Por qué tus ads no funcionan (y no es culpa del creativo)
El problema de tus anuncios no es el creativo ni la segmentación. Es cómo interpretás los datos. Diagnosticá antes de optimizar.
Gastás en anuncios. Los números se mueven. Pero el negocio no crece a la velocidad que debería. Tu instinto dice que el creativo es malo, que la segmentación está mal, o que necesitás más presupuesto. Probablemente estés equivocado en los tres. La mayoría de los problemas de paid media no son de ejecución. Son de razonamiento: decisiones con datos no representativos, sobre una plataforma que funciona como caja negra, optimizando métricas que no causan el resultado que necesitás.
El problema no es el creativo (ni la segmentación manual)
Cuando los anuncios no convierten, el primer impulso es cambiar el creativo. Si eso no funciona, se toca la segmentación. Y si nada se mueve, se pide más presupuesto. Ese patrón es lo que llamamos el piloto automático del marketing digital.
A finales de 2024, Meta lanzó Andromeda, un motor de inteligencia artificial que reemplazó los sistemas de targeting anteriores. Antes, el anunciante controlaba a quién le llegaba el anuncio seleccionando intereses y comportamientos. Ahora, Meta controla el targeting usando el creativo como señal principal. Este cambio en Social Media Examiner lo explican bien: Andromeda invierte la dinámica completamente.
El blog de ingeniería de Meta lo confirma con números: Andromeda permite un aumento de 10,000x en la complejidad del modelo de retrieval (la etapa donde se filtran decenas de millones de anuncios a unos pocos miles), con una mejora del 8% en calidad de ads en los segmentos donde se implementó.
Cambiar el creativo sin entender por qué el anterior no funcionó es como cambiar de remedio sin saber qué enfermedad tenés.
Qué cambió con Andromeda
El sistema anterior procesaba unos cientos de candidatos con personalización limitada. Andromeda procesa órdenes de magnitud más, usando modelos de deep learning que analizan las señales del creativo para decidir a quién mostrárselo.
Las palancas que antes movías manualmente (intereses, comportamientos, demografía) ahora son sugerencias que el algoritmo puede ignorar. Este análisis de Metalla Digital lo pone claro: si optimizás para conversiones, la mayoría de tus inputs son meramente sugerencias. Las únicas restricciones estrictas son edad mínima (hasta 25 años), ubicación y audiencias excluidas.
Todo lo demás lo decide la máquina.
Andromeda, implementado globalmente en octubre de 2025, trasladó el control de targeting del anunciante al algoritmo. El anuncio se convirtió en la variable de segmentación más importante, por encima de cualquier configuración manual. El sistema permite un aumento de 10,000x en complejidad de modelo y produjo una mejora del 8% en calidad de ads según el blog de ingeniería de Meta.
Estás tomando decisiones con datos que no son representativos
Mirás el dashboard, ves que el costo por adquisición (CPA) de ayer fue alto, y pausás el ad set. O ves que una campaña tuvo buen rendimiento la semana pasada y le subís el presupuesto. El problema: no tenés suficientes observaciones para distinguir señal de ruido.
El CPA de ayer no predice el de mañana
Después de iOS 14.5 (abril 2021), Meta redujo su ventana de atribución por defecto de 28 días a 7 días de click y 1 día de view. Pero el impacto fue más allá del tiempo: las conversiones de usuarios de iOS pueden tardar hasta 3 días en aparecer en los reportes porque Apple agrupa y retrasa los datos.
Si tomás decisiones con datos de un solo día, estás actuando sobre información que se va a corregir después de que ya moviste el presupuesto.
Este caso documentado por AdBeacon lo muestra bien: una marca de ropa deportiva descubrió que el 31% de sus compras ocurrían después del día 8 post-click. Al extender su ventana de análisis a 14 días, el ROAS reportado subió un 24%. La performance no mejoró. La medición dejó de estar incompleta.
Sin representatividad estadística no hay decisión válida
Según datos del mismo Facebook, el 53% de las conversiones de paid ads ocurren dentro de las primeras 48 horas. El otro 47% ocurre después. Si cortás tu análisis en el día 2, estás viendo la mitad de la película.
La documentación de Meta para developers es explícita: un ad set necesita un mínimo de 50 eventos de conversión en 7 días para salir de la fase de aprendizaje. Antes de ese umbral, el algoritmo y vos están tomando decisiones con muestra insuficiente.
| Ventana de análisis | Qué ves | Riesgo |
|---|---|---|
| 1 día | Solo conversiones inmediatas, datos de iOS incompletos | Reportes se corrigen los días siguientes |
| 3 días | Conversiones rápidas, faltan las de ciclo largo | Muestra insuficiente para la mayoría de productos |
| 7 días | Ventana por defecto de Meta, captura la mayoría | Suficiente para decisiones rápidas |
| 14+ días | Imagen completa del ciclo de compra | Ideal para productos de consideración larga |
Tomar decisiones de presupuesto con menos de 7 días de datos expone a dos riesgos: los reportes de iOS se corrigen hasta 3 días después, y cada ad set necesita un mínimo de 50 conversiones en 7 días para salir de la fase de aprendizaje según la documentación de Meta. Optimizar antes de ese umbral es actuar sobre una muestra que no es representativa.
Profundizamos en esto en nuestro post sobre por qué no deberías optimizar mirando el CPA de los últimos días.
El algoritmo decide más que vos (y no sabés qué decide)
Meta Ads funciona como una caja negra causal. Vos definís presupuesto, objetivo y creativos. El algoritmo decide a quién mostrarle qué, cuándo, en qué placement, con qué frecuencia y a qué precio.
Qué controlás vs. qué controla el algoritmo
| Vos controlás | El algoritmo controla |
|---|---|
| Presupuesto | Distribución entre personas |
| Creativos | A quién le muestra cada uno |
| Objetivo de optimización | Cómo define "probabilidad de conversión" |
| Ubicación geográfica (estricta) | Placement (Feed, Stories, Reels) |
| Edad mínima (estricta hasta 25) | Frecuencia y timing |
| Audiencias excluidas | Todo lo demás |
Cuando tu campaña tiene buen rendimiento, no sabés si fue por tu creativo, por la audiencia que el algoritmo eligió, por el placement o por una combinación. Y cuando tiene mal rendimiento, tampoco.
Los de AdExchanger describieron a Advantage+ Shopping Campaigns como la plataforma de ads más opaca que cualquier anunciante de Facebook haya conocido. Y como señala este mismo análisis (de enero de 2026): aunque Andromeda sobresale en optimizar la entrega, no genera comprensión de por qué ciertos creativos funcionan. Sin testing basado en hipótesis, las marcas confunden aleatoriedad con insight.
Cómo abordamos esto en la práctica
La manera más honesta de trabajar con una caja negra es tratar cada combinación de creativo + objetivo + estructura como una hipótesis, no como una campaña que se "optimiza". La diferencia: optimizar asume que sabés qué variable mover. Testear reconoce que no lo sabés y diseña el experimento para averiguarlo.
En un análisis causal que hicimos para un cliente de meditación (app freemium, mercado LATAM), usamos tres frameworks estadísticos (DoWhy, EconML y CausalML) para estimar el efecto causal de diferentes dimensiones creativas sobre conversiones. El ángulo que los tres métodos coincidieron como de mayor impacto fue "revelación de causa oculta". Pero su intervalo de confianza en EconML iba de -212 a +547. Cualquier decisión basada en un solo método hubiera sido prematura.
Eso no invalida el análisis. Muestra que la realidad es más compleja de lo que un dashboard refleja, y que tratar los resultados de la plataforma como verdades absolutas en vez de estimaciones con incertidumbre produce decisiones equivocadas.
Meta Ads opera como caja negra causal: el anunciante controla presupuesto, creativos y objetivo, pero el algoritmo controla a quién se le muestra cada anuncio, cuándo y cómo. Las métricas del Ads Manager son estimaciones útiles, no verdades causales. Atribuir resultados a una sola variable sin diseño experimental es un error de razonamiento, no un error de ejecución.
Profundizamos en cómo funciona esta caja negra y qué implica para tus decisiones en nuestro post dedicado.
Tu anuncio determina a quién le llega (más que los intereses que seleccionaste)
Esta es la idea más contraintuitiva del post. Tu anuncio no es solo un mensaje que le llega a una audiencia. Tu anuncio es la audiencia.
La segmentación oculta
Con Andromeda, Meta analiza los elementos de tu creativo (imágenes, tono, formato, duración) y los usa para decidir qué tipo de persona es más probable que interactúe. Como lo plantean en Social Media Examiner: en la era Andromeda, el creativo actúa como la señal primaria de targeting.
Un video de founder contando su historia atrae personas que responden a narrativas. Una imagen con datos duros atrae personas que buscan soluciones concretas. No porque vos lo configuraste así, sino porque el algoritmo aprendió que esos patrones de contenido correlacionan con esos patrones de usuario.
Este análisis de The MTM Agency lo resume: si antes el targeting definía el éxito, la creatividad es ahora el verdadero diferenciador. Los tests internos de Meta muestran mejoras promedio de 8% a 10% cuando las campañas se estructuran correctamente con diversidad creativa real.
Y diversidad creativa real no es cambiar el color del botón. Los modelos de reconocimiento visual de Meta pueden tratar una imagen con overlays de texto ligeramente diferentes como esencialmente la misma imagen. Si la perciben como repetitiva, suben los costos por mil impresiones (CPM).
Qué implica esto para tu negocio
Si tu propuesta de valor es "meditación para reducir ansiedad" pero tu anuncio habla de "dormir mejor", vas a atraer personas que quieren dormir mejor. El algoritmo va a optimizar para eso. Cuando esas personas lleguen al producto y no encuentren lo que el anuncio prometió, se van.
Esto lo vimos de primera mano: cuando los ángulos creativos estaban desalineados con la propuesta de valor real del producto, el volumen era alto pero el valor de vida del cliente (LTV) era bajo. Los usuarios entraban, no encontraban lo que esperaban, y se iban antes de pagar. Cuando alineamos los ángulos con la propuesta de valor real, el volumen bajó pero el LTV se duplicó. Menos usuarios, mejores usuarios.
En Andromeda, el creativo funciona como la señal de segmentación más poderosa. El algoritmo analiza formato, tono, duración y tipo de contenido para decidir a quién mostrar cada anuncio. Cada anuncio define su propia audiencia. Si lo que el anuncio promete no coincide con lo que el producto entrega, el algoritmo se entrena para buscar personas que van a abandonar.
Cómo funciona esta segmentación oculta y qué hacer al respecto lo cubrimos en nuestro post sobre el anuncio como segmentación real.
Dónde poner presupuesto sin destruir campañas
Una vez que entendés que la plataforma es una caja negra, que los datos de pocos días no son representativos, y que el creativo define la audiencia, la pregunta es: ¿cómo tomo decisiones de presupuesto?
La unidad de decisión es el ad set
El aprendizaje del algoritmo ocurre a nivel de ad set. Cada ad set necesita 50 eventos de conversión en 7 días para salir de la fase de aprendizaje. Si fragmentás tu presupuesto en demasiados ad sets, ninguno llega a ese umbral. El algoritmo nunca sale de la fase de aprendizaje y pagás un "impuesto de aprendizaje" permanente.
En el otro extremo, si dejás que Meta controle todo con Campaign Budget Optimization (CBO), el algoritmo puede poner el 90% en un solo ad set e ignorar los otros. Puede ser eficiente para conversiones de corto plazo, pero te deja sin datos para entender qué funciona y por qué.
Este reporte de Onramp Funds encontró que anunciantes que ajustaron bids manualmente más de una vez por día experimentaron una caída del 15% en ROAS comparado con estrategias automatizadas. Intervenir no es el problema. Intervenir con demasiada frecuencia y datos insuficientes sí lo es.
Ni por ad individual ni por campaña completa
El ad individual no es una unidad válida: dentro de un ad set, Meta distribuye el gasto entre ads automáticamente. No controlás cuánto gasta cada uno.
La campaña completa tampoco: agrupa ad sets con audiencias, creativos y objetivos distintos. Evaluar a nivel de campaña da un promedio que esconde lo que realmente está pasando.
Agencias que consolidaron su estructura a menos ad sets con mayor presupuesto cada uno reportaron mejoras de 15-17% en tasas de conversión según este análisis de Vaizle. No por hacer algo distinto, sino por darle al algoritmo las condiciones mínimas para funcionar.
La unidad de decisión de presupuesto en Meta Ads es el ad set. Cada uno necesita 50 conversiones en 7 días para completar la fase de aprendizaje. Fragmentar en demasiados ad sets impide alcanzar ese umbral. Consolidar en muy pocos impide entender qué funciona. El punto óptimo es tener suficiente granularidad para diagnosticar y suficiente concentración para que los datos sean representativos.
Cómo diseñar esta estructura lo cubrimos en nuestro post sobre optimización de presupuesto a nivel de ad set.
Si nada de esto funciona, el problema es tu propuesta de valor
Supongamos que hiciste todo bien. Esperaste para tener datos representativos. Diseñás hipótesis en vez de "optimizar". Diversificaste creativos. Consolidaste ad sets.
Y los anuncios siguen sin convertir.
Cuando eso pasa, el problema probablemente no es de marketing.
Cuándo el diagnóstico pasa de marketing a producto
Los de Taktical Digital documentaron un caso donde, después de semanas optimizando creativos, hicieron entrevistas a clientes y descubrieron que las funcionalidades del producto no respondían a las necesidades reales de los usuarios. Ningún nivel de creatividad podía superar ese desalineamiento.
Las señales son claras:
- Tu CTR es decente (la gente hace click) pero la conversión post-click se desploma. El anuncio atrae interés pero lo que el usuario encuentra después no coincide.
- Probaste múltiples ángulos creativos fundamentalmente diferentes y ninguno convierte de forma consistente. Si un solo ángulo falla, puede ser el creativo. Si ninguno funciona, es la propuesta de valor.
- Los usuarios que convierten tienen LTV bajo. Se van rápido, no pagan, o no usan el producto. Los estás atrayendo con una promesa que el producto no cumple.
Marc Andreessen definió product-market fit como estar en un buen mercado con un producto que puede satisfacer ese mercado. Un indicador: si al menos el 40% de los usuarios encuestados dicen que estarían "muy decepcionados" si perdieran acceso al producto, hay indicios de fit. Si esa cifra es más baja, el problema está upstream del marketing.
Cuando los anuncios no convierten a pesar de estructura correcta, diversidad creativa y presupuesto suficiente, las señales más claras de que el problema es la propuesta de valor son: CTR aceptable con conversión post-click baja, múltiples ángulos creativos que fallan por igual, y LTV consistentemente bajo. Ningún nivel de creatividad supera un desalineamiento entre lo que se promete y lo que se entrega.
Cuándo el problema deja de ser de ads y pasa a ser de negocio lo exploramos en nuestro post sobre propuesta de valor y salud del negocio.
Conclusión
La mayoría de los problemas de paid media no se resuelven cambiando creativos ni aumentando presupuesto. Se resuelven pensando mejor sobre qué medís, cómo lo interpretás, y si tu estructura permite distinguir qué funciona y qué no.
Andromeda trasladó el control de targeting al algoritmo. Tu creativo es tu segmentación.
Los datos de pocos días no son representativos. Necesitás al menos 50 conversiones en 7 días por ad set para tomar decisiones informadas.
Meta Ads es una caja negra causal. No podés atribuir resultados a una sola variable sin diseño experimental.
La unidad de decisión de presupuesto es el ad set.
Si todo lo táctico está bien y sigue sin funcionar, el problema es la propuesta de valor.
Si sentís que tu operación de paid media está operando con esta lógica superficial, podemos diagnosticarlo. Desarmamos el sistema, encontramos dónde se deja valor en la mesa, y lo resolvemos.
Agendar diagnóstico