Hot Sale 2026 termina el miércoles 13 de mayo (o el sábado 17 si participás de la Hot Week). El jueves 14 todos miran el dashboard de revenue, festejan o no festejan según el número, y siguen con sus vidas.
El error es ese mismo. El revenue total es la métrica menos útil para evaluar un Hot Sale. Lo que importa es entender qué pasó realmente, separar el ruido de la señal, y tomar decisiones para los próximos 90 días que multiplican (o no) el ROI del evento.
En este post te contamos qué métricas mirar, cuáles trampas estadísticas evitar, y cómo aprovechar la ventana de 90 días post-evento que define la retención de los clientes nuevos. Material basado en frameworks reales de analytics para eCommerce.
Las preguntas que tenés que responder post Hot Sale
Antes de mirar números, definí qué te interesa saber. Las preguntas correctas:
- ¿Cuánto del revenue del evento es incremental real? (vs. lo que hubieras vendido igual)
- ¿Qué porcentaje de las ventas vino de clientes nuevos vs recurrentes?
- ¿Cuál es el ROAS verdadero por canal? (no el blended)
- ¿Qué productos atrajeron a los mejores clientes? (no a los que más volumen movieron)
- ¿Cuántos de los clientes nuevos van a volver a comprar? (proyección a 90 días)
- ¿Mi CAC real fue menor que el CAC máximo que planificaste?
- ¿Cómo se compara este Hot Sale con el anterior, ajustado por inflación?
Si tu reporte solo responde “vendimos X millones, ROAS Y”, te falta el 90% del análisis.
Trampa #1: el ROAS blended
El ROAS blended (revenue total dividido inversión total) es la métrica más usada y la más engañosa.
Ejemplo real:
Una tienda invierte ARS 5M en Hot Sale: 2M en Meta, 2M en Google, 1M en Email. Vende ARS 60M. ROAS blended: 12x. Excelente, ¿no?
Mirando por canal:
- Email: invirtió 1M, generó 25M. ROAS 25x.
- Google Search: invirtió 1M, generó 12M. ROAS 12x.
- Google PMax: invirtió 1M, generó 5M. ROAS 5x.
- Meta Retargeting: invirtió 1M, generó 12M. ROAS 12x.
- Meta Prospecting: invirtió 1M, generó 6M. ROAS 6x.
El ROAS blended de 12x esconde que PMax y Meta Prospecting sostuvieron el promedio gracias a Email. Si la próxima vez bajás el peso de Email (porque el evento se gastó la base) y subís PMax + Meta Prospecting, el ROAS va a caer drásticamente.
Regla operativa: nunca tomes decisiones de allocation con métricas blended. Desagregá siempre por canal y por audiencia dentro de cada canal.
Trampa #2: nuevos vs recurrentes (Simpson’s Paradox)
El AOV (Average Order Value) tiene una trampa parecida.
Ejemplo:
- Hot Sale 2025: 30% nuevos (AOV 80K), 70% recurrentes (AOV 120K). AOV blended: 108K.
- Hot Sale 2026: 60% nuevos (AOV 82K, +2%), 40% recurrentes (AOV 133K, +11%). AOV blended: 102K.
El AOV blended bajó 6%. El reporte ejecutivo dice “el AOV cayó”. El equipo asume que la calidad de los compradores empeoró.
La realidad es la opuesta: subió el AOV de ambos segmentos. Lo que cambió fue el mix — el evento atrajo más nuevos (que naturalmente compran montos menores), y eso arrastra el promedio para abajo. Es Simpson’s Paradox en acción.
Acción correcta: descomponer SIEMPRE por segmento antes de leer un cambio en métricas blended. AOV nuevos, AOV recurrentes, cada uno por separado.
Trampa #3: el longtail (cuánto hubieras vendido igual)
Esta es la más difícil de aceptar.
Tu dashboard de Klaviyo / Mailchimp / Google Analytics te atribuye revenue al evento Hot Sale. Pero parte de ese revenue hubiera ocurrido sin Hot Sale. La pregunta es cuánto.
Cómo calcularlo:
- Tomá las 4 semanas anteriores al warm-up del evento (descartá las que ya tienen actividad pre-Hot Sale).
- Calculá el revenue diario promedio de esas semanas.
- Multiplicá por la cantidad de días del evento (3 días Hot Sale o 7 días incluyendo Hot Week).
- Eso es tu baseline.
- El revenue incremental real es: revenue total del evento menos baseline.
Ejemplo:
- Revenue diario promedio pre-evento: ARS 800K.
- Revenue total Hot Sale (3 días): ARS 25M.
- Baseline esperado (3 días x 800K): 2.4M.
- Revenue incremental real: 25M - 2.4M = 22.6M.
Para campañas específicas dentro del evento (un email blast, una promo de 2 horas), aplica el mismo principio: cuánto hubieras vendido en esas horas/días sin esa campaña.
Por qué importa: porque te dice si la inversión adicional fue rentable. Si gastaste 5M extra en ads para vender 25M, y de esos 25M solo 22.6M son incrementales, tu ROAS incremental real es 4.5x, no 5x. Pequeña diferencia que escala cuando comparás canales.
RFM aplicado al post-Hot Sale: cómo segmentar a los compradores
El siguiente paso, una vez que tenés el revenue real medido, es segmentar a los compradores del evento para activar acciones distintas según el tipo de cliente.
RFM son tres dimensiones simples:
- Recency: cuánto hace que compraron (días desde la última compra).
- Frequency: cuántas veces compraron en total.
- Monetary: cuánto gastaron en total (post-devoluciones).
Cómo se calcula:
- Ordenás todos tus clientes por cada dimensión.
- Dividís en cuartiles (4 grupos de 25%).
- Asignás score 1 (mejor) a 4 (peor) por cuartil.
- Combinás los scores: 111 = top customer, 444 = peor cliente.
Segmentos accionables después del Hot Sale:
| Segmento | Score | Acción concreta |
|---|---|---|
| Top Customers | 111 | Beneficios inesperados, no descuentos. Ej: “Acceso anticipado a colección de invierno” |
| Loyal | X1X | Máximo nivel de servicio + onboarding a programa de puntos / VIP |
| High Potentials | XX1 | Productos relevantes con descuento exclusivo limitado en tiempo |
| Small Buyers | X13 / X14 | Reconexión explícita: email personalizado preguntando si necesitan algo |
| Dormant | 44X | Campaña de revivir con incentivo fuerte (último intento) |
| Worst | 444 | Excluir de adquisición pagada — no gastes en quien no vuelve |
Estos segmentos se sincronizan después a Meta, Google, TikTok y tu plataforma de email/SMS para activar audiencias diferenciadas. Lookalike de Top Customers es lo más valioso para acquisition de calidad post-Hot Sale.
La ventana crítica: 90 días post-primera compra
Acá está la métrica más importante para evaluar el Hot Sale a mediano plazo.
Los clientes que compran por primera vez en Hot Sale tienen una ventana crítica de 90 días para volver a comprar. Si lo hacen, la probabilidad de que se conviertan en clientes recurrentes sube significativamente. Si no lo hacen, la mayoría se queda como compradores únicos para siempre.
Estadística general en eCommerce: el repeat purchase rate (RPR) 1→2 está típicamente entre 25-35% en Argentina. Los mejores eCommerce llegan al 40-45%.
Acciones concretas que mueven la aguja:
- Cupón post-compra físico en cada paquete despachado durante Hot Sale: tarjeta o sticker con código único, vigencia 30 días, 10-15% off. Licúa el CAC anual: la segunda compra prácticamente sin costo de adquisición.
- Email de bienvenida real al día 7 (no el día 1, que se mezcla con el ruido del evento). Tono personal, no promocional.
- Retargeting con productos complementarios desde el día 70 con el mismo producto comprado o productos del mismo perfil.
- Oferta exclusiva al día 85: solo para compradores Hot Sale, descuento mayor que el promedio. Cierra la ventana de 90 días con incentivo fuerte.
- Cross-sell para nuevos clientes arrancando 7-10 días post-compra, con productos del mismo cluster.
Caso documentado de la industria: una tienda implementó esta secuencia y subió su repeat purchase rate de 28% a 35% en 12 meses, agregando aproximadamente USD 1.25M en revenue anual incremental.
Customer concentration: el top 1% del Hot Sale
Los clientes no se distribuyen normalmente. La distribución sigue power law: el top 1% genera una porción desproporcionada del revenue.
Datos típicos en eCommerce:
- Top 1% de clientes: puede generar 20-30% del GMV total.
- Top 5%: 40-50% del GMV.
- Bottom 25% (los que menos gastan): aporta 5-10% del GMV total.
Después de Hot Sale, hay que identificar quiénes están en el top 1% y tratar a esos clientes de forma específica:
- Mirror your whales: encontrar patrones del top 1% (productos que compraron, geografía, demografía, fuente de adquisición) y replicar la estrategia para atraer más como ellos.
- Reasignar budget de canales que atraen bargain hunters hacia canales que atraen high-LTV.
- Análisis por banda: top 1%, 5%, 10%, 20%, mediana, bottom 25%. Nunca mirar el “cliente promedio” — ese cliente no existe.
Cohort analysis: comparar este Hot Sale con el anterior
Para saber si Hot Sale 2026 fue mejor o peor que el de 2025, no compares revenue total. Compará cohortes.
Tres cosas que mirar:
- Cohort de “primera compra en Hot Sale 2025”: cuántos de esos compradores volvieron a comprar en los 12 meses siguientes. Esa es tu baseline de retención para proyectar lo que va a pasar con los nuevos del 2026.
- Cohort de “primera compra en Hot Sale 2026”: hacé el mismo análisis a los 30, 60 y 90 días. Si la curva está peor que la del 2025 a la misma altura, hay un problema de calidad del nuevo cliente.
- AOV de nuevos por año: ajustado por inflación. Si los nuevos del 2026 tienen AOV menor real que los del 2025, el evento atrajo perfil más bargain.
Ojo con Argentina: la inflación material te obliga a ajustar SIEMPRE comparaciones year-over-year. Sin ajuste, vas a “crecer” 100% nominal y eso no significa nada.
Plan de acción D+3 a D+30 post Hot Sale
| Día | Acción |
|---|---|
| D+1 | Reactivar flows estándar (carrito 24h, bienvenida estándar, browse abandonment). Activar Seasonal Adjustment en Google Ads. Pausar (no eliminar) campañas de Hot Sale |
| D+3 | Primer reporte parcial al cliente / equipo: revenue, ROAS, transacciones, top productos |
| D+7 | Email de bienvenida personalizado a clientes nuevos del evento. Cross-sell para nuevos arrancando |
| D+10 | Reporte completo: revenue total + incremental real, split nuevos vs recurrentes, RFM segmentación inicial, CAC real vs máximo, deck de benchmark competitivo |
| D+15 | Cupón post-compra físico para los que recibieron paquete físico durante el evento |
| D+30 | Análisis de retención inicial (cuántos nuevos del evento ya hicieron una segunda compra) |
| D+70 | Retargeting agresivo con productos complementarios para nuevos del evento |
| D+85 | Oferta exclusiva para compradores Hot Sale, con descuento limitado en tiempo |
| D+90 | Análisis final del cohort: % de nuevos que se convirtieron en recurrentes |
Cada uno de estos hitos es una oportunidad de capturar más valor del Hot Sale. La mayoría de las marcas se queda en D+3 (revenue total) y D+10 (reporte completo). Las que llegan al D+90 con datos accionables son las que extraen el ROI real del evento.
Cómo OmniCDP resuelve esto
Nerdistan OmniCDP es nuestro Customer Data Platform pensado para eCommerce que opera en Argentina. Cubre las capacidades técnicas necesarias para hacer este análisis sin que tu equipo arme planillas a mano:
- Identity resolution entre canales: el mismo cliente que compró en MercadoLibre, Shopify y por WhatsApp queda como una sola identidad consolidada. Sin esto, RFM no funciona porque cada canal cuenta como cliente nuevo.
- Dashboards en tiempo real durante y post-evento: revenue acumulado vs target, ROAS por canal, CPA, AOV nuevos vs recurrentes, transacciones, top productos, todo en un solo lugar.
- Segmentación RFM automática y sincronización con plataformas publicitarias (Meta, Google) y de email/SMS para activar audiencias diferenciadas.
- Cohort analysis built-in: comparativa year-over-year ajustada por inflación, retention rate por cohorte, repeat purchase rate, churn signals.
- Análisis de longtail: cálculo automático de baseline pre-evento y revenue incremental real, descontando lo que hubieras vendido igual.
Si el análisis post-Hot Sale lo hacés a mano, se vuelve insostenible cuando el volumen crece. Para una pyme con 5K-10K órdenes en el evento todavía es manejable; para una operación de 50K+ órdenes ya es proyecto de un mes.
→ Más detalle en /soluciones/intelligence-platform.
En resumen
Hot Sale 2026 termina el 13 de mayo. La métrica que importa no es lo que vendiste esos 3 días. Es qué hacés con esa data en los 90 días siguientes.
Antes de cerrar el reporte:
- Desagregá ROAS por canal — el blended miente.
- Separá nuevos vs recurrentes para AOV, ROAS, conversion rate (cuidado con Simpson’s Paradox).
- Calculá el longtail: ¿cuánto de ese revenue era incremental real?
- Segmentá compradores con RFM y activá audiencias específicas.
- Activá la secuencia de retención de 90 días para los nuevos clientes del evento.
- Compará este Hot Sale con el anterior usando cohort analysis ajustado por inflación.
Si querés ver cómo armar este análisis en tiempo real con OmniCDP en lugar de planillas, agendá una demo gratuita de 30 minutos. Te mostramos el setup con datos de Hot Sales anteriores.
Y si querés repasar todo lo que hay que tener listo antes del evento: Catalogación masiva pre-Hot Sale 2026 y Chatbot WhatsApp para Hot Sale 2026.