Segmentación amplia vs. por intereses: cuándo elegir cada una

La segmentación por intereses acota un conjunto de anuncios a personas cuya actividad en Meta coincide con datos demográficos, intereses o comportamientos seleccionados. La segmentación amplia elimina eso por completo, solo quedan ubicación, edad y sexo, y deja el resto de la decisión al algoritmo de entrega de Meta, que se apoya en mucha más señal (búsquedas recientes, visualización de vídeo, actividad en el carrito) de la que cualquier etiqueta de interés podría capturar por sí sola.

La disyuntiva, y por qué ha cambiado

La segmentación por intereses cambia alcance por relevancia: un grupo más pequeño y específico a cambio de saber aproximadamente quién está en él. La segmentación amplia cambia relevancia por el propio reconocimiento de patrones del algoritmo. A medida que los modelos de Meta han mejorado, la amplia ha ido cerrando la brecha, y en cuentas con un historial de conversión sólido supera con frecuencia a las pilas de intereses elegidas a mano directamente, sobre todo a partir de los 200+ €/día de inversión.

Cuándo se gana cada una su lugar

Dónde falla la segmentación por intereses por sí sola

Apilar demasiados intereses con lógica Y. Exigir coincidencia en varios intereses acotados a la vez puede reducir un grupo a decenas de miles de personas, demasiado poco para que el sistema de entrega de Meta aprenda de él, sin importar con qué precisión describa al comprador.

Elegir intereses tan amplios que no significan nada. Una etiqueta como “compras” o “tecnología” coincide con cientos de millones de personas, en ese punto el conjunto de anuncios paga CPMs de nivel Feed sin obtener nada de la precisión que la segmentación por intereses debía aportar.

No ejecutar nunca un conjunto de anuncios amplio como control. Asumir que los intereses siempre ganan a la amplia, sin probarlo, significa que una cuenta puede estar dejando sin probar indefinidamente una opción más barata y con mejor rendimiento.

Dónde falla la segmentación amplia por sí sola

Lanzar amplia sin historial de conversión. La segmentación amplia solo es tan buena como la señal con la que Meta tiene que trabajar. Con un píxel vacío, se parece más a una distribución aleatoria que a una segmentación inteligente.

Restringir ubicaciones mientras se va amplia en audiencia. Combinar una audiencia amplia con una selección de ubicaciones acotada anula el propósito de ir amplia. El algoritmo necesita margen tanto en ubicaciones como en audiencia para encontrar de verdad dónde las conversiones salen baratas.

Juzgarla antes de que termine la fase de aprendizaje. La segmentación amplia también necesita las ~50 conversiones semanales estándar para estabilizarse, los costes iniciales serán altos sea cual sea el enfoque de segmentación.

Cómo encaja esto en el Asistente de campañas

Cada criterio de inclusión de segmentación detallada seleccionado en el Asistente de campañas se convierte en su propia variante de conjunto de anuncios. Eso significa que una prueba de amplia contra intereses se estructura de forma natural como dos variantes distintas dentro del mismo flujo del asistente, en lugar de un ejercicio manual de duplicación, con el recuento de variantes y la plantilla de nombres llevando la cuenta de cuál es cuál.

Cómo lo aplica YieldBI

Los datos de ingresos y descubrimiento de audiencia a nivel de anuncio se agregan según tu modelo de atribución configurado, de modo que la contribución real de un conjunto de anuncios amplio se mide en igualdad de condiciones que la de uno basado en intereses. Eso permite que Controles de crecimiento compare ambos con honestidad en lugar de que uno parezca artificialmente más fuerte solo porque reporta bajo una ventana de atribución más corta.