La automatización de optimización de anuncios de Amazon funciona mejor cuando se le dan los trabajos que los humanos hacen mal: observar miles de términos de búsqueda todos los días, reaccionar a los cambios de stock, atrapar una puja que se ha desviado, aplicar la misma regla constantemente a las dos de la mañana. Funciona peor cuando se le dan llamadas de juicio que dependen de información que el sistema no puede ver, como un producto que se descontinuará el próximo mes, un cambio de margen, un problema de proveedor o una decisión deliberada de comprar cuota de mercado en una nueva categoría. La mayoría de los proyectos de automatización decepcionantes no son fallos técnicos. Son fallos de alcance.
Así que la pregunta útil no es si automatizar, sino dónde se encuentra el límite. Lo dibujamos en un lugar específico: la automatización posee frecuencia y consistencia, los humanos poseen estrategia y excepciones. Eso significa que la máquina ajusta las pujas, cosecha términos de búsqueda, aplica negativos, marca el ritmo del presupuesto y marca anomalías, mientras que las personas deciden para qué sirve la cuenta, qué productos merecen inversión, cuál es un costo de adquisición aceptable y cuándo anular las reglas por completo. Este artículo establece cómo implementamos esa división, y las barandillas que evitan que un sistema basado en reglas haga con confianza lo incorrecto a escala.
Trabajos que la automatización debería poseer
Los candidatos más claros son de alta frecuencia, baja ambigüedad y reversibles. Los ajustes de puja dentro de un rango definido basado en el rendimiento reciente califican. También lo hace la cosecha de términos de búsqueda, donde los términos que convierten se promocionan a campañas de coincidencia exacta y los que no convierten persistentemente se niegan. El dayparting, el ritmo del presupuesto para que las campañas no agoten su asignación antes de las horas de mayor intención, y pausar la publicidad en artículos que se han quedado sin stock son todos mecánicos y se benefician enormemente de hacerse todos los días en lugar de cuando alguien lo recuerda.
La detección de anomalías es la otra gran victoria, y a menudo se pasa por alto porque no cambia nada por sí sola. Un sistema que nota que el gasto se duplica en una campaña, una tasa de conversión que colapsa de la noche a la mañana, o un producto que de repente pierde la caja de compra, y luego le dice a un humano dentro de la hora, evita más desperdicio de lo que la mayoría de los algoritmos de puja entregan en ganancias.
Decisiones para mantener con las personas
Cualquier cosa que dependa de un contexto fuera de los datos publicitarios debe seguir siendo humana. El costo de adquisición objetivo depende del margen, la posición del inventario y la intención estratégica. Si defender una categoría contra un nuevo competidor o cederla es una decisión de negocio. La estrategia de lanzamiento para un nuevo producto implica aceptar deliberadamente una mala eficiencia durante un período, lo que cualquier optimizador interpretará como un fallo y corregirá. Los términos de marca, la conquista de competidores y cualquier cosa con implicaciones legales o de relación pertenecen a personas que entienden las consecuencias.
- Establecer la eficiencia objetivo por producto, informada por el margen y el valor de por vida en lugar de por el historial de la campaña.
- Decidir qué productos obtienen presupuesto de crecimiento y cuáles se cosechan para obtener ganancias.
- Períodos de lanzamiento y liquidación, donde las reglas normales de eficiencia se suspenden a propósito.
- Cambios creativos, de listado y de oferta, que impulsan más el resultado de lo que la puja jamás hará.
- Cualquier respuesta a un competidor o evento de política que no tenga precedentes en los datos.
Barandillas para la automatización de optimización de anuncios de Amazon
Cada regla automatizada necesita límites, y los límites importan más que la regla. Limitamos qué tan lejos puede moverse una puja en un solo paso y en una semana, para que un día ruidoso no pueda enviar una palabra clave a un extremo. Requerimos un volumen mínimo de datos antes de que una regla actúe, lo que evita que una palabra clave con tres clics y sin ventas sea negada permanentemente. Prohibimos que las reglas actúen sobre productos marcados como sin stock o bajo revisión operativa, porque sus datos de rendimiento no dicen la verdad sobre la demanda.
También mantenemos un registro de auditoría. Cada cambio automatizado se registra con la regla que lo causó y los datos que vio, lo que convierte una caída de rendimiento misteriosa en una investigación de cinco minutos. Sin ese registro, los equipos terminan desactivando la automatización al por mayor después de una mala semana porque nadie puede decir qué regla hizo qué.
Trabajar con la automatización de la plataforma
La plataforma publicitaria ofrece su propia puja y orientación automatizada, y el enfoque sensato no es ni rechazarla ni entregarlo todo. La automatización de la plataforma tiene acceso a señales que no puedes ver, incluido el comportamiento del comprador en todo el mercado. Tu propia automatización tiene acceso al margen, inventario y estrategia que la plataforma no tiene. La combinación que funciona es generalmente dejar que la plataforma optimice dentro de las campañas mientras tus reglas deciden la asignación de presupuesto entre ellas, excluyen productos que no deberían promocionarse y hacen cumplir los objetivos de eficiencia que reflejan la rentabilidad real.
Comenzar sin romper las cosas
Introducimos la automatización de optimización de anuncios de Amazon en etapas. La etapa uno es la observación: las reglas se ejecutan pero solo producen recomendaciones, que una persona revisa diariamente. Esto expone la mala lógica rápidamente y no cuesta nada. La etapa dos permite que las reglas de bajo riesgo actúen automáticamente, típicamente pausas basadas en stock, negativos con un umbral claro y pequeños ajustes de puja. La etapa tres amplía los rangos una vez que el registro de auditoría muestra que las reglas se comportan sensatamente a través de un ciclo completo, incluido un período promocional.
Espera mantener una revisión humana semanal permanentemente. Su trabajo no es verificar cada cambio, sino buscar patrones: reglas que se disparan constantemente en la misma palabra clave, campañas que se desvían hacia un extremo, categorías donde el objetivo ya no coincide con la realidad. Una buena automatización de optimización de anuncios de Amazon elimina el trabajo rutinario y saca a la luz las decisiones sobre las que vale la pena pensar. No elimina el pensamiento, y cualquier configuración que afirme hacerlo debe tratarse con sospecha en lugar de alivio.
Sigue leyendo: Optimización de anuncios de Amazon · Amazon