Google lanzó Performance Max en 2021 prometiendo simplificar la publicidad en ecommerce. Una sola campaña, todos los canales de Google, automatización que optimiza en tiempo real. Para muchos equipos fue un alivio dejar de gestionar Search, Display y Shopping por separado.
El problema apareció después. Performance Max toma decisiones de distribución del presupuesto que el equipo no puede ver del todo bien. El sistema no falla exactamente, optimiza según sus propias señales, y esas señales tienden a favorecer lo que ya funcionó antes.
El resultado más común es este: los productos con mejor historial de ventas acaparan la mayor parte del gasto. Los productos nuevos no generan datos porque no reciben tráfico.
Y hay un tercer grupo, productos con potencial real, que llevan meses sin exposición significativa y siguen así porque el algoritmo no tiene razón para probarlos.
La respuesta instintiva de muchos equipos es organizar las campañas por categoría. Zapatos en una campaña, accesorios en otra. Tiene lógica desde una perspectiva de catálogo, pero no desde una perspectiva de rendimiento.
El algoritmo de PMax no distribuye el presupuesto equitativamente dentro de una campaña. Dentro de "zapatos", va a favorecer los modelos con historial de conversión, sin importar que estés pagando para que todos los zapatos compitan. Los que ya vendían bien siguen recibiendo el gasto. Los demás esperan.
La organización que sí funciona es por rendimiento real. Agrupar productos según cómo se comportan, no según qué son.
El framework más directo divide el catálogo en tres grupos.
ROAS alto, conversiones consistentes, clicks que justifican el gasto. El objetivo con este grupo es mantener la rentabilidad mientras se maximiza el volumen. Los targets de ROAS son más altos, entre 3x y 5x según el margen del negocio.
Llevan tiempo en el catálogo pero con exposición insuficiente para generar datos relevantes. Pueden ser malos productos, o pueden ser buenos productos que el algoritmo nunca probó porque no tenían historial.
Para este grupo el objetivo es visibilidad, no rentabilidad inmediata. Los targets de ROAS son más bajos, entre 0.5x y 2x, porque la meta es conseguir datos para tomar una decisión real sobre cada SKU.
Productos recién incorporados que no pueden competir en la misma campaña que los productos estrella porque no tienen historial. Necesitan una campaña separada con criterios de evaluación distintos: el KPI no es ROAS, es visibilidad y datos de comportamiento inicial.
Para que la segmentación funcione en la práctica, el equipo necesita definir con precisión qué métricas determinan en qué grupo está cada producto. Algunos parámetros de referencia:
Estos umbrales no son universales. Un negocio con márgenes altos puede tolerar un ROAS de estrella más bajo que uno con márgenes ajustados. El punto es definirlos con claridad para que la clasificación sea consistente y no dependa del criterio del analista de turno.
Muchos equipos usan ventanas de 30 días para evaluar rendimiento. Para catálogos que cambian rápido, eso es demasiado lento.
Con una ventana de 30 días, un producto que tuvo buen rendimiento hace tres semanas y empezó a caer esta semana sigue pareciendo rentable en el agregado.
Y un producto de temporada que despegó hace diez días no muestra todavía el potencial que ya está teniendo en los últimos días.
Una ventana de 14 días entrega señales más actualizadas. Es especialmente relevante en moda, hogar, y cualquier categoría donde la demanda cambia con tendencias o estacionalidad.
El trade-off es que con menos datos hay más ruido, así que tiene sentido combinar la ventana corta con un volumen mínimo de clicks antes de tomar decisiones de reclasificación.
La segmentación funciona si los productos se mueven entre grupos cuando cambia su rendimiento. Si eso lo hace una persona manualmente, revisando SKU por SKU, el sistema no escala en catálogos grandes.
La forma de hacerlo sostenible es definir reglas que muevan productos automáticamente.
Si un producto zombie supera un ROAS de 3x en 14 días, pasa al grupo de estrellas. Si un producto estrella cae por debajo de 2x en el mismo período, baja al grupo zombie para revisión. Los productos nuevos entran siempre al grupo de novedades y migran a zombie o estrella después de un período definido de acumulación de datos.
Las herramientas de feed management permiten automatizar esta lógica sin que el equipo tenga que revisar cada producto individualmente.
El caso documentado por Channable con La Maison Simons, retailer canadiense de moda, ilustra el tipo de resultado que puede producir este enfoque: ROAS que casi se duplicó en tres años, reducción del costo por click, aumento del valor promedio de orden en 14%.
Los productos que antes no recibían exposición terminaron siendo algunos de los de mejor rendimiento una vez que tuvieron una campaña diseñada para darles visibilidad.
Una vez que la segmentación estrella/zombie/novedad existe para Google, tiene sentido replicarla en Meta, TikTok, Pinterest y cualquier otro canal de paid donde el equipo esté activo.
Un producto zombie en Google puede tener tracción en TikTok. El perfil de audiencia que convierte en un canal no necesariamente convierte en otro.
Tener la misma clasificación en todos los canales permite ver dónde funciona cada producto realmente, y distribuir presupuesto en consecuencia, en vez de asumir que lo que no funcionó en Google no funciona en ningún lado.
La consistencia entre canales también simplifica el reporting. En lugar de analizar el rendimiento de cada plataforma por separado, el equipo puede evaluar cómo se mueve cada segmento de productos a través de todos los canales, y detectar patrones que no serían visibles mirando Google o Meta de forma aislada.
Tres cosas concretas.
El punto de partida no tiene que ser perfecto. Arrancar con tres campañas y umbrales simples ya es mejor que una sola campaña organizada por categoría donde el algoritmo distribuye el presupuesto según su propio historial.
La segmentación por rendimiento no elimina la automatización de PMax, la hace trabajar con mejor información sobre qué merece gasto y qué todavía tiene que demostrar que lo merece.
.png){kind=small}
Consultoría SEO personalizada para escalar tráfico, posicionar tu marca, aumentar el revenue y dominar el mindshare en Google y modelos de IA como ChatGPT.
%402x.svg){kind=icon}
