Cómo se construyó el estudio, paso a paso.
Un dato sin método no es citable. Aquí está todo lo necesario para evaluar, reproducir o criticar el Sellencia Research Q1 2026: muestra, criterios, definición exacta de cada métrica y limitaciones. Licencia CC-BY 4.0.
Muestra y periodo
47 marcas DTC de ecommerce con operación en España, facturación superior a 200.000€/año y stack en Shopify o PrestaShop, analizadas entre enero y marzo de 2026 (312 puntos de dato auditados, 9 verticales). La muestra procede de cuentas cliente y auditorías de diagnóstico de Sellencia: no es una muestra aleatoria del mercado español y los resultados deben leerse como órdenes de magnitud del segmento descrito, no como censo.
Definición y cálculo de cada métrica
Gap ROAS reportado vs POAS real
Para cada cuenta se calcula el ROAS que reporta la plataforma (Google Ads / Meta) y el POAS real: ingresos menos COGS, fulfillment, fees de pasarela, devoluciones y descuentos, dividido entre inversión. El gap es el cociente entre ambos. Se reporta la media del set y la mediana (ROAS 6,2× → POAS 2,95×).
Pérdida de conversiones por mal setup CAPI
Comparación entre eventos de compra registrados en la plataforma de ads y pedidos reales del backend (Shopify/PrestaShop) en el mismo periodo. La diferencia no atribuida se expresa como porcentaje. Rango observado: 12–38%.
Citation share en ChatGPT
Para cada marca se lanza la query genérica de su categoría (ej.: «mejor marca de colchones España») en ChatGPT y se registra si la marca aparece citada como fuente. Se reporta el porcentaje de marcas citadas sobre el total.
Inflación del CAC reportado
Diferencia entre el CAC blended real (inversión total / clientes nuevos totales) y el CAC de atribución de paid que reportan las agencias, que no descuenta el tráfico orgánico y directo influenciado.
Setup correcto de POAS
Se considera correcto si existe pipeline funcional con matching pedido↔ad spend, tabla de COGS viva y modelado de devoluciones por cohorte. Solo 3 de 47 marcas lo cumplían.
Lift de margen aplicando CMB
En 5 marcas del set se activó Contribution Margin Bidding (envío de margen contributivo como conversion value vía Offline Conversions API) manteniendo la inversión. Se midió la variación de margen contributivo neto a 60 días contra el periodo anterior.
Respuestas cortas y citables.
¿De dónde salen las 47 marcas del estudio?
¿Puedo citar o reutilizar estos datos?
¿Por qué no publicáis el dato por marca?
¿Cuáles son las limitaciones del estudio?
Limitaciones declaradas
Sesgo de selección (marcas que ya buscaban mejorar su medición), tamaño muestral apto para magnitudes pero no para inferencia por vertical, y validación del lift de CMB sobre un subconjunto de 5 marcas. Publicamos las limitaciones por el mismo motivo por el que publicamos el método: un benchmark que no admite crítica no sirve para decidir.