PERFORMANCE MARKETING · GOOGLE ADS
Reestructuración de Google Ads y escalabilidad de la inversión
Durante mi etapa como Performance Marketing Manager en Computrabajo gestioné estrategia de Performance en distintos mercados y un presupuesto global superior a 3 M€ anuales. Este caso recoge la reestructuración de Google Ads para entender mejor la demanda y preparar la cuenta para escalar.
El problema no estaba solo en las campañas. Estaba en cómo se clasificaba la demanda.
La cuenta tenía campañas de marca y campañas genéricas, pero la categorización de las búsquedas y la negativización no eran suficientemente precisas para evitar todos los solapamientos. Así, costaba entender qué demanda generaba las conversiones y cómo se relacionaban la búsqueda, la keyword, el grupo, el anuncio y la landing.
El reto era entender cómo se distribuía la demanda dentro de una cuenta que había crecido con el tiempo y reconstruir su arquitectura para poder interpretarla mejor.
Primero había que entender qué había detrás de los datos
Antes de plantear cambios, revisé exhaustivamente el histórico de términos de búsqueda. Analicé qué buscaban los usuarios, qué consultas convertían, qué categorías de demanda existían y qué búsquedas se solapaban o no estaban representadas en la estructura.
- Búsqueda
- Keyword
- Grupo de anuncios
- Anuncio
- Landing
- Conversión
- Qué buscaban los usuarios y qué intenciones de búsqueda existían.
- Qué términos generaban conversiones y qué demanda representaban.
- Dónde se mezclaban búsquedas o existían solapamientos.
- Qué búsquedas no estaban suficientemente representadas en la estructura.
Una señal reveladora dentro de un problema más amplio
Las campañas de marca y genéricas ya existían. Sin embargo, la categorización y la negativización no controlaban con suficiente precisión qué búsquedas podían activar cada campaña. Una de las señales más claras apareció al revisar una campaña genérica que parecía especialmente eficiente: parte de sus conversiones procedía de búsquedas relacionadas con Computrabajo.
Las conversiones eran reales, pero el CPA de esa campaña no representaba únicamente la demanda genérica. El hallazgo no era todo el problema: era una evidencia de que hacía falta más control sobre cómo se clasificaban y distribuían las búsquedas.
01
Campaña genérica con buen CPA
02
Parte de las conversiones venía de búsquedas de marca
03
La demanda no estaba clasificada con suficiente precisión
El dato no era incorrecto; había que entender qué tipo de demanda había detrás.
Antes de optimizar el rendimiento, había que entender cómo se distribuía la demanda y construir una estructura que permitiera leerla correctamente.
Del análisis de la demanda a una nueva estructura de cuenta
A partir del análisis, decidí reorganizar la cuenta completa. Las cuatro fases reflejan el trabajo necesario para pasar de los términos de búsqueda a una estructura más controlable y relevante.
01
Analizar
Revisar el histórico para identificar intenciones, conversiones, solapamientos y demanda poco representada.
02
Categorizar
Agrupar búsquedas por términos e intención y definir campañas y grupos con keywords relacionadas.
03
Depurar
Ampliar las negativas para controlar qué búsquedas podían activar cada campaña según su intención.
04
Reconstruir
Reorganizar la cuenta con más campañas y grupos de anuncios, y ampliar las keywords.
La granularidad tenía un propósito: que cada grupo reuniera keywords estrechamente relacionadas y que el anuncio respondiera mejor a la búsqueda que lo activaba. No se trataba de crear campañas por crear, sino de ganar control, relevancia y una lectura más clara del rendimiento.
No fue mover campañas. Fue reconstruir la arquitectura.
La reestructuración fue el resultado visible de un trabajo mucho más amplio de análisis, categorización y depuración de la demanda.
- 01Términos de búsqueda
- 02Categorización
- 03Keywords
- 04Negativización
- 05Campañas
- 06Grupos de anuncios
- 07Anuncios
Cada capa tenía que encajar con la siguiente.
Amplié las keywords, creé nuevas campañas y más grupos de anuncios, y trabajé de forma exhaustiva las negativas para controlar qué búsquedas podían activar cada parte de la estructura. Cada grupo reunía términos muy relacionados para mejorar la conexión entre la búsqueda del usuario y el mensaje del anuncio.
La nueva estructura tuvo que demostrar que podía sostener el crecimiento
01 · Preparar el pico de demanda
La nueva estructura se puso en marcha antes de Navidad, un periodo de menor actividad, para darle tiempo a adaptarse antes del mes más importante de captación.
02 · Llegar a enero con la cuenta estabilizada
El CPA aumentó inicialmente con el cambio de estructura. Con la llegada de enero y el aumento del volumen, el rendimiento empezó a estabilizarse y la cuenta pudo sostener mayores niveles de captación.
03 · Aprovechar el momento
Enero concentraba uno de los mayores niveles de demanda del año. El volumen de conversiones fue suficientemente alto para que dirección decidiera aumentar la inversión y aprovechar el buen comportamiento de la cuenta.
+17 %
de presupuesto respecto al inicialmente previsto
↑ CONVERSIONES
más conversiones que en enero del año anterior
El aumento de conversiones debe interpretarse teniendo en cuenta que el nivel de inversión no era el mismo que el año anterior.
Una base más sólida para escalar
La nueva estructura permitía trabajar con mayores niveles de inversión sin perder de vista qué demanda estaba captando la cuenta.
- ¿Qué demanda estamos comprando?
- ¿Qué campañas generan cada tipo de demanda?
- ¿Dónde tiene sentido aumentar la inversión?
- ¿Qué rendimiento vemos en cada categoría?
Más que una reestructuración de Google Ads
01
Cuestionar un buen resultado aparente y analizar qué demanda hay detrás.
02
Convertir la intención de búsqueda en una estructura más relevante y controlable.
03
Conectar el análisis de rendimiento con decisiones de inversión y escalabilidad.
Lo que haría diferente hoy
La estructura granular tenía sentido en aquel momento porque permitía ejercer un mayor control sobre cómo se organizaban y activaban las búsquedas. Hoy no la replicaría de la misma forma: Google Ads ha evolucionado hacia sistemas de automatización y modelos de aprendizaje que necesitan más margen para trabajar con señales y volumen de datos.
Por eso, actualmente plantearía una estructura más sencilla y dejaría más espacio a la automatización. Mantendría campañas separadas cuando existan diferencias reales de presupuesto, objetivos, puja, intención o medición, pero evitaría crear granularidad únicamente para conseguir más control aparente.