10 anomalías en tu negocio que vos no ves (y la IA sí)

01Lo grande es fácil de ver

Un ad pausado por Meta a las 9am, un colapso de ROAS de 5x a 1x — eso lo notás. El problema son los movimientos suaves y consistentes que se mimetizan con el ruido:

• CPM subiendo 4% semana tras semana durante 3 meses → +52% más caro.
• Refund rate pasando de 6% a 9% gradualmente → otro -3% de margen.
• Frequency creciendo 0.1 por semana → en 8 semanas tu audiencia está saturada.
• Time-on-page bajando 5 segundos por mes → tu landing dejó de convertir.
• AOV cayendo $2 cada semana → tu mix de productos se está hundiendo.

Ninguna de estas dispara una alarma humana. Todas juntas explican por qué tu profit del Q3 fue la mitad del Q2.

02El método: z-score adaptado

La IA detecta cuando una métrica está > 2σ (dos desviaciones estándar) sobre/bajo el promedio de las últimas N semanas, ponderando por estacionalidad.

Lo más potente: correlación entre métricas. Si CPM sube + CTR baja + frequency sube al mismo tiempo, no es ruido — es saturación de audiencia confirmada.

03Las 10 anomalías que importan

1. 1CPM creep — sube 15%+ en 30 días.
2. 2Ad fatigue — frequency > 3.5 + CTR drop > 20%.
3. 3Refund spike — refunds % sube 50%+ vs baseline.
4. 4AOV erosion — cae 8%+ en 4 semanas.
5. 5Cart abandonment jump — pasa de 70% a 78%+.
6. 6Time-on-page collapse — landing tarda más en convertir.
7. 7Geo-mix shift — el % de tráfico de un país clave cae 20%+.
8. 8Device-mix shift — mobile baja de 78% a 62%, algo cambió.
9. 9First-time-buyer ratio — cae bajo 30%, dependés de retención.
10. 10Days-of-stock contraction — el promedio del catálogo cae 30%+ → competidores subieron precios o vos te quedaste corto.

04Cómo lo resolvemos

KANDIMA corre el cron anomaly-detect que aplica z-score adaptado (MAD, robusto a outliers) + correlación cruzada entre 9 métricas de ads y revenue (spend, ROAS, MER, CTR, CPC, CPM, frecuencia, conversiones, revenue). Cuando dispara una high-severity, te avisa al canal que prefieras (WhatsApp, Slack, Discord, email) con root cause inference: "ROAS down 30% probably caused by CPM spike + frequency saturation".

Endpoint: GET /api/v1/anomalies?severity=high. Importable a Datadog, Grafana o tu stack interno.