¿Por qué Google Search Console tiene un límite de datos de 16 meses?
Muchos SEOs que han intentado construir un relato del rendimiento a más largo plazo para un cliente se han topado con este muro. Entras en Search Console, abres el informe de Rendimiento, seleccionas los últimos 16 meses y…

Muchos SEOs que han intentado construir un relato de rendimiento a largo plazo para un cliente se han topado con este muro. Entras en Search Console, abres el informe de Rendimiento, seleccionas los últimos 16 meses y ya está.
¿Quieres datos más allá de eso? Pues bien, a menos que los hayas estado respaldando en BigQuery, han desaparecido; aquí es donde sé que muchos SEOs suelen recurrir a SEMRUSH o AHREFS / Sistrix.
Bastantes SEOs me han preguntado por esto, así que pensé en escribir qué está pasando realmente, qué ha dicho Google al respecto (poco) y qué funciona de verdad como solución alternativa. He probado la mayoría de las opciones a lo largo de los años y he visto fallar a unas cuantas. Esta es la versión honesta, no el discurso de ventas de un proveedor.
Cuál es realmente el límite

Google Search Console funciona con una ventana móvil de 16 meses para los datos de rendimiento. Eso cubre clics, impresiones, CTR, posición media, consultas, páginas, países, dispositivos y aspecto en el buscador. Cada día ganas un día por un extremo y pierdes un día por el otro. La ventana nunca va más allá de esto. Una vez que una fecha sale por detrás, se elimina de las bases de datos de Google de forma permanente y no hay manera de recuperar esos datos. La única oportunidad que tienes es usar una solución de almacenamiento de datos como BigQuery de Google (que puedes activar en Search Console) o utilizar herramientas como SEO Stack o SEO Gets.
Conviene saberlo: el plazo de 16 meses es para los datos de rendimiento; otras partes de Google Search Console, como la indexación de páginas, solo muestran los últimos 3 meses.

La cifra de 16 meses lleva mucho tiempo vigente. En realidad, no hay motivo para que Google la amplíe: les cuesta dinero y, desde su punto de vista, 16 meses dan a los webmasters datos «suficientes» con los que trabajar.
Qué ha dicho Google realmente sobre esto
Aquí la cosa se queda corta. Google nunca ha publicado una explicación clara de por qué el periodo de retención es de 16 meses. No 12, ni 18, ni 24. Verás la cifra mencionada en la documentación de ayuda como un hecho, pero no como una postura con un razonamiento detrás.
La declaración pública más clara vino de John Mueller en mayo de 2023, cuando la gente preguntó si la nueva función de exportación masiva a BigQuery podía extraer datos históricos. Mueller confirmó en Twitter que no hay «ningún plan» para la exportación histórica. BigQuery solo captura datos a partir del día en que lo activas. Todo lo que ya está dentro de la ventana de 16 meses se queda ahí y, cuando caduca, desaparece de ambos sitios.
Así que nos queda deducirlo a partir de cómo opera Google en general.
Las razones probables
Habiendo construido y gestionado yo mismo una plataforma de analítica SEO, puedo hacer una suposición razonable sobre qué hay detrás de esto.
Coste de almacenamiento y de consulta.
Search Console es gratuito. Google sirve miles de millones de filas a cientos de millones de propiedades en todo el mundo, y cada informe de la interfaz es, en la práctica, una consulta en vivo. Guardar años de datos por consulta, por página, por país y por dispositivo para cada propiedad verificada supondría una factura de infraestructura enorme para un producto que no genera ingresos directos. 16 meses es el compromiso que te da comparación interanual sin comprometer a Google a una retención indefinida.
Lo sabemos de primera mano de cuando estábamos construyendo SEO Stack: es asombroso cuántos datos se almacenan realmente, hay 16 dimensiones en total; así que imagina que, para cada día, cada URL de tu sitio que se sirva tendrá datos de consultas, y luego están todas las métricas como impresiones, CTR, posición, dispositivo, aspecto en el buscador, país, etc.
Así que, para Google, no es económicamente viable quitar ese límite; es también una de las razones por las que solo puedes acceder a las 1000 primeras filas de cualquier filtro aplicado, porque procesar esos datos le cuesta dinero a Google.
¡En SEO Stack puedes ver lo GRANDES que pueden llegar a ser los conjuntos de datos de un SOLO sitio web! Esta es EXACTAMENTE la razón por la que Google Search Console no va más allá de 16 meses y 1000 filas.
Mira esta captura: 1 sitio web con datos de Search Console almacenados en SEO Stack tiene 656.917.649 filas de datos de texto, ¡un total de 67 gigabytes! ¡Y eso es 1 sitio web! Cuando abres ese sitio web en SEO Stack tenemos que procesar cada registro para poder ofrecer ordenación masiva y filtrado de consultas en todo el conjunto de datos, a diferencia de GSC, que solo te dará datos muestreados.

Lo hemos aprendido por las malas y, por consiguiente, así es como entendemos por qué Google ha impuesto límites estrictos en los plazos y en el número de consultas.
Velocidad.
Si alguna vez has filtrado una propiedad grande de GSC por un rango de fechas amplio, habrás notado que la interfaz se vuelve lenta. Ampliar la ventana a varios años sin rediseñar la capa de almacenamiento haría que la herramienta fuera un suplicio de usar. Google prefiere lanzar una herramienta gratuita y rápida que una lenta con más historial.
Ten en cuenta que Google SIGUE extrayendo solo las 1000 primeras filas de datos y muestreando datos; por muy potente que sea Google Search Console, el rendimiento es en general lento para la cantidad limitada de datos que te da.
SEO Stack procesa más de 10.000.000 de filas de datos por segundo, muy por delante de Google Search Console. Para cuando GSC haya procesado 1000 consultas, SEO Stack habrá procesado más de 1 millón.
Minimización de datos.
Especulativo pero creíble. Los reguladores de la UE y de otros lugares han presionado con fuerza sobre los periodos de retención de cualquier cosa que implique datos a nivel de consulta. Los datos agregados de rendimiento de búsqueda son menos sensibles que los registros de usuarios individuales, pero la dirección general de Google es retener menos y durante menos tiempo. 16 meses encaja con ese patrón.
El ecosistema.
La versión educada: Google proporciona la ventana de datos en bruto y deja que las herramientas de terceros construyan análisis a más largo plazo sobre ella. La versión cínica: si GSC almacenara cinco años de datos propios limpios de forma gratuita, el argumento comercial de Ahrefs, Semrush y el resto se complica. No creo que la protección del ecosistema sea el motor principal aquí, pero me sorprendería que no estuviera en la lista en algún punto.
Nada de esto está confirmado. La postura formal de Google es básicamente «16 meses es lo que hay». Todo lo demás son conjeturas fundamentadas.
Su posición es: te damos suficientes datos para trabajar; si quieres más, tendrás que usar su API o Google BigQuery. Pero almacenar datos en BigQuery es una cosa y sacarlos requiere saber SQL o construir tu propia interfaz (o conectarla a Data Studio).
Por qué BigQuery no me resolvió el problema realmente
Cuando Google anunció la exportación masiva a BigQuery en febrero de 2023, la configuré en el sitio de mi agencia y en algunas propiedades de clientes esa misma semana. La función en sí es genuinamente útil. Obtienes datos sin muestrear, con el recuento completo de filas, escritos en tu propio proyecto de BigQuery cada día, incluidas las consultas de long tail que la interfaz oculta tras su límite de 1.000 filas. Para mi propio trabajo de analítica ha sido valiosa.
Pero no rellena datos retroactivos. Ni un solo día.
Tuve un cliente que quería una presentación mostrando patrones de tráfico desde 2020 (sí, existe GA4, pero le faltaba una enorme cantidad de datos). Yo ya sabía que los datos históricos no estaban disponibles y, como tal, no me gusta demasiado dar a los clientes datos de terceros de AHREFS o SEMRUSH, principalmente por las enormes diferencias entre los datos propios (GSC) y los de terceros (SEMRUSH/AHREFS, etc.). El día que activas la exportación a BigQuery es el día cero. Cada día posterior acumulas historial. Antes de eso, nada.
Habíamos empezado a construir SEO Stack antes de que Google anunciara la integración de BigQuery en GSC porque, hasta entonces, solo podías extraer datos de GSC por API y luego tenías que construir tu propia arquitectura alrededor para almacenar y procesar los datos (y te puedo decir por experiencia que NO fue fácil). GSC es mucho más complejo de lo que parece; nos costó reconstruirlo para darnos cuenta.
La consecuencia práctica es que BigQuery solo te resuelve el problema en tiempo futuro. Si configuras la exportación hoy, dentro de 16 meses te habrás liberado de la ventana móvil por primera vez, con 16 meses de GSC más lo que hayas acumulado en BigQuery más allá de eso. Después de tres años ejecutando la exportación tendrás tres años de historial. Funciona, pero es una construcción lenta, y el coste es que tienes que haber decidido hacerlo dieciocho meses antes de necesitar realmente los datos.
La lección que he sacado de esto, y la que recalco ahora a cada nuevo cliente: activa la exportación a BigQuery el primer día del proyecto, no el día en que alguien pide una tendencia de cinco años. Para cuando lo pidan, ya habrás perdido los meses que no exportaste. También animamos a los clientes a usar SEO Stack, principalmente porque ofrecemos una arquitectura mucho mejor para el almacenamiento y procesamiento de datos.
Una cosa más. La exportación a BigQuery tiene un retraso de unas 48 horas antes de que lleguen los primeros datos, y no incluye todos los tipos de informe. Los datos de cobertura, por ejemplo, no están en la exportación. Si también necesitas archivar la parte técnica, necesitas un proceso aparte para eso.
Por qué Ahrefs y Semrush no eran un sustituto
La alternativa obvia cuando no puedes obtener datos históricos de Google es sacarlos de una herramienta de terceros. Tanto Ahrefs como Semrush muestran tráfico orgánico estimado de años atrás. Si necesitas un gráfico para una presentación de ventas y la precisión no te importa demasiado, es la respuesta más viable.
Lo probé en serio en un proyecto donde tenía acceso completo a GSC y quería contrastar las cifras. Los resultados fueron lo bastante imprecisos como para que dejara de usarlos.
Aquí mostré la enorme diferencia entre el número de consultas de la web de un cliente en SEO Stack (que son datos de GSC almacenados sin límites) frente a AHREFS y SEMRUSH y, bueno, los números hablan por sí solos.

En los dominios que comparé, las estimaciones de tráfico de Ahrefs y Semrush se desviaban en márgenes que las hacían inservibles para cualquier cosa crítica a la hora de decidir. Eso coincide con investigaciones independientes: un estudio de Collaborator que comparó 184 sitios web situó el margen de error medio de Ahrefs, Semrush y Similarweb en torno al 50% frente a los datos reales de GSC, con Ahrefs como la mejor con alrededor de un 48% de error. Otro análisis de Serpple situó la discrepancia media de Ahrefs en torno al 22% en su muestra. Lo mires como lo mires, estás ante una herramienta útil en cuanto a dirección y poco fiable en cuanto a cifras.
La razón es estructural, y merece la pena entenderla en lugar de descartarla sin más:
Su universo de keywords es una muestra, no algo exhaustivo. Rastrean un conjunto definido de keywords, no todas las consultas que alguna vez enviaron un clic a tu sitio. Las herramientas de terceros tienen problemas con un volumen ENORME de consultas ZSV (sin volumen de búsqueda).
Sus datos de posición son una instantánea, no un registro continuo. Las keywords para las que posicionaste en una ventana volátil se pierden.
Sus cifras de volumen de búsqueda son en sí mismas estimaciones, a menudo desfasadas y a veces equivocadas por un amplio margen, en especial en mercados más pequeños y términos de long tail.
El CTR está modelado, no observado.
Multiplica cuatro estimaciones y el resultado tiene muy poco que ver con lo que realmente ocurrió en los registros de Google. Para análisis de competencia, dimensionar un mercado o detectar tendencias direccionales, Ahrefs y Semrush siguen siendo válidos. Para rellenar el histórico que falta en GSC de tu propio sitio, no son lo bastante precisos como para presentárselos a alguien que vaya a comprobar las cifras.
Uso AHREFS y he usado SEMRUSH en el pasado: son geniales como "orientación" cuando intentas hacer comparativas de competidores, pero la realidad es que las cifras están muy lejos.
Qué hacer al respecto
Tres cosas, por orden de importancia.
Activa hoy mismo la exportación masiva a BigQuery en cada propiedad que importe. Cuesta muy poco en términos de almacenamiento para un sitio normal, y es el único mecanismo que el propio Google ofrece para conservar datos más allá de 16 meses. El coste de lamentar no haberlo hecho hace un año es mucho mayor que la factura de BigQuery.
O usa SEO Stack o SEO Gets para tu almacenamiento de datos + interfaz.Mantén en paralelo una exportación mensual en CSV como archivo de seguridad adicional. Si BigQuery se desconecta, el proyecto se reorganiza o se va un propietario y se rompen los permisos, aún tendrás las instantáneas mensuales. He visto configuraciones de BigQuery torcerse las veces suficientes como para no confiar solo en eso.
Usa las herramientas de terceros para lo que de verdad hacen bien. Visibilidad de la competencia, descubrimiento de backlinks, ampliación del universo de keywords, dimensionamiento aproximado del mercado. No las uses como sustituto de tu propio histórico de GSC, porque no lo son.
La ventana de 16 meses no va a cambiar. Google tuvo la oportunidad evidente de ampliarla cuando lanzó la exportación a BigQuery y decidió no hacerlo. La suposición sensata es que el límite se queda donde está, y que la responsabilidad de una retención más larga recae en el propietario del sitio. Es molesto, pero es la realidad con la que trabajamos, y cuanto antes actúes, menos histórico perderás.

Fundador, SEO Stack
Daniel es el fundador de SEO Stack. Ha dedicado más de 2 décadas al SEO técnico y a los datos de búsqueda, y creó SEO Stack tras toparse una vez más con los mismos límites de Search Console en el trabajo con clientes.
Daniel cuenta con una amplia experiencia en SEO: ha montado agencias de SEO, negocios de auditoría y una consultoría próspera. En su tiempo libre, le gusta realizar experimentos de SEO y compartir los resultados.
Publicado 19 de abril de 2026


