Algoritmo de Meta Ads: qué te queda por decidir

En los últimos tres años Meta ha reescrito cuatro veces la arquitectura que decide qué anuncio te aparece delante. La consecuencia práctica para quien trabaja con campañas es que una parte del oficio se ha desplazado. Las palancas dentro del panel son menos, y pesan menos. Lo que le das al sistema pesa más.

No es una buena noticia ni una mala. Es un cambio de sitio del trabajo difícil.

Qué ha cambiado bajo el capó, en breve

Andromeda es el motor de recuperación. Está antes de la subasta y reduce decenas de millones de anuncios potencialmente elegibles a unos pocos miles de candidatos, que solo después se evalúan a fondo. GEM es el modelo generativo que Meta describe como el cerebro central del sistema, y que destila lo que aprende hacia los demás modelos. Encima corre una capa de ranking que mete modelos a escala LLM dentro del tiempo de respuesta de la subasta.

Esta es la versión de dos minutos, y me paro aquí a propósito. El mecanismo es interesante, pero no es la parte útil para tu semana.

La pregunta útil es esta. Si el sistema decide cada vez más solo, ¿qué te queda por decidir a ti?

La segmentación no ha muerto, ha cambiado de peso

Cada vez que Meta automatiza algo aparece alguien anunciando el fin de la segmentación, y cada vez es una simplificación. Geografía, edad, públicos personalizados, exclusiones y límites de negocio siguen sirviendo. Una empresa que solo entrega en Roma no deja abierta toda Italia esperando que el sistema lo entienda por su cuenta.

Lo que cambia es el rendimiento del trabajo manual. Durante años la ventaja estaba en saber construir a mano la combinación de público que funcionaba mejor. Cuando el sistema se vuelve bueno encontrándola solo, esa ventaja se adelgaza, y la diferencia entre dos cuentas deja de estar ahí.

Si pides lo equivocado, te lo dan

Esta es la parte que veo subestimar más.

Cuando le dejas más libertad al sistema, ser preciso sobre lo que le estás pidiendo encontrar se vuelve decisivo. Una campaña que trae cien contactos a diez euros cada uno parece un buen resultado, hasta que descubres que ochenta de esos contactos no cogen el teléfono. En ese caso Meta hizo exactamente el trabajo que le pediste. Le dijiste que encontrara personas que rellenan un formulario, y las encontró.

El problema no es el algoritmo. Es que le diste una definición de éxito más fácil de medir que de defender.

La cura no es un ajuste escondido en el panel. Es devolver la información que llega después, cuando ya sabes quién estaba interesado de verdad y quién no. Sobre qué hace que un contacto no valga nada antes incluso de llegar, escribí una nota aparte.

Una oferta débil sigue siendo una oferta débil

Hay una consecuencia incómoda en todo esto, y tiene que ver con las excusas.

Mientras la segmentación era un oficio manual, "no hemos encontrado el público adecuado" era una explicación utilizable casi siempre. A medida que el sistema mejora encontrando a las personas con más probabilidad de responder, esa frase cubre cada vez menos casos. Lo que queda al descubierto es lo de verdad, y es más difícil de decirle a un cliente.

Que el precio no aguanta la comparación. Que la página de destino pierde a la mitad de quienes llegan. Que el mensaje habla de un problema que nadie siente. Que el producto no tiene suficiente demanda en ese mercado.

Un sistema de recomendación, por grande que sea, sabe estimar probabilidades. No sabe fabricar un motivo para comprar donde no lo hay. He defendido lo mismo sobre la IA en marketing en general.

Por qué conocer a las personas cuenta más, no menos

Parece un contrasentido, y es la consecuencia directa.

Cuanto más gestiona la máquina distribución y emparejamiento, más el trabajo que te queda es el que la máquina no puede hacer en tu lugar. Entender por qué alguien debería comprar. Qué le frena. Qué alternativa está valorando mientras desplaza el dedo. Cuánto conoce ya el problema, y qué promesa considera creíble dicha por ti y no por un competidor.

Meta puede cruzar miles de millones de señales para encontrar correlaciones. Pero alguien tiene que construir antes una oferta y un mensaje que signifiquen algo para una persona real, y ese alguien no está dentro del panel.

Las dos preguntas que siguen siendo tuyas

Sobre las palancas operativas la lista es corta y conocida. El material que subes y cuánto se distingue. El evento que le pides optimizar. El valor que declaras para cada conversión. La información que devuelves sobre lo que pasa después del clic. Sobre la primera, merecen su propia lectura la varianza creativa y qué cuenta de verdad como anuncio distinto.

Quedan dos preguntas que ninguna lista de ajustes cubre, y son de las que parto.

¿Hay un motivo real para comprarle a este cliente y no a otro? Si la respuesta es el precio y el precio no aguanta la comparación, ninguna señal arreglará la campaña. Esa pregunta se hace antes de abrir el panel, no después de tres semanas de resultados decepcionantes.

¿Sé de verdad con quién estoy hablando? Qué teme, qué está valorando ya, cuánto conoce el problema, qué promesa considera creíble dicha por ti. El sistema puede encontrarte el público. Sigues teniendo que darle algo que merezca la pena enseñarles.

Preguntas frecuentes

¿Andromeda es el nuevo algoritmo de Meta? No. Es el motor de recuperación, la pieza que selecciona los candidatos antes de que intervengan los sistemas de ranking. Llamarlo "el algoritmo" mete en el mismo saco cosas que están en puntos distintos de la cadena.

¿La segmentación por intereses sigue sirviendo? Sí, pero pesa menos que antes en el resultado final. Sigue sirviendo para el perímetro, es decir dónde puedes vender y con quién no quieres hablar. Sirve menos como técnica para encontrar a las personas adecuadas dentro de ese perímetro.

Si el sistema decide más, ¿no vale más dejarle hacer todo? Es la conclusión equivocada. Cuantas más decisiones operativas toma él, más pesan las pocas que te quedan, es decir objetivo, oferta, mensaje y definición de resultado. Cuantas menos palancas tienes, menos puedes permitirte equivocarte con ellas.

¿Cuántas creatividades hacen falta? No existe un número válido para todos. Lo que cuenta no es el recuento de archivos, sino cuántos motivos distintos para interesarse estás poniendo en circulación.

¿Qué cambia para quien hace esto de oficio? El valor se desplaza de la ejecución dentro del panel hacia estrategia, oferta, calidad de la medición y conocimiento del cliente. La parte que se automatiza es la que se aprendía viendo tutoriales.

Lee también

Más notas sobre automatización, señales y creatividad:

Si quieres entender si tus campañas le están dando al sistema las señales correctas, reserva una consultoría gratuita. Miramos juntos el evento de optimización, los datos que devuelves y la varianza creativa, y vemos dónde se está perdiendo valor.

Si el algoritmo de Meta decide casi todo, ¿qué te queda por hacer?