Experimentos en Google Ads: cómo demostrar que un cambio funciona

Los experimentos en Google Ads son la herramienta de prueba integrada: dividen el tráfico de una campaña y enfrentan la versión original con la modificada a la vez y en las mismas condiciones. Es la forma honesta de demostrar que un cambio ha funcionado de verdad. Si comparas el mes pasado con este, lo que mides no es el efecto de tu cambio, sino la suma de estacionalidad, movimientos de la competencia y tu cambio. En la práctica, un buen experimento se reduce a tres decisiones: una variable, un reparto 50/50 y paciencia hasta llegar al 95% de confianza.

¿Qué son los experimentos en Google Ads?

Un experimento en Google Ads es un marco de prueba que crea una copia de una campaña existente, envía una parte del tráfico y del presupuesto a esa copia y luego informa de ambas versiones en paralelo. Está en la sección Experimentos. La campaña original es el grupo de control y la copia es el grupo de prueba. Como las dos se publican los mismos días, en las mismas subastas y en la misma temporada, la diferencia entre ellas se debe en gran parte a lo que tú cambiaste.

• Experimento personalizado: disponible en campañas de Búsqueda, Display y vídeo, para probar estrategia de puja, texto del anuncio, página de destino o segmentación.
• Experimentos de Performance Max: enfrentan Performance Max con otro tipo de campaña o miden el incremento que aporta sobre la estructura que ya tienes.
• Pruebas de recursos: en 2026 la experimentación se amplió para comparar recursos creativos dentro de una sola campaña de Performance Max; al dividirse el tráfico dentro de la campaña, el periodo de aprendizaje se acorta.
• Holdouts de vídeo y Demand Gen: reservan un grupo de control que nunca ve el anuncio, para medir el efecto en marca.

Puedes programar cinco experimentos en una misma campaña, pero solo se ejecuta uno a la vez. El porcentaje de división queda fijado al crearlo; para probar otra proporción tendrás que montar un experimento nuevo.

¿Por qué engaña la comparación antes y después?

Porque no tiene grupo de control. Cuando comparas dos periodos, comparas también todo lo demás que cambió entre ellos. Aunque la diferencia salga positiva, no sabes qué parte te pertenece. El experimento mantiene un grupo de control en la misma ventana temporal, así el ruido golpea igual a las dos ramas y lo que queda es tu intervención.

• Estacionalidad: día de la semana, cierre de mes, festivos y temporada de la categoría nunca igualan dos periodos.
• Movimientos de la competencia: que un rival suba presupuesto o salga de la subasta cambia tus costes sin que tú hagas nada; se nota primero en el coste por clic.
• Periodo de aprendizaje: al cambiar la estrategia de puja el algoritmo se recalibra; los primeros días no representan el rendimiento estable.
• Desvío de medición: ventanas de conversión, cambios de seguimiento y retraso de datos miden los dos periodos de forma distinta.
• Regresión a la media: después de una mala semana cualquier acción parece buena, porque la semana siguiente iba a normalizarse igualmente.

¿Cómo se configura un experimento de campaña?

Montarlo es más fácil que leerlo, pero es el montaje el que decide si la lectura vale algo. Antes de empezar, deja por escrito la hipótesis, la métrica principal y la fecha de fin. Si no fijas eso desde el principio, cuando acabe el experimento tendrás métricas suficientes para encontrar la respuesta que ya querías.

1. Escribe una hipótesis: 'Si acorto el formulario de la página de destino, subirá la tasa de conversión.' Sin hipótesis no hay test, hay curiosidad.
2. Elige la campaña y crea un borrador. En el borrador cambia solo la única cosa que aparece en tu hipótesis.
3. Pon la división de tráfico en 50/50. Da la comparación más equilibrada y no se puede modificar una vez iniciado el experimento.
4. Elige el método de división. El reparto por cookie mantiene a cada usuario en un solo lado y es la opción recomendada.
5. Introduce las fechas de inicio y fin desde el principio. Fijar el final elimina el reflejo de mirar los números y mover el plazo.
6. Declara la métrica principal: conversiones, valor de conversión, CPA o ROAS. Elegir al final la que mejor pinta no es una lectura honesta.

¿Cuánto debe durar el experimento y cuántas conversiones hacen falta?

La documentación de la plataforma recomienda al menos 4-6 semanas, y más si tu retraso de conversión es largo. Pero el tiempo por sí solo no es el criterio. La restricción real son las conversiones acumuladas en cada rama, y la matemática no perdona: cuanto más pequeña sea la diferencia que buscas, más crece la muestra, y crece al cuadrado. Si reduces a la mitad el efecto que persigues, necesitas cuatro veces más datos.

• Al menos dos ciclos de conversión: si del clic a la venta pasan 10 días, un experimento de dos semanas cuenta media historia.
• Trabaja con semanas completas: entre semana y fin de semana el comportamiento cambia, y media semana desvía el resultado.
• Los primeros 7 días se excluyen: la plataforma los considera arranque, así que la primera semana no te da datos para decidir.
• No experimentes en campañas de poco tráfico: con 20 conversiones al mes, el tiempo necesario para llegar a significación supera al tiempo en que la respuesta sigue siendo válida.

¿Cómo se lee el resultado: qué significa la significación?

La significación estadística quiere decir que la probabilidad de que la diferencia observada se deba al azar queda por debajo de un umbral acordado. En los experimentos de Google Ads ese umbral es el 95% de confianza, y la prueba es de dos colas, así que la mejora y el empeoramiento se juzgan con la misma dureza. Si el intervalo de confianza aún contiene el cero, no tienes resultado. 'Parece un poco mejor' no es un hallazgo.

• 95% de confianza: la probabilidad de que la diferencia sea ruido aleatorio queda por debajo del 5%.
• Prueba de dos colas: subidas y bajadas se miden con el mismo listón; mirar solo en una dirección esconde el riesgo.
• Remuestreo: la plataforma agrupa los datos en veinte bloques por rama y estima la varianza muestral con el método jackknife, más prudente cuando hay pocos datos.
• No encontrar nada también es un resultado: si no aparece diferencia, el efecto probablemente es pequeño. Eso no es motivo para lanzar el cambio.

¿Por qué una sola variable cada vez?

Porque si cambias dos cosas nunca sabrás cuál produjo el resultado. El experimento te da un único número: la diferencia entre las dos ramas. No existe método para repartir ese número entre tres cambios. Y peor aún, los cambios pueden anularse entre sí: si el texto nuevo gana mientras la nueva estrategia de puja pierde, el total sale cero y tiras dos buenas ideas a la vez.

• Correcto: cambiar solo la estrategia de puja. Comparamos las opciones en CPA objetivo frente a ROAS objetivo.
• Correcto: cambiar solo la página de destino y no tocar el texto del anuncio.
• Incorrecto: subir el presupuesto y ampliar las concordancias en el mismo experimento.
• Incorrecto: añadir palabras clave negativas a la campaña original mientras el experimento corre. Si tocas el grupo de control a mitad, la comparación se rompe.
• Los creativos piden su propio marco: para probar variantes de imagen y vídeo en serie, mira el marco de test de creatividades; misma lógica, otra escala.

¿Cuáles son los seis errores más frecuentes?

La mayoría de los experimentos no se rompen al montarlos, se rompen al leerlos. Estos seis errores dejan inservible buena parte de los resultados.

1. Decidir demasiado pronto: proclamar ganadora la rama que va delante el quinto día. Mirar sin parar y detener en el primer momento favorable fabrica falsos positivos; una fecha de fin fija lo evita.
2. Probar en plena temporada: Black Friday, un festivo o una semana de grandes descuentos cambian el comportamiento. El resultado pertenece a esa semana y no se traslada al resto del año.
3. Experimentos solapados: varios tests a la vez en la misma cuenta interfieren entre sí y restan fiabilidad. Ve uno detrás de otro.
4. Elegir la métrica después: si en conversiones no sale nada, mirar el porcentaje de clics. Si revisas suficientes métricas, alguna saldrá significativa.
5. Terminar el experimento a mano: en los experimentos que acaban en su fecha programada el resultado favorable puede aplicarse solo; los detenidos a mano quedan fuera de esa aplicación automática.
6. Generalizar el resultado: lo que gana en una campaña puede perder en toda la cuenta. Una estrategia de puja que funciona en marca se comporta distinto en genéricas, un matiz que también aparece en nuestra guía de nivel de calidad.

¿Dónde encaja Ads Sensor en este ciclo?

Ads Sensor no monta el experimento por ti: eso se queda en la interfaz de Google Ads. Su aportación está antes y después. Antes lee tus datos de Google, Meta, TikTok, Criteo y GA4 en un mismo sitio y saca qué campaña merece una prueba y en qué evidencia se apoya tu hipótesis. Después hace seguimiento automático de resultados antes y después en las recomendaciones que apruebas y aplicas desde el panel. Y siendo honestos: ese seguimiento es un registro del cambio aplicado, no una prueba de causalidad. Para causalidad sigues necesitando un experimento. Puedes unirte a la beta y conectar tus cuentas.