El error de optimizar para el clic y no para la conversación que cierra
Durante meses le pedí al algoritmo que encontrara personas que hicieran clic. Era una instrucción razonable si el negocio se tratara de clics. Pero el negocio se trata de clientes, y entre un clic y un cliente existe una distancia que ninguna plataforma de publicidad recorre por sí sola. Esa distancia se llama ciclo de venta y en B2B puede durar más de un año. Yo le estaba pidiendo al algoritmo que resolviera un problema de largo plazo con una optimización de corto plazo.
La consecuencia era predecible en retrospectiva: encontraba personas con alta propensión a hacer clic en anuncios de nuestra categoría. No personas con alta propensión a convertirse en clientes de nuestra solución específica. Son dos perfiles diferentes y el algoritmo, sin instrucciones más precisas, optimiza para el primero porque es el que puede medir con certeza en el corto plazo.
El rediseño comenzó con una pregunta simple: ¿qué tiene en común el 20% de los leads que terminaron siendo clientes en los últimos 18 meses? La respuesta vino del CRM: cargo directivo o gerencial, empresa de más de 50 empleados, sector industrial o de servicios especializados, y en todos los casos había habido una interacción con contenido de caso de uso antes de solicitar información. Ese perfil era mi audiencia objetivo real.
Le di esa información al algoritmo de la forma más concreta que las plataformas permiten: listas de audiencias similares construidas sobre la base de clientes actuales del CRM, señales de audiencia en PMax basadas en comportamiento en el sitio de páginas de casos de uso, exclusiones de audiencias que históricamente generaban clics pero no avanzaban en el pipeline. En esencia, construí una descripción del comprador real usando datos del ciclo de ventas real.
En 8 semanas el volumen de leads cayó un 35%. La tasa de avance de MQL a oportunidad calificada subió del 18% al 41%. El algoritmo es poderoso. Pero necesita que le digas con precisión a quién busca, usando el lenguaje de datos que entiende. Sin esas instrucciones específicas, optimiza para lo que puede medir, que no siempre es lo que el negocio necesita.