Durante las campañas con picos de venta como el Black Friday, Navidad o rebajas, las ventas se disparan de forma natural debido a la demanda estacional y los descuentos. Si simplemente aumentamos el presupuesto en las campañas y esperamos ver el aumento de las ventas, es fácil caer en la “trampa de la correlación”. Este análisis simplista de correlación, que suele ser una “cuenta la vieja” en muchas agencias y negocios, es poco práctico y relevante a la hora de una toma de decisiones valiosas.
El objetivo de esta publicación es hacer un análisis causal, que ponga en valor nuestro trabajo como Paid Media, nos ayude a validar nuestra estrategia y tomar decisiones de presupuesto bien fundamentadas.
Nuestro objetivo es responder: «¿Cuál es el valor incremental que mi inversión publicitaria adicional generó, que no habría ocurrido si no la hubiera realizado?«. Es decir, cuánto del crecimiento en facturación se debe a su inversión extra en las campañas y cuánto es crecimiento orgánico o estacional.
Para hacer este análisis es fundamental diferenciar la correlación de la causalidad.
- Correlación: “Las ventas subieron mientras gastamos más”.
Bien enfocado, puede ser un buen análisis de metodología MMM y experimentos A/B para un objetivo que pretenda optimizar la rentabilidad de tu campaña de forma aislada.
Hipótesis: «Las de campañas de Prospecting están siendo subestimadas y queremos evaluar la rentabilidad de forma aislada.»
La correlación por sí misma no demuestra que la inversión sea la causa, para ese análisis se requiere de un experimento causal. - Causalidad: “Las ventas subieron a causa del incremento de presupuesto extra que invertimos, y no solo por la estacionalidad y descuentos del Black Friday”.
Este enfoque causal nos permite obtener el impacto causal de nuestra inversión de Black Friday. Para ello necesitamos diseñar un experimento Incremental que aísle la inversión como la única causa del incremento de ventas (eliminar el ruido).
Hipótesis 1: «Aumentar el presupuesto un 30% en la semana de rebjas generará un impacto causal superior a 5».
Hipótesis 2: El aumento del 30% en la inversión de campañas de Prospecting durante el Navidad aumentará un x% las campañas de Retargeting (RMK)
Conceptos clave de la medición incremental
Para entender el Impacto Causal, debemos manejar tres términos esenciales:
- Inversión Adicional:
El presupuesto extra que has decidido incrementar para la campaña. (Causa). - Ventas Adicionales (Lift):
El incremento de ventas que podemos atribuir a esa inversión adicional (Efecto). - Impacto causal o ROAS incremental (𝜷 Causal):
Cuántos euros de la venta se generaron por cada euro adicional invertido.
*El «𝜷 Causal» es la métrica de rentabilidad más pura que podemos obtener, ya que, a diferencia del ROAS simple, ha sido ajustado y validado experimentalmente para eliminar el ruido y solo mostrar el impacto real y marginal de la inversión. Te da la “certeza” o mejor usaremos “confianza estadística”, de que tu próxima inversión extra de 1€ generará, en promedio, x€ adicionales.
Metodología Causal: Experimentos A/B Causal
Para medir el Impacto Causal 𝜷 y establecer que «1€ de inversión genera x€ de ventas», el estándar más frecuente son los test de incrementalidad o Lift Test.
El diseño del experimento requiere definir dos grupos
- Grupo de Control: Donde vamos a mantener una inversión habitual, o una inversión mínima. (Ej. Ciudades A)
- Grupo de Tratamiento: Donde se aplica un incremento de la inversión que hemos planificado (Ej.Ciudades B)
El Impacto Causal (Lift) se descubre comparando el aumento de ventas en el “Grupo de Tratamiento” vs lo que se habría esperado sin el cambio (representado por el “Grupo de Control”). El incremento de rendimiento se atribuye causalmente a la variable del experimento: la inversión adicional.
Configuración de Experimentos en Google Ads
Google Ads ofrece diferentes alternativas para realizar experimentos en tus campañas. Entender las diferencias es crucial para decidir el enfoque de nuestra estrategia.
Conversion Lift basado en geografía (Geo-Lift):
Este es el experimento causal más recomendado si el presupuesto es alto, ya que ayuda a aislar audiencias sin riesgo de canibalización.
- Enfoque principal: Mide el impacto causal e incremental de todas tus campañas de Google Ads, basándose en la comparación de diferentes regiones geográficas y aislando el efecto de la publicidad de otros factores.
No se centra en una campaña específica, sino en el efecto general de tu publicidad en áreas donde se muestra frente a áreas donde no. - Metodología: Se divide en regiones/ciudades geográficas. En algunas áreas se muestran tus anuncios (grupo de tratamiento) y en otras no (grupo de control). Lo que comparamos es la diferencia en las conversiones entre estas regiones para determinar el impacto incremental de la inversión publicitaria.
- Requisitos: Suele requerir un presupuesto más alto y el contacto con un representante de Google, ya que no está disponible en todas las cuentas.
Enlace a la guía de ayuda de Google para la configuración de experimentos de Conversion Lift basado en geografía.
Experimentos de incremento para PMax (sin feed de GMC)
Son una herramienta interna de Google Ads para evaluar el rendimiento de una campaña PMax específica (sin feed) dentro de tu cuenta.
- Enfoque principal: Diseñadas para medir el valor adicional que tu campaña de PMAX específica genera en el conjunto de tu cuenta de Google Ads. Es decir, te ayudan a entender cuánto más contribuye esa campaña PMax a tus conversiones y valor, en comparación con lo que habrías logrado sin ella
- Metodología: Divide el tráfico dentro de su cuenta. Un porcentaje del tráfico se expone a PMax (tratamiento) y el resto a campañas comparables (control).
- Consideraciones: No son compatibles con campañas de PMax que utilizan feed de Google Merchant Center. La duración recomendada es de 4 a 6 semanas para obtener resultados concluyentes
¿Cúal usar? Mi consejo:
- Si tus presupuestos son altos y tienes la opción, mi primera recomendación es Conversion Lift basado en geografía (Geo-Lift). Esta función nos permite medir el efecto general de la publicidad en Google Ads y es ideal para un análisis causal a nivel estratégico.
- Si tu principal palanca es PMax o pretendes hacer un análisis más específico, usa los experimentos de incremento para PMax.
Anexo: Campañas de PMax que SI utilizan un feed de Google Merchant Center
Para campañas de Máximo rendimiento que SI utilizan un feed de Google Merchant Center, Google Ads ofrece pruebas de recursos. Están diseñadas principalmente para hacer test del impacto de añadir o modificar recursos (imágenes, texto y vídeo) El objetivo es ver cómo estos recursos impactan en los resultados de nuestra campaña; su rendimiento, y no la prueba directa de audiencias o estrategias de puja como variables del experimento en sí.
Si quisieras realizar un test de incrementalidad en campañas PMax con grupos de control y control de presupuesto en campañas con feed, la forma más adecuada sería configurar campañas separadas, ya que no es posible asignar presupuestos diferentes directamente a segmentos de audiencia específicos dentro de un mismo experimento, y no se recomienda probar el presupuesto como variable en los experimentos de PMax.
Las actualizaciones más recientes para PMax nos permiten configurar más controles para guiar a la IA, como negativas a nivel de campaña, o el uso de reglas para URLs, que permiten refinar la segmentación y evitar la canibalización en el grupo de tratamiento,.
Puedes encontrar información detallada a la ayuda de Google en este enlace: Configurar experimentos de incremento de Máximo rendimiento.
Lectura causal de resultados
Una vez finalizado el experimento, la clave es calcular el Impacto Causal (β)
Conclusión Estratégica:
◦ Si β>1: La inversión adicional en campañas fue rentable. El valor de β es el ROAS Incremental. Por ejemplo, si β=14, por cada euro extra invertido, generó 14€ de ventas adicionales.
◦ Si β<1: La inversión adicional fue ineficiente, lo que indica que pagamos por ventas que probablemente habrían ocurrido de todos modos (canibalización).
Un β Causal alto nos proporciona la confianza necesaria para invertir de manera más agresiva en futuros picos de demanda. ¡Ojo! Es importante no sacar conclusiones anticipadas y esperar a valorar los resultados cuando el experimento alcance la significancia estadística.
Caso práctico
Proponemos hacer un experimento Geo-Lift para medir el impacto causal e incremental de todas nuestras campañas de Google Ads en el periodo de Black Friday, basándose en la comparación de dos grupos de control y aislando el efecto de la publicidad de otros factores.
Nuestra hipótesis causal
«Aumentar el presupuesto un x% en las campañas de G.Ads durante la semana o el periodo del Black Friday generará un incremento de ingresos del x% respecto a no haber invertido ese presupuesto adicional.»
El Diseño y datos del Experimento
El diseño de nuestro experimento Geo-Lift utiliza un 80% del tráfico para el Grupo de Tratamiento y un 20% para el Grupo de Control. *Normalmente haríamos un reparto de 50/50, pero es una campaña con mucho impacto de negocio y queremos actuar con cautela.
| Inversión Ads | Ventas totales | |
| Grupo de Control (20% tráfico) | 15.000€ (Base) | 80.000 € |
| Grupo de Tratamiento (80% tráfico) | 20.000€ (5.000 extra por Black Friday) | 432.000€ |
La fórmula del Impacto Causal y ajuste de proporción:
- Cálculo de la Inversión Adicional1 (Causa):
La Causa es sencilla: es el presupuesto extra que hemos inyectado en el Grupo de Tratamiento.
Inversión Adicional 1 (Causa) = 20.000€ – 15.000€ = 5.000€ - Cálculo de las Ventas Adicionales2 (Lift /Efecto)
El Grupo de Control (80.000€) nos dice cuánto habrían sido las ventas base (estacionalidad y orgánico) para el 20% de la audiencia. Para hacer una comparación equitativa, necesitamos escalar las ventas del Grupo de Control para calcular la base que el Grupo de Tratamiento (80%) habría tenido sin la inversión extra.
Ajuste:
Ventas Proyectadas Base (escaladas al 80% del Tráfico)
= 80.000€ x 4(80/20)=320.000€
Cálculo de las ventas adicionales:
Ventas Adicionales 2 (Lift / Efecto)= 432.000€ – 320.000€ = 112.000 € - Cálculo del Impacto Causal3 (β Causal): : 112.000€ / 5.000€ = 22,4
1 El presupuesto extra que has decidido incrementar para la campaña del Black Friday de tu negocio. (Causa).
2 El incremento de ventas que podemos atribuir a esa inversión adicional
3 El ROAS Incremental. Cuántos euros de la venta se generaron por cada euro adicional invertido. (𝜷 Causal)
La Conclusión Estratégica
Pregunta: ¿Cuál es el valor incremental que mi inversión publicitaria adicional generó, que no habría ocurrido si no la hubiera realizado?
Por cada euro extra invertido en Black Friday, generamos 22,4€ de ventas en comparación con el crecimiento esperado por la estacionalidad. 𝜷 Causal = 22,4 (ROAS Incremental.).
Pregunta: ¿Cuánto de la facturación extra de Black Friday se debe a mi inversión adicional, y cuánto es crecimiento orgánico/estacional?
En los datos del Grupo de Control podemos ver el resultado de la venta total sin el aumento adicional de inversión (80.000 €), y que podemos atribuir a la suma de las diferentes fuentes. (SEO, tráfico directo, marca, la propia estacionalidad del Black Friday, etc)
Ventas totales del Grupo de Tratamiento – Grupo de control = Ventas Adicionales Lift
Escalando la proporción 80/20:
432.000 – 320.000 (80.000€ x 4)= 112.000 € (Ventas adicionales Lift )
Si no hubieras invertido esos 5.000 € adicionales, lo más probable es que tu facturación se hubiera quedado en la parte proporcional del 80.000 €, por lo que podemos determinar que es el efecto causal directo de la decisión de invertir el presupuesto extra en ese grupo.
Merce Díaz
Digital Marketing Strategist 🚀 Paid Media Manager. Data Analyst
Bravo, me ha sorprendido y ayudado a entender y al mismo tiempo me sirve para explicar a mis patrocinadores la importancia de usar estas herramientas.
Claro, conciso y concreto. Un 10.
Muchísimas gracias, Rubén por comentar y dar este feedback