Lo que tu informe de consultas omite
Estructura y marcado actualizados para los motores de respuesta actuales; el análisis original se conserva.
Search Console tiene una limitación silenciosa que vale la pena entender antes de confiar en sus números: no te muestra todas las consultas. Las consultas raras —las de cola larga buscadas por muy poca gente, y cualquiera que cargue información personal o sensible— se retienen como consultas anonimizadas para proteger la privacidad. Aún cuentan en tus totales de sitio y de página, pero están ausentes de la lista por consulta, que es por lo que tus filas de consulta nunca suman tus totales. La buena medición empieza por saber qué no está en los datos.
la respuesta corta
Search Console retiene algunas consultas de la tabla por consulta —las raras de cola larga y cualquiera con información personal o sensible— como consultas anonimizadas, por privacidad. Sus clics aún cuentan en tus totales; solo falta el texto de la consulta. Por eso tus filas nunca suman tus totales, y la brecha crece al filtrar. Usa los totales para tendencias, la tabla para intención —y no persigas la diferencia.
ideas clave
- Search Console retiene algunas consultas de sus resultados por consulta —las raras de cola larga y cualquiera con información personal o sensible— como consultas anonimizadas, para proteger la privacidad. Lo hace desde 2018.
- Esas consultas aún cuentan: sus clics e impresiones están en tus totales de nivel de sitio y de página. Solo falta el texto de la consulta —ves el tráfico, no qué búsqueda lo produjo.
- Por eso tus filas de consulta nunca suman tus totales: los totales incluyen la porción anonimizada, la tabla no puede. La brecha es el tráfico anonimizado.
- La brecha crece con la granularidad: una consulta común a nivel de sitio puede volverse rara —y anonimizada— al filtrar por país o dispositivo, porque cada filtro encoge el grupo detrás de ella.
- Usa los totales para tendencias y magnitud (completos), la tabla de consultas para intención específica (una muestra de tus búsquedas más visibles), y no persigas la discrepancia —es por diseño, no un error.
por qué las filas no suman el total
Las consultas nombradas son los picos visibles; las anonimizadas son la parte del paisaje que Google no etiquetará. Ambas están en tus totales —solo una está en tu tabla.
La idea, en cuatro partes
Las consultas que nunca ves; por qué los números nunca cuadran; qué significa para la medición; y cómo trabajar con ello. Abre cada parte.
01 Las consultas que nunca ves
Search Console carga una limitación silenciosa que es fácil pasar por alto e importante entender: no te muestra todas las consultas que trajeron gente a tu sitio. Algunas búsquedas se dejan deliberadamente fuera de los resultados por consulta, y Google las llama consultas anonimizadas. Hay dos tipos. El primero son las consultas raras —búsquedas de cola larga hechas solo por un número muy pequeño de personas. Si solo un puñado de usuarios buscó alguna vez una frase particular, nombrarla en un informe podría en principio ayudar a identificarlos, así que Google la retiene. El segundo son las consultas que contienen información personal o sensible, retenidas por la misma razón de privacidad. Esto no es nuevo ni está oculto: Google ha excluido las consultas anonimizadas de estos informes desde 2018, y su propia documentación lo afirma directamente —las consultas muy raras, llamadas consultas anonimizadas, no se muestran en estos resultados para proteger la privacidad del usuario que hace la consulta. Lo que lo vuelve digno de toda una nota no es la regla en sí sino lo que la mayoría pasa por alto sobre ella. Las consultas anonimizadas no son errores ni son huecos donde el tráfico no se registró. El tráfico es real y se cuenta plenamente —cada clic e impresión de una consulta anonimizada está incluido en tus totales de nivel de sitio y de página. Lo único que falta es el texto de la consulta. Puedes ver que la visita ocurrió; solo no puedes, para esa porción, ver qué búsqueda la produjo. Esa distinción —el tráfico está, la etiqueta no— es la clave para leer cada informe correctamente.
02 Por qué los números nunca cuadran
La primera y más desorientadora consecuencia es que tus filas de consulta no sumarán tus totales, y la gente pierde horas intentando reconciliar una brecha que está ahí a propósito. Imagina el informe de rendimiento frente a ti. Arriba se sienta un total —clics, digamos, para todo el sitio o para una sola página. Debajo hay una tabla de consultas individuales, cada una con su propio recuento de clics. La suposición natural es que la tabla suma el total. No lo hace, y no se supone que lo haga. El total cuenta todo el tráfico, incluidos los clics de consultas anonimizadas; la tabla solo puede listar las consultas que Google está dispuesto a nombrar. La diferencia entre ambos es precisamente la porción anonimizada. En un sitio dominado por unos pocos términos populares esa diferencia puede ser pequeña; en un sitio que se gana la vida a través de miles de búsquedas de nicho puede ser muy grande. Y la brecha no es fija —se ensancha a medida que cortas los datos más finamente. Una consulta lo bastante común para aparecer a nivel de sitio puede inclinarse hacia rara, y por tanto anonimizada, en el momento en que filtras por país, o por dispositivo, o apilas varias dimensiones juntas, porque cada filtro encoge el grupo de usuarios detrás de una consulta hasta que cruza el umbral de privacidad. Así que cuanto más granular tu vista, más consultas caen en el cubo anonimizado y más se alejan tus filas visibles por debajo de tu total declarado. La lección no es que los datos estén rotos. Es que la aritmética pulcra que esperas instintivamente —filas sumando totales, partes filtradas sumando el todo— simplemente no se sostiene aquí, y suponerlo en silencio es como los buenos analistas llegan a conclusiones erróneas.
03 Qué significa para la medición
Una vez que aceptas que la tabla de consultas es incompleta por diseño, la pregunta práctica se vuelve en qué números puedes apoyarte y para qué, y la respuesta es más limpia de lo que la confusión sugiere. Los totales son completos. Tus clics e impresiones de nivel de sitio y de página cuentan todo, consultas anonimizadas incluidas, así que son la base confiable para cualquier cosa sobre magnitud o tendencia: si una página gana o pierde visibilidad, si un cambio que hiciste ayudó, cuánto tráfico gana de verdad una sección. La tabla de nivel de consulta es donde vive la incompletitud, y es incompleta de una forma específica y sesgada —subrepresenta la cola larga, y lo hace de forma desigual entre sitios. Un sitio cuyo tráfico cabalga sobre unos pocos términos de cabecera de alto volumen verá nombradas casi todas sus consultas, porque esos términos están lejos de ser raros. Un sitio que ha construido su visibilidad a través de miles de búsquedas específicas y de bajo volumen verá aflorar solo una fracción de sus consultas, porque muchas son individualmente lo bastante raras como para anonimizarse. Eso no es un defecto a corregir; es una propiedad a entender, y cambia cómo lees el mismo informe para dos sitios distintos. La disciplina que esto pide es emparejar la capa con la pregunta: totales cuando necesitas la magnitud verdadera, consultas nombradas cuando necesitas entender la intención específica, y una conciencia estable de que las consultas nombradas son los picos visibles de un paisaje mayor, en parte oculto. Medir bien siempre ha sido menos sobre recolectar números que sobre saber qué representa y qué no cada número —la disciplina por la que el AC Group ha trabajado durante {years} años.
04 Cómo trabajar con ello
El remedio es un puñado de hábitos que te mantienen honesto con los datos. Primero, empareja la vista con la pregunta. Para cualquier cosa sobre tendencia o tamaño —está creciendo esto, ayudó esto, cuánto gana esto— usa los totales de nivel de sitio o de página, porque incluyen todo y te dan la cifra real. Para cualquier cosa sobre intención específica —qué búsquedas traen gente aquí, qué palabras usan— usa la tabla de consultas, pero léela como una muestra de tus búsquedas más visibles, no un inventario completo, y ten presente que las búsquedas que no puede mostrar son desproporcionadamente las raras, específicas, de cola larga que a menudo más importan para entender una audiencia de nicho. Segundo, deja de perseguir la discrepancia entre números filtrados y sin filtrar. Es estructural, no un error, y cada hora gastada intentando que las partes sumen el todo es una hora perdida en un problema que no tiene solución por diseño. Tercero, ten especial cuidado con los cortes muy filtrados y granulares, porque ahí es donde la anonimización muerde más fuerte —un número pequeño y de aspecto seguro en una vista muy filtrada puede estar ocultando la mayor parte de su propio contexto. Y cuarto, cuando presentes estos datos a clientes o colegas, explica la brecha en vez de suavizarla, para que nadie confunda las consultas nombradas con el panorama entero y construya una decisión sobre un recuento parcial que creía completo. Debajo de los cuatro hábitos hay un único principio: la buena medición empieza con un relato honesto de lo que los datos incluyen y excluyen, no con la suposición reconfortante de que las filas frente a ti cuentan toda la historia. Sostener ese principio —leer los datos por lo que de verdad representan— es la disciplina de medición por la que el AC Group ha trabajado durante {years} años.
Por qué esto es un punto de medición, no una curiosidad
Sería fácil archivar las consultas anonimizadas como una rareza —una nota al pie sobre privacidad que no cambia mucho. Pero cambia cómo debería leerse cada número del informe, lo que la vuelve fundamental en vez de trivial. Una persona que no sabe de ellas, tarde o temprano, sumará una tabla de consultas y confiará en el resultado, o filtrará un informe hasta un corte estrecho y sacará una conclusión segura de un número al que le falta la mayor parte de su contexto, o pasará una tarde intentando reconciliar una discrepancia que nunca iba a reconciliar. Ninguno de esos errores parece un error; parecen diligencia. Eso es lo que vuelve peligrosa la limitación —castiga al analista cuidadoso que supone que los datos están completos más que al casual que nunca mira de cerca.
El punto más profundo es que la medición nunca son solo los números; son los números más un modelo preciso de cómo se produjeron y qué dejan fuera. Las consultas anonimizadas son una instancia de una verdad general: casi todo conjunto de datos con el que trabajarás está moldeado por reglas de recolección, límites de privacidad y umbrales que determinan qué se registra y qué se descarta, y leer bien los datos significa tener esa forma en mente. Medir con un relato claro de lo que los datos representan y omiten, en vez de tomar las filas al pie de la letra, es la disciplina por la que el AC Group ha trabajado durante 27 años.
Qué hacer con esto
Construye unos cuantos hábitos que te mantengan honesto con el informe. Usa los totales —de nivel de sitio y de página— siempre que la pregunta sea sobre magnitud o tendencia, porque cuentan todo, consultas anonimizadas incluidas, y te dan la cifra verdadera. Usa la tabla de consultas cuando la pregunta sea sobre intención específica, pero léela como una muestra de tus búsquedas más visibles en vez de una lista completa, y recuerda que lo que no puede mostrar está sesgado hacia las búsquedas raras de cola larga que a menudo revelan más sobre una audiencia de nicho.
Luego deja de reconciliar lo que no se puede reconciliar: la brecha entre números filtrados y sin filtrar es estructural, no un error, así que no gastes esfuerzo en cerrarla. Desconfía de los cortes muy filtrados y granulares, donde la anonimización quita lo más, y donde un número pequeño y de aspecto seguro puede ocultar la mayor parte de su contexto. Y cuando informes a otros, nombra la brecha en vez de suavizarla, para que nadie construya una decisión sobre un recuento parcial que tomó por el todo. Medir sobre un relato honesto de lo que los datos incluyen y excluyen —no sobre la suposición de que las filas cuentan toda la historia— es la disciplina por la que el AC Group ha trabajado durante 27 años.
Consultas anonimizadas, en claro: respuestas rápidas
¿Qué son las consultas anonimizadas?
Las consultas anonimizadas son búsquedas que Search Console deja deliberadamente fuera de sus resultados por consulta para proteger la privacidad del usuario. Hay dos tipos. El primero son las consultas raras —las búsquedas de cola larga hechas solo por un número muy pequeño de personas. Si una consulta la buscó apenas un puñado de usuarios, mostrarla en un informe podría, en principio, ayudar a identificar quiénes eran, así que Google la retiene. El segundo son las consultas que contienen información personal o sensible, retenidas por la misma razón. Google lleva excluyendo estas de los informes de consulta desde 2018, y su documentación las describe con llaneza: las consultas muy raras, llamadas consultas anonimizadas, no se muestran en estos resultados para proteger la privacidad del usuario que hace la consulta. Esto no es un bug ni un error de muestreo; es una medida de privacidad deliberada, funcionando como se pretende. Las consultas son reales, generaron clics e impresiones reales, y esos clics e impresiones siguen contando —están incluidos en tus totales de nivel de sitio y de nivel de página. Lo único que falta es el texto de la consulta en sí: puedes ver que el tráfico ocurrió, pero para la porción anonimizada no puedes ver qué búsqueda específica lo produjo. Esa única decisión de diseño tiene consecuencias que recorren cada informe que lees, y entenderla es la diferencia entre medir tu rendimiento de búsqueda con precisión o malinterpretarlo en silencio.
¿Por qué mis números de consulta no suman mis totales?
Porque los totales incluyen las consultas anonimizadas y la lista por consulta no, así que las filas que puedes ver siempre sumarán menos que el total que se te muestra. Imagina el informe de rendimiento. Arriba hay un total —digamos, clics para todo el sitio o una sola página. Debajo hay una tabla de consultas individuales con sus propios recuentos de clics. Razonablemente esperarías que la tabla sumara el total. No lo hará. El total refleja todo el tráfico, incluidos los clics de consultas anonimizadas; la tabla solo puede mostrar las consultas que Google está dispuesto a nombrar. La brecha entre ambos es la porción anonimizada, y según tu sitio puede ser pequeña o muy grande. También crece a medida que cortas los datos más finamente. Una consulta lo bastante común para mostrarse a nivel de sitio puede volverse rara —y por tanto anonimizada— una vez que filtras por país, o por dispositivo, o combinas varias dimensiones, porque cada filtro encoge el grupo de usuarios detrás de ella hasta cruzar el umbral de anonimización. Así que cuanto más granular tu vista, más consultas caen en el cubo anonimizado, y más amplia se vuelve la brecha entre tus filas visibles y tu total declarado. Nada de esto significa que tus datos estén mal; significa que la aritmética que esperas no aplica, y esperarla te desvía.
¿Significa esto que los datos de Search Console no son fiables?
No —significa que vistas distintas tienen completitud distinta, y usar la vista correcta para la pregunta correcta es lo que te mantiene preciso. Los datos de Search Console son fiables; solo no son exhaustivos a nivel de consulta, y esa distinción importa más de lo que suena. Los totales —tus clics e impresiones de nivel de sitio y de página— son el panorama completo, porque cuentan todo el tráfico incluidas las consultas anonimizadas. Son lo que deberías confiar para medir tendencias, rastrear si una página gana o pierde visibilidad, y juzgar la trayectoria general de tu rendimiento de búsqueda. La tabla de nivel de consulta es donde vive la incompletitud: es excelente para entender qué búsquedas específicas que puedes ver están generando tráfico, pero subrepresenta sistemáticamente la cola larga, y la subrepresenta más para algunos sitios que para otros. Un sitio cuyo tráfico viene de un puñado de términos populares de cabecera verá casi todo; un sitio que gana su tráfico a través de miles de búsquedas de nicho y cola larga verá nombrada una fracción mucho menor de sus consultas, porque muchas de ellas son individualmente raras. Así que los datos no son poco fiables, pero son desiguales, y la habilidad está en saber qué capa responde qué pregunta —totales para la tendencia, consultas nombradas para el detalle, y una conciencia sana de la brecha intermedia. Leer datos con ese cuidado por lo que representan y lo que no es la disciplina de medición por la que el AC Group ha trabajado durante 27 años.
¿Cómo debería sortearlo?
Empareja la vista con la pregunta, deja de intentar que los números filtrados cuadren, y trata la cola larga como presente-pero-sin-nombrar en vez de ausente. En la práctica eso significa unos cuantos hábitos. Para cualquier cosa sobre tendencia o magnitud —está creciendo esta página, ayudó este cambio, cuánto tráfico gana esta sección— usa los totales de nivel de sitio o de página, porque incluyen todo y te dan la cifra verdadera. Para cualquier cosa sobre intención específica —qué consultas traen gente aquí, qué lenguaje usan— usa la tabla de consultas, pero léela como una muestra de tus búsquedas más visibles en vez de un inventario completo, y recuerda que las consultas que no puede mostrar son desproporcionadamente las raras, específicas, de cola larga. No persigas la discrepancia entre números filtrados y sin filtrar; es estructural, no un error, y el tiempo gastado reconciliándola es tiempo perdido. Ten especial cuidado al sacar conclusiones de cortes muy filtrados y granulares, porque ahí es exactamente donde la anonimización muerde más fuerte y donde un número pequeño de aspecto seguro puede estar ocultando la mayor parte de su contexto. Construir la medición sobre un relato honesto de lo que los datos incluyen y excluyen —en vez de sobre la ilusión reconfortante de que las filas te lo dicen todo— es la disciplina por la que el AC Group ha trabajado durante 27 años.
Una nota sobre fuentes y momento
Esto se escribe en julio de 2020. El comportamiento descrito —que Search Console retiene las búsquedas raras y sensibles como consultas anonimizadas para proteger la privacidad, que lo hace desde 2018, y que esas consultas aún cuentan en los totales de nivel de sitio y de página mientras están ausentes de la tabla por consulta— sigue la propia documentación de Google, que al momento de escribir afirma que las consultas anonimizadas muy raras no se muestran para proteger la privacidad del usuario que hace la consulta. La lectura ofrecida aquí —que la consecuencia es una brecha estructural entre totales y filas visibles, que se ensancha con la granularidad, y que el arreglo es emparejar la vista con la pregunta— es nuestra interpretación, anclada en ese comportamiento documentado. El punto duradero sobrevive a la redacción de cualquier informe: la buena medición empieza por saber qué dejan fuera los datos —la disciplina por la que el AC Group ha trabajado durante 27 años.