Calculadora de ROI de SEO

Qué es esta calculadora, con honestidad

Un cálculo de ROI de SEO es una cadena corta de aritmética sobre cifras que ya posees. Esta página documenta esa cadena por completo: la fórmula exacta, de dónde procede cada dato de entrada, un ejemplo resuelto y los modos de fallo que convierten en ficción a la mayoría de las previsiones de SEO. Aquí no hay ningún widget de entrada que oculte las matemáticas tras un “tu ROI es del 340 %” y eso es deliberado: el modelo cabe en seis filas de hoja de cálculo, y una calculadora que esconde sus supuestos es una herramienta de venta, no de previsión. Copia las fórmulas de abajo en cualquier hoja de cálculo y las cifras serán tuyas para auditarlas.

Lo único que la aritmética no puede aportar son los datos de entrada medidos. Ahí es donde el software ayuda de verdad: tu analítica, Search Console y tu CRM proporcionan las bases de referencia, y AEO Goal aporta la parte de visibilidad, desde el escaneo gratuito de visibilidad en IA que establece tu punto de partida técnico hasta el seguimiento de visibilidad en IA que mide si el trabajo publicado ha movido algo.

La fórmula, paso a paso

El modelo completo, en orden:

incremental sessions    = baseline monthly sessions x expected lift
incremental conversions = incremental sessions x conversion rate
incremental revenue     = incremental conversions x value per conversion
incremental profit      = incremental revenue x gross margin

ROI            = (incremental profit - cost) / cost
payback months = cost / monthly incremental profit

Cada línea es o bien una medición o bien aritmética sobre mediciones, con exactamente una excepción: la mejora esperada. Ese es el supuesto del que pende toda la previsión, por eso debe introducirse como un rango (un caso bajo, uno base y uno alto), dejarse por escrito y fecharse. Una previsión cuyo supuesto de mejora no se pueda encontrar seis meses después es inauditable por diseño.

Dos notas estructurales. Primera: el modelo funciona sobre el beneficio, no sobre los ingresos; saltarse la línea del margen bruto es la forma más habitual de que un caso de negocio de SEO se sobreestime a sí mismo, sobre todo en ecommerce. Segunda: coste significa coste totalmente cargado (software, producción de contenidos, tiempo de ingeniería y honorarios de agencia), no solo la partida de la herramienta.

De dónde procede cada dato de entrada

La regla que codifica esta tabla: sin referencias importadas. Una tasa de conversión tomada prestada del estudio agregado de un sector hace que el resultado sea precisamente erróneo, porque esa cifra refleja la mezcla de tráfico, los precios y los embudos de otras empresas, no los tuyos. Si no tienes una tasa medida porque el sitio o el segmento son nuevos, amplía el rango hasta que refleje honestamente tu desconocimiento, y dilo en el informe. Un intervalo amplio y honesto es un mejor insumo para la decisión que uno estrecho y prestado.

Dimensionar el propio supuesto de mejora es la tarea de la calculadora de tráfico orgánico que la acompaña, que construye la estimación de sesiones de abajo arriba a partir de las impresiones y el CTR en lugar de pedirte que adivines un porcentaje.

Un ejemplo resuelto

Todos los datos de entrada de abajo son marcadores ilustrativos para mostrar la mecánica. Sustituye cada uno por tus propias cifras; ninguno es una referencia ni un valor típico.

Supón que un sitio B2B mide 20.000 sesiones orgánicas al mes y está evaluando un programa de contenidos y técnico de seis meses con un coste total de 30.000. El supuesto de mejora del caso base del equipo es del 15 % para el sexto mes, el caso conservador del 5 % y el optimista del 30 %. La tasa de conversión orgánica medida a lead cualificado es del 2 %, el equipo de ventas cierra el 20 % de los leads cualificados, el valor del contrato es de 5.000 con un 80 % de margen bruto, así que el valor por sesión que convierte se deduce a través del embudo en lugar de adivinarse.

Caso base: 20.000 x 15 % = 3.000 sesiones incrementales; x 2 % = 60 leads; x 20 % = 12 operaciones; x 5.000 x 80 % = 48.000 de beneficio incremental al mes a pleno rendimiento. Caso conservador, la misma cadena al 5 %: 16.000 al mes. Frente a un coste de 30.000, incluso el caso conservador se amortiza en unos pocos meses tras alcanzar el pleno rendimiento, así que esta inversión sobrevive a su peor caso puesto por escrito, que es la prueba de verdad.

Fíjate en qué hizo el trabajo ahí: no el optimismo, sino el hecho de que todas las tasas posteriores al supuesto de mejora estaban medidas. Cuando la misma aritmética produce un retorno solo en el caso optimista, la conclusión honesta es “esto es una apuesta sobre el supuesto de mejora”, y debería financiarse, o no, exactamente como eso.

Sensibilidad: qué dato de entrada mueve la respuesta

Antes de fiarte de cualquier escenario, ajusta cada dato de entrada en la misma proporción relativa y observa el resultado. En la cadena de arriba, el ROI es lineal en todos los factores, así que un error del 20 % en la tasa de conversión distorsiona el resultado exactamente igual que un error del 20 % en la mejora. La diferencia práctica es que la tasa de conversión, el valor y el margen están medidos, así que sus márgenes de error son pequeños, mientras que la mejora es un juicio. Esa concentración es sana: significa que el argumento de la previsión es en realidad un argumento sobre una sola cifra, y la discusión de revisión puede centrarse ahí en lugar de volver a litigar la aritmética.

La disciplina que se deriva: financia lo que sobreviva al caso conservador, trata el base como el plan y nunca presentes el optimista como la previsión. Después, vuelve a medir contra la misma base de referencia en cada ciclo; una previsión que nunca se concilia con los datos reales es marketing.

El ajuste por visibilidad en IA

Las respuestas de IA rompen la pulcra cadena de sesiones a ingresos de una forma concreta: a un comprador puede influirle una respuesta que nombra tu marca, y luego llegar más tarde como tráfico directo, una búsqueda de marca o no llegar en absoluto antes de hablar con ventas. Por eso el modelo atribuido a clics de arriba subestima el valor de la visibilidad en la capa de respuestas, y ninguna calculadora honesta puede arreglar eso con un multiplicador inventado.

Lo que sí funciona es separar lo medido de lo supuesto. Mantén el ROI atribuido a clics como tu suelo defendible. Junto a él, haz seguimiento de los indicadores adelantados que el trabajo en la capa de respuestas sí mueve: la tasa de citación y el Share of Model en los prompts vinculados a temas de ingresos, por motor, a lo largo del tiempo, mediante el seguimiento de citaciones en IA. Si esos indicadores suben y la demanda de marca sube con ellos, tienes una correlación documentada sobre la que puedes razonar abiertamente, lo que es una posición más sólida en una revisión de presupuesto que una tasa de atribución fabricada. Este es también el bucle que AEO Goal automatiza como agente: encuentra la brecha de visibilidad, publica una corrección concreta y vuelve a comprobar el indicador, de modo que la columna de “¿funcionó?” de tu modelo se rellena sola. El trasfondo estratégico se aborda en AEO frente al SEO tradicional.

Errores habituales

Una única estimación puntual. Una sola cifra sin rango comunica una certeza falsa y no se puede someter a pruebas de estrés. Tres escenarios o no es una previsión.

Tasas de referencia prestadas. Ya tratado arriba; la corrupción más frecuente de este modelo, y la más fácil de evitar, ya que tu analítica ya tiene la tasa real.

Ingresos en lugar de beneficio. Saltarse el margen adorna todos los casos y finanzas acaba descubriéndolo tarde o temprano, a costa de la credibilidad de todo el modelo.

Bases de referencia estáticas. Si el tráfico orgánico ya está subiendo o bajando, la mejora debe medirse contra la tendencia proyectada, no contra la foto del mes pasado, o atribuirás la inercia a la iniciativa.

Previsión sin conciliación. El segundo trabajo del modelo es volver a ejecutarse con los datos reales. Los equipos que se lo saltan repiten cada año el mismo supuesto de mejora optimista porque nada lo llegó a refutar.

Atribuirse el 100 % de la atribución. El SEO comparte crédito con la marca, el producto y el motor de ventas. Un modelo que apunta cada conversión incremental a la iniciativa invita a una pelea que perderá; declara el supuesto de atribución y deja que los revisores lo ajusten.

Preguntas frecuentes

¿Qué ROI debería buscar un programa de SEO? No hay un umbral universal; la comparación honesta es contra tus alternativas para el mismo presupuesto y tu tolerancia al plazo de retorno. Lo que el modelo garantiza es que la comparación se hace sobre supuestos explícitos en lugar de intuiciones.

¿Cuánto tarda el trabajo de SEO en verse en las cifras? Lo suficiente como para que las comprobaciones mensuales de ROI en un programa nuevo midan sobre todo ruido. Fija el horizonte de revisión cuando fijes la previsión (el ejemplo resuelto usó seis meses) y júzgalo contra la puesta a pleno rendimiento escrita, no contra el mes natural en que llegó la factura.

¿Puede este modelo justificar el trabajo de AEO en concreto? Sí, con la división descrita arriba: el suelo atribuido a clics más los indicadores adelantados medidos. Lo que no puede hacer honestamente es convertir una tasa de citación en ingresos con un coeficiente inventado, y cualquier herramienta que lo haga está generando ficción con pasos de más.