Gestionar cuentas de Google Ads tuvo su punto de quiebre hace cinco años. Los especialistas en PPC (pago por clic) manejaban las cuentas con reglas estrictas y control riguroso. Pero las nuevas generaciones gestionan las cuentas basándose en recomendaciones automáticas. En este artículo, analizamos los pros y contras de ambos enfoques en la era de la inteligencia artificial (IA).
La curva de la automatización
La IA de Google continúa evolucionando, pero las nuevas funciones mantienen un patrón clásico. Se lanzan con mucho hype y estudios de caso seleccionados. Aunque luego de que los anunciantes prueban, un gran porcentaje se retrae. Uno de los principales motivos es que los algoritmos de aprendizaje automático de Google necesitan recoger un gran volumen de datos para que el rendimiento sea óptimo.
Un ejemplo claro se da en las pujas automáticas, que ahora funcionan bien para casi todo el mundo. Sin embargo, los activos creados automáticamente, los RSA sin fijar y Performance Max para generación de leads siguen siendo arriesgados para muchas cuentas.
Se ha oído hablar de la “tasa Google” (“Google tax”), la que se refiere a gastar dinero en un producto de Google inmaduro. Esta idea exhibe que la función es mala cuando se lanza, pero una vez que tiene suficientes buenos datos, será excelente (aunque eso lleve unos años). Sin embargo, pagar la tasa Google es una opción para los gestores de PPC. Sin ello, estas nuevas funciones nunca funcionarían de la mejor manera. Aunque desde Caissa mantenemos una política de que esta práctica se adopte recién cuando la estrategia está consolidada desde la plataforma.
Evolución de los estilos de gestión
Anteriormente, la gestión temprana de cuentas de Google Ads se centraba en listas de tareas y calendarios, lo que aseguraba que todo se hiciera. Ahora, los nuevos gestores de PPC pueden enfocarse más en las recomendaciones que ofrece Google Ads, basándose en los conocimientos impulsados por la plataforma para guiar sus acciones de optimización.
Sin embargo, hay desventajas al depender de los consejos de Google. A veces puede llegar a mostrarte beneficios cuantitativos, aunque al analizar con precisión, se desenmascara un gasto superior en los presupuestos. Pero eso no quiere decir que todas las recomendaciones de Google sean malas. En nuestra página podés ver las recomendaciones de Google Ads que deberías ignorar, evaluar o usar para evitar que destruyan tu cuenta.
En lugar de argumentar a favor de un enfoque sobre otro, simplemente hablamos de dos estilos diferentes de gestión:
- Enfoque basado en tareas (“task-based”)
- Enfoque basado en recomendaciones (“recommendations-based”)
De todas formas, la estructura sigue siendo la base de las campañas exitosas. Este cambio en la gestión de cuentas de PPC significa construir marcos de referencia o guías, de modo que la IA pueda aprender dentro de tu marco.
Construir referencias para la IA
Los marcos de referencia se refieren a una manera de dirigir a la inteligencia artificial hacia tus objetivos mediante límites sobre cómo gasta dinero o muestra anuncios.
Tu mayor protección es la estructura de tu campaña. Presupuestos, ubicaciones, programación y métodos de puja moldean a la IA para que aprenda y ejecute según tu criterio. La consistencia entre campañas es clave. Pero no existe una respuesta única para todos.
Por ejemplo, en una cuenta con 50 ubicaciones de negocio, podrías tener una sola campaña, lo cual es fácil de gestionar y acumula muchos datos. Sin embargo, no podés cambiar el presupuesto por ubicación o ejecutar fácilmente ofertas especiales. La elección correcta depende de los objetivos de la cuenta y de cómo querés que funcione la automatización.
La segunda guía importante es la organización de los grupos de anuncios. Cada palabra clave y cada activo en un grupo de anuncios debe funcionar en conjunto. Si algunos activos solo son relevantes para parte del grupo, hay que separarlos. Esto incrementa la relevancia, fortalece la calidad y da a la IA un marco más claro.
El tercer marco de referencia es la segmentación y las pujas (targeting & bidding). Si estás ejecutando múltiples campañas, Google utiliza un sistema de jerarquía para determinar qué anuncio o campaña se mostrará. El ganador suele establecerse de tus keywords de concordancia exacta o de tu campaña más restrictiva elegible para la subasta (por ejemplo, la de menor presupuesto, la geografía más pequeña, etc.).
Aunque Performance Max (“PMax”) esquiva esta jerarquía. Google tiene un esquema de comprobación. Primero, analiza una palabra clave exacta, luego frase o amplia. Segundo, lo que considera más relevante, y finalmente el ranking del anuncio.
En este caso, cuando la Red de Búsqueda gana en vez de PMax, las tasas de conversión son significativamente mejores en la mayoría de los casos. Esta es la razón por la cual seguir promoviendo términos de búsqueda fuertes en “exacta” continúa siendo esencial.
- Los tipos de concordancia son una buena referencia para asegurar que el mejor anuncio se muestre en cada subasta.
Con respecto a los tipos de puja, su comportamiento es diferente con cada “match type”, por lo que tiene sentido elegir tu método primero. “Maximizar Conversiones” o “Maximizar el valor de Conversión” apuntan al volumen dentro de tu presupuesto y a menudo hacen que el CPA o ROAS se desvíe al escalar. “CPA Objetivo” o “ROAS Objetivo” intentan mantener la línea y saltan oportunidades caras. A medida que los presupuestos aumentan, “amplia” y “frase” pueden expandirse agresivamente, lo que puede ayudar o dañar según tu objetivo.
Aumentar la densidad de datos
La IA necesita densidad de datos para aprender. Si tienes un RSA (Responsive Search Ad) con 15 títulos y dos descripciones, eso genera más de 47.000 combinaciones posibles. En un grupo de anuncios de bajo volumen, tomaría años para que Google determine cuáles combinaciones de activos funcionan mejor con los usuarios.
Por lo que “Fijar” reduce combinaciones, de modo que el aprendizaje se acelera. Un patrón práctico es fijar un pequeño conjunto de títulos ya comprobados como Título 1 y Título 2, luego decidir si Título 3 debe fijarse dependiendo si deseas que los activos conviertan en sitelinks. Cabe aclarar que no es necesario tener en cuenta el “ad strength” como puntaje, pero los avisos más específicos y con mayor relevancia en relación a las palabras clave son útiles como control.
“Fijar” permite que una empresa defina lo que es importante y permite que Google juegue con el resto. Mientras fijar reduce la “ad strength”, no afecta la calidad, las impresiones del grupo de anuncios o tu capacidad de entrar en la subasta. De hecho, los anuncios de menor “strength” suelen tener tasas de conversión y CTR mejores que los de mayor “strength”. Esto significa que puedes “fijar” con confianza.
Auditar la plataforma
Auditar a la plataforma es ahora una parte central del flujo de trabajo de gestión de PPC. Pero, ¿qué significa esto?
La plataforma presenta scripts, herramientas de terceros o recomendaciones de Google. Por lo tanto, auditarla significa entender los criterios para una alerta, y decidir si automatizarla, personalizarla o ignorarla.
Además, captura tareas que eran realmente importantes para los agentes de marketing hace 10 años y a menudo se pasan por alto por los agentes entrenados con recomendaciones. La solución es tener una lista de tareas de áreas para examinar más de cerca, en lugar de dejarselas a la máquina. Una recomendación clave es usar n-grams para detectar el desperdicio en términos de búsqueda que nunca encontraría leyendo los datos. También, segmenta audiencias detalladamente para ver qué merece más presupuesto, en lugar de ocultar el rendimiento dentro de una lista grande.
Otro punto importante es monitorear la cuota de impresiones para decidir cuándo restringir horarios o regiones y cuándo expandir. Compara “personas en” (“people in”) frente a “interesadas en” (“interested in”) ubicaciones, ya que el comportamiento de los desplazados (“commuters”) generalmente favorece esta última. Espera que “cerca de mí” (“near me”) convierta pero arrastre el relevamiento del anuncio (“ad relevance”) y el quality score.
Conclusión
Los humanos siguen ganando cuando los datos son escasos. El conocimiento previo y el juicio estratégico superan al modelo cuando la retroalimentación es escasa. Mientras que los modelos de lenguaje grandes son útiles para idear, agrupar y llevar a cabo borradores iniciales, pero no son un gestor de cuenta autónomo.
Al final, la clave está en combinar lo mejor de ambos mundos: la intuición humana y la capacidad de procesamiento de la IA. La automatización brilla cuando tiene volumen, patrones y tiempo; pero la dirección estratégica, la interpretación contextual y la capacidad de anticiparse a escenarios aún no visibles siguen siendo humanas. El futuro de la gestión en Google Ads no será elegir entre la tecnología o el especialista, sino diseñar sistemas donde uno potencie al otro. En esa interacción, el rol del gestor evoluciona: deja de ser un operador táctico para convertirse en un arquitecto de decisiones y un procurador del aprendizaje del algoritmo.
Por lo que el modelo operativo es simple:
- Construye para tener densidad y claridad de datos.
- Elige métodos de puja, luego alinea los tipos de concordancia en consecuencia.
- Define lo que siempre aceptas de las recomendaciones (automatiza esas), lo que nunca aceptas (descartalo o modifica criterios) y lo que necesita revisión humana.
- Audita la plataforma continuamente para optimizarla.
Reinvierte el tiempo ahorrado en pruebas y creatividades que la IA no puedes hacer por vos mismo.
