenús para encontrar un dato específico, los usuarios pueden escribir preguntas como “¿Por qué bajó mi tráfico móvil el domingo?” o “¿Cuáles fueron mis principales fuentes de tráfico el mes pasado?”. Esto es especialmente útil si desconoces en qué informe puedes encontrar esa información o si simplemente lo que buscas es ahorrar algo de tiempo.
2. Visualizaciones y resúmenes instantáneos
Esta es una de las principales ventajas, ya que genera casi al instante ciertos gráficos y líneas de tendencia que, de tener que generarlos manualmente, podrían llevarnos cierto tiempo. (Ojo, al final del post daremos algo más de información a este respecto.)
3. Análisis diagnóstico y estratégico
La herramienta simplifica el proceso de identificación de la causa raíz de las anomalías. Esto quiere decir que puede leer toda la información disponible a lo largo de los informes en un segundo, y de este modo atribuir causas posibles a fluctuaciones en las métricas.
Según las fuentes del propio Google, una vez identificadas las causas, el propio asistente puede sugerir estrategias de crecimiento basadas en el comportamiento de los usuarios. Ejemplo: recomendar formas de volver a atraer a los usuarios que abandonaron la web sin llegar a ver una página de producto.
4. Razonamiento transparente
Esto nos parece de lo más top porque proporciona una capa de transparencia al mostrar sus pasos de razonamiento intermedios, lo que permite a los usuarios comprender la lógica detrás de una respuesta y verificar su precisión.
Es especialmente interesante, ya que podremos ver cómo piensa y cómo accede a la información para brindar esas respuestas. También nos permitirá ver si se ha topado con ciertos obstáculos, lo que veremos más adelante a través de ejemplos.
5. Asistencia técnica integrada
Este asesor también actúa como una guía bajo demanda. Puede proporcionar instrucciones paso a paso para ciertas dudas teóricas sin que el usuario tenga que salir del panel de control para buscar documentos de asistencia externos.
Casos prácticos de Google Analytics Advisor
“Data Fetching”: obtención de datos multidimensionales
Te ahorra navegar por el menú de informes, añadir dimensiones secundarias y aplicar filtros manuales. Hacer esto a mano implica ir a Adquisición, filtrar por país, añadir dimensión secundaria de ciudad y luego añadir un filtro de categoría de dispositivo. El Advisor lo hace en pocos segundos.
Ejemplo prompt: “Dime las 5 ciudades de España con mayor tasa de conversión desde dispositivos móviles en los últimos 30 días”.
¿Es capaz de crear segmentos?
Sí, y lo hace muy rápido, siendo uno de los usos más interesantes que hemos comprobado hasta el momento.
Ejemplo Query: “Muéstrame el número de usuarios que han visto una página de producto, pero no han completado una compra en los últimos 7 días.”
TIP: si queremos asegurarnos una metodología correcta, se puede preguntar directamente al agente cómo ha realizado ese cálculo. En este caso, nos dice lo siguiente: Calculé este número creando un segmento de usuarios temporal. Este segmento incluía a los usuarios que activaron un evento view_item (lo que indica que vieron una página de producto), pero no activaron un evento de compra en los últimos 7 días (del 7 al 13 de enero de 2026).
¿Puede realizar comparativas que crucen métricas y dimensiones en una misma tabla, para una fecha concreta?
Aunque sí que consigue sacar la tabla comparando la tasa de conversión de las diferentes ciudades, hay que prestar mucha atención al tema de las fechas.
Ejemplo prompt: Compara la tasa de conversión con base en sesiones de Burgos, Valladolid y Palencia durante el último mes. Muéstrame los resultados en una sola tabla.
¡Atención! Es vital revisar siempre los intervalos de fechas en las tablas generadas. Como se ve en el ejemplo, el Advisor mezcló periodos distintos para Valladolid frente a Burgos y Palencia. Un analista que no detecte esto podría extraer conclusiones estratégicas totalmente erróneas basándose en datos no comparables.
Identificación de “key drivers” (o factores clave)
Podríamos decir que es una de las funciones de IA más avanzadas. De manera ágil analiza los movimientos de una métrica y las posibles causas que hay detrás. El Advisor analiza automáticamente qué dimensiones (páginas, ciudades, navegadores) contribuyeron más a esa caída. Nosotros necesitaríamos más tiempo para encontrar el culpable exacto; la IA lo hace por descarte estadístico instantáneo.
Ejemplo prompt: “Why did sessions from Organic Search drop yesterday?”.
Continuando con el ejemplo del apartado anterior (tasa de conversión por ciudades) vamos a ver qué nivel de detalle nos consigue brindar.
Ejemplo prompt: ¿Por qué es más alta la tasa de conversión en Burgos?
El análisis es rápido y los datos obtenidos son muy interesantes para entender por qué en esta ciudad la tasa de conversión es superior a la de otras ciudades que le hemos marcado como referencia.
Para poder hacer un análisis más certero, sería interesante que utilizase la métrica “session conversion rate” únicamente basada en la compra, y no en el resto de eventos que estén marcados como clave. Para ello, vamos a seguir consultando lo siguiente:
Ejemplo prompt: Quiero el mismo análisis, pero filtrando solo por evento “compra”.
Aquí ya nos empieza a fallar y no podemos seguir avanzando con el análisis. Como es incapaz de sacar la tasa de conversión únicamente basándose en compra, los insights que nos brinda son en relación con el volumen de transacciones.
Por eso vuelve a ser tan interesante que entremos al apartado “show thinking” para entender qué barreras y obstáculos se ha encontrado en el proceso.
(Show thinking de este prompt: “Aunque no puedo filtrar el análisis de la tasa de conversión por un solo evento, puedo realizar un análisis similar observando el número total de eventos de compra para cada canal y dispositivo.”)
Visualización de tendencias sobre la marcha
Muchas veces, crear un gráfico de tendencia requiere ir al módulo de Exploraciones. Ahora este gráfico se puede generar dentro del chat, lo que es ideal para “pantallazos” rápidos. Pero, ¿qué tal funciona realmente esta funcionalidad? Vamos allá:
Ejemplo prompt: “Muéstrame un gráfico diario de usuarios activos durante los últimos 14 días en comparación con los 14 días anteriores”.
Aquí podemos ver cómo el agente falla a la hora de devolver gráficos con comparativas. Sin embargo, él mismo reconoce ser incapaz y te propone devolver el gráfico con una línea temporal básica, lo que se corresponde realmente con la siguiente query: “Muéstrame un gráfico diario de usuarios activos durante los últimos 14 días”.
Limitaciones actuales y aspectos a tener en cuenta
¿Puede usar grupos de canales personalizados?
Aunque a priori te dice que sí, y consigue identificarlos correctamente dentro de la propiedad, a la hora de cruzar métricas con esta dimensión se producen errores de forma recurrente y finalmente no se pueden utilizar para generar informes válidos. El Advisor reconoce el nombre de los grupos de canales personalizados y parece entender su existencia, pero falla en el momento de integrarlos en tablas o comparativas junto a métricas como sesiones, conversiones o ingresos.
Esto limita su utilidad en análisis de adquisición más avanzados, donde este tipo de agrupaciones suelen ser clave. En su estado actual, cualquier análisis que dependa de grupos de canales personalizados sigue requiriendo recurrir a los informes estándar o a Exploraciones, ya que el asistente no ofrece resultados fiables en este punto.
¿Puede usar métricas calculadas?
Similar al caso anterior, a priori sí que consigue identificar las métricas calculadas que están creadas, saben el número exacto de métricas de la propiedad, pero a la hora de pedir un informe con las mismas suele pedir que le brindes la fórmula que ha sido introducida, por lo que se percibe una falta de lectura de la métrica como tal.
Al final del día, Google Analytics Advisor puede ahorrarte mucho tiempo en consultas rápidas y ayudarte a ver patrones sin perderte entre menús. Eso sí, no te fíes al 100% de todo lo que te devuelve: revisa las comparativas, los grupos de canales y las métricas calculadas antes de tomar decisiones importantes. Es una herramienta útil para complementar tu trabajo, pero la experiencia y el ojo del analista siguen siendo insustituibles.
