Auditoría de Performance Max con ChatGPT

Performance Max es el tipo de campaña más cerrado en Google Ads. Google muestra anuncios en la Búsqueda, Shopping, YouTube, Discover, Gmail y en los sitios de la Red de Display, pero a cambio ofrece muy pocas herramientas de control y aún menos estadísticas transparentes. Por esto, el análisis manual se convierte en un trabajo de muchas horas con decenas de exportaciones de datos. Aquí es donde la red neuronal ahorra tiempo en serio: le entregas las hojas de cálculo y ella encuentra patrones, calcula proporciones y formula hipótesis. Una auditoría con ayuda de una red neuronal no reemplaza al especialista, pero hace la parte más tediosa por él: el filtrado de datos.

Analizaremos cómo hacer una auditoría de Performance Max a través de ChatGPT, qué exportar exactamente de la cuenta publicitaria, cómo preparar los archivos, qué prompts utilizar y en qué suele equivocarse más la red neuronal.

¿Qué puede hacer ChatGPT en una auditoría de PMax y qué no?

Empecemos por los límites. De lo contrario, es fácil sobrestimar la herramienta y tomar el tono seguro de sus respuestas como la verdad absoluta.

ChatGPT hace un buen trabajo en tareas donde se necesita procesar una gran cantidad de filas similares y ver la estructura:

• agrupar 3000 frases de búsqueda por significado y destacar clústeres no relevantes;
• contar n-gramas (palabras y frases repetidas) y vincularles los costos y las conversiones;
• comparar el ROAS y el valor de conversión por canales, grupos y categorías;
• encontrar anomalías: un canal con el 40 % del presupuesto y cero ventas, o un grupo con un CTR tres veces menor que el resto;
• convertir una hoja de cálculo aburrida en una lista de acciones prioritarias.

Pero esto es lo que la red neuronal no puede hacer (al menos en el chat estándar sin integraciones conectadas):

• entrar a tu cuenta publicitaria y ver la configuración (todo lo que no esté en la exportación no existe para el modelo);
• conocer las particularidades de tu negocio: márgenes de ganancia, estacionalidad, qué artículos es rentable vender incluso a pérdida en pos de compras recurrentes;
• verificar si el seguimiento de conversiones en el sitio web funciona correctamente (pero puede sugerir qué señales indican una falla);
• tener en cuenta las actualizaciones de la interfaz de Google Ads lanzadas después de la fecha de entrenamiento del modelo.

La principal ventaja de la auditoría de PMax en ChatGPT es la velocidad. Lo que a un especialista le toma medio día (clasificar frases, consolidar canales, recalcular proporciones), el modelo lo hace en 10 minutos. El tiempo liberado es mejor invertirlo en la interpretación y la toma de decisiones.

ChatGPT responde con seguridad, incluso cuando se equivoca. Cualquier número de su respuesta en el que vayas a basarte para cambiar pujas, presupuesto o excluir un canal, verifícalo en la cuenta o en la hoja de cálculo original. Toma un minuto y a veces ahorra decenas de miles de grivnas.

¿Se le puede confiar a ChatGPT la auditoría de una cuenta publicitaria?

Una pregunta que hace casi todo el que intenta por primera vez un análisis de campaña de Performance Max a través de ChatGPT. La respuesta se puede dividir en dos partes: seguridad y calidad de las conclusiones.

Seguridad y anonimización de datos

En las exportaciones de Google Ads no hay datos personales, solo estadísticas publicitarias. Pero sí hay información comercial: tu marca, catálogo, precios y volumen de ventas. Si trabajas con un cliente bajo un acuerdo de confidencialidad (NDA) o simplemente no quieres entregar los datos de la cuenta a servidores de terceros, anonimízalos antes de subirlos:

• reemplaza el nombre de la marca por uno ficticio (“Marca A”) y haz una función de reemplazar en las consultas de búsqueda; de lo contrario, el análisis del tráfico de marca perderá sentido;
• elimina las columnas con URLs si contienen dominios y productos reales;
• los montos se pueden convertir a unidades ficticias o multiplicarlos por un coeficiente (las proporciones para el análisis se mantendrán);
• desactiva en la configuración de ChatGPT el uso de tus chats para el entrenamiento (la opción “Mejorar el modelo para todos” o similar, según la versión de la interfaz).

Ejemplo. Tienes una tienda en línea de cosméticos con una facturación de 800 000 grivnas al mes. Las consultas del tipo “comprar suero [marca de la tienda]” se convertirán en “comprar suero brand_x” después del reemplazo automático. Para la red neuronal seguirán siendo claramente búsquedas de marca, y la competencia no descubrirá nada valioso incluso si hay una filtración.

Calidad de las conclusiones

La red neuronal no conoce tu negocio. Verá que Display dio un ROAS de 0,8 y sugerirá limitarlo. Pero tal vez Display atrae a nuevos compradores que luego regresan a través de una búsqueda de marca, y su utilidad real es mayor. Por lo tanto, el papel de ChatGPT en la auditoría es el de un analista en prácticas que calcula rápido y propone hipótesis. La decisión final sigue siendo tuya.

La regla es simple: la inteligencia artificial encuentra, el humano verifica y decide.

¿Qué informes exportar de PMax para el análisis de la campaña en ChatGPT?

Sin las exportaciones correctas, ninguna auditoría de Google Performance Max con IA funcionará; el modelo empezará a inventar. Reúne este conjunto de datos para un mismo período (generalmente de 30 a 90 días, dependiendo del volumen de tráfico).

Informe de rendimiento por canales

La exportación más importante. Hace relativamente poco, Google habilitó el desglose de los resultados de PMax por canales. Encuéntralo en la sección de informes. Exporta el costo, los clics, las impresiones, las conversiones, su valor, el CTR y el CPC para cada uno.

Es precisamente aquí donde más a menudo se descubre que entre el 35 % y el 50 % del presupuesto se destina a video y display con cero ventas, mientras que la Búsqueda y Shopping generan todos los resultados.

Estadísticas de términos de búsqueda

El informe de “Términos de búsqueda” se ha vuelto completo: con frases reales, y no solo categorías. Exporta el período más largo posible: entre 90 y 120 días dan una imagen estadísticamente confiable. Las columnas son las mismas que para los canales, más la consulta en sí.

¿Tienes campañas de búsqueda activas en paralelo? Exporta también su informe de palabras clave. Esto permitirá encontrar cruces y canibalización.

Informe por grupos de recursos

En la sección de recursos (assets), toma las estadísticas de cada grupo con el mismo conjunto de métricas. También el nivel de rendimiento de cada recurso (“Bajo”, “Bueno”, “El mejor”). Los niveles de rendimiento no siempre se exportan correctamente en CSV; a veces es más fácil copiar la tabla directamente desde la interfaz y pegarla como texto en el chat.

Informe de productos (para comercio electrónico)

El informe de productos del feed: ID, título, estado y métricas estándar. Si en el feed hay 2000 artículos, la exportación será grande; esto es normal, ChatGPT digiere decenas de miles de filas a través de su análisis de datos integrado.

Informe de ubicaciones

Muestra los sitios web y las aplicaciones donde se mostraron los anuncios, y las impresiones de cada uno. Google no muestra los costos ni las conversiones ahí, pero incluso la lista de ubicaciones con la cantidad de impresiones permite limpiar juegos móviles, aplicaciones infantiles y otra basura.

Exportaciones adicionales

• Estadísticas demográficas (edad, sexo) y por dispositivos (desde la sección “Estadísticas”).
• Informe geográfico (regiones y ciudades).
• Historial de cambios: para que la red neuronal asocie las caídas con modificaciones específicas.
• Capturas de pantalla o descripción en texto de la configuración: estrategia de ofertas, ROAS/CPA objetivo, presupuesto, si está activada la expansión de la URL final, qué señales y temas de búsqueda están configurados, y si se ha excluido la marca.

Guarda todos los archivos en formato CSV. Los archivos de Excel con celdas combinadas y formato se leen peor.

Cómo hacer una auditoría de Performance Max a través de ChatGPT: checklist detallada

Ahora, la secuencia. El orden no es casualidad: si en el primer paso resulta que las conversiones se están midiendo mal, el resto del análisis pierde sentido.

Verificación de los cimientos: conversiones y período de aprendizaje

Sube las estadísticas generales por día y describe la configuración. Pídele al modelo que verifique:

• si hay picos repentinos de conversiones con un gasto estable (señal de duplicación o de una etiqueta rota);
• si la tasa de conversión aproximada coincide con la norma del nicho (para una tienda en línea es del 1 % al 3 %; para leads B2B, del 3 % al 10 %. Si los números son mucho más altos, lo más probable es que se esté contando algo de más, como las visitas a la página de “Contacto”);
• cuántas conversiones se acumulan en un mes (con menos de 30, el algoritmo no saldrá del período de aprendizaje, y cualquier análisis posterior será el de un sistema a medio entrenar);
• si el presupuesto o el ROAS objetivo han cambiado en más de un 20 % a 30 % (cada ajuste de este tipo reinicia el aprendizaje).

A dónde va el dinero: análisis de canales

Toma el informe de canales. El prompt puede ser este: “Calcula los porcentajes de gasto y del valor de las conversiones para cada canal. Destaca aquellos donde el primer porcentaje supere al segundo en más de 1,5 veces. Para cada canal problemático, sugiere qué se puede hacer dentro de las limitaciones de PMax”.

La red neuronal generará una tabla y, lo más probable, señalará el video o Display. A partir de ahí, entra tu interpretación. Si el objetivo es el reconocimiento de una marca nueva, los gastos en YouTube están justificados. Si el objetivo son las ventas con un ROAS de más del 400 %, el video con un retorno del 50 % debe limitarse: excluyendo la marca, eliminando los recursos de video (entonces Google generará su propio video, lo cual es aún peor; es mejor subir al menos un video sencillo y monitorear su porcentaje), o ajustando la rentabilidad objetivo.

Tráfico de marca y canibalización

A Performance Max le encantan las búsquedas de marca: son baratas y convierten excelente, por lo que el algoritmo se las apropia gustosamente. En el papel todo se ve muy bien, pero en la realidad, la publicidad está captando a personas que de todas formas iban a comprarte.

Pídele al modelo que separe las búsquedas de marca de las que no lo son (proporcionando una lista de variaciones de escritura, incluyendo errores y versiones sin caracteres especiales). Luego, que recalcule el ROAS y el CPA por separado para ellas.

Un escenario típico: ROAS general del 700 %, búsquedas de marca con 2500 %, y búsquedas sin marca con 180 %. Resulta que la eficacia real para atraer nuevos clientes es tres veces peor de lo que parece. La solución es excluir la marca a nivel de campaña y dirigir ese tráfico con una campaña de búsqueda independiente con pujas bajas.

Si hay una campaña de búsqueda activa en paralelo, añade sus palabras clave. El prompt: “Encuentra frases por las que PMax recibe impresiones y que coincidan exactamente con una palabra clave en la campaña de búsqueda. Compara el CPC y el CR para cada una”. Así se detecta la canibalización: una situación donde dos campañas compiten y tú pagas el doble.

Analizar los términos de búsqueda y recopilar palabras clave negativas

La parte más gratificante al hacer una auditoría de PMax en ChatGPT: el volumen de trabajo es enorme, pero las reglas son claras.

Primero, pide que divida las consultas en clústeres semánticos: comerciales objetivo, informativas (“cómo elegir”, “cuál es la diferencia”), no relevantes (otros productos, de segunda mano, gratis, empleos), de la competencia, y de marca. Luego, que consolide los costos y las conversiones por cada clúster.

A continuación, los n-gramas: “Extrae unigramas y bigramas, y calcula el costo total y las conversiones para cada uno. Muestra los 30 n-gramas con más gasto y cero ventas”. Esto te da candidatos listos para ser palabras clave negativas a nivel de campaña (esta opción ya está disponible en PMax y vale la pena usarla).

No excluyas todo indiscriminadamente en la primera exportación. Una búsqueda de “colchones baratos” con 15 clics y cero ventas en un mes no dice nada todavía si el CR promedio es del 2 % (estadísticamente se esperaban 0,3 ventas). Pero “colchones usados” con 200 clics y cero ventas ya es un candidato seguro.

Añade esta condición: “Sugiere como palabras clave negativas solo aquellos n-gramas donde el número esperado de conversiones (con el CR promedio) sea mayor a 2 y el número real sea cero”.

Análisis de los grupos de recursos

Aquí se necesitarán las estadísticas de los grupos y el rendimiento de los recursos. Qué debes pedir que verifique:

• la variación del CTR entre grupos (una diferencia de 2 a 3 veces con temáticas similares es un motivo para revisar las creatividades del grupo más débil);
• grupos con un nivel de rendimiento “Bajo” en títulos o imágenes (el modelo creará una lista de reemplazos);
• la correspondencia de la estructura de los grupos con la estructura del catálogo (tener un solo grupo de “Todos los productos” para una tienda con 15 categorías es casi siempre un error; los anuncios resultan vagos);
• grupos sin video (Google creará el suyo, generado automáticamente a partir de imágenes, y a menudo se ve mal);
• el gasto del grupo en relación con su aporte al valor total de las conversiones.

Un prompt aparte para los recursos en sí: pega el texto de los títulos y descripciones con sus niveles de rendimiento y pide que sugiera 5 nuevas opciones al estilo de los “Mejores” y que explique en qué se diferencian los “Bajos” de los “Mejores”. Suele descubrirse que los títulos débiles son genéricos (“Productos de calidad”, “Buenos precios”), mientras que los fuertes son específicos (“Entrega en Bogotá en 2 horas”, “Garantía de 24 meses”).

Señales de la audiencia y temas de búsqueda

Aquí no hay exportación, solo la descripción de la configuración. Describe qué señales de la audiencia se han establecido (listas de clientes, visitantes del sitio, segmentos personalizados por palabras clave, intereses), qué temas de búsqueda se han añadido y muestra las consultas reales.

El prompt: “Compara los temas configurados con las búsquedas reales. ¿Qué temas no se reflejan en ellas? ¿Qué clústeres con buen rendimiento no están cubiertos por los temas? ¿Qué señales podría añadir basándome en lo que realmente convierte?”.

La red neuronal suele sugerir cosas obvias que se pasan por alto: por ejemplo, se configuró la señal “interés en remodelación”, pero las búsquedas que convierten son sobre “electricidad para el hogar”. Esto significa que una señal con un segmento personalizado basado en esas frases será más precisa.

Feed de productos

Para el e-commerce, esto a veces es más importante que todo lo anterior. Tareas para el informe de productos:

• encontrar productos con un gasto alto y un retorno inferior al objetivo (candidatos para excluir o pasar a una campaña separada con un objetivo menor);
• calcular el porcentaje de artículos que no tienen impresiones en absoluto (si el 60 % del feed está “dormido”, el problema está en los títulos, atributos o en un sesgo del presupuesto a favor de los más vendidos);
• detectar artículos con un CTR alto pero una conversión baja (probablemente el problema esté en la página: sin stock, precio por encima del mercado, malas fotos);
• analizar los títulos: si contienen códigos de referencia en lugar de palabras claras, si incluyen la marca, el tipo de producto y sus características principales.

Para el propio feed (o una parte de él), el modelo propondrá una plantilla de títulos. Por ejemplo, en lugar de “Ref. 4521 Az.” sugerirá “Mochila urbana Brand X 25 L, azul, con compartimiento para laptop 15″”.

Ubicaciones, demografía, geografía

Tres verificaciones rápidas para terminar:

1. Ubicaciones: pide que destaque las aplicaciones (filas con “mobileapp::”), contenido infantil y de juegos, y sitios web con dominios sospechosos. Sube la lista resultante a las exclusiones a nivel de cuenta.
2. Demografía de la audiencia: compara el rendimiento por edad y sexo. Si el 25 % del presupuesto se va en el segmento de 18 a 24 años con un CPA tres veces mayor que el promedio, y el producto es un electrodoméstico caro, es un argumento para revisar las señales (no hay exclusiones demográficas directas en PMax, pero las señales influyen).
3. Geografía: regiones con gasto pero sin resultados. Para países grandes suele pasar: la segmentación está configurada para todo el país, pero el 70 % de los pedidos provienen de la capital y sus alrededores, mientras que el dinero se distribuye de manera más uniforme.

Prompts de ChatGPT para la auditoría de Performance Max

A continuación, plantillas listas para usar. Sustituye los corchetes por tus valores. Es mejor enviar cada plantilla en un mensaje separado después de subir el archivo correspondiente, y no todo a la vez; de esta manera, las respuestas serán más precisas.

Prompt inicial (contexto para toda la sesión)

«Eres un especialista en Google Ads con experiencia en la auditoría de campañas de Performance Max. Subiré exportaciones de datos de la cuenta y te haré preguntas. Negocio: [tienda en línea de artículos para el jardín, Ucrania, ticket promedio de 1800 grivnas, margen del 35 % aprox.]. Objetivo: [ROAS no menor al 500 %]. Período: [1 de agosto – 31 de octubre]. La marca se escribe como [Brand X, brandx, brand-x]. Responde de manera específica, con cifras de los archivos y sin consejos abstractos. Si no hay suficientes datos para llegar a una conclusión, dímelo directamente».

Prompt para el informe de canales

«En el archivo está la estadística por canales. Calcula para cada uno: el porcentaje de gasto, el porcentaje de valor de conversión, ROAS y CPA. Haz una tabla. Resalta aquellos donde el ROAS sea un 30 % o más inferior al objetivo. Para cada uno, explica qué herramientas dentro de PMax pueden reducir su participación en el gasto, y estima cuánto aumentará el retorno general si se redistribuye ese dinero hacia los mejores canales».

Prompt para los términos de búsqueda

«El archivo contiene los términos de búsqueda. Sigue este orden: 1) divídelos en búsquedas de marca y sin marca (marca: [variaciones]); 2) calcula su ROAS, CPA y CR; 3) divide la parte sin marca en 5 a 7 clústeres semánticos y consolida el gasto y las conversiones de cada uno; 4) construye n-gramas (de 1 y 2 palabras) y muestra los 30 más costosos sin conversiones; 5) sugiere palabras clave negativas a nivel de campaña, pero solo para aquellos n-gramas con más de 2 conversiones esperadas y cero reales. Muestra los resultados en una lista lista para copiar».

Prompt para los grupos de recursos

«En la tabla están las métricas por grupos. Abajo, en formato de texto, están los títulos, las descripciones y sus niveles de rendimiento. Compara los grupos entre sí y encuentra los más débiles en CTR y retorno. Para el grupo [nombre], explica en qué se diferencian los títulos con rendimiento “Bajo” de los de rendimiento “El mejor”, y escribe 8 nuevas opciones de hasta 30 caracteres y 4 descripciones de hasta 90 caracteres al estilo de los mejores, en español».

Prompt para el feed

«El archivo contiene estadísticas de productos de 90 días. Encuentra los productos: con un gasto superior a [500 grivnas] y un ROAS inferior al [300 %]; sin impresiones; y con un CTR superior al promedio pero con una tasa de conversión de la mitad o menos que el promedio. Sugiere una acción para cada caso. Además, evalúa la calidad de los títulos: indica los 10 peores y reescríbelos usando la plantilla “Tipo de producto + marca + característica principal + variante”».

Prompt para el informe final

«Basándote en todo el análisis de esta conversación, redacta una conclusión final de la auditoría: 1) los tres problemas principales con una estimación de las pérdidas de dinero en el período; 2) una lista de 10 acciones prioritarias (desde las de mayor impacto hasta las menos importantes), indicando en qué parte de la interfaz de Google Ads se realizan; 3) qué es necesario revisar manualmente debido a la ambigüedad de los datos; 4) qué métricas deben monitorearse 2 y 4 semanas después de los cambios».

Errores típicos al auditar Google Performance Max con IA

Algunas cosas en las que se equivocan incluso los especialistas experimentados cuando intentan por primera vez una auditoría de PMax a través de una red neuronal.

1. Subir todo en un solo archivo y con un solo prompt. El modelo pierde el contexto, confunde las columnas de diferentes tablas y produce un desastre. Un informe = un paso = un prompt.
2. Creer en los números sin verificarlos. La red neuronal puede sumar una columna por error o interpretar mal el separador decimal (una coma en lugar de un punto es un clásico en las exportaciones de algunas interfaces). Pídele al modelo que te muestre las primeras 5 filas tal como las leyó antes de empezar a analizar.
3. No darle el contexto del negocio. Sin información sobre el margen, el ticket promedio y el objetivo, ChatGPT evalúa todo basándose únicamente en el retorno formal. Pero un ROAS del 300 % para un producto con un margen del 60 % es excelente, mientras que con un margen del 15 % es una pérdida.
4. Excluir basándose en períodos cortos. 7 días de estadísticas en PMax no son casi nada. El algoritmo distribuye las impresiones de manera desigual, y una búsqueda que hoy no generó conversión podría traer tres pedidos en una semana.
5. Aplicar todas las recomendaciones a la vez. Si excluyes la marca, añades 200 palabras clave negativas, cambias el objetivo de ROAS y vuelves a subir la mitad de los recursos creativos todo al mismo tiempo, la campaña entrará en fase de aprendizaje y no sabrás qué fue lo que funcionó. Realiza los cambios por etapas con un intervalo de 1 a 2 semanas.
6. Pedirle a la red neuronal que “revise la campaña” sin especificar qué exactamente. Un prompt vago produce una respuesta igual de vaga. Cuanto más específica sea la pregunta, más útil será el resultado.

¿Cómo transformar los resultados de la auditoría en un crecimiento de las métricas?

Una auditoría por el simple hecho de hacerla no le sirve a nadie. Una vez que el análisis de la campaña de Performance Max a través de ChatGPT haya identificado los problemas, organiza la implementación.

Primera etapa: lo que no afecta el aprendizaje del algoritmo. Exclusión de ubicaciones basura, reemplazo de recursos con bajo rendimiento, corrección de títulos en el feed, adición de palabras clave negativas para basura evidente (empleos, usados, gratis). Estos cambios se pueden hacer inmediatamente y en cualquier cantidad.

Segunda etapa (después de 1 a 2 semanas): cambios estructurales. Exclusión de la marca, reorganización de grupos por categorías, adición o reemplazo de señales de audiencia y temas de búsqueda. Aquí es de esperar una ligera caída de rendimiento durante 5 a 10 días.

Tercera etapa: ajuste del ROAS o CPA objetivo, redistribución del dinero entre campañas. No cambies el objetivo en más de un 15 % a 20 % cada vez.

La optimización de Performance Max con ayuda de una red neuronal funciona bien mediante iteraciones regulares. Una vez cada quince días: una nueva exportación de búsquedas y canales, el mismo conjunto de plantillas, y una comparación con el período anterior. ChatGPT es excelente para responder a preguntas como: “aquí están los números de octubre y de noviembre: ¿qué ha cambiado y está relacionado con los ajustes del historial de cambios?”. Después de 2 a 3 ciclos, entenderás qué palancas funcionan en tu campaña en particular y cuáles no.