Cómo hacer una previsión de ventas para tu ecommerce

Una previsión de ventas para ecommerce mal hecha no solo da números incorrectos: provoca roturas de stock, campañas con presupuesto insuficiente y decisiones de contratación que llegan tarde. Hacerla bien no requiere ser economista, pero sí entender qué variables mueven tu negocio y cómo leerlas antes de que sucedan.

Por qué la previsión de ventas en ecommerce es diferente a la de otros negocios

Un negocio físico tiene horarios, aforo y una clientela local más predecible. Un ecommerce puede triplicar sus ventas en 48 horas si una publicación se viraliza, si un medio te menciona o si un competidor queda fuera de stock. Esa volatilidad hace que las metodologías de previsión tradicionales (extrapolación lineal, medias móviles simples) fallen con frecuencia si se aplican sin matices.

Hay tres factores que distinguen la previsión en ecommerce. Primero, la estacionalidad es más pronunciada y más rápida: el tráfico puede multiplicarse por cinco en el Black Friday o en el lanzamiento de una campaña de email. Segundo, los canales de captación tienen comportamientos distintos: un cliente que llega por SEO orgánico tiene una tasa de conversión diferente a uno que llega por un anuncio de Meta. Tercero, los datos históricos existen desde el día uno si tienes bien configurado tu analytics, lo que es una ventaja enorme respecto a negocios sin huella digital.

Qué datos necesitas antes de empezar

Sin datos no hay previsión, solo estimaciones. Antes de construir cualquier modelo, reúne al menos estos elementos:

• Ventas mensuales de los últimos 12 a 24 meses, desglosadas por categoría o producto si tu catálogo es amplio.
• Tráfico por canal (orgánico, de pago, email, directo, social) y sus respectivas tasas de conversión.
• Ticket medio histórico y su evolución.
• Calendario de campañas pasadas: fechas, presupuestos invertidos y resultados obtenidos.
• Devoluciones y cancelaciones, porque la previsión debe trabajar con ingresos netos, no con pedidos brutos.

Si llevas menos de un año operando, el margen de error será mayor. Aun así, puedes trabajar con benchmarks sectoriales y complementarlos con tus propios datos parciales. Un ecommerce de moda en España puede esperar que entre el 25 % y el 35 % de sus ventas anuales se concentren en el último trimestre del año. Ese tipo de referencia externa ayuda a calibrar tus proyecciones cuando la base histórica propia es corta.

El método más práctico: combinar tendencia, estacionalidad y factores externos

La forma más robusta de hacer una previsión de ventas para ecommerce sin modelos estadísticos avanzados es descomponer las ventas en tres capas y trabajarlas por separado.

Tendencia base

Calcula cuánto han crecido (o caído) tus ventas mes a mes durante el último año, ignorando los picos estacionales. Si en el primer semestre creciste un 8 % de media mensual, esa es tu tendencia base. Aplícala como punto de partida para los meses que quieres proyectar.

Factor de estacionalidad

Divide las ventas de cada mes histórico entre la media anual de ese año y obtendrás el índice estacional de cada mes. Si noviembre supone siempre el 18 % de tus ventas anuales y la media mensual sería el 8,3 %, el índice de noviembre es aproximadamente 2,17. Ese multiplicador lo aplicas sobre tu proyección base para ajustar la previsión a la realidad del calendario.

Aquí entra en juego el calendario comercial. Para la campaña de Navidad o para el Black Friday conviene separar esas semanas del resto del mes y proyectarlas con sus propios índices, porque el comportamiento dentro de un mismo mes puede variar de forma radical entre la primera y la última semana.

Factores externos y decisiones propias

Ningún modelo captura lo que todavía no ha ocurrido. Si en el próximo trimestre vas a lanzar un canal de publicidad de pago que antes no tenías, aumentar tu presupuesto de Google Ads un 40 % o hacer una colaboración con otra marca, esos efectos no aparecen en los datos históricos. Tienes que estimarlos aparte y sumarlos a la previsión base.

Para estimar el impacto de nueva inversión publicitaria, el método más fiable es usar el ROAS histórico de tus campañas activas y aplicarlo al incremento de presupuesto previsto, con un margen de prudencia del 15 % al 20 % a la baja. Las colaboraciones entre marcas, por ejemplo, son difíciles de cuantificar a priori, pero si tienes datos de acciones similares anteriores, úsalos como referencia.

Cómo estructurar la previsión mes a mes

Una hoja de cálculo con estas columnas es suficiente para la mayoría de ecommerce medianos:

• Mes proyectado.
• Tráfico estimado por canal.
• Tasa de conversión esperada por canal.
• Número de pedidos estimados.
• Ticket medio esperado.
• Ingresos brutos proyectados.
• Devoluciones estimadas (como porcentaje sobre bruto).
• Ingresos netos proyectados.

Trabajar a nivel de canal te da una ventaja importante: si el tráfico orgánico crece pero las ventas no acompañan, puedes detectar un problema de conversión antes de que el dato agregado lo oculte. Sobre esto vale la pena leer sobre qué hacer cuando el tráfico crece pero las ventas no, porque el diagnóstico cambia la acción correctora.

El papel de los precios en la previsión

El ticket medio no es un dato fijo. Si planeas aplicar descuentos en una campaña concreta, el ticket medio bajará aunque el volumen de pedidos suba. Si introduces técnicas de venta cruzada o aumentas el pedido mínimo para envío gratuito, el ticket puede crecer. Ambos efectos deben reflejarse en la previsión, no dejarse para el análisis posterior.

Los negocios que trabajan con estrategias de descuento bien calculadas saben que un descuento del 20 % no implica perder el 20 % del margen si el volumen aumenta lo suficiente. Ese equilibrio tiene que estar representado en los números de la previsión: no basta con proyectar ingresos, hay que proyectar también el margen esperado por período.

Algunos ecommerce con catálogos complejos o alta variabilidad de demanda trabajan con precios dinámicos, lo que añade una capa de incertidumbre adicional al ticket medio proyectado. En ese caso, lo más razonable es proyectar con un precio medio ponderado basado en la distribución histórica de ventas por rango de precio.

Escenarios: optimista, base y pesimista

Una sola cifra de previsión da una falsa sensación de precisión. Lo más útil es construir tres escenarios para cada período.

El escenario base recoge la proyección más probable según los datos disponibles. El escenario optimista asume que la conversión mejora un 10 % o que el tráfico de pago responde mejor de lo esperado. El escenario pesimista contempla una caída del tráfico orgánico, un aumento del coste por clic o una bajada del ticket medio por mayor competencia en precio.

Tomar decisiones de compra de stock o de contratación basándose solo en el escenario optimista es un error que se paga caro. La mayoría de ecommerce con experiencia planifican el stock para el escenario base con un margen del 10 % al 15 % de seguridad, y reservan presupuesto para activar el escenario optimista solo si los primeros datos reales lo confirman.

Con qué frecuencia revisar y ajustar la previsión

Una previsión anual que se revisa solo en diciembre no sirve de nada. Lo razonable en ecommerce es revisar la previsión cada mes, comparando los datos reales con los proyectados y ajustando los meses siguientes en función de las desviaciones.

Si en enero vendes un 15 % por encima de la previsión base, no asumas que ese ritmo se mantendrá automáticamente: analiza por qué ocurrió. Si fue por una acción concreta (una campaña de email a tu base de suscriptores, por ejemplo), el efecto probablemente no se repite en febrero. Reactivar suscriptores inactivos puede inflar las ventas de un mes puntualmente sin que eso indique un cambio de tendencia.

La cadencia mensual de revisión también permite incorporar señales externas que no estaban en el modelo inicial: cambios de algoritmo de Google, nuevos competidores, variaciones en el coste de adquisición o cambios en el comportamiento del consumidor en tu categoría.

Errores que invalidan una previsión antes de empezar

Hay errores metodológicos que hacen inútil cualquier previsión, independientemente del tiempo que hayas invertido en ella.

• Usar datos de pedidos brutos sin descontar devoluciones. En moda o electrónica, las devoluciones pueden suponer entre el 15 % y el 40 % del volumen bruto.
• Mezclar sesiones y usuarios al calcular tasas de conversión. La tasa de conversión por usuario es siempre mayor que por sesión, y usar una cuando deberías usar la otra distorsiona toda la proyección.
• Ignorar la canibalización entre canales. Si lanzas una campaña de Meta Ads agresiva, parte del tráfico que antes llegaba por búsqueda orgánica de marca puede empezar a llegar por paid. El total no crece tanto como sugieren los datos por canal.
• Proyectar sobre períodos atípicos. Si en el año anterior tuviste un problema logístico que suprimió ventas durante tres semanas, ese período no debe usarse como referencia directa.

Herramientas para construir tu previsión sin depender de software caro

Google Sheets o Excel son suficientes para la mayoría de ecommerce con menos de 5.000 pedidos mensuales. La clave no está en la herramienta, sino en la calidad y granularidad de los datos de entrada.

Para extraer los datos históricos necesitas acceso a tu plataforma de ecommerce (Shopify, WooCommerce, PrestaShop) con exportaciones por período, y a Google Analytics 4 para cruzar datos de tráfico y conversión por canal. Si tus datos de ventas y tus datos de tráfico viven en plataformas distintas y no los has conectado nunca, ese es el primer problema que resolver antes de construir cualquier modelo de previsión.

Algunas plataformas como Shopify incluyen herramientas básicas de previsión en sus planes más avanzados, pero sus modelos son promedios generales que no contemplan las particularidades de tu negocio. Úsalos como referencia, nunca como cifra definitiva.

Un paso concreto para empezar esta semana

Si todavía no tienes ninguna previsión construida, el punto de partida más rápido es exportar las ventas mensuales de los últimos 12 meses, calcular el crecimiento medio mensual y aplicarlo a los próximos seis meses con los índices estacionales de cada período. En menos de dos horas tienes una previsión base que, aunque sea imperfecta, ya te permite tomar decisiones mejor informadas que sin nada. A partir de ahí, cada revisión mensual la irá refinando. La previsión perfecta no existe: la que se revisa cada mes supera siempre a la que se hace una vez al año con mucho detalle y no se vuelve a tocar.