Abres la cuenta publicitaria de tu empresa y encuentras una explicación sobre los resultados, una oportunidad de mejora y una propuesta para actuar. Todo parece más sencillo que revisar decenas de informes.
Ese es el atractivo de incorporar inteligencia artificial al análisis del marketing: dedicar menos tiempo a buscar información y más a decidir.
Pero hay una pregunta que conviene resolver antes de seguir cualquier recomendación: ¿los datos que está interpretando representan lo que realmente ocurre en tu negocio?
Si una consulta se registra dos veces, un clic se considera una venta o nadie comprueba qué contactos terminan contratando, disponer de un informe más claro no resuelve el problema de fondo.
Las nuevas funciones de IA de Google pueden ser útiles. La clave está en entender qué aportan y qué debemos revisar antes de convertir sus respuestas en decisiones de inversión.
Qué ha anunciado Google para Ads y Analytics
El 10 de agosto de 2026, Google anunció nuevas capacidades de IA para sus plataformas de marketing:
- Resúmenes y avisos sobre cambios relevantes en los datos de Analytics.
- Información personalizada en la página de inicio de Google Ads.
- Paneles creados mediante instrucciones de texto en Google Ads, anunciados como próximos para Analytics.
- Comparaciones con promedios anónimos de negocios similares mediante Ask Advisor en Analytics.
Puedes consultar el anuncio oficial de Google.
Datos a tener en cuenta
El anuncio identifica varias funciones, entre ellas los nuevos paneles de Ads, como beta para cuentas en inglés. No implica que todas estén disponibles en cualquier cuenta española.
Ask Advisor es la experiencia con la que Google busca conectar sus asistentes entre productos, combinando información de distintas plataformas para ofrecer recomendaciones. No es simplemente un nuevo nombre para las pujas automáticas. Presentación oficial de Ask Advisor.
Entender un informe no es lo mismo que decidir bien
Una explicación automática puede ayudarte a detectar algo que merece atención. Sin embargo, entre identificar un cambio y decidir qué hacer hay preguntas de negocio que no conviene saltarse.
Imagina que aumentan los formularios enviados y baja el coste por contacto. Antes de ampliar presupuesto, necesitarías saber si esas consultas son válidas, si encajan con tu servicio y si tu equipo puede atenderlas.
También importa distinguir entre una recomendación del asistente, una decisión que aplicas tú y el funcionamiento de una estrategia de puja automática. Son mecanismos distintos: un comentario en un informe no demuestra que se haya cambiado la campaña.
Mi criterio sería utilizar la IA para plantear hipótesis y acelerar comprobaciones. La decisión debería apoyarse en la información disponible y en el objetivo real de la empresa.
Antes de pedir a la IA que encuentre más oportunidades, comprueba qué estás llamando oportunidad.
Cuatro cosas que revisaría antes de aplicar una recomendación
1. Qué está contando la campaña como conversión
No todas las acciones tienen el mismo valor. Visitar una página, pulsar un teléfono, enviar un formulario y cerrar una venta representan momentos diferentes.
En Google Ads, las acciones principales se utilizan para pujar cuando la campaña emplea el objetivo correspondiente. Las secundarias sirven normalmente para observación; la excepción son las incluidas en objetivos personalizados, que también pueden utilizarse para pujar. Google explica esta diferencia en su documentación sobre conversiones principales y secundarias.
Por eso, antes de valorar una recomendación sobre rendimiento, revisaría qué acciones hay detrás de la cifra de conversiones.
Un clic en WhatsApp puede indicar interés, pero no confirma que haya una conversación. Y una solicitud de información puede ser válida sin llegar a convertirse en cliente.
No se trata de dejar de medir esos pasos, sino de no interpretarlos como si fueran el mismo resultado.
2. Si los resultados se registran una sola vez
Pensemos en un ejemplo de implementación: una empresa configura la conversión para que se active al visitar la página de agradecimiento. Si no existe un control adicional, volver a abrir esa página podría generar otro registro sin que se haya enviado un nuevo formulario.
También conviene comprobar que distintas herramientas no estén midiendo por separado una misma acción y sumándola después como dos resultados.
Haría una prueba completa: enviar el formulario, comprobar el contacto guardado, revisar el evento y volver a cargar la página de resultados. Después compararía varios registros reales con las conversiones recibidas.
Esta revisión no significa que todas las cifras deban coincidir exactamente entre plataformas. Sirve para separar diferencias de atribución de errores en la implementación. Tampoco se trata de forzar el seguimiento de quienes no han dado el consentimiento necesario.
3. Qué ocurre después de conseguir el contacto
El coste por lead ayuda a valorar la captación, pero por sí solo no permite decidir qué campaña aporta más negocio.
Este ejemplo es ficticio y compara únicamente la inversión publicitaria:
| Resultado | Campaña A | Campaña B |
|---|---|---|
| Inversión | 600 € | 600 € |
| Contactos recibidos | 30 | 15 |
| Coste por contacto | 20 € | 40 € |
| Clientes conseguidos | 3 | 5 |
| Coste publicitario por cliente | 200 € | 120 € |
La campaña A consigue contactos más baratos. La B necesita menos inversión publicitaria por cliente adquirido.
Para comparar la rentabilidad todavía faltarían el margen, los costes comerciales y el valor de esos clientes. Pero el ejemplo muestra por qué no decidiría el presupuesto mirando únicamente el coste del formulario.
Si la información sobre ventas no está disponible o conectada, no daría por hecho que el asistente puede incorporarla a su análisis. Antes organizaría ese seguimiento, aunque inicialmente fuera sencillo.
Es la diferencia entre medir formularios y medir clientes.
4. Qué sucede en la página de destino
Antes de atribuir un problema a las campañas, revisaría la experiencia después del clic.
¿El anuncio promete algo que la página explica claramente? ¿Se entiende el servicio? ¿El formulario funciona bien en móvil? ¿Pide información que todavía no hace falta?
Cuando ya existe tráfico relevante, trabajaría primero las páginas con más oportunidades de mejora. Podría tratarse de aclarar la propuesta, aportar confianza, simplificar una pregunta o hacer más visible el siguiente paso.
Eso no garantiza que aumenten las ventas. Permite plantear una mejora concreta y comprobar si facilita que las visitas adecuadas contacten o compren.
El CRO y la mejora de la conversión deberían formar parte de esa revisión, no quedarse para después de aumentar la inversión.
Cómo aprovechar la IA sin delegar el criterio
Utilizaría estos asistentes para acotar una investigación, no solo para pedirles que mejoren una campaña.
En las funciones disponibles en tu cuenta, puedes plantear preguntas como estas:
- «¿Qué acciones de conversión explican el cambio de este periodo?»
- «¿La variación se concentra en alguna campaña, dispositivo o página de destino?»
- «¿Qué datos respaldan esta recomendación y qué información falta para valorarla?»
Son ejemplos de preguntas, no una garantía de que todas las versiones del asistente puedan resolverlas. Comprobaría los informes originales y el alcance de los datos a los que tiene acceso.
Después documentaría la hipótesis, el cambio que queremos probar y la métrica con la que lo evaluaremos. Si cambiamos presupuesto, anuncios y página a la vez, resultará más difícil entender qué ha influido en el resultado.
También daría tiempo a que maduren las consultas: en un negocio que tarda semanas en cerrar ventas, unos pocos días no permiten valorar toda la calidad de la captación.
¿Sabes si tus campañas están midiendo oportunidades reales?
En marketing deweb revisamos la medición, las campañas y las páginas de destino para identificar qué conviene corregir antes de aumentar presupuesto.
Analizamos la configuración, la medición y el rendimiento de tus campañas para detectar dónde se está perdiendo presupuesto y qué oportunidades puedes aprovechar.
Lo que me preguntaría antes de aplicar una recomendación
Si mañana Google me recomienda aumentar el presupuesto, mi primera pregunta no sería cuánto más invertir. Sería qué está viendo para llegar a esa conclusión: ¿estamos consiguiendo más clientes o simplemente registrando más acciones como conversiones?
Antes de cambiar nada, revisaría cómo estamos midiendo. Querría comprobar que un mismo contacto no se cuenta varias veces, que las consultas tienen sentido para el negocio y que sabemos qué sucede después de recibirlas. Si no puedo responder a eso, todavía me falta información para decidir si conviene invertir más.
También miraría qué ocurre con las personas que ya llegan a la web. ¿Entienden lo que ofrecemos? ¿Encuentran motivos para confiar? ¿Pueden contactar fácilmente desde el móvil? Si hay dificultades en ese recorrido, mi prioridad sería mejorar esas páginas antes de pagar por llevarles más visitas.
Eso no significa que rechazaría las recomendaciones de la IA. Me interesa utilizarlas para detectar cosas que merece la pena investigar. Pero las trataría como propuestas, no como decisiones tomadas: comprobaría qué datos las respaldan, qué queremos mejorar y cómo sabremos si el cambio ha funcionado.
Tampoco modificaría la configuración solo para estrenar una función. Prefiero que cada ajuste responda a una necesidad concreta del negocio.
Al final, lo que me importa no es que el informe parezca más completo o que el coste por contacto baje. Es saber si estamos atrayendo a las personas adecuadas y convirtiendo ese interés en clientes que hacen viable la inversión. Esa sería mi referencia para decidir qué recomendación seguir y cuál dejar para más adelante.
