Caso: vendemos productos para automóviles a través de Performance Max

¡Hola a todos! Me llamo Yana Lyashenko, soy logista de Google. Hoy quiero analizar uno de los casos de nuestro equipo. Les digo de inmediato: este material es más bien para quienes les gusta meterse en los números, entender la analítica y llegar al fondo de por qué Performance Max da exactamente estos resultados y no otros. Aunque, si simplemente buscas ideas frescas para tus campañas publicitarias, seguramente también encontrarás algo útil aquí.

El formato será poco habitual. No me voy a jactar de métricas astronómicas ni a dibujar gráficos bonitos de crecimiento. En cambio, quiero mostrar con un ejemplo concreto que las acciones del especialista en la cuenta publicitaria no son un conjunto de experimentos aleatorios ni pruebas de hipótesis al azar de “a ver si funciona”. Detrás de cada decisión hay lógica y argumentación, respaldada por datos.

Y esto es por qué es importante. En el nicho de autopartes, entre algunos especialistas existe la opinión de que un buen resultado es simplemente suerte o un pico estacional de demanda. Dicen: llega la temporada, las ventas suben, se va, caen, y el especialista no tiene nada que ver. Con este caso quiero mostrar lo contrario: cómo las acciones concretas en la cuenta se correlacionan directamente con el resultado, y que no todo se atribuye a la estacionalidad o la casualidad.

¿Qué período analizamos?

El tramo principal para el análisis es aproximadamente desde el día cinco en adelante. Esta es la etapa en que la cuenta ya pasó las primeras pruebas y comenzó a funcionar de manera más estable. El punto de partida es el día 17: fue entonces cuando lanzamos nuevas campañas, hicimos ajustes clave y de hecho comenzamos el acompañamiento completo del proyecto. Por eso todas las comparaciones las haré con respecto a esta fecha.

¿Qué compras se registraron para la estadística?

En este proyecto seguíamos las compras, y aquí hay un matiz importante sobre cuáles exactamente. Antes de que comenzara nuestro acompañamiento, en la cuenta se usaba el objetivo purchase de Google Analytics 4 (GA4). Combinaba dos tipos de pedidos: los hechos a través del carrito y la compra en un clic. La lógica es clara: en ambos llega un buen volumen de pedidos, por lo que decidieron contarlos juntos, como una sola conversión.

Pero precisamente con este caso quiero mostrar cuál es el punto débil de este enfoque: por qué la conversión de GA4 funciona peor que la etiqueta de compra separada. Y lo interesante es que incluso con los modelos de atribución modificados que se usan ahora, el cambio a la etiqueta de compra da un efecto positivo notable, incluso en ese mismo objetivo purchase de la cuarta analítica. Más adelante lo mostraré con números.

Configuramos por separado el registro de la compra a través del carrito y la compra en un clic, específicamente para separar estos flujos y ver la estadística de cada uno. Para ambos objetivos conectamos el ETC (seguimiento mejorado de conversiones), lo que da datos más precisos para la optimización.

Breve revisión de los períodos de trabajo del cliente y el acompañamiento

Ahora repasemos la cronología: muestro con datos reales para que no piensen que estoy inventando números bonitos de la cabeza.

El costo promedio general por conversión para todo el período considerado es de 2,76 mil UAH. Si miramos el gráfico, hasta cierto punto al cliente le iba bastante estable: las conversiones se mantenían sin caídas graves. El costo objetivo promedio por conversión oscilaba entre 100–136 UAH: unos 113, otros 125, a veces bajaba a 100 UAH. Métricas bastante funcionales.

Luego el cliente intentó cambiar algo por su cuenta, y comenzó el caos. En el gráfico se ve claramente: los datos se movieron, la estructura se rompió. Y justo después de eso comenzó nuestro acompañamiento.

Al inicio lanzamos con un costo por conversión más o menos comparable a los períodos iniciales. Al mismo tiempo, obtuvimos un poco más de conversiones en unidades. Intentamos hacer el llamado “tiro” — una prueba agresiva de escalado — pero resultó inefectivo, lo que se ve bien en el gráfico. En ese período obtuvimos 45 purchase, y para comparar: en uno de los tramos estables anteriores había 44, pero ahora — notablemente más barato.

Más adelante la situación se niveló, hubo otro tiro, y en este momento los datos se han estabilizado — las métricas están alcanzando un excelente nivel.

Y esto es lo importante: esas 50 conversiones (sales) que ves en el último período son conversiones completas, “enteras”. No valores fraccionarios como 0,3 o 0,7 que había antes.

¿De dónde salían esas conversiones “medio”? Es una característica del conteo a través de GA4: la cuarta analítica distribuye el valor de la conversión entre varios canales según su modelo de atribución, y al final no ves 1 conversión, sino, digamos, 0,4 aquí y 0,6 allá. Con la etiqueta de compra no existe este problema: una compra = una conversión. En qué consistía exactamente el problema de estas conversiones fraccionarias y cómo afectaba la optimización — lo contaré más adelante.

El efecto del trabajo de la cuarta analítica

El análisis básico de resultados lo construyo con datos de Google Analytics 4, y esto es por qué. El objetivo purchase de la cuarta analítica es el único que existió en la cuenta de manera continua, mes tras mes. Por eso solo con él se pueden comparar períodos correctamente entre sí. Registré estos datos en la columna “All Conversions” (Todas las conversiones).

¿Qué períodos comparamos? El primero, del 15.05 al 16.06; el segundo, del 17.06 al 19.07. Además, el 19.07 es aún un tramo incompleto, por lo que no se debe confiar completamente en él, pero complementa la imagen general.

¿Qué vemos en los números? El crecimiento de conversiones purchase es notable, y el costo por conversión en el nuevo período salió notablemente más barato. Y esto lo vemos solo en purchase de GA4 — si agregamos aquí la compra en un clic (que, por cierto, rehicimos y corregimos para que funcionara correctamente) y la etiqueta de compra, la imagen se vuelve aún más interesante.

Si sumamos todos estos objetivos, la cantidad total de conversiones será un poco más de lo que muestra purchase por separado. Pero en realidad, el cliente tenía pedidos significativamente más de lo que registraba la analítica. De conversiones “sucias” se acumulaban bastante, y de “limpias” — alrededor de 1 500 unidades hasta el 14 de julio. Yo muestro datos hasta el día 18, específicamente para que veas cómo todo esto afecta la imagen general. Más adelante lo explicaré con más detalle.

Configuración del seguimiento mejorado, etiqueta de compra y estabilización del declive

¿Qué tareas teníamos al inicio? Primero, configurar el seguimiento mejorado de conversiones y la etiqueta de compra, para que los datos se transmitieran correctamente y Performance Max obtuviera el máximo de “contenido” para el aprendizaje. Segundo, detener el declive de resultados que ya había comenzado antes de nuestro acompañamiento. Es decir, no fuimos nosotros quienes rompimos algo: el apagado ya iba en el momento de la transferencia de la cuenta.

Se veía así: la cantidad de conversiones caía, en algún momento quedaban solo 12 por período, el costo por conversión se disparaba abruptamente, y luego estas “subidas y bajadas” solo se intensificaban.

¿Qué podía causar tal declive? Hay varias razones, y a menudo se superponen. Por ejemplo, los clics en la cuenta eran suficientes, pero el modelado de conversiones automático en este proyecto específico funcionaba incorrectamente. Es posible que GA4 misma también fallara — Google la mejora constantemente, y en el proceso puede dar errores. Además, la cuarta analítica en general no siempre es adecuada para el seguimiento preciso y la escalada de resultados en la mayoría de las cuentas.

¿Cómo verificar que el problema está realmente en esto? Armé un informe especial en el editor de informes de Google Ads. La estructura es simple: tomé “Acción-conversión”, el identificador de la posición de producto (Item ID), dividí los datos por días y filtré solo purchase de todas las conversiones. El período de comparación lo igualé: 15.05–14.06 contra 17.06–18.07 — tramos aproximadamente iguales en duración.

¿Por qué muestro específicamente en purchase? Porque en la etiqueta de compra esta diferencia no es tan evidente. Pero se ve otra cosa: qué tan positivamente influye el trabajo competente con campañas publicitarias en el resultado general. GA4 “no nota” muchas ventas cruzadas y pedidos complementarios, mientras que la etiqueta de compra las registra. Precisamente por eso sigue siendo el mejor tipo de conversión para Performance Max, y da significativamente más analítica útil para la toma de decisiones.

En el momento de la grabación teníamos solo un mes de acompañamiento. En este mes intentamos abordar de manera bastante agresiva los problemas acumulados. No siempre se logra a la primera, pero cuanto más tiempo se maneja la cuenta, más estable es el resultado.

Y esto es importante entender: las fluctuaciones y saltos en las campañas publicitarias de Google son normales. La herramienta publicitaria de Google no es estática, cambia constantemente. Y “constantemente” no es una vez cada seis meses o una vez al año. Son actualizaciones muy frecuentes.

Solo la política de verificaciones en Google Merchant Center cambia aproximadamente una vez por trimestre, o incluso más seguido — no me sorprendería si es una vez al mes. ¿Qué decir de los propios algoritmos publicitarios, en los que está integrada la inteligencia artificial? Por eso hay que estar preparado para los ajustes regulares: es parte del trabajo, no la excepción.

Vamos a entender el problema clave al que quiero llamar tu atención. El modelo de atribución de Google Analytics 4 es lo que a menudo impide que Performance Max funcione a pleno rendimiento. Incluso si, al parecer, todo está configurado correctamente.

Por cierto, el 12 de julio en la cuenta del cliente se estableció el modelo de atribución “último clic” solo para canales pagados. Pero incluso eso resultó insuficiente para que Performance basado en la cuarta analítica funcionara correctamente. A pesar de que en la cuenta funcionaban exclusivamente campañas Performance Max, sin ningún otro tipo.

¿Cómo determinar la cantidad real de pedidos?

Para mostrarte cuántos pedidos completos realmente genera Performance, formé un informe del período anterior. La tarea era ver la imagen real, no la que dibuja GA4 con sus conversiones fraccionarias.

¿Qué hice? Tomé el informe por Item ID, filtré solo purchase y puse la condición “más de una conversión” por cada posición de producto. Este filtro puedes reproducirlo fácilmente en tu cuenta y verificar. En esencia, es un filtrado de los llamados “no-colas largas” — productos que se venden de manera estable y hacen más de una conversión por período.

¿Qué resultó en el período anterior (antes de nuestro acompañamiento)? Con el filtro “más de una conversión” — 725,56 conversiones. Sí, aquí todavía están presentes estos valores medios de GA4, y de hecho son muchos. Si quito el filtro completamente, el sistema muestra ya 887 conversiones. La diferencia entre 887 y 725 son 162 conversiones que el sistema sumó como resultado positivo, cuando de hecho es “ruido” de la atribución fraccionaria.

En períodos anteriores las campañas funcionaban con mecánicas completamente diferentes: otro modelo, otro enfoque de escalado y ajustes. Nuestra tarea era: intentar escalar las campañas publicitarias dentro de los KPI existentes, aumentar el volumen en unidades y llegar a cifras más grandes, de las cuales se puede partir en el trabajo futuro.

Ahora aplico el mismo filtro — “más de una conversión”, el mismo objetivo purchase — pero ya al período nuevo, cuando las campañas funcionaban según el esquema actualizado. Resultado: 1 149 conversiones (incluso contando las medias). Al mismo tiempo, los valores medios se volvieron notablemente menos: esto ya indica que los datos se volvieron más limpios.

Y ahora una aritmética simple. Eran 725 conversiones, ahora son 1 149. Dividimos 725 entre 1 149, obtenemos aproximadamente 63%. Entonces, el crecimiento fue de alrededor del 36,6%. Y esto es con las mismas reglas de selección, con las mismas medias, pero en posiciones de producto que muestran estabilidad de período a período.

Esto es lo interesante: si miras las cifras generales en la interfaz de la cuenta publicitaria, el crecimiento parece un modesto 27%. Pero en realidad, cuando profundizas y analizas por posiciones de producto, es de al menos 35%, o incluso más. La cuarta analítica simplemente “difumina” el resultado con su modelo de atribución, y no ves la imagen completa.

Para una comparación correcta igualé los períodos: 15.05–14.06 (antes del acompañamiento) y 17.06–18.07 (después del lanzamiento de las nuevas campañas). Se permite un pequeño desplazamiento de uno o dos días: lo importante es que los tramos sean aproximadamente iguales en duración. Precisamente en esta comparación se basa la evaluación objetiva de la efectividad de Performance Max en este proyecto.

Comparación del resultado en el costo por conversión

Ahora lo más interesante: calculemos cuánto realmente costó cada conversión. Porque el crecimiento en unidades es genial, pero sin vincularlo a los gastos la imagen está incompleta.

Tomamos los datos de gastos (costs) y conversiones para ambos períodos. Un momento importante: los gastos son el dinero real gastado en publicidad, el modelo de atribución no influye en ellos. Lo que Google Ads cobró, eso se fue, aquí no hay valores fraccionarios ni trucos.

Calculamos para el período anterior (antes del acompañamiento): el gasto fue de 104 447,42 UAH, las conversiones (esas mismas “no-colas largas” con filtro de más de una) — 725 unidades. Dividimos: 104 447 / 725 = 144 UAH por conversión. Recordamos esta cifra.

Ahora el período nuevo (después de la reconstrucción de campañas): gasto — 135 757 UAH, conversiones — 1 149. Dividimos: 135 757 / 1 149 = 118 UAH por conversión.

Comparamos: 118 / 144 = 0,82. Menos uno — obtenemos una reducción del costo por conversión del 18%. Y esto con que el volumen de conversiones creció un 35%.

Todo este cálculo lo hice exclusivamente por purchase de GA4, sin contar la etiqueta de compra, que en períodos anteriores aún no estaba configurada. Por eso por etiqueta esta comparación simplemente no se puede hacer. Pero incluso con los datos de la cuarta analítica con sus conversiones fraccionarias se ve: las unidades crecieron un 35%, y el costo por conversión bajó.

Entiendo que el análisis parece bastante simple, y en algún lugar los números no son perfectamente redondos. Pero el resultado no es menos demostrativo por eso. Además, ten en cuenta: en el período nuevo estuvieron esos “tiros” — intentos agresivos de escalado, cuando el costo por conversión subía temporalmente, y luego había que bajarlo de nuevo. A pesar de estos saltos, el promedio final igual salió más barato.

Si miramos el tramo estable, aproximadamente del 5 al 6 de julio en adelante, allí el costo por conversión se niveló a 109 UAH, que prácticamente coincide con los mejores valores de períodos anteriores. Y esto es lo que además llama la atención: las conversiones en este tramo fueron con números más “enteros” — 36, 39, 40, 50 unidades.

Para comparar: antes constantemente aparecían valores fraccionarios como 0,4 o 0,7 — esto es consecuencia del modelo de atribución de GA4 y de cómo “difuminaba” las compras en un clic entre canales. Y ahora, por ejemplo, para el día 18 se registraron exactamente 50 conversiones, puras, completas. Esto confirma una vez más que el cambio a la etiqueta de compra y la separación de objetivos dan a Performance Max señales mucho más precisas para la optimización de campañas publicitarias.

¿Cuál es la desventaja de la cuarta analítica?

A pesar de que todo el análisis anterior lo construí con datos de Google Analytics 4, tiene una deficiencia seria que hay que conocer. Ahora mostraré con un ejemplo concreto qué es lo que la cuarta analítica pasa por alto, y por qué la etiqueta de compra de Google se desempeña significativamente mejor en esta tarea.

Para empezar necesitaremos un informe de ventas cruzadas. Formarlo no es difícil: entras al editor de informes de Google Ads, encuentras el bloque que se llama aproximadamente “Shopping — Productos vendidos” (Shopping — Products Sold), lo abres. Quito la columna “Product Title” para no saturar la pantalla: nos interesan más los identificadores de productos que sus nombres.

Lamentablemente, no se puede comparar este informe con el período anterior al inicio de nuestro trabajo. La razón es banal: en períodos anteriores los identificadores de productos en la cuenta no se resaltaban ni transmitían. Si eliges fechas antiguas, la columna de Item ID simplemente está vacía. Por eso trabajamos con lo que hay: período 21.06–18.07.

Imagina la situación: una persona hizo clic en la publicidad de un filtro de aceite, entró al sitio y finalmente compró no solo el filtro, sino también pastillas de freno. Las pastillas en este caso son una venta cruzada. El clic fue por un producto, pero se vendió también otro.

Pues bien, la etiqueta de compra en Google Ads ve y registra esta venta cruzada. Anota: “por esta posición de producto hubo una venta”, aunque el clic inicialmente fue a través de un producto completamente diferente. Y — lo crítico — usa esta información para la optimización posterior de las campañas publicitarias de Performance Max.

Y ahora verifiquemos qué mostrará la cuarta analítica. Tomo un ejemplo concreto: la posición de producto con identificador 14179. En el informe de Google Ads de ventas cruzadas está presente: se ve que hubo una venta por ella. Pero si acudo a GA4 e intento encontrar este mismo identificador para el mismo período, no hay conversiones por él en absoluto. Cero. Ni siquiera medias.

Intento a través del editor de informes de analítica: quito todos los filtros, ingreso el ID 14179, aplico — y de nuevo vacío. GA4 simplemente no ve esta venta.

Vamos más allá. Agrego al informe de Google Ads el desglose por días (parámetro “Day”), encuentro esta posición de producto y veo: la venta cruzada ocurrió el 26 de junio. Y en la analítica para esta fecha, nada. La venta fue, el cliente recibió el dinero, pero GA4 ni siquiera sospecha de esto.

Aquí radica la diferencia principal. La etiqueta de compra registra la imagen real de las ventas, incluyendo todos los productos complementarios que se compraron junto con el anunciado. La cuarta analítica no puede hacer esto: se apega al modelo de atribución y cuenta solo las ventas directas por las posiciones en las que se hizo clic. Todo lo que se vendió “de añadidura”, para ella como si no existiera.

Y esto es lo que significa en la práctica: cuando usas purchase de GA4 como objetivo principal para Performance Max, el algoritmo recibe datos incompletos. No sabe de parte de las ventas reales, por lo tanto, no puede optimizarse correctamente. La etiqueta de compra resuelve este problema: transmite a Performance la información completa, incluyendo las ventas cruzadas, y el algoritmo puede tomar decisiones más precisas sobre en qué productos y audiencias apostar.

¿Por qué es necesario hacer el trabajo correcto en la cuenta?

Precisamente por esto, cuando los especialistas aconsejan pasar de la cuarta analítica a la etiqueta de compra, tienen razón. Pero el cambio por sí solo no dará resultado si paralelamente no se hace un trabajo competente en la cuenta publicitaria de Google Ads.

Quizás suene poco modesto, pero no puedo dejar de destacar: el resultado que ves en este caso está hecho por las manos del equipo. No por el algoritmo, no por la estacionalidad, no por un feliz accidente. Detrás de cada número hay un trabajo concreto: ajustes de pujas, cambios en la estructura de campañas, exclusión de tráfico no relevante, filtrado de consultas de búsqueda, estructura correcta de Google Shopping — decenas de factores que en suma determinan con qué “contenido” alimentas a tu Performance Max.

A primera vista puede parecer que el resultado apareció como por sí solo. Primero el nivel básico, luego un salto, otro, y ya se esboza una dinámica positiva. Pero detrás de cada uno de estos saltos hay una acción concreta en la cuenta.

Para que esto no parezca una afirmación infundada, comparemos períodos concretos. Tomo el tramo 5–18 de julio: esta es la etapa después de hacer los ajustes principales, cuando las campañas salían a la estabilización. Y lo comparo con un tramo similar en mayo (5–18 de mayo), porque en mayo aún no había esas interrupciones y cambios caóticos que ocurrieron después.

Para que la comparación sea honesta, cuento solo por purchase de GA4, sin la etiqueta de compra, según el modelo antiguo. Pongo el filtro “mayor o igual a uno”, obtengo 410 conversiones para el período de julio (incluso con las medias). Si quito el filtro completamente, el sistema mostrará 487. Y si filtro por separado los valores fraccionarios (menor o igual a 0,99), veremos todos esos 0,5, 0,02, 0,3, que en suma dan 72 “conversiones”. De hecho esto es ruido del modelo de atribución, y las ventas reales son 410.

Por cierto, muestro todo paso a paso específicamente para que puedas reproducir este mismo análisis en tu cuenta y verificar.

Ahora lo más demostrativo: los gastos para los mismos períodos:

• Mayo (5–18 de mayo): gasto — 54 472 UAH, conversiones — 410. Costo por conversión: 54 472 / 410 = 132 UAH. Y esta es una cifra “sucia”: el costo real seguramente es aún mayor, porque entre esas 410 hay valores medios.
• Julio (5–18 de julio): gasto — 43 893 UAH, conversiones — 465. Costo por conversión: 43 893 / 465 = 94 UAH. También con medias, pero aquí son significativamente menos.

En total: el gasto bajó, las conversiones aumentaron, y el costo por conversión cayó de 132 a 94 UAH. Y esto es con los mismos datos de la cuarta analítica, con las mismas reglas de conteo. La diferencia no está en la metodología, sino en cómo exactamente se hizo la configuración y optimización de las campañas publicitarias en este período.

Análisis de los resultados de los ajustes

Incluso si tomamos este tramo relativamente estable, después de todas las pruebas y correcciones, hay que entender: en cuatro semanas de acompañamiento hacer un salto brusco y explosivo en los resultados es sumamente difícil. Sí, cuando se ha acumulado suficiente analítica, se puede intentar “romper el techo” con escalado agresivo. Pero, como ya vimos, estos intentos no siempre terminan en éxito.

¿Qué pasó en la práctica? Alrededor del 5 de mayo los clics cayeron, el costo de conversión subió, y hubo que retroceder a los parámetros anteriores. Armarse de paciencia, esperar la estabilización e introducir ya otras correcciones, más cuidadosas, puntuales.

¡Importante! Para la comparación elegí a propósito no el tramo más exitoso, sino específicamente el estable. No tomé el día 19, cuando el costo por conversión volvió a subir. Tomé un tramo más o menos parejo, y aún así salieron 132 UAH contando las conversiones fraccionarias. Y en el período de estabilización de julio, 94 UAH.

Ahora calculamos la diferencia: 94 / 132 = 0,71. Es decir, la reducción del costo por conversión fue de alrededor del 30%. Para comparar: cuando analicé el período general completo (desde el día 17 y las cuatro semanas anteriores), la reducción fue del 18%. Y aquí, en un tramo más limpio y estable, ya es del 30%. Y esto incluso contando los valores intermedios de 109 y 139 UAH, que aparecieron dentro del período. Comparé específicamente con ese tramo de mayo que se veía bastante decente, no con el peor, sino con el nivel de trabajo normal.

Conclusiones

El objetivo principal de este caso es mostrar que en la publicidad de Google Ads y el trabajo de Performance Max no hay casualidades. Sí, existen factores sobre los que el especialista no influye directamente. La estacionalidad, las fluctuaciones de demanda en ciertas categorías de productos, todo esto sin duda afecta la dinámica general, tanto para bien como para mal.

Pero mira esta cuenta: aquí no hay caídas bruscas, cuando las conversiones de repente se desploman a cero. La acumulación va suave: gradualmente crece la cantidad de conversiones, se estabiliza el precio. Para ver esto en proporciones iguales, tomemos, por ejemplo, una semana incompleta del 13 al 18. Aquí se registraron 202 conversiones (purchase, para los escépticos aclaro: sí, precisamente purchase, se puede verificar en la columna Conversions). Y el costo por conversión es de 98,19 UAH.

Así se ve un período de estabilización, cuando el especialista entiende con qué datos trabaja. Además, la analítica en Google Ads no es instantánea. No puedes mirar los números de hoy y sacar conclusiones: hoy puede haber notablemente menos conversiones, y pasado mañana, cuando los datos “se actualicen”, para los mismos días verás una imagen completamente diferente, mucho más completa. Un especialista competente sabe esto y sabe trabajar con ello: no se pánica por caídas temporales ni toma decisiones apresuradas basadas en datos incompletos.

Este es el caso que quería mostrarte. No sobre números astronómicos y capturas de pantalla bonitas, sino sobre que la configuración de Performance Max para autopartes es un trabajo sistemático, donde cada acción tiene una justificación, cada ajuste se basa en la analítica, y el resultado es consecuencia de la experiencia, no de la suerte.