Pujas automáticas: el optimizador es parte de tu test
Las pujas automáticas se recalibran durante tu test A/B. Cómo la fase de aprendizaje diluye el efecto, el costo en poder y tres diseños que resisten.

📚 Este artículo es parte de la guía Optimización de Conversión (CRO): La Guía Completa 2026.
Las pujas automáticas no son un ajuste de configuración, son un segundo experimento corriendo encima del tuyo. Una estrategia de puja que optimiza en la subasta se recalibra a lo largo del tiempo, y Google Ads declara que esa recalibración puede llevar algunos ciclos de conversión, típicamente 1 o 2. Si esa ventana cae dentro del período que vas a comparar, el brazo tratado fue una cosa en las dos primeras semanas y otra cosa en las cuatro siguientes, y el promedio de las dos no es el efecto de ninguna. En el ejemplo trabajado de esta guía, el mismo experimento devuelve tres veredictos distintos según la ventana leída: el tratamiento pierde de forma significativa en las semanas 1 y 2, empata en la ventana entera de 6 semanas y gana de forma significativa en las semanas 3 a 6. Ninguno de los tres es un error de cálculo. Esta guía cubre lo que hace el optimizador y tu plan no previó, por qué la dilución es aritmética simple, cuánto cuesta en poder, y tres diseños que sobreviven a un optimizador encendido. Esta guía forma parte de nuestra guía completa de test A/B.
Lo que hacen las pujas automáticas y tu plan no previó
La documentación de Google es directa en la definición: las pujas automáticas inteligentes usan la IA de Google para optimizar para conversiones o valor de conversión en cada subasta, un recurso descrito como puja en el momento de la subasta. Las cuatro estrategias de ese grupo son CPA objetivo, ROAS objetivo, Maximizar conversiones y Maximizar valor de conversión.
Fíjate en el “en cada subasta”. Eso quiere decir que la puja no es un número que fijaste y que vale igual del primer al último día. Es una función que recibe señales de contexto y devuelve una puja distinta en cada consulta. La lista declarada de señales incluye tipo de dispositivo, ubicación física, intención de ubicación, hora del día, día de la semana, pertenencia a una lista de remarketing, características del anuncio, idioma de la interfaz, navegador, sistema operativo y la propia consulta de búsqueda, además de atributos de producto, competitividad de precio y estacionalidad en algunos tipos de campaña.
Para un experimento, de ahí salen tres consecuencias.
| lo que hace el optimizador | consecuencia para el test |
|---|---|
| se recalibra con el tiempo | el tratamiento en el día 3 no es el mismo tratamiento del día 30 |
| elige quién entra | la composición del tráfico del brazo cambia con él, así que la tasa de conversión base se mueve sin que nada en la página haya cambiado |
| persigue un objetivo, no un resultado | mantener el CPA en el objetivo puede significar recortar volumen, y el volumen recortado cambia el denominador de tu test |
Ninguna de las tres rompe el sorteo. Las tres mueven lo que estás comparando.
La fase de aprendizaje tiene un tamaño, y se mide en conversiones
Esta es la parte que casi todo plan de test ignora, a pesar de estar documentada.
Google Ads declara que puede llevar algunos ciclos de conversión, típicamente 1 o 2, que la estrategia de puja se calibre para el nuevo objetivo, y agrega que puede ser más rápido según el volumen de datos de conversión presente. La duración depende de tres factores nombrados: el número de conversiones que obtienen las campañas, grupos de anuncios, palabras clave o productos, la duración de los ciclos de conversión, definida como el tiempo que tarda un clic en resultar en una conversión, y la estrategia de puja elegida.
De esa definición salen dos consecuencias prácticas.
La primera es que la ventana de aprendizaje no se mide en días, se mide en tu propio volumen. Los dos primeros factores declarados, el número de conversiones obtenidas y la duración de los ciclos de conversión, son ambos propiedades de tu cuenta, no del calendario. Una cuenta con volumen alto y ciclo de conversión de dos días cierra los ciclos de calibración antes del final de la primera semana. Una cuenta con volumen bajo y ciclo de dos semanas gasta casi el test entero para cerrar los mismos ciclos. El mismo test, con el mismo diseño, tiene una ventana contaminada corta en una cuenta y larga en la otra.
La segunda es que que el estado deje de decir aprendizaje no significa que terminó. La propia documentación afirma que los algoritmos siguen aprendiendo incluso cuando el estado de la puja ya no muestra “Aprendizaje”. El indicador visible es un piso, no un techo.
Vale la pena conocer también los disparadores declarados del estado de aprendizaje, porque cada uno de ellos es algo que puedes hacer sin querer en medio de un test:
| disparador declarado | qué significa | cómo aparece en un test |
|---|---|---|
| nueva estrategia | la estrategia se creó o se reactivó hace poco | es el caso esperado cuando la estrategia es el tratamiento |
| cambio de configuración | se modificó una configuración de la estrategia | alguien ajustó el CPA objetivo en la tercera semana “porque estaba caro” |
| cambio de composición | campañas, grupos de anuncios o palabras clave entraron o salieron de la estrategia | pausar una palabra clave de bajo rendimiento reinicia el reloj |
Existen además los estados de estrategia limitada, por inventario, límite de puja, presupuesto o por la propia estrategia. Un brazo limitado por presupuesto mientras el otro no lo está no es un brazo tratado, es un brazo estrangulado, y esa diferencia no tiene nada que ver con la hipótesis que escribiste.
Ejemplo trabajado: un test, tres veredictos
Los números de abajo salieron del mismo motor estadístico que corre en las calculadoras de esta página, no de una estimación a ojo.
El escenario: una campaña de búsqueda con 32.000 clics por semana, dividida mitad y mitad por cookie entre la campaña original y la de experimento. El control mantiene CPC manual, el tratamiento pasa a CPA objetivo. El test corre 6 semanas. La tasa de conversión del control es estable en 4,00 por ciento durante todo el período.
La estrategia nueva entra en calibración en las dos primeras semanas y convierte peor en ese tramo: 3,70 por ciento. A partir de la tercera semana, ya calibrada, convierte mejor: 4,30 por ciento. Vamos a leer el mismo experimento de tres maneras.
| ventana leída | control | tratamiento | diferencia | lift relativo | valor p | IC 95% (pp) | veredicto |
|---|---|---|---|---|---|---|---|
| semanas 1 y 2 | 1.280/32.000 = 4,0000% | 1.184/32.000 = 3,7000% | −0,3000 pp | −7,5000% | 0,048574 | −0,5981 a −0,0019 | el tratamiento pierde |
| semanas 1 a 6 | 3.840/96.000 = 4,0000% | 3.936/96.000 = 4,1000% | +0,1000 pp | +2,5000% | 0,266396 | −0,0764 a +0,2764 | empate |
| semanas 3 a 6 | 2.560/64.000 = 4,0000% | 2.752/64.000 = 4,3000% | +0,3000 pp | +7,5000% | 0,007129 | +0,0815 a +0,5185 | el tratamiento gana |
Tres lecturas del mismo experimento, tres conclusiones incompatibles, ninguna de ellas equivocada aritméticamente. Pega los números en la calculadora de abajo y reproduce cualquiera de las tres filas.
Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.
La dilución no es misteriosa, es un promedio ponderado. Dos sextos del período tuvieron un efecto de menos 0,30 puntos y cuatro sextos tuvieron más 0,30 puntos:
(2/6) × (−0,30) + (4/6) × (+0,30) = −0,10 + 0,20 = +0,10 pp
Que es exactamente la diferencia que reporta la ventana entera. El experimento no midió el efecto de la estrategia nueva, midió el promedio entre la estrategia ajustándose y la estrategia ajustada, ponderado por cuánto tiempo ocupó cada una el reloj.
Lo que la contaminación cuesta en poder
Aquí está el detalle que más sorprende: incluir la fase de aprendizaje te deja con más datos y menos poder al mismo tiempo.
Con 64.000 clics por brazo, solo las semanas 3 a 6, el poder para detectar el efecto real de más 7,5 por ciento relativo sobre una base de 4 por ciento es de 76,8 por ciento. Para llegar a 80 por ciento, bastarían 69.379 clics por brazo.
Con 96.000 clics por brazo, las 6 semanas enteras, el efecto que queda por detectar es el diluido, de más 2,5 por ciento relativo. El poder para detectar ese efecto cae a 19,8 por ciento, y para llegar a 80 por ciento harían falta 610.010 clics por brazo, casi nueve veces el tráfico del test entero.
La mitad del efecto cuesta cuatro veces la muestra, porque el tamaño de muestra escala con el inverso del cuadrado del efecto. Un período de descarte de dos semanas en un test de seis es caro exactamente en esa proporción.
| efecto relativo a detectar | muestra por brazo (base 4%, 95%, 80%) | días a 32.000 clics/semana |
|---|---|---|
| +15% | 17.943 | 8 |
| +10% | 39.475 | 18 |
| +7,5% (efecto real) | 69.379 | 31 |
| +5% | 154.304 | 68 |
| +2,5% (efecto diluido) | 610.010 | 267 |
Dimensiona por el efecto que vas a medir, no por el que esperas. Si el plan incluye dos semanas de calibración en una ventana de seis, el efecto que vas a medir ya nace un tercio menor.
Cálculo por aproximación normal de dos proporciones, 2 variaciones (50/50). Cambia los campos y mira el impacto en vivo.
Tres diseños que sobreviven a un optimizador encendido
No existe una única forma correcta. Existe el diseño correcto para lo que estás testeando.
Diseño 1: período de descarte declarado. Úsalo cuando la estrategia de puja ES el tratamiento. Escribe en la hipótesis, antes de encender nada, que los primeros N días o las primeras N conversiones se descartarán del análisis (el llamado burn-in), y que el criterio de corte es el mismo en los dos brazos. Eso convierte la contaminación en un costo conocido de diseño, en lugar de un sesgo escondido. El corte tiene que estar en el plan, nunca en el informe: el mismo recorte elegido después de ver los números infla el falso positivo de la misma forma que lo infla parar el test temprano.
Diseño 2: congela la puja y testea solo la página. Úsalo cuando lo que quieres testear es la página, no los medios. Si el sorteo ocurre en tu sitio, después del clic, la puja automática actúa antes y cae en los dos brazos por igual. No sesga la comparación. Lo que hace es mover la composición del tráfico a lo largo del tiempo, y eso solo se vuelve un problema si la estrategia cambia en medio del test. Entonces no la cambies: ninguna modificación de objetivo, de presupuesto ni de composición de la estrategia durante la ventana.
Diseño 3: división por región con control. Úsalo cuando el efecto es de cuenta entera, como un objetivo nuevo que reorganiza el gasto entre campañas, o cuando los dos brazos competirían en la misma subasta. La división por región elimina la competencia interna, al costo de unidades mucho más grandes y menos numerosas. El diseño está detallado en experimentos geográficos y la lectura causal del resultado en test de incrementalidad.
| situación | diseño | por qué |
|---|---|---|
| la estrategia de puja es el tratamiento, cuenta con volumen | experimento de la plataforma con división por cookie + descarte declarado | la división por cookie mantiene a la persona en un solo brazo; el descarte saca la calibración de la cuenta |
| la estrategia es el tratamiento, cuenta de bajo volumen | división por región con control | los ciclos de calibración consumirían el test entero; la región da una unidad mayor |
| la página es el tratamiento | sorteo en el sitio, estrategia congelada | la puja actúa antes del clic y cae igual en los dos brazos |
| cambio de objetivo que reorganiza el gasto entre campañas | división por región con control | los brazos en la misma cuenta se canibalizan en la misma subasta |
| el objetivo tiene que cambiar en medio del test por decisión de negocio | detén el test y vuelve a empezar | un cambio de configuración reinicia la calibración en los dos brazos en momentos distintos |
La frontera con el diseño del split de la plataforma
Vale la pena separar dos cosas que suelen confundirse.
El mecanismo del sorteo dentro de la plataforma, división por cookie contra división por búsqueda, presupuesto compartido, entrega optimizada, es tema de test A/B en la plataforma de anuncios. Sobre eso, la documentación de Google es clara: la división por cookie, recomendada, asigna usuarios aleatoriamente al experimento o a la campaña original y garantiza que un mismo usuario vea solo una de las dos, mientras que en la división por búsqueda el usuario se asigna aleatoriamente en cada búsqueda, de modo que la misma persona puede ver las dos versiones.
Lo que trata esta guía es distinto y viene después: incluso con un sorteo perfecto, el tratamiento cambia de forma a lo largo de la ventana. División por cookie impecable, presupuestos separados, y aun así las semanas 1 y 2 midieron algo que ya no existe en la semana 5.
Dos trampas de calendario completan el cuadro:
- Google recomienda dejar correr un experimento al menos 4 a 6 semanas para recolectar datos suficientes. Eso es bueno para el volumen y malo para la contaminación, porque la ventana larga tiende a incluir la calibración entera dentro del período comparado, en lugar de dejarla fuera.
- El ciclo de conversión aparece dos veces en la misma cuenta: como factor que alarga la calibración y como retraso entre el clic y el desenlace que vas a contar. Un test de 4 semanas en una cuenta con ciclo de 10 días tiene las dos últimas semanas subcontadas en el momento en que miras. Ese mecanismo está detallado en retraso de conversión.
Métricas de guarda para un test con pujas automáticas
Además de las métricas de guarda de siempre, como el desequilibrio de muestra, cuatro señales específicas merecen seguimiento diario:
| señal | qué observar | qué hacer si se dispara |
|---|---|---|
| estado de la estrategia | cualquier brazo marcado como en aprendizaje dentro de la ventana de análisis | extiende el descarte; no compares todavía |
| limitado por presupuesto | un brazo limitado y el otro no | corrige el presupuesto y reinicia la ventana; un brazo estrangulado no es un brazo tratado |
| impresiones por brazo | divergencia que crece con el tiempo | investiga la canibalización de subasta antes de leer la conversión |
| ciclo de conversión | mediana de días entre clic y conversión contra la fecha de lectura | espera al menos un ciclo después del final antes de cerrar el número |
La regla que resume las cuatro: antes de leer el desenlace, confirma que los dos brazos pasaron el mismo tiempo siendo lo mismo.
Errores comunes
- Encender la estrategia nueva el día 1 y comparar desde el día 1. La ventana de análisis incluye el período en que el tratamiento todavía no existía en su forma final.
- Ajustar el CPA objetivo en medio del test. Un cambio de configuración es un disparador declarado de aprendizaje. Reiniciaste el reloj de un solo brazo.
- Pausar palabras clave malas durante la ventana. Un cambio de composición también reinicia. La limpieza puede esperar al final del test.
- Elegir la ventana después de ver el resultado. Las tres lecturas del ejemplo trabajado están todas disponibles en el mismo informe. Elegir entre ellas después es elegir el veredicto.
- Dimensionar por el efecto esperado en lugar del efecto medible. Con dos sextos del período contaminados, el efecto que llega al test ya es un tercio menor, y el poder cae mucho más que proporcionalmente.
- Confiar en el estado de aprendizaje como señal de final. La documentación afirma que los algoritmos siguen aprendiendo incluso cuando el estado ya no muestra aprendizaje.
- Correr un brazo limitado por presupuesto y otro no. La diferencia medida incluye el estrangulamiento, que no es tu hipótesis.
- Asumir que la ventana de calibración es igual entre cuentas. Se cuenta en conversiones y ciclos, así que escala con el volumen, no con el calendario.
Haz esto automático en Donnu
La solución no es estadística nueva, es separar las dos capas de decisión.
Cuando el sorteo ocurre en tu página y eres tú quien controla cuándo empieza y termina, la capa de medios queda fuera de la comparación: cambia quién llega, y quien llega se sortea después. En Donnu el experimento vive en tu sitio, con la fecha de inicio, el período de descarte y la fecha de lectura declarados antes de que el test salga al aire, y el informe muestra la diferencia absoluta con el intervalo al lado, que es la forma que no se deja engañar por una ventana mal elegida. Donnu es una opción entre varias; lo que no cambia de herramienta a herramienta es el principio: si el tratamiento cambió de forma en medio de la ventana, el número que leíste es un promedio de dos cosas, y necesitas decidir cuál de ellas querías medir antes de mirar.
Preguntas frecuentes
Las preguntas al principio de esta página cubren si las pujas automáticas perjudican un test, cuánto dura la fase de aprendizaje, si se pueden descartar las primeras semanas, qué pasa con el poder, cómo testear una página con el optimizador encendido y qué hacer cuando la propia estrategia es el tratamiento.
Referencias
- Google Ads Help. About Smart Bidding. Fuente de la definición de que las pujas automáticas inteligentes usan la IA de Google para optimizar para conversiones o valor de conversión en cada subasta, del término puja en el momento de la subasta, de la lista de las cuatro estrategias (CPA objetivo, ROAS objetivo, Maximizar conversiones y Maximizar valor de conversión) y de la lista de señales contextuales consideradas. Verificado el 24/09/2026. support.google.com.
- Google Ads Help. Duration of the learning period for campaigns and what affects it. Fuente de la afirmación de que puede llevar algunos ciclos de conversión, típicamente 1 o 2, que la estrategia se calibre para el nuevo objetivo, de los tres factores que afectan la duración, de la definición de ciclo de conversión como el tiempo que tarda un clic en resultar en una conversión y de la afirmación de que los algoritmos siguen aprendiendo incluso cuando el estado ya no muestra aprendizaje. Verificado el 24/09/2026. support.google.com.
- Google Ads Help. About bid strategy statuses. Fuente de la lista de estados y de los tres motivos declarados del estado de aprendizaje (nueva estrategia, cambio de configuración y cambio de composición), además de los estados de estrategia limitada por inventario, límite de puja, presupuesto o por la propia estrategia. Verificado el 24/09/2026. support.google.com.
- Google Ads Help. About the “Experiments” page. Fuente de la recomendación de dejar correr el experimento al menos 4 a 6 semanas para recolectar datos suficientes para evaluar los resultados. Verificado el 24/09/2026. support.google.com.
- Google Ads Help. Set up a custom experiment. Fuente de la descripción de la división por cookie, recomendada, que asigna usuarios aleatoriamente y garantiza que un usuario vea solo una versión, contra la división por búsqueda, en la que el usuario se asigna aleatoriamente en cada búsqueda y puede ver las dos. Verificado el 24/09/2026. support.google.com.
Lee también: Test A/B en la plataforma de anuncios · Test de incrementalidad · Experimentos geográficos · Retraso de conversión · El problema del peeking · Desequilibrio de muestra · Fatiga de creatividad publicitaria · Leia em português · Read in English
Preguntas frecuentes
- ¿Las pujas automáticas perjudican un test A/B?
- No perjudican el sorteo, perjudican la ventana. Una estrategia de puja automática se recalibra a lo largo del tiempo, y Google documenta que esa recalibración puede llevar algunos ciclos de conversión, típicamente 1 o 2. Si esa ventana cae dentro del período que vas a comparar, tu brazo tratado pasó parte del tiempo siendo una cosa y parte del tiempo siendo otra. El promedio de las dos no es el efecto de ninguna de ellas.
- ¿Cuánto dura la fase de aprendizaje de la puja?
- Google Ads afirma que puede llevar algunos ciclos de conversión, típicamente 1 o 2, que la estrategia se calibre para el nuevo objetivo, y que puede ser más rápido según el volumen de datos de conversión presente. La duración depende de tres factores declarados: el número de conversiones que obtienen las campañas, la duración de tus ciclos de conversión y la propia estrategia elegida. El ciclo de conversión es el tiempo que tarda un clic en convertirse en conversión.
- ¿Puedo simplemente descartar las primeras semanas del test?
- Puedes, siempre que lo decidas antes de mirar el resultado y apliques el corte a los dos brazos con el mismo criterio. Un período de descarte declarado en el plan es diseño de experimento. El mismo corte elegido después de ver los números es selección de datos e infla el falso positivo de la misma forma que lo infla parar temprano. Escribe la fecha de corte en la hipótesis, no en el informe.
- ¿Qué pasa con el poder del test si incluyo el aprendizaje?
- Se desploma, porque el efecto medido se encoge. En el ejemplo trabajado de esta guía, el efecto verdadero posaprendizaje es de más 7,5 por ciento relativo y la ventana entera mide apenas más 2,5 por ciento. Con 96.000 clics por brazo, el poder para detectar el efecto diluido es de 19,8 por ciento, contra 76,8 por ciento para el efecto real con los 64.000 clics posaprendizaje. Más datos y menos poder, al mismo tiempo.
- ¿Se puede testear la página mientras cambia la estrategia de puja?
- Se puede, pero solo si los dos cambios no coinciden. Si sorteas visitantes entre dos páginas en tu sitio, la puja automática actúa antes del clic y cae en los dos brazos por igual, así que no sesga la comparación, solo mueve la composición del tráfico a lo largo del tiempo. El problema aparece cuando el cambio de estrategia ocurre en medio del test de página: ahí la mezcla de tráfico cambia a mitad de camino y el efecto de período se confunde con el efecto de la página.
- ¿Y si la propia estrategia de puja es lo que quiero testear?
- Entonces ella es el tratamiento, y el diseño cambia. Un experimento personalizado de la plataforma con división por cookie y presupuesto separado es el camino más directo, con la ventana de aprendizaje excluida del análisis por decisión previa. Cuando el efecto es de cuenta entera, como un cambio de objetivo que reorganiza el gasto entre campañas, la división por región con grupo de control mide mejor, porque el brazo tratado y el de control no compiten en la misma subasta.