Lift de conversión: la prueba con grupo de control de Meta

Qué es un estudio de lift de conversión

Un estudio de lift de conversión es un experimento controlado que se ejecuta dentro de la plataforma publicitaria de Meta. Divide aleatoriamente tu audiencia objetivo en dos grupos: un grupo de prueba al que se le pueden mostrar tus anuncios, y un grupo de control excluido deliberadamente de verlos. Ambos grupos reciben el mismo trato en todo lo demás. Meta compara luego las tasas de conversión entre los dos grupos durante el periodo del estudio.

La diferencia en la tasa de conversión entre el grupo de prueba y el de control, escalada a toda la audiencia, es el lift incremental. Si el grupo de prueba convierte al 2,4% y el de control al 2,0%, esos 0,4 puntos porcentuales adicionales representan conversiones que causaron los anuncios, no conversiones que habrían ocurrido de todos modos.

Cómo funciona

Meta asigna a los usuarios al grupo de prueba o de control a nivel individual mediante su sistema de entrega de anuncios, antes de que se sirva ningún anuncio. Esta aleatorización ocurre automáticamente en cuanto se configura un estudio de lift sobre una campaña o un conjunto de conjuntos de anuncios. El estudio necesita un gasto mínimo y un volumen de conversión esperado mínimo para producir una lectura estadísticamente fiable, así que Meta suele recomendar ejecutarlo durante varias semanas en campañas con presupuesto relevante.

Al final del estudio, Meta reporta el lift como un número absoluto de conversiones incrementales y como un porcentaje de lift sobre la tasa base del grupo de control, junto con un intervalo de confianza. Un intervalo de confianza amplio significa que la muestra fue demasiado pequeña o el efecto demasiado sutil para sacar una conclusión firme.

Por qué importa

Los estudios de lift de conversión son la evidencia más clara disponible de si los anuncios de Meta realmente generan resultados, en contraposición a reportar conversiones que habrían ocurrido por tráfico orgánico, visitas directas u otro canal. Son especialmente útiles para validar si un tipo de campaña, como prospección frente a retargeting, produce un valor incremental real.

Como la prueba se ejecuta dentro del propio sistema de entrega de Meta, capta comportamiento que la atribución basada en píxel puede pasar por alto, incluidas conversiones que ocurren sin un clic rastreable, y no se ve afectada por lagunas de seguimiento entre dispositivos o navegadores.

Cómo actuar en base a esto

Ejecuta primero un estudio de lift en tus campañas más grandes y consolidadas, ya que tienen el volumen necesario para una lectura limpia. Usa el resultado para contrastar el ROAS atribuido: si el lift es mucho más bajo de lo que sugieren las conversiones atribuidas, trata el número atribuido como inflado y ajusta las expectativas de presupuesto en consecuencia. Repite los estudios de lift periódicamente, sobre todo tras cambios importantes en la segmentación, la creatividad o el nivel general de gasto, ya que la incrementalidad no es fija en el tiempo.

Errores comunes

Terminar un estudio antes de tiempo porque los números provisionales se ven favorables suele producir una lectura falsa: los estudios de lift necesitan su duración completa planificada para alcanzar significancia. Ejecutar un estudio de lift en una campaña con muy poco gasto o volumen de conversión desperdicia la prueba, ya que el intervalo de confianza será demasiado amplio para actuar sobre él. Comparar resultados de lift entre campañas con audiencias de tamaño muy distinto sin tener en cuenta los diferentes intervalos de confianza también puede llevar a conclusiones equivocadas. Tratar un único estudio de lift como un veredicto permanente ignora que las condiciones del mercado, la estacionalidad y la fatiga de audiencia cambian el valor incremental real con el tiempo.

Cómo ayuda YieldBI

YieldBI no ejecuta estudios de lift de conversión por sí mismo, pero te permite seguir los resultados de esos estudios junto al reporting estándar de campaña. Eso pone el número incremental validado junto al rendimiento atribuido, de modo que la diferencia entre ambos queda visible sin cambiar de herramienta.