Google Analytics Advisor: qué es, cómo funciona y qué puedes esperar de la nueva IA de Google

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 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 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