La IA que recomendó pausar nuestra campaña más rentable y por qué tenía razón

La recomendación llegó del sistema de análisis de performance de campañas que había configurado para identificar anomalías en los datos de rendimiento. La campaña en cuestión llevaba 8 meses activa, era la de mayor volumen de leads calificados del portafolio y tenía el segundo mejor CPL de la cuenta. Era, por cualquier indicador de performance de corto plazo, la última campaña que el equipo hubiera considerado pausar. La recomendación del sistema era pausarla y redirigir el presupuesto.

El sistema había detectado un patrón en los datos de los últimos 6 semanas que ninguna revisión manual de performance había identificado porque requería cruzar 3 fuentes de datos que nadie consultaba de forma simultánea en el mismo análisis. Los leads que llegaban de esa campaña tenían una tasa de calificación que había bajado del 48% al 31% en 6 semanas, mientras el CPL se había mantenido estable porque el volumen compensaba la caída de calidad. La tasa de conversión de leads calificados a cliente había bajado del 34% al 19% en el mismo período. Y el LTV promedio de los clientes adquiridos a través de esa campaña en los últimos 3 meses era el 40% menor al LTV histórico de la campaña.

Los 3 indicadores juntos describían un deterioro de la calidad de la audiencia que la optimización del sistema había producido de forma gradual: el algoritmo había aprendido a encontrar más prospectos que convertían el formulario, pero los perfiles que encontraba con mayor facilidad habían ido siendo de menor calidad a medida que el aprendizaje del sistema se profundizaba. Era el equivalente del problema de PMax sin señales de audiencia, pero más lento y más difícil de detectar porque el deterioro era gradual y el volumen total se mantenía.

Pausé la campaña. Reconstruí la segmentación con señales de audiencia refrescadas desde el CRM usando los datos de los clientes de mayor LTV de los últimos 6 meses. Relancé con un presupuesto de aprendizaje de 2 semanas antes de escalar. Las primeras 2 semanas mostraron un CPL más alto que la campaña original pero una tasa de calificación del 52% y una tasa de conversión del 38%, superiores a los valores históricos de la campaña en su mejor período.

La IA había tenido razón en la recomendación de pausar. No porque tuviera un conocimiento estratégico sobre la campaña que yo no tuviera. Sino porque tenía acceso a 3 indicadores que yo no había cruzado de forma simultánea en ninguna revisión de performance y que juntos describían una situación diferente a la que cualquiera de los 3 por separado hubiera sugerido. El valor de la IA en este caso no fue estratégico. Fue de visión integrada de datos que los procesos de revisión manual no pueden proporcionar con la misma consistencia.