Reducir devoluciones ecommerce: la palanca de margen oculta

Tu plataforma de ads no ve las devoluciones, y eso destruye margen

Tu plataforma de ads no sabe lo que es una devolución. Meta y Google registran la compra en el momento del checkout y ahí termina su historia. La devolución llega 10, 15, 20 días después, se come entre un 20% y un 40% de tus ventas si vendes moda o calzado, y nunca vuelve al algoritmo. Resultado: smart bidding optimiza hacia ventas que no existen, y tú escalas presupuesto en las campañas que más margen destruyen.

Los datos del sector son claros: la devolución media global en ropa ronda el 26%, en calzado el 27%, y en mercados europeos maduros como Alemania la moda online alcanza el 44-50% de devoluciones (Prime AI, con datos de Statista y Trade.gov). En categorías críticas como vestidos, la cifra se dispara por encima del 50%. Y el 53% de esas devoluciones son por talla o fit — es decir, evitables.

Si tu agencia te reporta ROAS bruto cada lunes y nadie ha restado las devoluciones, no estáis midiendo rentabilidad. Estáis midiendo intención de compra con derecho a arrepentimiento.

El agujero de medición: por qué el algoritmo aprende de ventas falsas

El flujo estándar de conversión funciona así:

1. El usuario compra. El pixel + CAPI (o el tag de Google) disparan el evento purchase con su valor.
2. La plataforma atribuye la venta a la campaña, el ad set y el creativo.
3. Smart bidding (tCPA, tROAS, Advantage+, PMax) incorpora esa señal y busca más usuarios como ese.

Ahora la parte que nadie te cuenta:

4. El cliente devuelve el pedido 12 días después.
5. Shopify o tu ERP procesan el refund.
6. Nada de esto llega a Meta ni a Google. El evento de compra sigue ahí, intacto, alimentando el algoritmo.

Las consecuencias son estructurales, no anecdóticas:

• El algoritmo escala el comportamiento que más se devuelve. Si tus mejores “compradores” según Meta son usuarios que piden tres tallas para quedarse una (bracketing), el sistema saldrá a buscar más gente que haga exactamente eso. Estás pagando CPMs por adquirir devolvedores.
• Los devolvedores seriales parecen tus mejores clientes. Alta frecuencia de compra, AOV alto, buena tasa de conversión post-clic. En la plataforma son oro. En tu P&L son un coste logístico recurrente con margen negativo.
• La comparación entre campañas queda contaminada. Una campaña de prospecting con creativos aspiracionales que “venden un sueño” puede tener el mismo ROAS bruto que una campaña honesta de producto — y el doble de tasa de devolución. Sin el dato neto, escalarás la equivocada.
• El desfase temporal esconde el problema. La devolución media en moda llega entre el día 10 y el día 20 post-compra. Cuando el refund aparece en tu contabilidad, la decisión de presupuesto ya se tomó hace dos semanas con datos brutos.

Es el mismo problema de fondo que ya explicamos con MER vs ROAS: la plataforma reporta lo que le conviene medir, no lo que a ti te hace ganar dinero. Las devoluciones son la versión más cara de ese sesgo.

Dos campañas, mismo ROAS 5x, resultado opuesto

Ejemplo hipotético (no son datos de clientes; las estructuras de coste son típicas de moda online en España):

Métrica	Campaña A (producto core)	Campaña B (colección “riesgo de talla”)
Inversión	12.000 €	12.000 €
Ventas brutas atribuidas	60.000 €	60.000 €
ROAS bruto (lo que ve la plataforma)	5,0x	5,0x
Tasa de devolución	9%	42%
Ventas netas de devoluciones	54.600 €	34.800 €
ROAS neto	4,55x	2,9x
Margen producto (55% s/ neto)	30.030 €	19.140 €
Fulfillment (8 €/pedido, 600 pedidos)	−4.800 €	−4.800 €
Logística inversa (9 €/devolución)	−486 €	−2.268 €
Merma en devoluciones (producto no revendible a PVP)	~−0 €	−2.100 €
Contribution Margin tras ads	+12.744 €	−2.028 €

Mismo dashboard de Meta. Misma reunión de reporting. Misma recomendación de “escalar, el ROAS aguanta”. Una campaña genera casi 13.000 € de margen de contribución; la otra pierde dinero con cada euro adicional que inviertes.

Y hay un detalle perverso: la Campaña B, al generar más “compras” por el bracketing, probablemente tenga mejor señal de conversión y el algoritmo le asigne más presupuesto en estructuras Advantage+ o PMax. El sistema está diseñado para escalar tu peor campaña.

El método Sellencia: medir primero, reducir después

Atacamos las devoluciones en dos frentes. El orden importa: sin medición no sabes dónde reducir, y reducir a ciegas (p. ej. endureciendo la política de devoluciones para todos) suele costar más conversión de la que ahorra en logística inversa.

Frente 1: MEDIR — pipeline de devoluciones hasta el dato de campaña

El objetivo es una tabla que casi ningún ecommerce tiene: ROAS y Contribution Margin netos de devoluciones, por campaña, categoría y SKU, con ventana de maduración de 30 días.

Cómo lo montamos:

1. Ingesta de refunds. Shopify (objeto refund vía API/webhooks) o el ERP como fuente de verdad, hacia BigQuery o Supabase. Cada devolución conserva el order_id original, importe, motivo, SKU y fecha.
2. Join con atribución. El pedido original lleva sus UTMs y su campaña (first-party, no la atribución de la plataforma). Al unir refund ↔ pedido ↔ campaña, cada devolución se resta exactamente donde se ganó la venta bruta.
3. Ventana de 30 días. Ninguna campaña se evalúa en firme hasta que su cohorte de pedidos ha madurado. El ROAS de la semana pasada es provisional por definición; el de hace 5 semanas es real.
4. Métricas de salida: ROAS neto, tasa de devolución por campaña/creativo/categoría/talla, CM por campaña, y ranking de SKUs por margen destruido (no por unidades devueltas — un SKU barato con 50% de devolución duele menos que uno de AOV alto con 25%).

Con el dato en la mano, dos niveles de acción:

• Nivel mínimo (todos deberían hacerlo): decidir presupuestos con el ROAS neto, no con el de plataforma. Es un cambio de proceso, no de tecnología: la reunión de scaling se hace sobre cohortes maduradas.
• Nivel avanzado: conversion adjustments en Google Ads. Google permite retracciones y ajustes de valor de conversión (conversion adjustments) hasta 55 días después del clic: subes las devoluciones y smart bidding reentrena con valores netos. Es una de las funciones más infrautilizadas de la plataforma — casi nadie la implementa porque exige exactamente el pipeline del punto 1. En Meta no existe un equivalente limpio (no puedes restar un purchase ya enviado), así que ahí la palanca es presupuesto + exclusión de audiencias.

Frente 2: REDUCIR — atacar las causas, no el síntoma

Con el pipeline sabes qué se devuelve, por qué y desde qué campaña. Ahora sí, palancas de reducción por orden de impacto típico en moda/calzado:

1. Guías de tallas basadas en datos reales de devolución. No la tabla genérica del proveedor: si el SKU X tiene un 60% de devoluciones “talla pequeña”, la ficha debe decir “esta zapatilla talla pequeño: pide media talla más”. Es contenido que se escribe solo desde tu tabla de motivos de devolución.
2. Fotos y vídeo que anticipan la realidad del producto. Vídeo en movimiento, tejido en primer plano, modelo con medidas indicadas, el color bajo luz natural. Cada expectativa que gestionas antes del clic es una devolución que no pagas después. El creativo “que convierte más” no siempre es el que gana: en el dato neto, un creativo honesto con CTR menor puede batir al aspiracional.
3. Reviews con foto de clientes reales. El “cómo queda puesto en alguien como yo” reduce devoluciones por fit mejor que cualquier tabla. Incentiva la foto en el email post-entrega.
4. Política de devoluciones que no incentive el bracketing. Devolución gratuita ilimitada es adquisición de probadores de tallas con envío a domicilio. Alternativas intermedias: cambio de talla gratis pero reembolso con coste, o devolución gratuita solo a punto de recogida.
5. Cobrar la devolución a segmentos abusadores. No a todos — al segmento. Zara, H&M y buena parte del sector ya cobran la devolución estándar; tú puedes ser más quirúrgico: gratis para clientes con historial sano, con coste para quien devuelve sistemáticamente.
6. Detección de devolvedores seriales y exclusión de audiencias. Con el pipeline, generas un segmento “tasa de devolución personal >50% en 12 meses” y lo subes como exclusión a Meta y Google, y sobre todo lo sacas de las seed audiences de lookalikes. Deja de pedirle al algoritmo que te encuentre más gente como tus peores clientes.

Qué cambia cuando mides en neto

En cuentas de moda/calzado, pasar de ROAS bruto a ROAS neto + CM suele reordenar el ranking de campañas de forma significativa: campañas “ganadoras” que caen a breakeven, campañas discretas de producto core que resultan ser las que financian el negocio. El presupuesto migra, la tasa de devolución blended baja porque dejas de comprar tráfico devolvedor, y el MER —la métrica que de verdad importa, como contamos en CAC blended y MER real— mejora sin tocar un solo creativo.

No es magia. Es restar una columna que siempre estuvo en tu Shopify y que nadie había unido con tus campañas.

---

¿Cuánto margen te están comiendo las devoluciones que tu dashboard no ve? Sellencia OS une Shopify, tus plataformas de ads y tus refunds en un P&L en tiempo real: ROAS neto y Contribution Margin por campaña, con las devoluciones restadas donde tocan. Pide una auditoría gratuita de 7 días y te enseñamos el ranking real de tus campañas — el neto, sin humo.

Preguntas frecuentes

¿Qué tasa de devolución es normal en moda online?

La media global ronda el 26% en ropa y el 27% en calzado; Alemania llega al 44-50% en moda y los vestidos superan el 50%. Más útil que el benchmark externo: tu tasa por SKU y por campaña.

¿Puedo enviar las devoluciones de vuelta a Meta y Google?

En Google sí: los conversion adjustments permiten restar devoluciones hasta 55 días tras el clic y smart bidding reentrena en neto. En Meta no hay equivalente; allí excluye devolvedores seriales.

¿No basta con mirar los refunds en Shopify Analytics?

No: Shopify da el total de devoluciones, no su atribución a campañas. Necesitas el join refund-pedido-campaña con ventana de maduración de 30 días para saber qué campaña te hace perder margen.

¿Cobrar las devoluciones no hunde la conversión?

Cobrarlas a todos puede costar más ventas de lo que ahorra. Mide primero y aplica fricción quirúrgica: coste solo a devolvedores recurrentes y cambio de talla gratis en lugar de reembolso.