En la última semana completa de septiembre cayeron cuatro cambios de plataforma que hacen todos lo mismo: cambian qué significan tus números sin cambiar nada de lo que hizo tu negocio. Si un gráfico se movió alrededor del 21 de septiembre y tu cuenta bancaria no, la explicación probablemente esté en esta nota y no en tu cuenta.

Es la categoría de noticias menos vistosa de paid media y la más cara de pasar por alto, porque cada una de estas produce un gráfico que se ve exactamente como una historia de performance. Después los equipos se pasan dos semanas optimizando contra un artefacto.

Shopify redefinió qué es una sesión

Despliegue del 21 al 23 de septiembre de 2026. Dos cambios a la vez:

Ahora las sesiones terminan según la actividad continuada del cliente en lugar de cortarse a la medianoche UTC. El comportamiento anterior partía en dos una misma sesión de compra nocturna, lo que inflaba el conteo de sesiones y desinflaba todo lo que se mide por sesión.

Y nueve métricas basadas en sesión ahora excluyen tráfico de bots y de sistemas: sesiones, tasa de conversión, tasa de agregado al carrito, tasa de llegada al checkout, conversión de checkout, tasa de rebote, páginas vistas por sesión, visitantes de la tienda online y búsquedas.

Los dos cambios empujan en la misma dirección — menos sesiones y más limpias —, así que la aritmética es predecible. Sesiones abajo, tasa de conversión arriba, y pedidos, ventas y conteo de clientes intactos.

Esa última parte es todo el punto. Si tu tasa de conversión saltó el 22 de septiembre y el conteo de pedidos no se movió, no pasó nada en tu tienda. Se te achicó el denominador. El número probablemente sea más honesto ahora; también dejó de ser comparable con el que mirabas una semana antes, y cualquier comparación mes contra mes que cruce el despliegue está midiendo el despliegue.

Qué hacer: anotá la fecha en lo que tu equipo efectivamente abre, y tratá la serie anterior al 21 de septiembre como otra métrica y no como un valor anterior de la misma. Si le reportás tasa de conversión a alguien que toma decisiones con eso, decilo en voz alta antes de que lo note solo.

El checkout de AI Mode de Google no dispara píxeles del lado del cliente

Este es el que crea un hueco genuino y no uno reformulado, y viene activado por defecto en las tiendas de Shopify elegibles.

Cuando una compra se completa dentro del checkout directo de Google — en AI Mode o en Gemini, sin que el usuario pise tu sitio nunca —, el checkout dispara solamente píxeles server-to-server de iniciado y completado. No corre ningún píxel client-side estándar. No corre ningún píxel personalizado. Tu tag de GA4 no dispara.

Así que el pedido es real, la plata llega, Shopify lo registra, y tu analítica no lo ve nunca. No es un bug de tracking que se arregle reinstalando un tag: es un checkout que existe por fuera del modelo de medición del lado del cliente.

Las consecuencias se acumulan en una dirección conocida. La facturación que GA4 no puede ver es facturación que tu modelo de atribución no puede asignar, lo que significa que cae en silencio en el mismo balde que todo lo demás que es inobservable — y la brecha entre lo que un modelo puede ver y lo que realmente pasó ya es la fuente más grande de malas decisiones de presupuesto en paid media.

Qué hacer: abrí Canales de venta, después Agentic, y confirmá si el checkout directo está prendido. Que sea una decisión y no un default. Después reconciliá la facturación contra los datos de pedidos de Shopify y no contra GA4, que es la misma disciplina que pide el primer paso de cualquier diagnóstico de cero conversiones: comparar la plataforma contra una fuente que no pueda influenciar.

Los filtros de hostname de GA4 ahora permiten lista blanca — y descartan para siempre

Agregado el 21 de septiembre de 2026. Los filtros de datos por hostname de GA4 ganaron un modo Include: en lugar de listar los dominios basura que querés excluir, listás los dominios autorizados a mandarte datos y GA4 descarta todo lo demás. Los eventos con hostname vacío se bloquean automáticamente.

Como modelo es estrictamente mejor. Una lista de exclusión está tan actualizada como el último dominio de spam que alguien notó; una lista de permitidos son tus dominios de producción, escritos una vez.

Dos salvedades que importan más que la función:

Los eventos de Measurement Protocol están exentos. El spam que entra por esa vía sigue llegando, así que la lista blanca no es la defensa completa que parece.

Los datos filtrados son permanentes. Los eventos descartados no se pueden recuperar ni en GA4 ni en BigQuery. Un error de tipeo en la lista no devuelve un error: descarta tu tráfico real en silencio, para siempre. Google recomienda 24 a 36 horas en modo Prueba antes de activarlo, y esa recomendación está trabajando bastante.

Qué hacer: usalo, primero en Prueba, y chequealo contra lo que realmente está cayendo en tus tablas de BigQuery antes de pasarlo a Activo. Si la exportación es donde vive tu registro durable — y debería serlo, porque la interfaz de GA4 olvida y reformula cosas que la exportación no —, entonces un filtro que la envenena aguas arriba es la configuración más determinante de esta nota.

Customer Match ahora toma direcciones IP y timestamps

Customer Match acepta dos señales nuevas de matcheo: una dirección IP del usuario y un timestamp de interacción. Los detalles son inusualmente específicos:

  • Los dos se suben sin hashear, a diferencia de los campos de email y teléfono que todo el mundo viene hasheando desde hace años.
  • IPv4 o IPv6, pasada como string plano y sin espacios.
  • Un timestamp no se puede mandar sin una IP. Una IP sin timestamp se acepta, y Google puede entonces asociarla al último usuario conocido para esa dirección.
  • Los usuarios del EEE, el Reino Unido y Suiza quedan excluidos del matcheo por IP, y Google espera que quien integra construya esa exclusión por su cuenta.

La consecuencia de medición es la que conviene prever: las tasas de match ahora van a diferir por región por razones que no tienen nada que ver con la calidad de tus datos. Un segmento europeo que matchea peor que uno de Estados Unidos es el comportamiento esperado del sistema, no una señal de que tu exportación de CRM esté rota.

Tomá el requisito de no hashear como la decisión real acá. Mandarle IPs en crudo a una plataforma publicitaria es una postura de privacidad distinta de mandar emails hasheados, necesita el consentimiento que exija tu jurisdicción, y merece un sí deliberado en lugar de uno incidental — bastante parecido a el armado server-side con el que suele convivir.

El patrón, y el hábito que debería generar

Cuatro cambios, una semana, y una sola propiedad compartida: la plataforma cambió cómo cuenta, y tu negocio no cambió en nada.

Esto pasa todo el tiempo y casi nadie lleva registro. Así que acá va el hábito barato que se paga solo la primera vez que sirve:

Llevá un changelog de medición. Una línea con fecha por cada cambio de plataforma que pueda mover un número: fecha del despliegue, qué se movió, en qué dirección. Lleva un minuto y convierte el precipicio inexplicable del próximo trimestre en un evento conocido.

Juzgá toda sorpresa contra algo que la plataforma no pueda influenciar. Pedidos del backend. Facturas. El extracto bancario. Es el mismo instinto detrás de usar eficiencia blendeada como el número que cierra discusiones, porque ninguno de los dos insumos sale de una plataforma de ads y la atribución no lo puede tocar.

Mirá la forma del cambio antes de diagnosticarlo. Los artefactos arrancan limpio el día que el despliegue llegó a tu cuenta. Los cambios reales de performance suben de a poco. Una tasa de conversión que da un escalón el 22 de septiembre y después se queda plana es un cambio de definición; una que deriva a lo largo de tres semanas es tu mercado.

Anotá el dashboard, no un documento que nadie abre. El cambio tiene que estar visible donde se toma la decisión, que es la diferencia entre un dashboard que tu equipo usa y uno que dejó de creer.

Esta semana, concretamente

  • Anotá el 21 al 23 de septiembre en cualquier serie de sesiones, tasa de conversión o rebote de Shopify, y dejá de comparar cruzando esa fecha.
  • Revisá Canales de venta → Agentic y decidí sobre el checkout directo a propósito.
  • Reconciliá la facturación de septiembre contra los pedidos de Shopify, no contra GA4, y averiguá qué tan grande es la porción invisible.
  • Si activás un filtro Include de hostname en GA4, corrélo un día en modo Prueba primero.
  • Antes de subir IPs a Customer Match, confirmá tu base de consentimiento y construí la exclusión de EEE, Reino Unido y Suiza.

Nada de esto mejora los números de nadie. Hace que signifiquen algo, que es la parte que tiene que ser cierta antes de que optimizar sirva para algo.

Si un gráfico se movió el mes pasado y nadie te puede decir si el negocio se movió, eso es lo primero que desenredo en una auditoría.