La noche que el algoritmo no durmió (y por qué confiar a ciegas en la IA sale caro)

Hace unos años, me jugué el prestigio en una apuesta de oficina. Mi defensa era cerrada: el algoritmo de Google es una pieza de ingeniería casi perfecta. "Si el sistema decide gastar mil pesos a las 3 de la mañana, es porque ahí hay una conversión esperándonos", decía yo en mi cabeza. La IA de los medios digitales era un ente omnisciente que no entendía de horarios, solo de probabilidades.

Pero un compañero de equipo, de esos que prefieren una tabla dinámica a una corazonada, me desafió. Él aseguraba que el algoritmo tenía un sesgo de gasto importante en horarios donde, literalmente, no pasaba nada. Apostamos.

Analizó millones de impresiones de varios países en toda Latinoamérica (tenía un puesto regional el engreído). Al cruzar las curvas de inversión contra las de conversión real, el gráfico fue una bofetada de realidad: mientras la mayoría de la gente dormía, el presupuesto seguía quemándose a un ritmo constante, pero las ventas/conversiones/leads eran inexistentes.

Perdí la apuesta, el orgullo profesional, mi chapa de gurú, y de paso, aprendí que la fe ciega en la "caja negra" de los algoritmos, es una de las ineficiencias más costosas del marketing moderno.

El espejismo de la optimización perpetua

Las plataformas como Google y Meta nos han vendido la idea de que sus algoritmos de Smart Bidding son pilotos automáticos. Y en gran medida, lo son. Han democratizado el acceso a herramientas que antes requerían un batallón de científicos de datos, o de Paid Media Managers implementando. Pero un piloto automático no sabe si hay una tormenta económica o si tu público objetivo simplemente dejó el celular en la mesa de noche, [ Me recuerda al People Meter que no sabía cuando el televidente se levantaba al baño…que comentario más old school)

El problema es que estos algoritmos suelen optimizar para el promedio. Si en el balance de 30 días los números dan, el sistema asume que lo está haciendo bien. Sin embargo, cuando haces un "zoom" técnico, descubres que la IA suele ser muy eficiente gastando, pero no siempre es igual de eficiente discriminando contextos humanos.

Una comparativa de la realidad (LATAM E-commerce)

Para ilustrar lo que descubrí en aquella apuesta, aquí tienes una tabla tipo, que refleja lo que suele pasar en una cuenta de e-commerce estándar en nuestra región, cuando no se interviene el algoritmo:

El dato revelador es ese primer 12% de inversión en la madrugada. Parece poco, pero en una cuenta de $100 millones, estás tirando $12 millones al mes a un pozo donde la tasa de conversión es siete veces menor que en la noche.

Lecciones globales: El día que Uber apagó la máquina

Si crees que esto solo le pasa a las agencias y clientes chilenos, la historia nos dice lo contrario. Hace un par de años, Kevin Frisch (ex-Head de Performance en Uber) reveló que decidieron apagar 100 millones de dólares de inversión en publicidad digital para "ver qué pasaba".

¿El resultado? Nada. Las instalaciones de la app no bajaron.

Descubrieron que el algoritmo estaba atribuyéndose ventas que iban a ocurrir de todos modos (tráfico orgánico) y gastando en sitios donde nadie hacía clic voluntariamente. Este fenómeno se conoce como ad fraud o eufemísticamente “ineficiencia algorítmica”. JPMorgan Chase hizo un experimento similar: redujeron los sitios donde mostraban anuncios de 400.000 a solo 5.000. El resultado en las ventas fue exactamente el mismo.

Lecciones Locales: El día que descubrimos al ladrón del Last Non-Direct Click

Sin querer empatar este ejemplo global, hace 10 años, trabajando para un cliente regional del área del e-commerce, discutimos durante meses sobre una plataforma europea que mezclaba la venta de inventario con un algoritmo increíble de conversiones (si la conoces, comenta el post, yo no la diré, tengo que seguir trabajando inMarket :)

Esta plataforma además tenía un modelo híbrido de P4P y CPC, sin compromiso de CPA, pero que al mismo tiempo funcionaba muy bien en CPA. En resumen, tenía otro algoritmo para definir el valor de venta, jajaja.

Bueno, lo importante es que luego de conversar con mi par en España, nos contó lo que era ya un secreto a voces en Europa, el algoritmo de este Media Vendor “estaba atribuyéndose ventas que iban a ocurrir de todos modos en tráfico orgánico, es decir, se estaba  “robándo”’ el Último Clic No Directo (Last Non-Direct Click) de la campaña de Paid Search, una patada en las bolas para el equipo de Paid Search que se veía afectado por este ladrón inescrupuloso de conversiones.

Esto confirma una tesis que deberíamos aplicar todos los días: menos suele ser más, siempre y cuando ese "menos" esté iluminado por datos propios.

Hacia una visión crítica del AdTech

¿Significa esto que debemos volver a las pujas manuales y Excel? Para nada. Sería como intentar ganar una carrera de Fórmula 1 pedaleando (o manejando el auto de Colapinto).

La clave está en la Capa de Inteligencia de Negocio. El algoritmo de Google es el motor, pero nosotros con el cliente, somos los que debemos ponerle el GPS.

1. Datos de primera fuente (1st Party Data): El algoritmo sabe quién hizo clic, pero no sabe si ese cliente devolvió el producto al día siguiente. Si le entregamos esa información, el sistema deja de buscar "compradores" y empieza a buscar "clientes rentables".

2. Datos de cuarta fuente (4th Party Data): Ok, sé que no existe esta clasificación, pero la acuñaré para este post. Esta data estructurada es la data no vendida por segundos/terceros, que no posee el anunciante y que afecta su performance, ej: El precio (o stock) de la competencia, el valor del dólar, ser funado en RRSS, accidente aéreo, etc. Si tengo la información que mi SKU más rentable está hoy un 25% más caro que mi competencia, podría tomar la decisión de bajar o eliminar la inversión y no aparecer con anuncios en Shopping Ads que no convertirán. 

3. Contexto Humano vs. Inercia Digital: Si vendes paraguas y el pronóstico dice que habrá sol toda la semana, no importa qué tan inteligente sea el Smart Bidding; estás desperdiciando dinero. La tecnología debe permitirnos apagar o encender campañas basadas en la realidad física, no solo en la digital.

Cuestionar la Atribución: Las plataformas siempre van a querer llevarse el crédito de la venta. Tener una mirada crítica, implica preguntarse: "¿Esta venta habría ocurrido si no hubiéramos mostrado ese anuncio a las 3 AM?".