# La puja ya no es la palanca: el anunciante compite por la integridad de su señal > Published: 2026-10-20T10:00:00+00:00 > Updated: 2026-10-20T10:05:00.004+00:00 --- ## La puja ya no es la palanca: el anunciante compite por la integridad de su señal Creemos que el anunciante de pago ya no gana o pierde en la puja, sino en la calidad de la señal que alimenta la puja. Las plataformas delegan cada vez más la decisión de cuánto pujar en algoritmos que nadie puede auditar del todo. Mientras tanto, los datos que reciben esos algoritmos (ROAS, CPC, conversiones) llegan contaminados por afiliados, configuraciones de plataforma y mediciones de terceros. La ventaja competitiva se ha desplazado del ajuste fino del CPC a la higiene de la señal. ## Un equilibrio que ni la teoría sabe calcular La intuición clásica del PPC suponía que una puja bien calibrada converge a un punto razonable frente a la competencia. La teoría de la complejidad desmiente esa comodidad. En subastas de segundo precio con anunciantes sujetos a presupuesto, Liu demuestra que tanto el *pacing* (escalar pujas por un factor) como el *throttling* (participar aleatoriamente) comparten la misma barrera: calcular un equilibrio aproximado es PPAD-duro para cualquier parámetro de aproximación no trivial [Fuente 11]. Del lado práctico, el autobidding por aprendizaje por refuerzo hereda problemas propios. Safin y coautores señalan que el entrenamiento alternado actor-crítico introduce inestabilidad y pérdida de robustez frente al ruido. Para abordarlo proponen un método sin red crítica, precisamente porque la puja óptima no se conoce de antemano [Fuente 8]. La aproximación no elimina la barrera de punto fijo en ningún valor de parámetro no trivial.— [Fuente 11] La lectura que hacemos es incómoda pero útil. Si el equilibrio es intratable y los algoritmos son sensibles al ruido, el único insumo que el anunciante controla de verdad es la señal que entrega. Un autobidder alimentado con conversiones infladas no puja peor por torpeza: puja con disciplina sobre una mentira. ## Dónde se corrompe la señal La primera fuga está en la propia marca. Cuando un afiliado puja sobre los términos de marca del anunciante, compite en la misma subasta y eleva el CPC. Además cobra comisión por ventas que habrían ocurrido igualmente. Search Engine Journal lo describe como *hidden revenue leakage* y advierte que unos números de afiliación sólidos pueden ocultarlo [Fuente 2]. La consecuencia para la puja es doble: el CPC sube por una competencia que el anunciante financia, y los informes atribuyen al canal afiliado un mérito que no le corresponde. La segunda fuga ocurre en la última milla. Un campo de código promocional visible en el checkout empuja al comprador a buscar un cupón. Ahí lo interceptan afiliados que capturan la comisión sin haber intervenido en la adquisición [Fuente 10]. Esa misma fuente conecta el fenómeno con la calidad de los datos de conversión que alimentan Smart Bidding [Fuente 10]. La solución propuesta para el checkout, una página propia de códigos, no toca la cuenta de Ads: es una decisión de producto [Fuente 10]. La tercera fuga viene de la plataforma. Las Customer Lifecycle Goals de Google Ads pueden, según su configuración, inflar el ROAS sin aumento real de valor y excluir prospectos valiosos. La fuente condiciona su adopción a que encaje con el modelo de negocio concreto [Fuente 1]. En el extremo regulatorio, la FTC y otros estados demandan a Amazon por presuntos cambios en sus subastas publicitarias [Fuente 7]. - +20.000 M$ — Sobrecargo alegado por la FTC y 22 estados contra Amazon por cambios en sus subastas publicitarias - 64.000 — Clientes del experimento Hillstrom, donde el diagnóstico raramente detecta la violación que sesga el índice subrogado - 5 años — Nuevo historial de compra en Amazon Marketing Cloud, frente al límite anterior de 13 meses ## Lo que el panel muestra: ROAS al alza, afiliación sana, CPC atribuido a la competencia del mercado. Lo que puede estar ocurriendo: ROAS inflado por configuración [Fuente 1], afiliados pujando sobre la marca [Fuente 2] y comisiones capturadas en el checkout [Fuente 10]. ## Medir sin engañarse Ni siquiera la medición externa ofrece un punto fijo fiable. Similarweb y Semrush reportan estimaciones generadas por modelos, no datos brutos. Khosravi y Yoganarasimhan identifican tres mecanismos de error no clásico: suavizado dentro de la fuente, fuga entre fuentes y error de calibración inducido por el tratamiento. Según los autores, este error puede atenuar, amplificar o invertir los efectos estimados [Fuente 5]. Los experimentos propios tampoco son inmunes. Chen compara estimadores con métricas subrogadas: el índice subrogado gana mucha eficiencia cuando su supuesto se cumple, pero su cobertura colapsa cuando se viola. Los métodos PPI ganan menos eficiencia, pero de forma más estable [Fuente 4]. Este diagnóstico pesa más porque los controles manuales se están retirando. Microsoft despliega globalmente AI Max, con coincidencia ampliada, personalización de texto y expansión de URL [Fuente 9]. Google retirará la segmentación por idioma en Search y Performance Max en septiembre de 2026 [Fuente 12]. Cada palanca que desaparece traslada más peso a la señal de conversión. No todo es pérdida: Amazon Marketing Cloud amplía su historial de compra a cinco años, frente al límite anterior de 13 meses. Eso permite fijar presupuestos de adquisición e identificar clientes valiosos con horizontes más representativos [Fuente 3]. Nuestra posición operativa se deduce de lo anterior. Antes de discutir estrategias de puja, auditamos tres cosas: quién puja sobre la marca, qué ocurre en el checkout y qué configuración de plataforma está fabricando valor contable. Después preferimos estimadores menos eficientes pero estables, porque la brecha entre detectar una violación y sufrir su daño existe [Fuente 4]. Desconfiamos de las estimaciones de tráfico de terceros como prueba causal [Fuente 5]. La puja la decidirá cada vez más una máquina. Lo que esa máquina cree verdad sigue siendo responsabilidad nuestra. ## Fuentes consultadas - Google Ads Customer Lifecycle Goals: evaluación de idoneidad y riesgos de configuración. [ver](https://www.searchenginejournal.com/customer-lifecycle-goals-the-good-the-bad-the-ugly/588192/) - Brand bidding por afiliados: detección de fuga de ingresos e inflación de CPC - Amazon Marketing Cloud: dataset de 5 años y casos de uso para presupuestación y retargeting - Zihao Chen. When Do Surrogate Metrics Work? A Finite-Sample Comparison Under Realistic Failure Modes. [arXiv:2609.30528](https://arxiv.org/abs/2609.30528v1), 2026. - Mehrzad Khosravi and Hema Yoganarasimhan. Do Third-Party Web Traffic Estimates Preserve Causal Variation?. [arXiv:2609.30481](https://arxiv.org/abs/2609.30481v1), 2026. - ChatGPT Ads y GEO: publicidad de pago y visibilidad orgánica en entornos de IA generativa - FTC vs. Amazon: demanda por sobrecargo en subastas publicitarias de 20.000 millones de dólares. [ver](https://www.searchenginejournal.com/ftc-sues-amazon-over-alleged-20-billion-advertising-surcharge-scheme/587870/) - Anton Safin, Alexandra Khirianova, Andrey Pudovikov, Aleksandr Katrutsa, and Egor Samosvat. Fine-Tuning Autobidders with Group Relative Policy Optimization. [arXiv:2608.28199](https://arxiv.org/abs/2608.28199v1), 2026. - Microsoft Advertising AI Max: expansión global y nuevas capacidades en campañas de Search. [ver](https://www.searchenginejournal.com/microsoft-advertising-rolls-out-ai-max-globally/586459/) - Fuga de ingresos por campo de código promocional: interceptación de afiliados en el checkout. [ver](https://www.searchenginejournal.com/promo-code-search-affiliate-revenue-leak/586554/) - Zhengyang Liu. Tight Inapproximability of Pacing and Throttling Equilibria in Second-Price Auctions. [arXiv:2608.16682](https://arxiv.org/abs/2608.16682v1), 2026. - Cambios en Google Ads: eliminación del targeting por idioma y fin del Target Overperformance. [ver](https://www.searchenginejournal.com/google-is-removing-language-targeting-from-search-campaigns/585592/)