Saltar al contenido principal
RM
TrabajoSobre míFotografíaContacto
ENES
←Volver a casos

Caso de estudio

Inteligencia de marketing / Producto de datos

Relay

Un espacio de rendimiento construido sobre cifras fiables.

Relay convierte exportaciones de Meta Ads, Google Ads y Shopify en inteligencia de rendimiento validada, cambios explicables y un flujo de reporting preparado para clientes.

V1 completada / Beta privada protegida

Ver repositorio en GitHub ↗
Next.jsReactTypeScriptZodVitestPlaywrightVercel

DATOS DE ORIGEN

ShopifyMeta AdsGoogle Ads
DATOS CANÓNICOSData Healthprocedencia · semántica · completitud
KPI engineChange intelligenceReport
  • Problema /
  • Principio /
  • Sistema /
  • Data Health /
  • Inteligencia /
  • Prueba /
  • Límite V1

Resumen del caso

El brief estratégico

El problema, la respuesta del sistema, la prueba disponible, el valor estratégico y el límite intencional.

Ruta de lectura
  1. 01Resumen
  2. 02Problema
  3. 03Sistema
01Problema
El reporting de rendimiento se vuelve frágil cuando exportaciones, definiciones de métricas, calidad de datos y comentario para cliente se tratan como trabajo desconectado.
02Sistema
Un espacio determinista que convierte exportaciones de Meta Ads, Google Ads y Shopify en hechos canónicos, controles de Data Health, lógica KPI y reporting explicable.
03Prueba
Una V1 protegida con cobertura de tests automatizados, verificación en navegador, evidencia del repositorio público y un espacio controlado con múltiples fuentes sintéticas.
04Valor
Hace más inspeccionable el camino de exportación a informe de cliente sin fingir que ingresos de plataforma e ingresos de comercio son intercambiables.
05Límite
Solo beta privada: ingestión manual de CSV, memoria del navegador por dispositivo, sin sincronización en vivo, colaboración en la nube ni análisis IA autónomo.

01 / Problema

Los informes de rendimiento son repetitivos. La confianza es el problema más difícil.

Un ciclo de reporting puede implicar exportar archivos, limpiar campos, reconciliar definiciones, calcular KPIs, localizar cambios, escribir comentarios y rehacer el mismo informe.

Meta, Google y Shopify describen partes distintas del rendimiento. Sus cifras pueden ser útiles, pero no son intercambiables. Un dashboard que las hace parecer comparables crea una certeza falsa.

02 / Principio de producto

Una métrica no debe parecer más cierta cuanto más se aleja de su fuente.

  • 01Shopify sigue siendo la fuente de ingresos de comercio, pedidos, AOV y MER.
  • 02Meta y Google mantienen su propio gasto, conversiones, ingresos atribuidos, CPA y ROAS.
  • 03Los ingresos atribuidos por proveedor no se combinan ni se presentan como ingresos de ecommerce.
  • 04Los valores ausentes no se convierten en cero.
  • 05La calidad de los datos se evalúa antes de la interpretación.
  • 06La narrativa se compone a partir de hechos estructurados y validados.

03 / Sistema

Un camino determinista desde los datos de origen hasta una decisión.

Los mismos hechos normalizados alimentan el dashboard, el informe y la narrativa. La interfaz no recalcula la lógica de negocio y el informe no reinterpreta el dashboard.

  1. 01Exportaciones de origen
  2. 02Detección y mapeo
  3. 03Datos canónicos
  4. 04Data Health
  5. 05Motor de KPI
  6. 06Change Intelligence
  7. 07Narrativa
  8. 08Dashboard e informe

04 / Data Health

Antes de preguntar qué ocurrió, Relay comprueba si los datos pueden sostener una respuesta.

Relay revisa la evidencia antes de mostrar una interpretación. Los problemas bloqueantes detienen el análisis. Las advertencias siguen visibles en vez de corregirse en silencio.

CHECKS

  • Cobertura del periodo de reporting
  • Completitud de fuentes esperadas
  • Compatibilidad de divisas
  • Integridad del mapeo
  • Procedencia y evidencia duplicada
  • Semántica de ingresos

WORKSPACE STATE

01Correcto

02Requiere revisión

03Bloqueado

05 / Capa de decisión

Explicar el cambio sin inventar causas.

Cuando los hechos son válidos, Relay compara el periodo actual con el anterior e identifica cambios relevantes en KPI, eficiencia, métricas principales, objetivos y áreas que requieren atención.

La dirección y la interpretación se mantienen separadas. Una métrica puede aumentar sin que Relay declare que ese aumento es positivo. La V1 usa reglas deterministas sobre hechos estructurados.

01

Verdad comercial

Shopify alimenta ingresos de comercio, pedidos, AOV y MER.

02

Verdad de plataforma

Meta y Google mantienen gasto, conversiones, ingresos atribuidos, CPA y ROAS específicos del proveedor.

03

Verdad de reporting

El informe utiliza el mismo análisis validado que el dashboard. Si el análisis está desactualizado, se desactiva la exportación.

06 / Verificación

Una beta privada verificada como flujo completo.

Relay V1 cerró con pruebas automatizadas, comprobaciones entre navegadores, verificación de despliegue, revisión responsive y validación de informes y PDF.

304tests de Vitest
209tests unitarios
95tests de integración
48comprobaciones de Playwright

Un espacio de trabajo controlado con datos sintéticos produjo 225 EUR de ingresos de comercio en Shopify, 55 EUR de gasto compatible en medios de pago, un MER de 4,09x, dos pedidos de Shopify y ROAS de 2x para Meta y Google. Los valores son sintéticos. El flujo que los procesó es real.

07 / Límite V1

Una beta privada completa, no un SaaS terminado.

La V1 usa deliberadamente ingesta manual de CSV y memoria del navegador específica del dispositivo. No afirma sincronización en directo, colaboración en la nube ni análisis autónomo con IA.

  • No hay cuentas públicas ni persistencia de clientes en la nube.
  • No hay OAuth en directo, actualización automática de proveedores ni persistencia de credenciales.
  • No hay informes programados, envío por email ni colaboración multiusuario.
  • No hay memoria local cifrada ni controles duraderos contra abuso público.
  • La salida de PDF nativa del navegador sigue siendo propiedad del navegador.

Relay

Un reporting más rápido importa cuando la respuesta sigue siendo fiable.

Relay une estrategia de producto, semántica de datos, UX e ingeniería en un flujo de reporting defendible desde la fuente de datos hasta el informe de cliente.

Ver repositorio en GitHub ↗Volver a casos de estudio →

Sistemas relacionados

Continúa por una lógica de producto, prueba o dirección creativa relacionada.

Simulación operativa / Producto de apoyo a decisionesOpsTwinVer caso →Inteligencia de marketing / Producto de datosCampaign PulseVer caso →
Volver arriba

En otros sitios

  • GitHub
  • Instagram
  • LinkedIn
  • Unsplash
  • X / Twitter

Estudio

  • Sobre mí
  • Contacto
  • Disponibilidad

Servicios

  • Desarrollo Web y Experiencias Digitales
  • Integraciones IA para Sistemas Creativos
  • Sistemas de Marca y Dirección Creativa
  • Datos, Investigación e Inteligencia
  • Productos Digitales, IA y Prototipado
RaúlMermans©2026

Diseñado y desarrollado por Raúl Mermans.

Con base en Madrid

Abierto a proyectos y colaboraciones seleccionadas.

Política de privacidadTérminos del servicio