Las listas de remarketing para anuncios de búsqueda (RLSA) son un mecanismo eficiente para trabajar el funnel de ventas / leads en diferentes niveles. Permiten responder con anuncios de texto ante búsquedas de usuarios que ya han visitado la web, adaptando la puja o el mensaje.

En este post te explicamos más a fondo qué es RLSA y en qué se diferencia del remarketing de display. Además, aprenderás a definir tus estrategias y configurar tus campañas de RLSA.

Domina todas las plataformas de Google Ads con nuestra guía avanzada

Qué son las listas de remarketing para los anuncios de búsqueda o RLSA

Las listas de remarketing para anuncios de búsqueda (RLSA) son una función de anuncios de Google que permite a los anunciantes adaptar sus campañas de búsqueda en función de si un usuario ha visitado previamente su web y las páginas que visitó.

Las RLSA se pueden usar de dos maneras:

1. Observación + Ajustes de puja:
   Para realizar ajustes de la oferta en sus grupos de anuncios para los usuarios (listas de remarketing) que están buscando en Google utilizando las palabras clave por las que está ofertando
   
2. Campañas específicas con RLSA:
   Configure los grupos de anuncios de búsqueda para que solo se activen y muestre anuncios si un usuario está en su lista de remarketing y está buscando con las palabras clave por las que está haciendo una oferta

Veamos más sobre estas dos opciones:

1. Observación + Ajustes de puja

Se trata de añadir las listas a las campañas de búsqueda en modo observación con el objetivo de establecer un ajuste de puja óptimo para estos usuarios.

Habitualmente son ajustes de puja positivos, es decir, estamos dispuestos a pagar más por el clic de un usuario que creemos tiene mejor potencial de compra.

Podemos valorar ese potencial de compra con el uso de diferentes listas y ajustes de puja individualizados para cada lista.

Por ejemplo:

• Podemos pujar más por usuarios que han visitado la web hace 2 días que por usuarios que la han visitado hace 30 días.
  
• También podemos realizar ajustes de puja negativos en aquellos segmentos / audiencias en los que consideramos no merece la pena pujar de forma agresiva.

Una desventaja importante es que, salvo que se estén utilizando modificadores de anuncios (if function), se mostrará el mismo anuncio para los usuarios de todas las listas.

2. Campañas específicas con RLSA

Esta opción está totalmente desaconsejada en el caso de utilizar estrategias de puja automatizada, ya que en estos casos el algoritmo utilizará también las estadísticas de la audiencia para configurar las pujas óptimas.

El uso de campañas específicas para este fin permite trabajar diferentes palabras clave en exclusiva para remarketing. Podemos arriesgar más al dirigirnos a usuarios que ya han visitado la web y realizan consultas de búsqueda más genéricas o más amplias (Top of the funnel). O trabajar keywords de competencia solamente para estos segmentos de usuarios, tratando de hacer la inversión lo más efectiva posible (deducimos que el usuario cuenta con nuestra oferta en la fase de estudio hacia la conversión).

Estas estrategias son muy útiles en ciclos de compra largos

Estas estrategias son especialmente importantes en la publicidad de productos /servicios con ciclos de compra largo -cestas medias elevadas- y que involucran comúnmente a varios “players”: turismo, tecnología, mobiliario. En este post encontrarás un ejemplo útil.

Qué pasa si usas estrategias de puja automatizadas

En este caso la recomendación es definir las listas de la forma más óptima posible y añadirlas en modo “observación” para dejar que el algoritmo trabaje con la información que le proporcionan.

Cómo definir tu estrategia de RLSA: criterios

Existen diferentes criterios que van a marcar la elección de una u otra acción estratégica con las listas de RLSA.

Aunque existen tantos casos como cuentas, compartimos dos factores críticos en la definición de la estrategia de remarketing en búsquedas.

1. El volumen de usuarios

La granularidad en la definición y uso de las listas de remarketing para anuncios de búsqueda debe depender del volumen potencial de cada segmento.

Se exige un mínimo de 1.000 usuarios activos en los últimos 30 días para utilizar las listas en las campañas, por lo que no tiene sentido trabajar de salida muchas listas diferentes que podemos presuponer no se van a llenar rápidamente.

A menor volumen, estructuras más simples.

Aunque podemos utilizar listas tan específicas como queramos y dejarlas así hasta que se llenen y se activen, debemos contar con otras listas más grandes desde el inicio para asegurarnos de que la estrategia de remarketing está en marcha lo antes posible.

En cuentas con bajo volumen de usuarios la mejor opción es utilizar los ajustes de puja añadiendo las audiencias en modo observación

En cuentas de alta complejidad y volumen de inversión tiene más sentido separar las campañas de remarketing, ya que permite hacer una valoración segmentada de la información y tomar decisiones tácticas y a nivel de inversión dentro de cada audiencia.

2. El ciclo de venta / cierre

A mayor duración del ciclo o ruta hacia la conversión, es decir, cuando la fase de estudio es más larga y hay más puntos de contacto con las campañas, existe mayor justificación de atomizar las listas en base a criterios de temporalidad o eventos clave.

Asimismo, en este tipo de oferta puede tener más cabida una estrategia de campañas específicas de remarketing, ya que permite adaptar el mensaje atendiendo al momento de contacto en esa ruta.

Habitualmente, los productos/servicios con rutas de decisión más largas son aquellos con cestas medias más elevadas, en los que las acciones de remarketing juegan un papel fundamental en la estrategia de Paid Media.

En ciclos de venta largos, con cestas más elevadas, el remarketing juega un papel fundamental

Las acciones estratégicas en RLSA se deben plantear desde un enfoque de mejora continua, incluyendo nuevas listas y optimizando las audiencias existentes a lo largo del tiempo.

Cómo configurar las listas de RLSA

¡Genial! Ya sabes las bases para poder decidir cómo será su estrategia de Remarketing.

Ahora toca configurar tus listas. ¿Cómo hacerlo? Tienes 2 formas de crear tus listas de remarketing:

a) Google Ads

Dentro de la plataforma de Google Ads puedes generar listas de remarketing de forma sencilla y con diferentes reglas de URL o eventos.

Dentro de la interfaz de Google Ads se pueden crear 4 tipos de listas de usuarios:

1. Visitantes del sitio web: permite la creación de listas de usuarios en base a criterios de URL, etiquetas en página o eventos específicos.
2. Usuarios de aplicaciones: recoge a los usuarios que han tenido un contacto previo con la App del anunciante.
3. Usuarios de Youtube: recoge usuarios que han visto vídeos del anunciante, pero no necesariamente han accedido a la web o App.
4. Listas de clientes: nos permiten subir bases de datos de emails para segmentar campañas.

b) Google Analytics

Google Analytics permite definir audiencias de acuerdo a dimensiones y métricas disponibles en Analytics, tales como el rebote, tiempo en página, páginas vistas, etc.

Adicionalmente, es posible también importar la configuración de listas de la Galería de Soluciones de Analytics.

Estas plantillas de audiencias son rankeadas por usuarios de la galería y resultan muy útiles para crear audiencias detalladas en bloque.

Las audiencias creadas en Google Analytics pueden compartirse con Google Ads para ser utilizadas como RLSA.

¿Estás sacando todo el partido a Google Ads y Facebook Ads? ¡Averígualo con esta auditoría!

Más allá del remarketing: segmenta tus audiencias

En las campañas de búsqueda de Google Ads también se pueden añadir distintos tipos de audiencias, pero estas no deben confundirse con las listas de RLSA.

El uso de estas audiencias en las campañas de búsqueda en el modo observación nos permite orientarnos en la definición del target de nuestra oferta, expandiendo la segmentación más allá de tus campalas de Remarketing:

1. Audiencias con datos demográficos detallados

Podremos ver el rendimiento de forma diferenciada atendiendo al Estado Civil, Estado Parental, Educación, etc. y ajustar las pujas de forma coherente.

2. Afines y personalizadas

Observaremos datos desglosados en función de los intereses y hábitos de los usuarios que visitan la web desde los anuncios de búsqueda.

3. Audiencias con intención de compra

Estas audiencias en el mercado permiten analizar los diferentes segmentos de usuarios en función de sus intereses de compra, qué buscan habitualmente o qué están planificando.

4. Audiencias similares

Se trata de listas de usuarios con características similares a una audiencia ya definida:

• similares a «Compradores»
• similares a «Visitantes»
• etc.

Permiten expandir la segmentación más allá del remarketing pero con enfoque en el mejor rendimiento posible.

Para saber más: Optimización de Audiencias de Mercado en campañas de búsqueda

Es importante tener en cuenta que estas Audiencias no son de remarketing y por tanto no deberían aplicarse a campañas específicas de RLSA. De ser así estaríamos mezclando diferentes estrategias de RLSA, lo que puede impactar de forma negativa al rendimiento de las campañas de remarketing.

Las estrategias de remarketing en Paid Media deben ir alineadas con el objetivo del negocio, atendiendo a diferentes dimensiones de la oferta (cesta media, tráfico, duración de la ruta de conversión, entre otros) para definir las acciones tácticas de la forma más óptima.

¿Te ayudamos a poner en marcha tus estrategias de Remarketing? ¡Ponte en contacto con nosotros y llega a tu público para conseguir más ventas!

Entre las ventajas de trabajar con una agencia especializada encontramos el acceso a herramientas profesionales como Spaceboost que aplican una capa de inteligencia artificial a la gestión de campañas de PPC. El testeo de aplicaciones es mucho más rápido en este entorno debido a la variedad y el volumen de cuentas, y también a condiciones de acceso más favorables.

Dentro de nuestro proceso de mejora continua, en viva! tenemos una misión permanente de exploración de plataformas que nos permitan obtener mejores resultados agilizando la gestión operativa. En este post vamos a profundizar en nuestra primera experiencia con Spaceboost:

Search & Shopping PPC Automation Easy, Effective And Engaging

Overview

La plataforma se divide en 4 grandes bloques:

1. Interfaz de gestión
2. Builder- Generador de Estructuras
3. Optimizador
4. Reporting

Dispone además de una sección de Task Management -a la que no hemos tenido acceso- y un Help Center que encontramos en fase de desarrollo.

Existe también un apartado para editar nuestro perfil y algunos aspectos básicos:

• Añadir y gestionar clientes (tenemos cuenta de agencia)
• Gestionar permisos (no funciona actualmente)
• Facturación
• Soporte.

La plataforma dispone de un chat en el que realizar consultas en directo.

1. Interfaz de gestión

Básicamente nos permite ver los datos tal cual lo haríamos en la plataforma de Google Ads y realizar pequeñas operaciones como activar, pausar o eliminar keywords o adgroups. También podemos gestionar las etiquetas y ver las conversiones creadas en la cuenta.

El punto fuerte es que además se puede ver información propia de la app: el objetivo aplicado a las campañas o adgroups, la estrategia de optimización que se aplica a cada campaña, etc.

Y un handicap importante de este apartado es que no contempla el informe de términos de búsqueda, por lo que para trabajarlo será necesario hacerlo desde la interfaz.

2. Builder – Generador de estructuras

El generador de estructuras es junto con el optimizador una de las funcionalidades clave de la herramienta. La creación de la estructura parte siempre de un feed. Hablaremos en concreto de la creación de estructuras de Búsqueda, ya que no hemos probado la sección de Shopping.

El feed en detalle

La principal ventaja de la creación de estructuras a través de esta herramienta es que se basa en un sistema de etiquetas. De esta forma, partiendo de un feed perfectamente categorizado resulta relativamente sencilla la construcción y expansión de campañas.

El feed puede ser un archivo, o automatizarse directamente desde la web o desde Hojas de Cálculo de Google para actualizar a demanda.

Esto tiene algunas limitaciones, ya que si optamos por importarlo directamente desde la web, estamos obviando muchos sinónimos o palabras clave compuestas que pueden ser interesantes.
Tenemos siempre la opción de agregar un feed adicional con estos datos, pero nos obliga a estructurar la cuenta en torno a estos criterios y a reprocesar la información.

¿Qué debe incluir el feed?

• Un ID único en cada fila, podría corresponder a un producto.
• Categorías, subcategorías, etc., para cada ID.
• Urls finales para cada ID.

En el feed, cada columna es una etiqueta.

Creación de estructuras

De esta forma, la creación de estructuras gira en torno a las etiquetas que definamos en las columnas.
Las keywords estarán compuestas de las etiquetas que consideremos, y la construcción sigue un proceso drag&drop muy sencillo:

En nuestro caso, debido a las problemáticas para encajar toda la variedad de búsquedas en este tipo de construcción, nos vimos obligados a crear una columna de Full_Keyword que contuviese las keywords a trabajar. Por supuesto el objetivo de la herramienta no es este, sino el de facilitar la generación de la estructura a partir de un listado de productos, por ejemplo.

Los anuncios se componen de la misma forma, en base a las etiquetas o atributos que hayamos definido en el feed:

Para que el resultado sea óptimo, debemos tener en cuenta el uso de mayúsculas y acentos en el feed.
Es posible también que en la creación de los anuncios se requiera el uso de preposiciones para dar sentido al texto, lo que obliga a crear una columna nueva en el feed para adaptar la preposición al nombre que le acompaña. En nuestro ejemplo, necesitábamos crear anuncios con Headlines como:

• Mesas para Eventos
• Mesas de Acero Inoxidable

Por lo que nos resultaba prácticamente imposible «estandarizar» la creación de anuncios. Finalmente recurrimos a la inclusión de todos los campos de anuncios en el feed, así como de los campos de la versión alternativa:

• Título 1
• Título 2
• Descripción
• Path 1
• Path 2
• Url final

Y el duplicado de campos para la versión alternativa.

Limitaciones

• La herramienta no tiene en cuenta la limitación de caracteres. Es obligatorio redactar una alternativa a los anuncios que no parta de las etiquetas, de forma que si el anuncio creado en base a las etiquetas no puede publicarse por ser demasiado largo, se publicará esta versión.
  El problema es que no estará adaptada a la keyword, lo que perjudica a la relevancia y al nivel de calidad.
• No se contemplan los nuevos anuncios extendidos con título 3 y descripción 2, ni los anuncios adaptables. En este sentido debemos transmitir que se debe a la ausencia de esta funcionalidad desde la API, por lo que están pendientes de poder activarlo.

Conclusión

Respecto a las estructuras de búsqueda muy segmentadas realmente el trabajo de feed no resulta más rápido que la generación de la estructura en Excel / Editor.

Entendemos sin embargo que la utilidad está directamente vinculada a la naturaleza del anunciante. En el caso de grandes ecommerce con inventarios extendidos puede resultar muy práctico trabajar con feeds automatizados desde la web, generando estructuras masivas en muy poco tiempo.

Los feeds se pueden personalizar para cada tipo de vertical y negocio: travel, servicios, lead generation. Igualmente, sí creemos que es siempre necesario un reproceso manual, para contemplar todas las búsquedas posibles (ej. proveedor de –, comprar –, — online, etc.).

En cualquier caso, si se utiliza un feed vinculado a la base de datos de la web, la principal ventaja es que cualquier modificación en precios, stock, etc. es automática y se reflejará en los anuncios, manteniendo la estructura actualizada en todo momento.

3. Optimizador

Funciona con la misma lógica del resto de la herramienta, debiendo crear una estructura de optimización en la que definimos las reglas del juego:

• El criterio estadístico mínimo para que el algoritmo trabaje con una keyword (en número de clics y conversiones).
• Los límites de CPC.
• ROI objetivo y CPA.

Os hablaremos de nuestra experiencia con el optimizador en detalle en otro post, ya que actualmente nos encontramos en fase de experimentación.

Limitaciones

– No aplica Machine Learning: se basa en la data estadística histórica de las keywords, pero no tiene en cuenta dispositivos, audiencias, etc.

4. Reporting

Spaceboost dispone de una herramienta muy intuitiva para la creación de informes.

En viva! trabajamos con Data Studio y no hemos probado todavía la interfaz de creación de informes de Spaceboost, lo contemplaremos en próximos artículos.

Puntos de mejora generales

• Durante la prueba hemos sufrido varios “errores” de la interfaz, que han llevado a tener que procesar los datos de forma manual. Es lógico, ya que el producto se encuentra en Beta, pero genera cierta tensión.
• Los filtros en la creación de estructuras de campaña no funcionaron, también debido a un error, por lo que algunas campañas tuvieron que subirse de forma manual.
• No se incluyen otras redes como Display o Youtube, lo que obliga a la gestión de dos plataformas. Sin embargo, para el cálculo del fee se tiene en cuenta la inversión total de la cuenta, por lo que si el anunciante invierte en estas plataformas tendrá un fee más elevado o deberá separar las redes por cuenta.

Ventajas de Spaceboost

• El soporte es excelente, han estado pendientes en todo momento ayudándonos en la creación de las estructuras e incluso realizando ellos mismos subidas cuando ha sido necesario.
• Nos han facilitado plantillas para configurar el feed correctamente.
• Dependiendo de la tipología del anunciante, puede reducir mucho los tiempos de creación de estructuras.
• Creemos que dirigido al anunciante adecuado es un producto con alto potencial, más enfocado al ecommerce con gran inventario de productos.

Con el uso del optimizador descubriremos nuevas ventajas que daremos a conocer en un segundo post sobre la herramienta. Es importante recordar que el uso de estas herramientas debe hacerse de forma controlada y por un equipo profesional, asegurando los mejores resultados y minimizando el riesgo.

Hace unos meses comenzábamos a trabajar con la entonces novedad de la incorporación de Audiencias en el Mercado a las campañas de búsqueda. Expectantes por explotar todas las posibilidades de optimización, hoy abordamos la metodología llevada a cabo en su utilización.

Audiencias en campañas de búsqueda

Hasta ese momento, la aplicación de audiencias en campañas de búsqueda se limitaba a las Remarketing Lists for Search Ads. La implementación de las mismas en las campañas de búsqueda nos permite saber a través del análisis de datos qué listas tienen mejor rendimiento. De esta forma, podemos conocer mejor el comportamiento del usuario cuando interacciona con nuestra web. El conocimiento será tanto más profundo cuanto más detalladas estén las listas que se trabajan.

Es recomendable que la estrategia de remarketing gire en torno a varios criterios, para lo cual nos podemos ayudar de Google Analytics: porcentajes de rebote, tiempo en página, etc. Hablamos más sobre estrategias de remarketing en el siguiente artículo.

Pero la introducción de las Audiencias de Mercado en las campañas de búsqueda supuso un cambio importante y complementario a las estrategias de RLSA. No solamente podemos conocer mejor el comportamiento del usuario tras visitar la página sino que además tendremos información sobre el mercado en el que está activo. Sabremos cómo funcionan en lo que respecta a nuestras campañas aquellos usuarios que tienen un interés de compra en las diferentes categorías establecidas:

• Agencias inmobiliarias
• Artículos electrónicos de  consumo
• Automóviles y Vehículos
• Casa y jardín
• Deporte y fitness
• Educación
• Empleo
• Entradas para eventos
• Ordenadores y periféricos
• Productos para bebés y niños
• Productos y servicios de belleza
• Regalos y ocasiones especiales
• Servicios de citas
• Servicios financieros
• Servicios para empresas
• Software
• Telecomunicaciones
• Vestuario y accesorios
• Viajes

Implementación de Audiencias de Mercado en las campañas de búsqueda

La implementación de las Audiencias con Intención de Compra en las campañas de búsqueda es muy sencilla. Desde la interfaz nos vemos obligados a hacerlo campaña a campaña:

 

A través del Editor, sin embargo, podemos realizar los cambios en bloque para toda una cuenta. Solo tenemos que seleccionar las campañas en el menú de la izquierda y añadir las audiencias en bloque.

En la implementación de Audiencias con Intención de Compra recomendamos incluir inicialmente todas las audiencias disponibles. El motivo de seleccionar todas no es otro que el de tener más información. El hecho de añadir las audiencias en modo observación no va a modificar el target al que dirigimos nuestras campañas, simplemente se nos va a mostrar en qué segmentos de mercado se mueven los usuarios que realizan las búsquedas.

Observación y Segmentación

Es importante que tras haber añadido las audiencias comprobemos que lo hemos hecho en modo «Observación» y no «Segmentación». La diferencia es la siguiente:

• Observación: no modifica la segmentación de las campañas, simplemente nos ofrece información para categorizar a los usuarios en las distintas audiencias.
• Segmentación: limita la segmentación de las campañas en exclusiva hacia los usuarios que pertenecen a esas audiencias. Si un usuario no pertenece a ninguna audiencia, no le mostrará anuncios.

❗ Si estamos trabajando con el Editor, esta comprobación tendremos que hacerla a nivel de grupos de anuncios y de campañas a través de la pestaña de Cobertura Flexible.

En el caso que nos ocupa, estableceremos el modo Observación para que las Audiencias del Mercado aplicadas en campañas de búsqueda nos permitan perfilar al usuario que realiza las búsquedas, sin limitar la cobertura.

Análisis de las Audiencias con Intención de Compra en campañas de búsqueda

El método para enfrentar el análisis de las Audiencias de Mercado dependerá de la cantidad de datos que hayamos podido recoger. Si consideramos que el volumen es suficiente, podemos analizar los resultados simplemente por campaña en la interfaz, priorizando por aquellas audiencias en las que se haya conseguido extraer más datos. Esto nos permitirá adaptar la estrategia de puja a la audiencia de cada campaña en concreto.

Sin embargo, puede suceder que no tengamos un volumen de datos suficiente en todas las audiencias, en cuyo caso trabajaremos para tratar de obtener un patrón a lo largo de toda la cuenta. Utilizaremos una tabla dinámica para sacar las conclusiones:

1. Extraer los datos: descargamos un informe de la interfaz con las columnas que consideremos oportunas (métricas de tráfico y resultados -conversiones, ROAS).
2. Elaboramos una tabla dinámica en la que podamos ver resultados por audiencia, independientemente de la campaña en la que están.

3. Ya podemos sacar nuestras conclusiones. Podemos marcar los datos con un formato de color gradual para verlo más claro.

Excepciones a tener en cuenta:

Debemos tener cuidado con algunas audiencias, como las de moda o viajes, ya que son muy heterogéneas y engloban gran cantidad de usuarios con un perfil poco específico. Al fin y al cabo, reservar vacaciones online es algo que puede hacer referencia a prácticamente cualquier usuario. Es importante por tanto, realizar además del análisis cuantitativo una interpretación cualitativa de los resultados.

 

Estimación del ajuste de puja

En este ejemplo, vemos que dos buenos segmento para realizar un ajuste de puja serían el de Automóviles y Vehículos, ya que tienen un coste por conversión bueno y volumen, con lo que nos aseguramos un rápido impacto positivo. El segmento de Productos para Bebés y Niños es un claro candidato a un ajuste de puja negativo, aunque debemos tener en cuenta también que tiene poco rodaje.

Para calcular con éxito qué ajuste de puja debemos aplicar a cada audiencia, podemos emplear la siguiente fórmula:

(Tasa de conversión de la audiencia / Tasa media de conversión de las campañas)-1*100.

En el ejemplo anterior, el ajuste de puja correcto para Automóviles y Vehículos sería:

(6,31%/5,51%)-1*100= +14%

Es importante revisar los resultados de la aplicación de esta fórmula dentro del sentido común, observando también la posición media en esa audiencia. No sería eficiente sobrepujar aunque el rendimiento sea bueno si la posición está entre 1 y 2, por ejemplo. Puede también suceder que en la primera posición, el coste / conversión sea mucho más elevado, haciendo las campañas poco rentables.

Es fundamental en el trabajo con las Audiencias de Mercado para campañas de búsqueda realizar siempre una interpretación profesional de los datos numéricos. Una mala praxis basada exclusivamente en resultados cuantitativos puede conducir a disfunciones en el rendimiento difíciles de revertir.

Cliente:

Se trata de un ecommerce de retail con presencia de marca en España.

Campañas:

Se busca mejorar la eficiencia en este caso de la campaña de marca.

Situación de partida:

Estrategia de defensa en campañas de Marca. El cliente ha ido ganando poco a poco presencia de marca en el mercado y en la actualidad cuenta con aproximadamente 500 búsquedas diarias de sus términos de marca. Esas búsquedas son recogidas en AdWords por una campaña de marca, que tiene un CPC estabilizado de 0,03€.

Es una práctica habitual en determinadas casuísticas establecer elevados CPCs máximos para branded terms y no existe problema si los CPCs medios reales de la campaña se han estabilizado. El objetivo es poner una barrera de entrada a la competencia en el caso de que pretendan anunciarse por nuestros términos de marca. 

Objetivo:

Aunque las campañas de marca son rentables para la mayoría de los clientes, el objetivo aquí es tratar de optimizar aún más esa rentabilidad.

Táctica:

Para contribuir al mejor rendimiento de la campaña de marca, se añadieron modificadores de puja por dispositivo, estableciendo el ajuste para móvil y tablets en un -40%. Se decidió establecer este ajuste en base a los datos de ROAS por dispositivo de la campaña:

Inesperadamente, los CPCs se dispararon. A pesar del ajuste negativo la subida fue tan brusca que la campaña se llegó a limitar por presupuesto y no se conseguía el tráfico diario habitual. Los CPCs se multiplicaron por diez.

La campaña alcanzaba su límite de presupuesto en las primeras horas de la mañana, pasó de consumir 15€ a 60€ tras los ajustes de puja. La cuota de impresiones bajó bruscamente debido a las pérdidas por presupuesto.

Impacto:

Este efecto se detectó rápidamente, llegando a la conclusión de que el establecimiento de los ajustes de puja “resetea” de alguna manera el AdRank.

Podríamos pensar que la entrada fuerte de competidores generó este efecto, pero no se observó eso en el informe de subastas. Además, en ese caso la bajada manual de los CPCs no hubiese resultado en la mejora de la campaña, sino en mayor pérdida de la cuota de impresiones.

No hubo ningún cambio más en la campaña durante esos días. En este escenario, entendemos que la herramienta toma de nuevo como válido el CPC máximo (inflado, como comentábamos al principio por la estrategia de defensa) y por algún motivo obvia el histórico reciente de la campaña.

La solución llevada a cabo consistió en bajar todas las pujas a nivel de keyword de forma manual y la campaña regresó a su rendimiento habitual, incluso mejorando el CPC medio y con una cobertura de impresiones de más del 99%.