Meta Ads: Advantage+

¿Es preferible controlar la mayor cantidad de factores posibles dentro de una campaña o dejar todo en manos del aprendizaje automático de Facebook?

Esta es una pregunta muy habitual que recibo durante mis consultorías sobre meta ads. La respuesta naturalmente es compleja y adaptable a la situación de cada negocio, ya que cada uno se encuentra en diferentes etapas. 

Por ejemplo, algunos negocios cuentan con una sólida cantidad de datos del pixel y de la API de conversiones de Facebook y otros, que salen a competir al mercado recientemente y por ende, a construir datos.

Voy a intentar responder esta pregunta compleja de la forma más clara posible. Básicamente estoy a favor de dar flexibilidad al sistema, por sobre el control manual. Aquí te cuento por qué.

Ventajas del Aprendizaje Automático

Quienes pautan hace muchos años en Facebook ads, seguramente les ha quedado como costumbre segmentar en detalle. De hecho, cuando he realizado las primera pruebas haciendo competir “campañas hipersegmentadas optimizadas manualmente” vs “campañas consolidadas con máxima flexibilidad”, me ha resultado extraño no tener el control de cada factor de estas últimas. Pero los resultados no tardaron en llegar…CPA más bajos, mayor porcentaje de conversiones y no menos importante…más eficiencia en la administración de campañas.

Este último punto fue CLAVE, ya que había descubierto que podía “soltar” el control de algunos aspectos de las campañas para confiárselo al aprendizaje automático y centrarme en otros aspectos fundamentales:

• estrategia
• creatividades
• copys
• oferta
• experiencia de usuario en el sitio web y
• tracking.

Esto, sin dudas es una gran ventaja, ya que el tiempo destinado a optimizar campañas manualmente se reduce drásticamente.

Desventajas de la Hipersegmentación

Como mencioné anteriormente, se requiere invertir más cantidad de tiempo en gestionar muchos conjuntos de anuncios, sumado a que aumenta las probabilidades de terminar compitiendo contra nosotros mismos en la subasta por el overlap, ya que las audiencias se terminan solapando en un alto porcentaje, haciendo que SUBAN nuestros costos.

Además, dificulta que el sistema de entrega obtenga un aprendizaje significativo de cada ad set, haciendo que la “fase de aprendizaje” se alargue, invirtiendo un mayor porcentaje de presupuesto en ella y obteniendo un rendimiento final MENOR.

Un estudio de Meta, arrojó como resultado, que quienes invierten menos del 20% del gasto en esta fase, obtuvieron una disminución del 15% del CPA y un 17% más de conversiones.

¿Te gustaría recibir asesoramiento profesional? Da clic aquí y chatea con nosotros!

Sistema vs Anunciante

Comparemos el comportamiento típico del sistema vs el de un anunciante.

Tengamos en cuenta los siguientes supuestos:

->Tenemos dos ad sets.

->Utilizamos una puja de “menor costo” (o “más volumen” como se la conoce actualmente)

->En un momento “t”, el ad set 2 tiene un ROAS más alto.

SISTEMA: no necesariamente va a asignar más presupuesto a ese ad set, ya que llegado a ese momento t, puede ser que la audiencia esté “saturada” y no haya más conversiones de menor costo, por lo que mueve dinámicamente el budget a otro ad set donde sí existan conversiones de menor costo.

ANUNCIANTE: inyectaría más presupuesto a ese ad set con un ROAS mayor, sin saber que:

• la audiencia está “exhausta”.
• no va a poder ESCALAR.
• no hay más conversiones de menor costo en ella.
• no es rentable seguir invirtiendo allí
• debe mover el budget a otro ad set con menor ROAS.

Conclusión: el aprendizaje automático es MUCHO más eficiente que un comprador de medios que optimiza manualmente (y utiliza la ultrasegmentación), ya que el anunciante SÓLO conoce el comportamiento pasado de su público objetivo, lo cuál es ineficiente.

Pero el sistema puede predecir el comportamiento, es decir, puede “saber” CUÁNDO Y DÓNDE mostrar los anuncios, en un momento donde existen altas probabilidades de obtener el resultado por el cual optimizamos nuestra campaña.

Básicamente, el sistema optimiza las campañas en base a predicciones de comportamiento, basadas en la gran cantidad de puntos de datos que tiene de sus usuarios.

“Desventaja” de una mayor Flexibilidad

El sistema necesita suficientes cantidad de datos, captados a través del pixel y de la capi de Facebook, por lo que puede llevar más tiempo en optimizar resultados dependiendo del objetivo en cuestión, el presupuesto, etc.

También perdemos control de muchos aspectos de las campañas.

Antes del lanzamiento del “Power Five”, era impensado dejar todo en manos del sistema. Hoy es una realidad que Meta incentiva.

Conclusión: ¿Control o flexibilidad?

Muchas veces leo conclusiones sobre qué es mejor, habitualmente a favor del control manual, pero basadas en “testeos” con un presupuesto y lapso de tiempo INSUFICIENTE como para generar la cantidad de datos necesarios y confiables.

Mis conclusiones acerca de las ventajas de explotar el aprendizaje automático de Facebook, se basan en sólidos testeos, con datos estadísticamente significativos, es decir, con un alto grado de confianza (p:0,05).

Dar flexibilidad al sistema, nos permite centrarnos en otros factores clave de éxito de las campañas de meta ads. PERO debemos vigilarlo de cerca, ya que como contraparte, nos hace perder el control sobre varios aspectos. La IA ha avanzado mucho, pero no siempre funciona de la mejor manera y terminamos regalando dinero a la plataforma. Por eso, muchas veces hace falta el criterio de una persona humana.

Por ejemplo, yo personalmente, no utilizo solo públicos adv+, también utilizo públicos por intereses, similares, etc. Todo depende de la vertical del negocio, los objetivos comerciales, el ciclo de vida, entre otros.

Como conclución final, con un adecuado análisis de datos podemos “dirigir el timón” en tiempo real, para poder reorientarnos hacia nuestros objetivos comerciales.