Experimentos y Testing A/B en Google Ads: Campaign Experiments y Ad Variations
La mayoría de los tests que se corren en Google Ads no son tests reales: son comparaciones informales entre dos configuraciones que corrieron en momentos distintos, sin control estadístico, sin aislamiento de variables externas, y sin un umbral de significancia definido de antemano. El resultado es que muchas decisiones de cuenta —cambiar una estrategia de puja, probar un nuevo copy, ajustar una landing page— se toman en base a diferencias que podrían explicarse perfectamente por variación normal del mercado, y no por el cambio que se intentó medir.
Esta guía es una referencia técnica completa sobre cómo diseñar experimentos válidos en Google Ads: la diferencia entre Campaign Experiments (Drafts & Experiments) y Ad Variations, qué variables testear primero según el objetivo de la cuenta, cómo calcular si un resultado es estadísticamente significativo o todavía ruido, y el framework de testing disciplinado que usamos en Old Fox antes de implementar cualquier cambio estructural permanente en una cuenta de cliente.
A lo largo de la guía vamos a cubrir, en orden, qué son Campaign Experiments y cómo se diferencian de simplemente duplicar una campaña, qué son Ad Variations y cuándo usarlas en lugar de un experimento completo, cómo calcular el tamaño de muestra y la duración mínima necesaria para un resultado confiable, qué variables priorizar primero, errores comunes que invalidan un test sin que el anunciante lo note, y una serie de preguntas frecuentes sobre testing en un ecosistema cada vez más dominado por automatización.
Solicitá una Auditoría Gratuita de tu Cuenta →
Campaign Experiments: Qué Son y Por Qué Importan
Campaign Experiments (conocido anteriormente como Drafts & Experiments) es la herramienta nativa de Google Ads para correr un test controlado de campaña, dividiendo el tráfico elegible entre una versión "control" (la configuración actual sin cambios) y una versión "experimento" (con el cambio que se quiere testear), de forma simultánea y aleatoria a nivel de subasta.
Por Qué es Distinto a Simplemente Duplicar una Campaña
El error más común que reemplaza a un experimento real es duplicar la campaña, aplicar el cambio en la copia, y comparar el rendimiento de ambas corriendo en paralelo sin relación estructural entre sí. El problema de este enfoque es que ambas campañas compiten de forma independiente por el mismo público, lo que puede generar canibalización entre ellas (ambas pujando por las mismas subastas, inflando artificialmente el costo), además de no garantizar una división aleatoria y controlada del tráfico.
Campaign Experiments, en cambio, divide el tráfico de la campaña original a nivel de subasta individual, de forma aleatoria y con un porcentaje de split configurable (habitualmente 50/50), asegurando que ambas versiones compitan bajo exactamente las mismas condiciones de mercado, estacionalidad y comportamiento de usuario durante el mismo período de tiempo.
Qué se Puede Testear con Campaign Experiments
Prácticamente cualquier cambio a nivel de campaña: estrategia de puja (por ejemplo, Maximizar Conversiones vs. tCPA), presupuesto, configuración de red, segmentación geográfica, o incluso una reestructuración completa de grupos de anuncios y keywords dentro de la misma campaña experimental.
Ad Variations: Testing de Copy a Mayor Escala
Ad Variations permite testear un cambio de copy específico —un titular, una descripción, un call-to-action— aplicado simultáneamente a través de múltiples campañas o incluso de toda la cuenta, sin necesidad de crear un experimento de campaña dedicado para cada test individual.
Cuándo Usar Ad Variations en Lugar de un Experimento Completo
Ad Variations es la herramienta correcta cuando el cambio a testear es puramente de mensaje o copy, y se quiere validar la hipótesis a mayor escala y velocidad, sin aislar una sola campaña. Por ejemplo, testear si incluir un precio específico en el titular mejora el CTR across todas las campañas de una categoría de producto, en lugar de limitar el test a una sola campaña.
La limitación de Ad Variations es que no permite testear cambios estructurales más allá del copy del anuncio: no sirve para testear estrategias de puja, presupuesto, o cambios de segmentación, que requieren Campaign Experiments.
Cómo Calcular si un Resultado es Estadísticamente Significativo
La pregunta que define si un test fue válido o no es: ¿la diferencia observada entre control y experimento es lo suficientemente grande, sobre una muestra lo suficientemente grande, para descartar que sea simplemente variación aleatoria?
El Problema del Volumen Insuficiente
El error más común en testing de Google Ads es sacar conclusiones con volumen de conversión insuficiente. Una diferencia de CPA del 20% entre control y experimento, basada en 8 conversiones en cada lado, no es una señal confiable: con ese volumen, la variación esperada por azar puede fácilmente superar ese 20% sin que exista ninguna diferencia real subyacente entre ambas configuraciones.
Como regla práctica general, recomendamos un mínimo de 100 conversiones por lado (control y experimento) antes de considerar un resultado como potencialmente confiable, y idealmente aplicar una calculadora de significancia estadística (hay varias disponibles gratuitamente online, basadas en pruebas de proporción o chi-cuadrado) antes de tomar una decisión definitiva, en lugar de guiarse únicamente por la intuición de "este número se ve mejor que el otro".
Duración Mínima del Experimento
Además del volumen de conversión, la duración del experimento debe cubrir al menos un ciclo completo de comportamiento del negocio, generalmente un mínimo de dos a cuatro semanas, para capturar variación normal de días de la semana, patrones de pago (quincena, fin de mes) y cualquier estacionalidad de corto plazo relevante para el negocio específico. Terminar un experimento después de solo 3 o 4 días, incluso con volumen aparentemente suficiente, corre el riesgo de que el resultado esté sesgado por un patrón de comportamiento atípico de esos días puntuales.
Ver nuestra guía completa de Smart Bidding y estrategias de puja automatizada →
Qué Variables Priorizar Primero
No todos los tests tienen el mismo potencial de impacto. Este es el orden de prioridad que aplicamos en Old Fox al diseñar un roadmap de experimentación para una cuenta nueva.
1. Estrategia de puja. Es la variable con mayor impacto potencial en eficiencia de presupuesto, y la que justifica un experimento formal con Campaign Experiments casi siempre, dado que un cambio mal calibrado puede afectar significativamente el CPA durante semanas.
2. Estructura de oferta y mensaje principal del anuncio. El titular principal y la propuesta de valor central suelen tener más impacto en CTR y tasa de conversión que ajustes menores de copy secundario, por lo que merecen prioridad de testing sobre variaciones más sutiles.
3. Landing page de destino. Aunque técnicamente se testea fuera de Google Ads (vía herramientas de testing del propio sitio o CMS), el impacto de una landing page mejor alineada con la intención de búsqueda suele superar el impacto de cualquier ajuste dentro de la plataforma publicitaria.
4. Segmentación geográfica o de audiencia. Relevante especialmente en negocios con presencia en múltiples mercados o con audiencias claramente diferenciadas, donde vale la pena validar si una segmentación más granular mejora la eficiencia general.
5. Extensiones y formatos de anuncio. El impacto marginal suele ser menor que las variables anteriores, pero sigue siendo relevante, especialmente en cuentas donde las extensiones todavía no están completamente optimizadas.
Errores Comunes que Invalidan un Test
Cambiar múltiples variables al mismo tiempo. Si el experimento modifica simultáneamente la estrategia de puja y el copy del anuncio, es imposible atribuir el resultado a una causa específica. Cada experimento debería aislar, idealmente, una sola variable por vez.
Terminar el experimento apenas se ve una diferencia favorable. Es una tentación comprensible, pero estadísticamente peligrosa: las diferencias tempranas en un test suelen ser más extremas de lo que terminan siendo una vez que el volumen de datos madura, un fenómeno conocido como "regresión a la media".
No considerar eventos externos durante el período de test. Una promoción de temporada, un cambio de precio, una caída temporal del sitio, o incluso un evento de la competencia pueden sesgar los resultados de un experimento sin que la causa real sea ninguna de las dos configuraciones testeadas.
Aplicar el cambio ganador sin volver a monitorear. Un resultado favorable en el período de experimento no garantiza que el efecto se mantenga de forma permanente: conviene seguir monitoreando después de aplicar el cambio definitivo, para confirmar que el comportamiento se sostiene fuera del contexto controlado del test.
No documentar la hipótesis y el resultado para referencia futura. Sin un registro de qué se testeó, por qué, y qué se concluyó, es común repetir el mismo test meses después sin recordar que ya se había intentado, desperdiciando tiempo y presupuesto.
Ver nuestra guía completa de auditoría técnica de cuentas →
Testing en un Ecosistema Cada Vez Más Automatizado
Una pregunta legítima en cuentas que ya operan bajo Smart Bidding y Performance Max es si el testing manual sigue teniendo sentido cuando el algoritmo ya optimiza de forma continua. La respuesta es que sí, pero el rol del testing cambia: ya no se trata tanto de microoptimizar variables menores que el algoritmo ajusta de todas formas, sino de validar decisiones estructurales de mayor nivel que el algoritmo no puede decidir por sí mismo —qué estrategia de puja usar, cómo estructurar el feed de productos, qué propuesta de valor central comunicar— porque esas decisiones requieren criterio de negocio que está fuera del alcance de la optimización automática.
En ese sentido, Campaign Experiments se vuelve más relevante, no menos, en cuentas avanzadas: es la herramienta que permite validar con rigor estadístico decisiones que, de otra forma, se tomarían por intuición o por lo que "parece funcionar mejor" sin evidencia controlada real.
Cómo Aplicar un Experimento Ganador Correctamente
Confirmar que una variación ganó el test es solo la mitad del trabajo. Aplicar ese resultado de forma incorrecta puede diluir o incluso revertir el beneficio detectado durante el experimento.
Aplicar el cambio de forma gradual cuando sea posible, no abrupta. Especialmente en cambios de estrategia de puja, migrar el 100% del presupuesto de golpe desde la configuración control hacia la configuración ganadora puede generar una nueva fase de inestabilidad temporal, aunque el cambio en sí sea correcto. Cuando la herramienta lo permite, una transición escalonada reduce ese riesgo.
Fusionar el experimento en lugar de recrear la campaña desde cero. Campaign Experiments permite "aplicar" los cambios directamente a la campaña original una vez finalizado el test, preservando el historial de rendimiento acumulado. Recrear la campaña manualmente desde cero, en cambio, reinicia señales de aprendizaje y pierde el historial que el algoritmo ya había construido.
Monitorear un período adicional post-aplicación antes de declarar el test cerrado. El comportamiento bajo condiciones de experimento controlado (con una porción parcial del tráfico y presupuesto) no siempre es idéntico al comportamiento una vez que el cambio recibe el 100% del tráfico y presupuesto de la campaña. Vale la pena confirmar que el efecto se sostiene en ese nuevo contexto antes de considerar el ciclo de testing completamente cerrado.
Registrar el resultado en un repositorio de aprendizajes de cuenta. Más allá de la decisión puntual, cada experimento genera conocimiento reutilizable sobre qué tipo de cambios tienden a funcionar mejor en esa cuenta específica, información valiosa para priorizar futuros experimentos con mayor probabilidad de éxito.
Experimentos Geográficos: Testing Fuera de la Plataforma Publicitaria
Una variante de testing menos conocida, pero muy útil para medir el impacto incremental real de la inversión publicitaria, son los experimentos geográficos (geo experiments): dividir mercados geográficos comparables entre un grupo donde se mantiene la inversión actual y otro donde se modifica (aumenta, reduce, o se pausa completamente), para medir el efecto incremental real de esa inversión sobre métricas de negocio, más allá de lo que el propio Google Ads reporta como atribuido.
Por Qué son Útiles Más Allá de lo que Mide una Campaña Individual
Los experimentos geográficos responden una pregunta distinta a la que responde un Campaign Experiment tradicional: no "¿qué configuración rinde mejor dentro de la plataforma?", sino "¿cuánto de mi resultado de negocio total es realmente incremental gracias a esta inversión, versus ventas que hubieran ocurrido de todas formas?". Es una pregunta especialmente relevante en negocios con fuerte presencia de marca, donde una parte del tráfico y las conversiones atribuidas a Google Ads podría haber ocurrido igual por búsqueda orgánica o tráfico directo, incluso sin la inversión paga.
Cómo Diseñar un Experimento Geográfico Básico
Requiere identificar pares de mercados geográficos con comportamiento histórico similar (ciudades o regiones de tamaño y perfil demográfico comparable), asignar uno de cada par al grupo de control (sin cambios) y el otro al grupo de tratamiento (con el cambio de inversión a testear), y comparar la diferencia en métricas de negocio agregadas —no solo las reportadas dentro de Google Ads— entre ambos grupos durante el período del experimento. Es una metodología más compleja de implementar que un Campaign Experiment estándar, pero ofrece una vista de incrementalidad real que la plataforma publicitaria, por su propia naturaleza, no puede proveer por sí sola.
Preguntas Frecuentes sobre Experimentos en Google Ads
¿Cuánto debería durar un experimento de Campaign Experiments?
Un mínimo de dos semanas, idealmente tres a cuatro, dependiendo del volumen de conversión diario de la cuenta. Cuentas de bajo volumen pueden necesitar períodos más largos para acumular una muestra estadísticamente suficiente.
¿Qué porcentaje de split de tráfico conviene usar?
Un split 50/50 es el estándar recomendado porque maximiza la velocidad de acumulación de datos en ambos lados simultáneamente. Splits desbalanceados (como 80/20) tienen sentido cuando se quiere minimizar el riesgo de exposición al cambio experimental mientras se recolectan datos iniciales, a costa de que el experimento tarde más en alcanzar significancia estadística.
¿Puedo correr varios experimentos al mismo tiempo en la misma cuenta?
Sí, siempre que no se apliquen sobre la misma campaña o se superpongan en las variables que modifican, porque eso haría imposible aislar qué cambio causó qué resultado. Experimentos en campañas completamente distintas y sin solapamiento de variables pueden correr en paralelo sin problema.
¿Qué pasa si el experimento no alcanza significancia estadística después de varias semanas?
Es un resultado válido en sí mismo: significa que, con el volumen de datos disponible, no hay evidencia suficiente de que el cambio genere una diferencia real. Puede implicar extender el período de test si el volumen es bajo, o aceptar que la variable testeada no tiene impacto significativo y priorizar otra hipótesis.
¿Los experimentos afectan el aprendizaje de Smart Bidding de la campaña original?
La campaña control generalmente mantiene su comportamiento normal sin reinicio de aprendizaje, mientras que la rama de experimento, si modifica la estrategia de puja, sí entra en su propia fase de aprendizaje independiente, calibrada sobre la porción de tráfico que le corresponde.
¿Conviene aplicar directamente el cambio sin experimento si estoy seguro de que va a funcionar mejor?
No lo recomendamos, incluso cuando la intuición parece clara. La disciplina de testing existe precisamente porque la intuición sobre qué va a funcionar mejor en publicidad digital falla con más frecuencia de la que la mayoría de los anunciantes asume, y el costo de un experimento mal fundado suele ser mucho menor que el costo de un cambio permanente mal fundado.
¿Ad Variations puede revertirse fácilmente si el resultado es negativo?
Sí, Ad Variations permite pausar o revertir la variación en cualquier momento, y Google reporta el rendimiento comparativo de forma continua mientras el test está activo, lo que permite monitorear y actuar sin esperar a que el test se autodeclare completo.
¿Hace falta experiencia estadística avanzada para interpretar estos resultados?
No es necesario un nivel experto, pero sí conviene entender los conceptos básicos de significancia estadística y tamaño de muestra cubiertos en esta guía. Existen calculadoras de significancia gratuitas y accesibles que simplifican el cálculo, eliminando la necesidad de hacer el análisis estadístico manualmente.
¿Tiene sentido testear dos estrategias de Smart Bidding completamente distintas, como Maximizar Conversiones contra tROAS?
Sí, y es uno de los experimentos de mayor valor quando una cuenta tiene volumen suficiente para sostener ambas ramas con datos confiables. La diferencia de lógica entre ambas estrategias —optimizar por volumen puro versus optimizar por valor de conversión— puede generar resultados de negocio muy distintos, y validarlo con un experimento controlado evita adoptar un cambio de estrategia basado solo en lo que funcionó en otra cuenta o en una recomendación genérica.
¿Qué hago si dos experimentos distintos en la misma cuenta dan resultados aparentemente contradictorios entre sí?
Antes de asumir contradicción, verificá que ambos experimentos hayan corrido en condiciones realmente comparables: mismo período de tiempo, mismo volumen mínimo de datos, y sin eventos externos que hayan afectado a uno y no al otro. Si las condiciones fueron efectivamente comparables y los resultados siguen siendo contradictorios, suele ser una señal de que el comportamiento del mercado o de la audiencia cambió entre ambos períodos, y vale la pena repetir el test más reciente antes de tomarlo como definitivo.
Llevá tu Proceso de Testing al Siguiente Nivel
Testear sin disciplina estadística genera la ilusión de estar optimizando basado en datos, cuando en realidad se están tomando decisiones basadas en ruido. La diferencia entre una cuenta que mejora de forma sostenida con el tiempo y una que fluctúa sin rumbo claro rara vez está en cuántos cambios se prueban: está en cuántos de esos cambios se validaron correctamente antes de aplicarse de forma permanente.
En Old Fox incorporamos Campaign Experiments como parte estándar de nuestro proceso de gestión en cuentas donde el volumen de datos lo permite, precisamente porque evita que decisiones estructurales importantes se tomen por intuición en lugar de evidencia controlada.
Si querés saber si las últimas decisiones estructurales de tu cuenta estuvieron realmente respaldadas por datos confiables, pedí una auditoría gratuita. La entregamos en 48 horas, sin compromiso. Para profundizar en qué variables de puja automatizada suelen rendir mejor según el perfil de cuenta, te recomendamos nuestra guía completa de Smart Bidding, y nuestra guía de Optimization Score en Google Ads, donde profundizamos en cómo validar con criterio propio las recomendaciones automáticas de Google antes de aplicarlas.