Antes de ampliar el presupuesto: qué demuestra el ROAS de un informe con IA

Quien dirige marketing o responde por los informes de una agencia debe comprobar cómo se conecta el dato con la decisión. La IA puede preparar el comentario, pero no inventar cuántas ventas habrían ocurrido sin esa publicidad.

La diferencia está en las ventas que habrían ocurrido de todos modos

El ROAS relaciona el valor de las conversiones con el gasto publicitario. El ROAS atribuido utiliza el valor que un sistema asigna a los anuncios siguiendo sus reglas de seguimiento y atribución. Es útil para conocer el rendimiento registrado bajo esas reglas, pero asignar crédito no demuestra por sí solo una relación causal.

En Conversion Lift de Google basado en usuarios, el ROAS incremental divide el valor adicional de conversión estimado entre el gasto publicitario. Requiere un escenario contrafactual: una comparación válida con lo que habría sucedido sin esa publicidad. Observar más ventas después de activar una campaña no proporciona automáticamente ese escenario.

También importa qué significa «valor». Una cifra configurada como valor de compra puede no coincidir con los ingresos cobrados. Y el ROAS no mide el beneficio: para valorar una decisión de presupuesto siguen contando el margen y los demás costes.

Un caso ficticio para revisar la frase, no solo la división

Imaginemos un comercio cuyo panel de campaña registra, durante un mes, THB 100.000 de gasto y THB 400.000 de valor de compra atribuido. Hubo además una promoción. No se aporta ningún estudio causal. Son datos hipotéticos, no resultados de un cliente.

La división THB 400.000 / THB 100.000 da un ROAS atribuido de 4,0. Si el informe concluye «Los anuncios generaron THB 400.000 de ingresos adicionales; debemos aumentar el presupuesto», la aritmética no respalda las dos afirmaciones añadidas: que las ventas fueron adicionales y que más gasto tendrá el rendimiento esperado.

Una redacción ajustada a la fuente sería: «En el mes analizado, el panel de la campaña atribuyó THB 400.000 de valor de compra a THB 100.000 de gasto publicitario, con un ROAS atribuido de 4,0. La información suministrada no estima el efecto incremental». En el informe real deben figurar las fechas exactas del periodo.

La promoción es una hipótesis que investigar, no una explicación demostrada. Tampoco cabe describir ese 4,0 como un beneficio del 400 %.

Pedir la prueba adecuada para cada afirmación

Conviene clasificar la evidencia antes de editar el comentario. Una comparación antes-después describe una evolución. La atribución reparte crédito según unas reglas. Un experimento estima un efecto mediante una comparación controlada. Un modelo causal con datos observacionales estima efectos bajo supuestos que deben hacerse explícitos.

Google Conversion Lift compara grupos de tratamiento y control, con modalidades por usuarios o zonas geográficas. No está disponible para todas las cuentas. Un estudio válido exige diseño especializado y grupos comparables; restar dos totales brutos no basta. También puede elegirse un estudio fuera del producto de Google.

Los modelos de mezcla de marketing también pueden estimar efectos causales. Deben considerar factores de confusión, es decir, variables que influyen tanto en las decisiones publicitarias como en las ventas. Las promociones y la estacionalidad pueden merecer análisis, sin que su presencia pruebe de antemano una causa.

La documentación de Meridian advierte que varios modelos pueden predecir bien y producir estimaciones causales distintas. Por eso, un buen ajuste predictivo no sustituye la revisión de los supuestos. Tampoco un modelo de lenguaje que comenta un panel equivale a un modelo causal correctamente especificado.

Qué puede rendir el presupuesto adicional

Incluso con una estimación causal del periodo anterior queda otra cuestión: el rendimiento medio del dinero gastado no establece el del dinero que se añadirá. En la práctica, ampliar una campaña puede cambiar a quién alcanza y qué oportunidades quedan disponibles.

Meridian distingue el ROI histórico del ROI marginal, referido a un pequeño aumento del gasto. Sus curvas de respuesta permiten comparar escenarios de presupuesto más amplios; superar los niveles observados aumenta el riesgo de extrapolación. Estas medidas causales no equivalen al ROAS atribuido de una plataforma.

La empresa puede tomar una decisión acotada aun sin despejar toda la incertidumbre. El informe debe decir qué supuesto sustenta esa decisión, quién la aprueba y qué evidencia se revisará después. No existe un porcentaje universal de aumento seguro que pueda deducirse de un ROAS histórico.

Una ficha que se puede incorporar al encargo del informe

MindVerve propone marcar expresiones como «causó», «generó ingresos adicionales» o «aumentará». Para cada afirmación relevante, copia estos campos junto a la frase original e incorpóralos al encargo del informe:

1. Afirmación y decisión: texto exacto, tipo de evidencia y decisión que pretende respaldar.
2. Dato original: nombre del indicador, definición, fuente y fecha de consulta.
3. Alcance: periodo, campañas, público y resultado medido.
4. Método y comparación: reglas de atribución o comparación utilizada para estimar el efecto causal.
5. Límites: incertidumbre disponible, supuestos e información que falta.
6. Cierre de la revisión: redacción aprobada, revisor, responsable del presupuesto y siguiente acción.

La IA puede preparar la ficha y señalar vacíos. El revisor debe comprobar la fuente y aprobar la conclusión que afecte a la decisión. Si falta evidencia, toca pedirla o ajustar la afirmación a lo que sí se sabe. Ni una instrucción al modelo ni esta lista garantizan una conclusión correcta.

Cómo evaluar un piloto de informes con IA

Estas tres pruebas de aceptación se proponen para el piloto; no son pruebas ejecutadas ni resultados obtenidos.

1. Solo hay atribución: el texto mantiene esa etiqueta y no convierte el valor atribuido en ingresos incrementales.
2. El estudio no es concluyente: el resumen conserva la incertidumbre y evita afirmar con certeza que no hubo efecto.
3. Hay una estimación de un modelo causal: el informe conserva alcance y supuestos sin presentarla como un experimento.

Para evaluar el trabajo, registra las correcciones de afirmaciones sin respaldo, la proporción de afirmaciones trazables y el esfuerzo total de revisión. Comprobar las fuentes también consume tiempo y debe incluirse al valorar el piloto.

El servicio de automatización e informes de MindVerve define entradas, salidas, responsables, cálculos, controles, puntos de revisión y reglas ante fallos. AI Workflow Launch implementa un único flujo acordado con pruebas representativas y de excepción, documentación, formación y entrega. Configuración, accesos, licencias o uso de API, integraciones adicionales y mantenimiento necesitan un alcance acordado. No se presupone que incluya implementar un modelo causal o diseñar un experimento.