El programa "recomienda a un amigo y llévate 10€" es una de las mecánicas de crecimiento más antiguas del ecommerce. Dropbox lo hizo famoso, Airbnb lo escaló, y hoy cualquier tienda con una integración de ReferralCandy, Mention Me, o el módulo nativo de Shopify puede lanzarlo en una tarde.

La promesa es preciosa: cada cliente contento se convierte en canal de adquisición. Un CAC (coste de adquisición) mucho más bajo que el de Meta Ads o Google Ads, un LTV más alto porque los referidos tienden a retenerse mejor, y una viralidad que se compone mes a mes sin invertir un céntimo extra en publicidad.

El problema aparece cuando alguien se sienta a mirar el detalle: cuántos cupones se han emitido, cuántos se han canjeado, y quién los ha canjeado realmente. Y ahí, en el detalle, muchos programas de referidos empiezan a oler raro. Porque una buena parte del gasto en recompensas se está fugando por tres agujeros muy concretos, y los tres tienen que ver con la calidad de la base de datos.

Los tres agujeros silenciosos de un programa de referidos

1. Cupones enviados a emails que no existen

Cuando un cliente actual recomienda a un amigo, el flujo típico es: introduce el email del amigo en un formulario, tu plataforma le manda un correo con un cupón de bienvenida, y el amigo lo canjea en su primera compra.

El punto débil es obvio en cuanto se piensa dos segundos: nadie verifica ese email antes de emitir el cupón. La plataforma dispara el correo, se registra el cupón en la base, y a otra cosa. Si el email tiene una errata (juan@gmial.com), si es un dominio inventado (asd@asd.es), o si el amigo se lo dio equivocado por WhatsApp, ese cupón se pierde. Pero el registro sigue vivo en tu base, contando como "referido pendiente de conversión" en el dashboard.

En un programa medianamente activo, con 800 referidos generados en un trimestre, la tasa de emails inválidos en referidos suele ser más alta que en tu base general. Motivo: el email lo teclea a mano una persona que no lo va a usar, sin verificación. Es razonable esperar entre un 10% y un 18% de emails inválidos en referidos, frente al 3-7% típico de una base general limpia. Es decir, entre 80 y 144 cupones que se emitieron para nadie.

2. Cuentas duplicadas para autorreferirse

Este es el problema más incómodo, porque implica que una parte de tus propios clientes está jugando al sistema. Cuando el incentivo es "quien recomienda se lleva un descuento y el recomendado también", crear una segunda cuenta con otro email para autorreferirse es tan fácil como aburrido.

El cliente se registra con juan@gmail.com como cuenta principal. Recomienda a "un amigo" desde ese perfil. Introduce juan+nuevo@gmail.com (o juan.perez@outlook.com, o un email temporal cualquiera). Recibe ambos cupones. Los usa en pedidos separados o en el mismo pedido con dos cuentas distintas. Coste para la tienda: dos descuentos por el precio de cero adquisiciones nuevas.

Detectar este tipo de fraude interno a mano es prácticamente imposible cuando la base tiene más de mil clientes. Un motor de detección de duplicados con fuzzy matching sí puede identificarlo: mismo teléfono en dos cuentas, misma dirección de envío, misma pasarela de pago, nombres muy similares, timestamps de creación de cuenta separados por minutos. Sin ese análisis, el patrón se cuela.

3. Contactos zombis que reciben la invitación y jamás la abren

El tercer agujero es más sutil pero igualmente caro. Tu programa de referidos no solo actúa cuando alguien recomienda: también incluye correos recurrentes que invitan a tus clientes activos a recomendar ("¿Sabías que puedes ganar 10€ recomendando la tienda a un amigo?"). Esos correos van a toda tu base activa.

Si tu base tiene un 15-20% de contactos inactivos crónicos (no abren un correo desde hace 12 meses o más), estás mandando esa campaña a personas que no la van a ver. El coste directo por email es bajo, pero el coste indirecto es peor: tus tasas de apertura y clic bajan, tu reputación de dominio empeora, y las siguientes campañas — incluidas las transaccionales — llegan peor a los clientes que sí importan.

Un escenario ilustrativo con números

Imagina una tienda online española de complementos deportivos con 14.500 contactos en su base, activa hace tres años, con un programa de referidos lanzado hace nueve meses a través de un módulo nativo de Shopify.

En el último trimestre el dashboard muestra:

  • 620 referidos generados
  • 340 cupones canjeados (55% de conversión — cifra razonable para un programa maduro)
  • Coste bruto: 340 × 10€ (cupón recomendado) + 340 × 10€ (cupón recomendador) = 6.800€
  • Ingresos brutos atribuidos a esos pedidos: 340 × 55€ ticket medio = 18.700€
  • ROAS aparente del programa: 18.700 ÷ 6.800 = 2,75

Sobre el papel, el programa funciona. Pero si se analiza la calidad de la base de referidos con una herramienta que detecte emails inválidos y duplicados fuzzy, podría aparecer algo así:

  • De los 620 referidos, un 14% (87) tenían emails inválidos. Cupones emitidos que nunca se van a canjear pero que ocupan espacio y sesgan estadísticas.
  • De los 340 cupones canjeados, un análisis de duplicados fuzzy detecta que 42 corresponden a pares sospechosos: mismo teléfono en cuenta que recomienda y cuenta recomendada, o misma dirección de envío. Es decir, ~12% del canje es probablemente autorreferido.
  • Coste real de autoreferidos: 42 × 20€ (ambos cupones) = 840€ que se están regalando sin adquisición nueva.

Recalculando con datos reales, el CAC real por referido nuevo (limpio) sube y el ROAS baja de 2,75 a algo más cercano a 2,3. Sigue siendo positivo, pero la diferencia — más de 800€ al trimestre — es exactamente la cifra que en la mayoría de tiendas decidiría si el programa se refuerza o se aparca.

Qué debería hacer un ecommerce serio antes de escalar el programa

Antes de subir el presupuesto o negociar una integración más cara con una plataforma de referidos, el orden lógico es:

Primero: auditar la calidad de la base actual. Cuántos emails inválidos hay entre los contactos totales, cuántos duplicados con fuzzy matching, cuántos contactos inactivos crónicos. Sin esa foto, cualquier programa de crecimiento va a operar con métricas mentirosas.

Segundo: implementar verificación de email en el formulario de referido. No una simple validación de sintaxis, sino una comprobación de MX (que el dominio exista realmente). Esto es una línea de código o un plugin gratuito en la mayoría de plataformas, y filtra el grueso de los emails inventados.

Tercero: activar detección de duplicados en el checkout y en la creación de cuenta. Cuando alguien se registra con un email nuevo pero misma dirección de envío o mismo teléfono que otra cuenta reciente, la plataforma debería marcarlo. No para bloquearlo automáticamente — a veces son casos legítimos (miembros de una misma casa, por ejemplo) — pero sí para revisarlo antes de emitir la recompensa.

Cuarto: limpiar la base trimestralmente. Un ecommerce que envía campañas de referidos, transaccionales y de retención a una base con 8-15% de basura acumulada está condenado a ver métricas cada vez peores, sin entender por qué.

Cómo ClearRows encaja aquí

Somos un servicio de limpieza de bases de datos pensado específicamente para ecommerces españoles. El flujo es sencillo: subes tu CSV de contactos (exportado desde Shopify, WooCommerce, PrestaShop, Klaviyo, Brevo, Mailchimp o el ESP que uses), y en segundos recibes un análisis gratuito con:

  • Score de calidad del 0 al 100
  • Emails inválidos detectados (sintaxis + verificación de dominio + emails desechables)
  • Duplicados exactos y fuzzy (mismo cliente en dos registros con variaciones)
  • Teléfonos con formato incorrecto (validación específica para España)
  • Direcciones incompletas y campos vacíos
  • Pérdida estimada en euros al mes, con desglose por categoría

El análisis es gratuito, sin tarjeta y sin límite de filas. Si decides limpiar, los precios son fijos y públicos: 67€ para bases hasta 25.000 registros (Limpieza básica), 147€ para bases hasta 50.000 registros (Limpieza completa), y 37€/mes para mantenimiento continuo con limpiezas trimestrales incluidas. Para bases mayores de 50.000 registros, escríbenos a daniel@clearrows.com y te preparamos un presupuesto personalizado.

Un programa de referidos limpio no es el que más recompensas reparte. Es el que reparte recompensas al cliente correcto, y hace que cada euro invertido en incentivos vuelva multiplicado. Sin esa base de dato limpia, es como poner la aspiradora funcionando con la bolsa rota: mucho ruido, poco resultado.

Analiza tu base gratis en clearrows.com y descubre cuánto dinero se está fugando por los agujeros de tu programa de referidos.