LinkedIn ROI en industria: cómo medir y calcular el retorno real

La conversación sobre el ROI de LinkedIn en industria acaba casi siempre igual: el director general pregunta cuánto vale lo que está pagando, el responsable de marketing enseña unos números de alcance y engagement, y el director financiero concluye que no ve el retorno. El problema no es que LinkedIn no funcione. El problema es que se está midiendo mal: con el modelo equivocado, la ventana equivocada y las métricas equivocadas. Este artículo desmonta esa medición defectuosa y construye una alternativa aplicable a fabricantes, distribuidores e industriales de servicios en España.

Vamos a recorrer el framework de atribución, el embudo real (impresiones a cliente cerrado), cómo se calcula el CAC de LinkedIn separando orgánico de paid, cómo se establece el LTV por segmento industrial, un ejemplo trabajado con cifras de una empresa fabricante de 10M€, los benchmarks 2026 que hemos recogido en empresas españolas y los errores de medición más frecuentes. El objetivo es que salgas con un modelo que puedas defender ante tu director financiero, no con una hoja de vanity metrics.

El problema estructural: por qué la atribución estándar rompe en industrial

Los sistemas de atribución que traen por defecto Google Analytics 4, HubSpot o Salesforce están diseñados pensando en ciclos de compra cortos (SaaS con trial de 14 días, ecommerce con decisión en horas). En esos modelos, atribuir a la última fuente o a los últimos 30 días tiene sentido: el ciclo cabe en la ventana.

En industrial B2B, ese diseño rompe. El comprador de una máquina-herramienta de 250.000€ tarda 4-9 meses entre la primera investigación y la firma. Consulta LinkedIn cinco o diez veces, entra a la web dos o tres, pide referencias en su red profesional, va a una feria, ve una demo, negocia. Cuando finalmente rellena un formulario, lo hace con el nombre de la empresa en Google. Un modelo last-click atribuirá esa venta a "Google Organic". LinkedIn, que probablemente sembró la marca durante meses, aparecerá con cero conversiones. Y el director financiero concluirá que LinkedIn no funciona.

Este es el error de medición más común y el que hace que muchas empresas industriales abandonen LinkedIn tras 6-9 meses sin ver retorno "en el dashboard". El retorno estaba, solo que su sistema no lo veía. Antes de tocar cualquier configuración de LinkedIn Ads, hay que arreglar el modelo de medición. En nuestro artículo previo sobre medir el ROI de LinkedIn en B2B industrial ya introdujimos esta idea; aquí la desarrollamos con framework completo.

Framework de atribución adecuado para industria

Un modelo de atribución que funcione en industrial cumple cuatro condiciones:

1. Ventana amplia: mínimo 90 días para primeras métricas, 6-9 meses para cálculo definitivo. La ventana debe cubrir el ciclo de compra medio del segmento.
2. Multi-touch, no single-touch: cada punto de contacto recibe una parte del crédito, no solo el último. Los modelos válidos son lineal, decay temporal o basado en posición.
3. Cross-channel: el modelo integra LinkedIn (orgánico y paid), web, email, eventos, referral. Sin integración cross-channel, cada canal se ve subestimado.
4. Enriquecido con datos cualitativos: preguntar al lead cómo llegó (self-reported attribution) en el formulario y en la primera llamada. Esa señal cualitativa corrige los sesgos del tracking técnico.

Los cuatro modelos multi-touch más habituales, con sus pros y contras para industrial:

En la práctica, para una pyme industrial española, el modelo lineal combinado con self-reported attribution suele ser el más robusto: fácil de implementar, defendible ante finanzas y con la corrección cualitativa que compensa las limitaciones del tracking técnico.

El embudo real: de impresión a cliente cerrado

Para medir ROI necesitas un embudo con etapas claras y ratios medibles en cada paso. En industrial B2B, el embudo LinkedIn tiene 6 etapas principales:

Multiplicando ratios end-to-end: de cada 10.000 impresiones cualificadas en LinkedIn, un ratio conservador esperable sería 0,1-0,3 clientes cerrados (con ticket típico industrial de 20.000-80.000€/año). Ese ratio parece bajo hasta que multiplicas por LTV y comparas con el coste de generar esas 10.000 impresiones.

Detalle de cada etapa

Impresiones: no todas son iguales. 10.000 impresiones a directores de compras de fabricantes automoción valen mucho más que 10.000 impresiones a estudiantes de FP. Segmenta el reporte por audiencia real (usa la data demográfica que LinkedIn te da) para pesar impresiones por calidad.

Engagement: incluye likes, comentarios, shares, clicks en "ver más", visualizaciones de video >10s. Excluye impresiones sin interacción. Es la primera señal de que el contenido resuena en tu audiencia. Un engagement rate por debajo del 2% suele indicar problema de contenido o audiencia mal segmentada; por encima del 5% indica trabajo alineado.

Visita web: es la primera métrica con tracking técnico fiable, siempre que uses UTMs limpios. La convención recomendada para industrial: utm_source=linkedin, utm_medium=organic|paid, utm_campaign=nombre_campaña, utm_content=formato_o_creative. Con esa estructura, GA4 te da tráfico atribuible con precisión.

Lead (MQL): el momento en que un desconocido deja sus datos. En industrial suele ocurrir con: descarga de guía técnica, solicitud de demo, contacto directo, apuntarse a newsletter. Cada tipo tiene una calidad distinta: solicitud de demo suele convertir 5-10x mejor que descarga de guía.

Oportunidad (SQL): el lead que el equipo comercial ha validado como potencial real (presupuesto, timing, autoridad). En industrial, la conversión MQL a SQL depende brutalmente del proceso comercial: empresas con cualificación disciplinada logran 30-40%, empresas sin cualificación no pasan del 15%.

Cliente cerrado: contrato firmado, pedido en firme. En industrial pesado (maquinaria, ingeniería a medida) la tasa de cierre SQL a cliente oscila entre 15-25%. En industrial ligero o servicios recurrentes puede subir a 25-35%.

Calcular el CAC de LinkedIn: fórmula y desglose

El CAC (Customer Acquisition Cost) atribuible a LinkedIn se calcula sumando todos los costes asociados y dividiéndolos entre clientes cerrados atribuidos. La fórmula:

Cada componente tiene su forma de calcularse. La inversión en Ads se saca directamente del panel de Campaign Manager. El coste de contenido incluye freelancers de diseño, video, redacción y salario prorrateado del interno responsable. El coste de equipo es el porcentaje de tiempo del responsable marketing y comerciales que se dedica al canal. Las herramientas incluyen Sales Navigator, CRM, herramientas de programación y analítica.

En pyme industrial media española, el desglose típico mensual para una operación seria en LinkedIn:

Con una operación de 6.500€/mes (78.000€/año) y una conversión de 15-25 clientes al año atribuibles a LinkedIn, el CAC sale entre 3.100 y 5.200€ por cliente. Ese CAC parece alto hasta que se compara con el LTV.

LTV por sector industrial: de qué hablamos realmente

El Lifetime Value (LTV) es el ingreso total generado por un cliente durante su ciclo de vida completo, ajustado por margen. La fórmula estándar:

En industrial, la retención media rara vez es inferior a 3 años (a diferencia del SaaS donde puede ser 1-2). Un cliente industrial fidelizado suele quedarse 5-10 años, con crecimiento anual del ticket por expansión (más volumen, más productos, más servicios asociados). Esto multiplica el LTV real de forma que el CAC alto se vuelve rentable con facilidad.

Rangos observados en 2026 en empresas industriales españolas:

Con estos LTVs, un CAC LinkedIn de 3.000-5.000€ tiene ratios LTV/CAC entre 7x y 60x. La regla habitual en marketing B2B dice que una relación LTV/CAC de 3x es rentable y de 5x es excelente. En industrial, LinkedIn suele cruzar ese umbral con margen.

Ejemplo trabajado: fabricante 10M€ facturación

Vamos a trabajar un caso completo. Empresa: fabricante de componentes mecanizados para automoción, 55 empleados, 10M€ facturación anual, comercial B2B en España y Portugal. Objetivo: entender el ROI real de su inversión en LinkedIn tras 12 meses de operación.

Inversión total 12 meses

Resultado 12 meses

Cálculo de retorno

El ROI del año 1 ya es 7,8x. Si consideras el LTV completo, cada euro invertido en LinkedIn devuelve 15€ de margen a lo largo de la vida del cliente. Estos son los rangos en los que se mueven las operaciones industriales bien ejecutadas en España. Cuando el ROI aparente es negativo, casi siempre es porque hay error en la atribución (last-click, ventana corta), no porque LinkedIn no funcione. En nuestra guía sobre errores frecuentes en LinkedIn para empresas industriales desarrollamos este punto con más ejemplos.

Cómo separar orgánico de paid en la atribución

Una pregunta que aparece en cualquier proyecto: "¿Cuánto viene por orgánico y cuánto por Ads?". La respuesta técnica pasa por tres capas.

Capa 1: UTMs disciplinados. Todas las URLs que compartes orgánicamente llevan utm_medium=organic. Todas las de Ads llevan utm_medium=paid con el detalle de campaña. GA4 ya te separa las visitas por medium.

Capa 2: registro CRM con dos campos. En HubSpot o Salesforce, cada lead debe tener "primera fuente" (cómo entró en tu radar) y "última fuente" (qué acción concreta rellenó el formulario). Un lead cuya primera fuente es LinkedIn Organic y última fuente es LinkedIn Paid es un caso claro de sinergia: el orgánico sembró, el paid remató.

Capa 3: self-reported. En el formulario de conversión, pregunta "¿Cómo nos conociste?" con opciones. Esa respuesta corrige los sesgos técnicos. Si el 40% de tus leads responde "LinkedIn" pero tu tracking solo atribuye 25%, tienes un gap de subatribución del 15% que debes reasignar.

Con las tres capas juntas puedes construir una tabla como esta:

Esta tabla suele sorprender: los leads que ven contenido orgánico Y también son impactados por Ads convierten mejor que los que solo ven uno. Cortar el orgánico para "concentrarse en Ads" (o al revés) suele destruir esa sinergia. Ambas capas deben coexistir. Desarrollamos este punto en LinkedIn Ads para fabricantes y segmentación.

Benchmarks 2026: qué cifras esperar

Datos agregados de operaciones industriales españolas monitorizadas en 2025-2026. Estos rangos son conservadores y aplicables a pymes industriales de 20-200 empleados con presupuesto LinkedIn de 2.000-8.000€/mes.

Si tus cifras están por debajo del rango bajo, revisa segmentación, creatividad y calidad de leads. Si estás en rango medio, tienes una operación sana. Si estás en rango alto, tienes probablemente una ventaja competitiva de nicho que conviene consolidar.

Herramientas para medir bien

Sin las herramientas adecuadas, el modelo se queda en teoría. Estas son las que efectivamente usa una operación industrial seria:

Un stack mínimo viable para una pyme industrial: LinkedIn Analytics + Campaign Manager + GA4 + HubSpot Sales Hub (2 usuarios). Coste total unos 130€/mes. Con esa base ya puedes montar atribución multi-touch decente. La sofisticación adicional (Dreamdata, Attribution) solo compensa cuando el volumen justifica el coste, típicamente en operaciones de más de 15.000€/mes en marketing.

Errores de medición más frecuentes

De los proyectos que hemos revisado en 2026, estos son los errores de medición que aparecen una y otra vez:

1. Atribución last-click. El más grave. Convierte a LinkedIn en un canal invisible porque el cierre casi nunca ocurre en LinkedIn directamente. Solución: modelo lineal o time-decay con ventana amplia.
2. Ventanas de atribución cortas. Medir a 30 días en un ciclo de 6 meses garantiza subatribución masiva. Solución: ventanas mínimas de 90 días para métricas provisionales, 180-270 días para definitivas.
3. No etiquetar con UTMs. Sin UTMs consistentes, GA4 asigna una parte del tráfico LinkedIn a "Direct" o "Referral", perdiendo el origen. Solución: convención UTM documentada y aplicada a toda URL compartida.
4. Contar leads sin cualificar como resultado. Reportar "generamos 300 leads" cuando solo 20 son SQL contamina la métrica de éxito. Solución: reportar en cada etapa del embudo, no solo MQL.
5. Confundir engagement con negocio. Likes y comentarios son señales, no ventas. Un mes con récord de engagement y cero SQL indica problema. Solución: reportar métricas de embudo, no solo de superficie.
6. Ignorar el orgánico en el CAC. Muchas empresas calculan CAC solo con la inversión en Ads. Ese CAC parece muy bajo pero es falso porque no incluye el coste de producir el contenido orgánico. Solución: CAC blended que integre todos los costes.
7. No medir LTV por segmento. Un LTV medio agregado esconde que un segmento aporta el 80% del valor y otro casi nada. Solución: segmentar LTV por tipo de cliente y ajustar la inversión LinkedIn hacia los segmentos con mejor LTV.
8. Ignorar la self-reported attribution. Sin preguntar al lead cómo llegó, dependes 100% del tracking técnico y sus sesgos. Solución: pregunta "¿cómo nos conociste?" en formulario y en primera llamada comercial.

Cómo reportar ROI ante dirección financiera

Un informe de ROI defensible tiene tres partes. Primera: la inversión total desglosada por concepto (no solo Ads, incluye contenido, tiempo, herramientas). Segunda: los resultados por etapa del embudo con ratios y benchmarks para contexto. Tercera: el cálculo económico con CAC, LTV y ratio LTV/CAC, comparando con otros canales.

El formato de una página de informe mensual tipo:

Este informe cabe en una página A4 y responde a las tres preguntas que hace un director financiero: cuánto he invertido, qué he conseguido y si es rentable. Sin las tres, cualquier reporte se lee como excusa.

El caso del retorno intangible

Hay una parte del ROI de LinkedIn que ningún modelo captura: el efecto marca acumulado. Cuando tu empresa aparece constantemente en el feed de la audiencia relevante durante 12-24 meses, ocurren cosas que no aparecen en el CRM. Los mejores candidatos os buscan cuando abrís vacante. Los distribuidores os proponen acuerdos que antes ni consideraban. Los inversores os conocen antes de que penséis en levantar capital. Los medios especializados os citan sin que hagáis PR activa.

Estos beneficios son reales pero no atribuibles a una campaña concreta. Aparecen como consecuencia de la presencia sostenida. La trampa está en pretender medirlos con el mismo modelo con que mides una campaña de captación. No se puede. Lo que se puede es reconocerlos y ponerlos en el informe como notas cualitativas: "Este trimestre, tres candidatos senior nos han contactado espontáneamente citando nuestro contenido de LinkedIn como razón de su interés". Ese dato no cabe en el ROI numérico pero cabe en la valoración global. En el guía definitiva de branding industrial 2026 ampliamos cómo integrar retorno tangible e intangible en un dashboard directivo.

Roadmap de implantación de la medición

Si tu operación actual no tiene esta estructura de medición, la ruta pragmática de implantación en 60 días:

1. Días 1-7: audita el estado actual. Qué mides, con qué herramientas, qué ventana de atribución usas, cómo etiquetas. Escribe el "as-is" en un documento.
2. Días 8-14: define el modelo objetivo. Elige modelo de atribución (recomendado: lineal + self-reported), ventana (recomendado: 180 días), stack (mínimo: LinkedIn + GA4 + HubSpot).
3. Días 15-30: implementa. Configura UTMs consistentes, monta campos de atribución en CRM, integra LinkedIn Insight Tag, ajusta formularios con self-reported.
4. Días 31-45: forma al equipo. Comerciales, marketing, dirección. Todos deben entender cómo se lee el informe.
5. Días 46-60: primer informe completo. Compara con benchmarks del sector, discute con dirección, ajusta.

A partir del día 60 tienes un sistema que produce informes fiables mensualmente. Los primeros 3 informes serán aún preliminares (falta historial), pero desde el informe 4 (mes 4) empiezas a tener tendencias defendibles. Desde el mes 9-12 tienes datos suficientes para tomar decisiones de asignación presupuestaria informadas.

Cuando el ROI es negativo: diagnóstico

Si tras 9-12 meses de operación seria y bien medida el ROI es negativo, hay causas específicas a diagnosticar antes de abandonar el canal. Las cinco más habituales:

1. Segmentación demasiado amplia. Impactas a mucha gente que no puede comprar. Solución: estrecha por función, industria y tamaño de empresa.
2. Contenido genérico. Tu contenido podría ser de cualquier competidor. Solución: revisa la estrategia de diferenciación y ancla el contenido en tu promesa específica.
3. Proceso comercial roto. Los MQLs llegan bien pero comerciales no los trabajan. Solución: SLAs entre marketing y ventas, seguimiento en 48h.
4. Ticket demasiado bajo para el CAC. Si tu ticket medio es 4.000€/año, un CAC LinkedIn de 3.000€ tarda mucho en amortizar. Solución: enfoca a segmentos de ticket alto o apuesta por otros canales.
5. Ventana de medición aún corta. Si estás midiendo a 6 meses en un ciclo de 9 meses, el ROI está pendiente. Solución: paciencia y modelo con ventana adecuada.

En la mayoría de casos que hemos diagnosticado, el ROI negativo aparente venía de las causas 1 (segmentación) y 5 (ventana). Muy pocas empresas tenían un problema real de rendimiento del canal.

Conclusión operativa

Medir el ROI de LinkedIn en industria no es un ejercicio técnico opcional: es la diferencia entre defender la inversión ante dirección o perderla en el siguiente ajuste presupuestario. El modelo defendible es multi-touch, con ventana amplia, cross-channel, enriquecido con self-reported y comparado siempre contra LTV, no solo contra ingresos del primer año. Con ese modelo, casi todas las operaciones industriales bien ejecutadas muestran ratios LTV/CAC muy por encima del umbral de rentabilidad. Sin él, todas parecen infrainvertidas.

La segunda idea operativa es que la medición no arregla un canal roto. Si tu contenido no diferencia, tu comercial no cierra o tu segmentación es errónea, ningún modelo de atribución convertirá una inversión mala en un ROI bueno. La medición sirve para validar lo que funciona y detectar lo que no, no para maquillar. Con contenido bien diseñado (el framework de content repurposing industrial), imagen consistente (fotografía industrial), y proceso comercial disciplinado, LinkedIn se convierte en el canal más rentable del mix B2B industrial. Sin esos ingredientes, ningún dashboard salvará el ROI.