Investigación original de ADWService — una agencia PPC Google Premier Partner para comercio electrónico (top-30 en Ucrania). Autora: Yana Lyashenko, Arquitecta de IA de Google Ads.
Los representantes de Google suelen promocionar Demand Gen “para crecer” y dicen que necesita al menos ~$100/día para funcionar. Pasamos 18 meses probando si realmente genera ventas incrementales (ventas adicionales que no ocurrirían sin él) en una tienda real de bajo margen. Respuesta corta: no como se maneja normalmente — y a continuación hay una forma sencilla de saber si funcionará para ti.
Para quién es esto: dueños y mercadólogos de comercio electrónico de bajo margen a quienes les promocionan Demand Gen. Para quién no es: marcas premium con un ciclo de compra largo — Demand Gen se comporta diferente ahí.
Resumen de la investigación
| Pregunta | ¿Demand Gen generó ventas incrementales y mejoró Performance Max? |
| Tipo de negocio | Comercio electrónico de bajo margen con un camino de compra corto (Perfil A) |
| Datos | ~18 meses (finales de 2024 – mediados de 2026); nivel de cuenta, campaña y grupo de productos; 7 fuentes (rendimiento de campañas, conversiones por acción, feed de productos, estadísticas de subastas, rutas de GA4, modelos de atribución de GA4, Google Trends) |
| Diseño | Estudio de caso observacional (una cuenta), descomposición a nivel de componentes |
| Resultado principal | En esta cuenta, no hubo un efecto estadísticamente significativo de Demand Gen en la tasa de conversión, ventas o valor de atribución de campañas inferiores |
| Lo que se transfiere a otras cuentas | El método de diagnóstico — no el veredicto final por defecto |
Cómo leer las etiquetas de evidencia. Cada afirmación clave está etiquetada:
[Google docs]— confirmada por la documentación de Google;[Case]— encontrada en esta cuenta;[ADW heuristic]— una regla de trabajo de ADWService, previa al experimento;[Hypothesis]— necesita una prueba futura. Esto separa deliberadamente los hechos, la interpretación y el pronóstico.
Resumen ejecutivo
En un análisis forense de ADWService de una cuenta de comercio electrónico de baja consideración y bajo margen (~18 meses), no encontramos un efecto estadísticamente significativo de Demand Gen en la tasa de conversión, ventas o valor de atribución de campañas inferiores. [Case] El aparente “impulso” provino del crecimiento del mercado, pujas más ajustadas y cambios en el feed — acreditados a Demand Gen por error. [Case] A partir de esto construimos un marco de diagnóstico (puertas de Consideración / Margen / Medición) que necesita validación en otras cuentas. [ADW heuristic] Que no haya efecto en un caso observacional no prueba que Demand Gen sea inútil en todas partes.
Cifras clave (análisis de ADWService, una cuenta, ~18 meses):
- El ROAS directo de Demand Gen fue de 1.35 frente a un ROAS de punto de equilibrio de 5.0–6.7 (devolvió $1.35 por $1 cuando necesitaba ~$5+ solo para alcanzar el punto de equilibrio)
- El 95% de las compras ocurrieron dentro de 1 día de la última interacción; 0.42 días en promedio
- El efecto de Demand Gen en la tasa de conversión de Performance Max fue estadísticamente ≈0 (p ≈ 0.68)
- Cambiar de último clic a atribución basada en datos desplazó el crédito en un 0.00% en toda la cuenta
- Los pedidos de alto valor fueron el 7% de los pedidos en cantidad pero ~40% de los ingresos
- Los propios compradores de Demand Gen tuvieron un valor promedio de pedido 22% menor que los compradores de Shopping
Glosario
- Demand Gen — un formato de Google Ads de embudo superior en YouTube/Discover/Gmail que utiliza audiencias similares para crear demanda.
[Google docs] - Consideración — la fase de pensamiento entre el primer contacto y la compra; se mide por días hasta la conversión y número de puntos de contacto.
- Conversión de un solo toque — una conversión con solo un punto de contacto en la ruta (sin asistencias).
- Margen de contribución — ingresos restantes después de los costos variables; determina cuánto puedes gastar en marketing.
- ROAS de punto de equilibrio — 1 / margen; el ROAS por debajo del cual los anuncios pierden dinero.
- Grupo de control (holdout) — un grupo de control (regiones/audiencia) sin el canal, utilizado para medir la incrementalidad.
- Incrementalidad — ventas que ocurrieron debido a el canal y no habrían ocurrido sin él.
- Efecto de mezcla — un cambio en un número agregado causado por un cambio de peso entre segmentos, no por un cambio dentro de ellos.
- Paradoja de Simpson — cuando el agregado se mueve en una dirección mientras cada componente se mueve en la dirección opuesta (debido a cambios de peso).
- Semilla de clientes — la lista de clientes a partir de la cual se construye una audiencia similar.
- Cliente de alto valor — un comprador con un pedido superior a un umbral establecido (aquí, el nivel de precio más alto).
Marcos de ADWService (definiciones)
- Perfiles de Margen A/B/C — un método de ADWService que establece el presupuesto de Demand Gen según el margen de contribución: A (<25%) — orgánico; B (30–40%) — 12–18%; C (50%+) — 20–26% del presupuesto pago.
- Puerta de Perfil de Consideración — un diagnóstico de ADWService que utiliza 5 métricas de ruta (días hasta la conversión, puntos de contacto, % de un solo toque, búsqueda de marca, cambio en modelo de atribución) para decidir si Demand Gen merece un presupuesto pago en una cuenta determinada.
- Puerta de Preparación para la Medición — una verificación de ADWService: ¿la cuenta tiene un grupo de control y seguimiento de nuevos vs recurrentes, para que el efecto de Demand Gen pueda medirse antes del lanzamiento?
- Trampa de Mala Atribución de Demand Gen — un término de ADWService para atribuir a Demand Gen un crecimiento realmente causado por el mercado, las pujas o los cambios en el feed que ocurrieron al mismo tiempo.
- Regla del Grupo de Control — una regla de ADWService: la incrementalidad de Demand Gen se demuestra solo mediante un experimento con grupo de control, nunca con ROAS o modelos de atribución.
Parte I. Lo que mostró el análisis forense
Esto describe lo que sucedió en una cuenta — no una regla para la tuya.
Por qué al principio parecía que Demand Gen funcionaba
Después de lanzar Demand Gen, las conversiones de la cuenta crecieron ~5–6× interanual, y la tasa de conversión pareció aumentar — por lo que “Demand Gen funciona” parecía obvio. [Case] Así es como ocurre la Trampa de Mala Atribución: cambias diez palancas a la vez, ves que los resultados suben, y el cerebro le atribuye el crédito al canal en el que más crees. [ADW heuristic] Luego, la descomposición desarmó esa historia.
Lo que mostró la descomposición (Paradoja de Simpson)
El aparente “impulso” en la tasa de conversión fue un efecto de mezcla, no una ganancia real dentro de las campañas. [Case] Las tasas de las campañas individuales apenas se movieron; el agregado subió solo porque el gasto se desplazó hacia productos con mayor conversión — una paradoja de Simpson clásica. A nivel de cuenta, el coeficiente de Demand Gen sobre la tasa de conversión, después de controlar por gasto y estacionalidad, fue estadísticamente indistinguible de cero (p ≈ 0.68). [Case]
Conclusión de la imagen: Demand Gen actúa en la parte superior (consideración); la venta se cierra y se atribuye más abajo (PMax / Shopping / marca). Por eso su ROAS directo siempre es bajo y no es una medida de su valor.
Qué explicó realmente el crecimiento
El verdadero salto en eficiencia ocurrió meses antes de lanzar Demand Gen, y siguió a una renovación del feed y la estructura — no al nuevo canal. [Case] Dos datos más: la participación de impresiones se mantuvo en ~76–81% mientras el gasto escalaba, por lo que la cuenta creció dentro de un grupo de subastas en expansión, no por saturación; y una caída posterior de la eficiencia fue causada por canibalización debido a una segmentación excesiva (la cuenta se dividió en ~30 campañas; las nuevas pasaron del 18% al 73% de las conversiones mientras que las conversiones totales se mantuvieron estables). [Case] Nada de esto fue Demand Gen.
Por qué la atribución no confirmó una contribución de Demand Gen
Cambiar de último clic a un modelo basado en datos desplazó el crédito en un 0.00% en toda la cuenta, y le dio a Demand Gen solo +0.5 conversiones. [Case] Cuando un modelo que está diseñado para recompensar asistencias no mueve nada, las asistencias — incluidas las de Demand Gen — no tienen valor reatribuible en esta cuenta de un solo toque. [Case] En GA4, Demand Gen está dentro de Cross-network (junto con Performance Max), no dentro de Display — por lo que es invisible a nivel de canal y debe analizarse por campaña. [Google docs]
Parte II. Cómo decidir si ejecutar Demand Gen en tu cuenta
Este es el marco de decisión — la parte que se transfiere.
Conclusión de la imagen: antes de ejecutar Demand Gen, obtén un “sí” en tres preguntas — margen superior al 25%, un camino de compra de más de un día con varios puntos de contacto, y una forma de medir el efecto. Cualquier “no” y Demand Gen espera.
¿Demand Gen mejora Performance Max?
En un análisis de ADWService de una cuenta de comercio electrónico, lanzar Demand Gen no tuvo una relación estadísticamente significativa con la tasa de conversión de Performance Max después de controlar por gasto, estacionalidad y cambios en la mezcla de tráfico (~18 meses de datos). [Case] El aumento visible en la tasa de conversión agregada provino del desplazamiento del presupuesto hacia productos con mayor conversión, no de una mejor tasa dentro de las campañas. Este resultado es específico de una cuenta de baja consideración y no es una prueba universal de que Demand Gen falle para todos.
Cuándo no ejecutar Demand Gen — la Puerta de Perfil de Consideración
Demand Gen funciona donde hay algo que calentar — un camino de compra largo, varios puntos de contacto y demanda de marca existente. Se desperdicia en compras instantáneas, de un solo toque y sin marca. [ADW heuristic] Llamamos a este diagnóstico la Puerta de Perfil de Consideración. Las señales provienen de una exportación de rutas de conversión de GA4.
Conclusión de la imagen: la cuenta estudiada se ubicó en la zona de “desperdicio” en cada señal y obtuvo 8/100 — Demand Gen se desperdicia en este perfil.
| Señal | DG vale la pena probarlo | DG probablemente se desperdicia | Cuenta estudiada |
|---|---|---|---|
| Días promedio hasta la conversión | ≥ 2 días | < 0.7 días | 0.42 |
| Puntos de contacto promedio por ruta | ≥ 3 | ≤ 1.8 | 2.16 |
| Conversiones de un solo toque | ≤ 40% | ≥ 65% | 69% |
| Búsqueda de marca (Share of Search) | presente | ≈ 0 | ≈ 0 |
| Cambio en modelo de atribución | ≥ 5% | ≈ 0% | 0.00% |
Los umbrales son una [ADW heuristic] — valores de diagnóstico preliminares, para ser calibrados; no son un punto de referencia de Google. Las métricas de la cuenta son [Case], período de ~18 meses.
Qué margen necesitas y cuánto presupuesto — la Puerta de Margen
El presupuesto de Demand Gen debe escalar con el margen de contribución, porque un margen estrecho no puede financiar un canal que se mide en meses, no en clics. [ADW heuristic]
Conclusión de la imagen: por debajo del 25% de margen, Demand Gen se mantiene orgánico; al 30–40%, 12–18% del presupuesto pago; al 50%+, 20–26%.
| Perfil | Margen de contribución | ROAS de punto de equilibrio | Presupuesto de Demand Gen |
|---|---|---|---|
| A | < 25% | 5.0 – 6.7 | Solo orgánico — no como línea paga |
| B | 30 – 40% | 2.5 – 3.3 | 12 – 18% del presupuesto pago |
| C | 50%+ | ≈ 2.0 | 20 – 26% del presupuesto pago |
De dónde vienen estos números. Estos rangos son una
[ADW heuristic]derivada de la economía del margen de contribución y el riesgo aceptable — no son estadísticas de múltiples cuentas ni una recomendación oficial de Google. Son guías de trabajo de ADWService para el diagnóstico previo al experimento. No son un punto de referencia de la industria.
¿Puedes siquiera medir Demand Gen? — la Puerta de Preparación para la Medición
Antes de lanzar Demand Gen, verifica si puedes medir su efecto: ¿el seguimiento de nuevos vs recurrentes está activado y es posible un grupo de control? [ADW heuristic] Si no, configurar la medición es la primera tarea — no lanzar el canal. Sin medición, o no notarás el efecto o le atribuirás a Demand Gen el resultado de otro (de vuelta a la Trampa de Mala Atribución).
Árbol de decisión
¿Margen inferior al 25%? (Puerta de Margen)
├─ Sí → no ejecutar DG pago sin un segmento de alto valor separado
└─ No
¿El camino de compra es principalmente de un solo toque? (Puerta de Consideración)
├─ Sí → probar el segmento de alto valor (hipótesis)
└─ No
¿Grupo de control y medición listos? (Puerta de Medición)
├─ No → configurar la medición primero
└─ Sí → lanzar una prueba limitada
Qué hacer hoy (3 pasos)
- Revisa tu camino de compra promedio en GA4 (Advertising → Attribution → Path metrics): cuántos días y puntos de contacto antes de una conversión. Por debajo de ~1 día y principalmente 1 toque — Demand Gen no tiene nada que calentar.
- Calcula tu margen de contribución. Por debajo de ~25% — mantén Demand Gen como orgánico, no como línea paga.
- Verifica si puedes medir Demand Gen: ¿el seguimiento de nuevos vs recurrentes está activado y es posible un grupo de control? Si no, esa es la primera tarea — no el lanzamiento.
Tres “no” (ruta instantánea + margen estrecho + sin medición) → un presupuesto pago de Demand Gen espera. De lo contrario — una prueba limitada con un grupo de control.
Cómo medir la incrementalidad — la Regla del Grupo de Control
No puedes probar el valor incremental de Demand Gen a partir de registros de gasto o informes de atribución — solo un experimento con grupo de control puede hacerlo. [ADW heuristic] El trabajo de Demand Gen es atraer clientes nuevos similares, por lo que su contribución se manifiesta como compradores nuevos netos, no como una mejor proporción. [Google docs] El protocolo: (1) activa el seguimiento de nuevos vs recurrentes antes de empezar; (2) ejecuta un grupo de control geográfico o la prueba de aumento de conversiones incorporada de Google, mantén estable el presupuesto principal de Performance Max y evita picos estacionales; (3) criterio de aprobación — los clientes nuevos incrementales en la prueba frente al grupo de control, convertidos a ingresos, deben superar el gasto de Demand Gen × ROAS de punto de equilibrio.
La excepción — la Semilla de Alto Valor
El único lugar donde Demand Gen aún puede ganarse su presupuesto en una cuenta de baja consideración es el segmento de clientes de alto valor, que se comporta de manera diferente a la mayoría de bajo costo. [Hypothesis] En el caso, los pedidos por encima del umbral de alto valor fueron solo el 7% de los pedidos en cantidad pero ~40% de los ingresos [Case], y tomaron un camino de compra más largo que los pedidos de bajo costo (que se convirtieron casi instantáneamente en un solo toque).
Conclusión de la imagen: pedidos de alto valor = 7% de los pedidos / 40% de los ingresos (período de 18 meses). Una audiencia similar única de todos los pedidos se pondera por la mayoría de bajo costo, por lo que atrae compradores de bajo costo.
Conclusión de la imagen: los pedidos de bajo costo se convierten en ~0.2 días en un solo toque; los pedidos de alto valor toman ~0.5 días con más puntos de contacto (últimos ~30 días de la muestra de ruta).
El AOV propio de Demand Gen en el caso fue 22% menor que el AOV de los compradores de Shopping [Case] — confirmando que la semilla sesgada hacia lo barato atrae compradores de bajo costo. Hipótesis: segmenta la semilla de coincidencia de clientes por valor del pedido y construye una audiencia similar separada basada en compradores de alto valor, que tienen la ruta más larga donde un toque temprano puede importar. [Hypothesis] Los datos confirman la premisa y dimensionan el premio, pero solo una prueba en vivo puede probar el efecto.
Cuándo Demand Gen podría funcionar, pero no lo verás
Que no haya un efecto estadísticamente significativo en un análisis observacional no prueba un efecto cero — significa que el efecto no pudo separarse del ruido y otros cambios en los datos disponibles. Un efecto de Demand Gen podría existir pero permanecer invisible si:
- el efecto es demasiado pequeño en relación con el ruido;
- la prueba fue demasiado corta;
- el presupuesto fue demasiado bajo para salir del aprendizaje;
- la semilla fue pobre (como la semilla sesgada hacia lo barato en el caso);
- la campaña optimizó para el evento incorrecto;
- Performance Max cambió en paralelo;
- la demanda de marca no se midió;
- la ventana de atribución no coincide con el ciclo de consideración real.
Por eso la decisión final — “Demand Gen no es incremental” en una cuenta específica — debe basarse en un grupo de control, no solo en registros observacionales.
Preguntas Frecuentes
-
Depende del margen y del perfil de consideración. Para productos de alto margen con un verdadero proceso de investigación y comparación, vale la pena probarlo. Para compras de bajo margen, impulsivas y de un solo toque, generalmente es un desperdicio.
[ADW heuristic] -
Demand Gen es de embudo superior; sus conversiones generalmente se cierran y atribuyen en otro lugar (PMax, Shopping, marca). Un ROAS directo bajo es esperado y, por sí solo, no prueba ni fracaso ni éxito.
[Google docs] -
En un estudio forense de una cuenta de baja consideración, no — el efecto fue ≈0 después de controlar por gasto y estacionalidad.
[Case]En una cuenta de alta consideración la respuesta puede ser diferente, y debe probarse con un grupo de control. -
Un experimento con grupo de control (división geográfica o aumento de conversiones) más seguimiento de nuevos vs recurrentes. Los modelos de atribución no pueden hacerlo.
[ADW heuristic] -
Guía de ADW: por debajo de ~25% de margen — orgánico; 30–40% — 12–18% del presupuesto pago; 50%+ — 20–26%. Esto es una heurística, no un punto de referencia de Google.
[ADW heuristic] -
Solo parcialmente. En una cuenta de un solo toque, la atribución basada en datos y el último clic coinciden casi exactamente, por lo que la elección del modelo no dice nada sobre el valor de asistencia de Demand Gen.
[Case] -
Dentro de Cross-network en la agrupación de canales predeterminada (junto con Performance Max), no dentro de Display.
[Google docs] -
Performance Max captura la demanda existente en la parte inferior del embudo (cierra la venta); Demand Gen crea demanda en la parte superior a través de audiencias similares. En GA4 ambos caen bajo Cross-network, pero Demand Gen rara vez “cierra” una conversión — lo hace PMax. Por lo tanto, compararlos en ROAS directo es incorrecto.
[Google docs] -
Los representantes de Google generalmente mencionan ~$100/día y algunas semanas de presupuesto estable para salir de la fase de aprendizaje. Un Demand Gen con financiación insuficiente puede no mostrar efecto simplemente por falta de presupuesto — así que verifica que el presupuesto sea adecuado antes de concluir que no funciona.
[Google docs] -
Una hipótesis de esta investigación: segmenta la semilla por valor del pedido, para que la audiencia similar no se sesgue hacia compradores de bajo costo. Necesita una prueba para confirmarse.
[Hypothesis]
Acerca de esta investigación
El marco — Perfiles de Margen A/B/C, la Puerta de Perfil de Consideración, la Puerta de Preparación para la Medición, la Trampa de Mala Atribución y la Regla del Grupo de Control — fue desarrollado por ADWService, una agencia PPC Google Premier Partner para comercio electrónico (Google Shopping y Performance Max), que gestiona más de 300 cuentas de clientes activas en Ucrania, EE. UU., Reino Unido, la UE, Australia y Canadá. Los hallazgos del caso provienen de un análisis forense a nivel de componentes de un conjunto de datos de una sola cuenta de 18 meses, deliberadamente sometido a pruebas de resistencia contra la Trampa de Mala Atribución: cada señal agregada se descompuso al nivel de campaña y producto antes de extraer cualquier conclusión.
