La mayoría de cuentas de Google Ads que se auditan por primera vez comparten un mismo defecto de fábrica: se montaron pensando en el catálogo del cliente, no en cómo compra la gente ni en cómo aprende el algoritmo. El resultado es una jerarquía que funciona los primeros meses por pura inercia del presupuesto y que luego empieza a filtrar dinero sin que nadie sepa muy bien por dónde.
Esto no es un problema estético. La estructura de campañas determina cómo Google reparte el aprendizaje automático, cómo se cruzan las señales de puja y, en última instancia, cuánto control real conserva quien gestiona la cuenta frente al propio sistema. Una cuenta mal estructurada no es solo menos eficiente: es una cuenta que miente en sus informes, porque mezcla intenciones de búsqueda distintas bajo el mismo paraguas de optimización.
La jerarquía que casi nadie revisa después del primer mes
Cuenta, campaña, grupo de anuncios, anuncio y palabra clave (o audiencia, según el tipo de campaña). Cuatro niveles que parecen de manual de introducción y que, sin embargo, se rompen constantemente en cuentas con más de un año de vida. Se crean campañas nuevas para probar cosas puntuales que nunca se archivan, se duplican grupos de anuncios «por si acaso» y, al cabo de dos años, la cuenta tiene 34 campañas activas cuando el negocio solo vende ocho líneas de producto reales.
La estructura ideal no es la que más control ofrece sobre el papel, sino la que permite que el algoritmo tenga suficiente volumen de conversión por unidad de optimización para aprender con rapidez. Google Ads necesita datos concentrados, no dispersos. Cada vez que se divide una campaña en exceso —por ciudad, por dispositivo, por variante de producto sin volumen propio— se está fragmentando la señal que el sistema necesita para pujar bien. Es la paradoja central de Google Ads en 2024 y 2025: cuanta más automatización incorpora la plataforma, menos sentido tiene la microsegmentación manual que se enseñaba hace cinco años.
En una cuenta de e-commerce de moda que gestioné durante año y medio, la migración de 22 campañas de Shopping segmentadas por categoría y margen a solo 4 campañas agrupadas por rango de rentabilidad y estacionalidad redujo el coste por adquisición un 19 % en ocho semanas, sin tocar pujas ni presupuestos. El cambio no fue de estrategia, fue de arquitectura.
Campañas por objetivo de negocio, no por catálogo de producto
Uno de los vicios más extendidos es replicar la estructura del catálogo del cliente dentro de Google Ads. Si la tienda tiene doce categorías de producto en su menú de navegación, la tentación es crear doce campañas idénticas. Es un error de origen, porque confunde la lógica de navegación web —pensada para el usuario— con la lógica de puja y aprendizaje automático, que responde a otros criterios completamente distintos: margen, ciclo de vida del producto, estacionalidad, tipo de intención de búsqueda.
Conviene preguntarse, antes de crear cualquier campaña, qué objetivo de negocio cumple realmente esa agrupación. ¿Sirve para aislar productos con margen alto de los de margen bajo? ¿Separa intención transaccional de intención informativa? ¿Aísla mercados con comportamiento de compra radicalmente distinto? Si la respuesta es «no, simplemente refleja cómo está organizada la web», probablemente sobra esa división.
Hay un matiz que suele generar discrepancias en el sector: no toda fragmentación es mala, y la recomendación genérica de «consolidar todo lo posible» que repiten muchos consultores tampoco es universalmente cierta. Consolidar en exceso cuentas con productos de márgenes muy dispares —por ejemplo, mezclar accesorios de bajo ticket con electrónica de alto valor bajo el mismo objetivo de ROAS— acaba perjudicando a ambos extremos, porque el algoritmo optimiza hacia el punto medio y ninguno de los dos segmentos recibe la puja que necesitaría de forma aislada. La consolidación funciona cuando el negocio subyacente es razonablemente homogéneo en su economía unitaria; cuando no lo es, dividir sigue teniendo sentido, aunque vaya a contracorriente del discurso dominante sobre «menos campañas siempre es mejor».
El error de los 47 grupos de anuncios
Un caso real, con nombres omitidos por razones evidentes: una cuenta de servicios B2B llegó a tener 47 grupos de anuncios distribuidos en 6 campañas de búsqueda, con una media de 3 palabras clave por grupo. La lógica original era ofrecer «máxima relevancia» mediante anuncios hiperespecíficos para cada variante semántica de la keyword principal. El problema es que, con Google Ads moderno y el predominio de la concordancia amplia asistida por aprendizaje automático, esa granularidad ya no aporta relevancia real: aporta fragmentación de datos.
Cada grupo de anuncios necesita volumen suficiente para que el sistema aprenda qué anuncio, qué landing page y qué señal de puja funcionan mejor. Con 3 palabras clave y 40 clics al mes repartidos entre 47 grupos, ningún grupo individual alcanza el umbral mínimo de conversiones para que el aprendizaje automático tenga sentido estadístico. La consolidación a 9 grupos temáticos, cada uno con entre 15 y 30 palabras clave relacionadas semánticamente, multiplicó por 2,3 el volumen de conversiones por grupo en el primer trimestre tras el cambio, según los datos internos de esa cuenta.
La cifra exacta importa menos que el principio: la estructura debe maximizar la densidad de datos por unidad de decisión, no la precisión teórica de la segmentación. Es un cambio de paradigma respecto a cómo se enseñaba Google AdWords hace una década, cuando la granularidad extrema era sinónimo de buenas prácticas.
Presupuestos compartidos, la trampa de la comodidad
Los presupuestos compartidos entre campañas parecen una solución elegante para simplificar la gestión diaria. En la práctica, diluyen la responsabilidad y ocultan qué campaña está realmente consumiendo el gasto. Cuando dos campañas con objetivos distintos —una de marca y otra de producto genérico, por ejemplo— comparten presupuesto, el sistema tiende a favorecer aquella con mejor rendimiento a corto plazo, que casi siempre es la de marca, precisamente la que menos necesita presupuesto adicional porque ya convierte de forma casi garantizada.
Separar presupuestos por campaña, aunque implique más trabajo administrativo, permite ver con claridad dónde se genera realmente el crecimiento incremental frente a dónde simplemente se están cobrando conversiones que habrían ocurrido de todos modos. Esta distinción, la de la incrementalidad, es probablemente la más ignorada en las estructuras de cuenta que se auditan habitualmente. Las campañas de marca inflan artificialmente las métricas de conjunto y esconden el verdadero coste de adquisición de clientes nuevos.
Segmentación geográfica y de dispositivos, más allá del checkbox
Marcar «todos los dispositivos» y una región amplia porque es lo que viene por defecto es, sencillamente, renunciar a información valiosísima. No se trata de crear una campaña por ciudad —eso vuelve a caer en el error de fragmentación excesiva—, sino de observar el comportamiento real antes de decidir si merece la pena separar.
Un ejemplo habitual: negocios locales con radio de servicio limitado (clínicas, talleres, asesorías) que siguen pujando a nivel nacional «porque nunca se sabe si viene alguien de fuera». Esa decisión, tomada por precaución, suele costar entre un 15 % y un 30 % del presupuesto mensual en impresiones y clics de usuarios que geográficamente jamás van a convertir, según estimaciones habituales en auditorías de cuentas de servicios locales con más de dos años de historial.
Los ajustes de puja por dispositivo merecen el mismo escrutinio. La suposición de que el móvil siempre convierte peor en B2B ya no se sostiene con datos actuales; en sectores como consultoría o software as a service, el móvil funciona cada vez más como el primer punto de contacto informativo, mientras la conversión final ocurre en escritorio horas o días después. Penalizar el móvil en la puja, sin revisar el informe de rutas de conversión multidispositivo, castiga precisamente el punto de entrada del embudo.
Cuentas MCC y el problema de escalar sin criterio
Quienes gestionan múltiples cuentas de cliente desde una MCC (My Client Center) se enfrentan a un dilema distinto: cómo mantener coherencia estructural entre cuentas sin caer en la plantilla rígida que ignora las particularidades de cada negocio. La tentación de replicar exactamente la misma estructura de campañas en todos los clientes de un mismo sector —por comodidad operativa y velocidad de onboarding— es comprensible, pero suele generar cuentas mediocres en lugar de cuentas excelentes.
Una plantilla puede definir la lógica de nomenclatura, los niveles de seguimiento de conversiones o los scripts de automatización compartidos. Lo que no debería replicarse mecánicamente es la agrupación de campañas y grupos de anuncios, porque cada negocio tiene una economía unitaria distinta, un ciclo de venta distinto y, sobre todo, un volumen de búsqueda distinto que condiciona qué nivel de segmentación es sostenible sin fragmentar el aprendizaje del sistema.
Naming conventions, el detalle que ahorra horas
Parece menor, pero no lo es: una convención de nombres consistente en toda la cuenta permite filtrar, exportar y analizar datos sin depender de la memoria de quien la creó. La estructura recomendable incluye, como mínimo, estos elementos identificables en el nombre de cada campaña:
- Tipo de campaña (Search, PMax, Display, Shopping).
- Objetivo o línea de negocio (marca, genérico, remarketing, competencia).
- Ámbito geográfico si aplica.
- Fecha o versión, cuando se trate de campañas de test.
Un nombre como SRCH_Genérico_ES_v2 comunica en cinco segundos lo que un nombre como Campaña nueva 2 obliga a averiguar abriendo la campaña y revisando sus ajustes uno por uno. En cuentas con más de veinte campañas activas, esta diferencia se traduce en horas reales de trabajo ahorradas cada mes, especialmente cuando hay rotación de personas en el equipo o cuando se automatizan informes mediante Looker Studio y scripts que dependen de coincidencias de texto en el nombre de campaña.
Performance Max y la ilusión de la estructura simplificada
Performance Max ha cambiado buena parte de las reglas anteriores, y conviene decirlo sin rodeos: Google ha vendido esta tipología de campaña como una simplificación estructural, cuando en realidad traslada la complejidad de nivel de grupo de anuncios al nivel de grupo de recursos (asset group), sin reducir realmente la necesidad de criterio.
La tentación de meter todo el catálogo en un único grupo de recursos porque «Performance Max ya optimiza solo» es uno de los errores más caros que se están cometiendo actualmente en cuentas de retail. La señal de audiencia, las fuentes de datos de primera parte y la segmentación temática siguen siendo decisiones humanas que condicionan drásticamente el resultado. Una cuenta con tres grupos de recursos bien diferenciados por categoría de producto y margen suele superar de forma consistente a la misma cuenta con un único grupo genérico, aunque ambas usen la misma tecnología de puja automática por debajo.
Aquí se puede discrepar abiertamente del discurso oficial de Google: la narrativa de «menos control manual, más resultados automáticos» es cierta solo hasta cierto punto, y quienes la aplican de forma literal —eliminando toda segmentación porque el discurso comercial de la plataforma lo sugiere— suelen obtener resultados mediocres que luego atribuyen erróneamente a limitaciones del propio Performance Max, cuando el origen real está en una estructura de recursos demasiado plana.
Cuándo tiene sentido romper todas estas reglas
No existe una estructura universalmente correcta, y cualquier artículo —este incluido— que presente un esquema cerrado como solución definitiva está simplificando en exceso. Hay contextos donde romper deliberadamente los principios anteriores produce mejores resultados.
Las cuentas con presupuestos muy bajos, por debajo de los 500 o 600 euros mensuales, se benefician a menudo de estructuras más consolidadas de lo que recomendaría cualquier manual, precisamente porque el volumen de datos disponible es tan escaso que cualquier fragmentación adicional condena a la cuenta a no salir nunca de la fase de aprendizaje. En el extremo contrario, cuentas enterprise con presupuestos superiores a los 50.000 euros mensuales pueden permitirse segmentaciones más finas —por ejemplo, separar por franja horaria o por segmento de audiencia de primera parte— porque el volumen sostiene el aprendizaje incluso con la división.
También merece un tratamiento distinto el lanzamiento de producto nuevo, donde no existe histórico de conversión que oriente la estructura óptima. En esos casos, empezar con una estructura deliberadamente simple, casi minimalista, y dejar que los primeros sesenta o noventa días de datos indiquen dónde merece la pena dividir, suele funcionar mejor que diseñar de antemano una arquitectura sofisticada basada en suposiciones sobre el comportamiento de un público que todavía no se conoce.
El seguimiento de conversiones que sostiene toda la estructura
Ninguna arquitectura de cuenta, por elegante que sea sobre el papel, compensa un seguimiento de conversiones deficiente. Es sorprendentemente habitual auditar cuentas con una estructura de campañas impecable que, sin embargo, están optimizando hacia eventos de conversión mal configurados: formularios de contacto que se disparan al cargar la página en lugar de al enviarse, compras duplicadas por recarga de la página de confirmación, o asistencia de conversiones que no diferencia entre clientes nuevos y recurrentes.
La estructura de campañas es, en cierto modo, la carrocería del coche. El seguimiento de conversiones es el motor. Puede existir la mejor carrocería del mercado, pero si el motor entrega datos incorrectos, todo el sistema de puja automática —que depende enteramente de esas señales— está optimizando hacia un objetivo equivocado sin que nadie lo perciba durante meses, porque los informes seguirán mostrando cifras de conversión aparentemente saludables.
Antes de reestructurar cualquier cuenta, conviene auditar primero la calidad de las conversiones importadas, verificar la deduplicación entre Google Analytics 4 y Google Ads, y confirmar que las conversiones marcadas como principales para la puja son realmente las que reflejan valor de negocio real, no proxies indirectos como clics en botón de WhatsApp o envíos de formulario sin cualificación posterior.
Un patrón que se repite en las auditorías
Después de revisar decenas de cuentas de sectores muy distintos, aparece un patrón que rara vez se menciona en los artículos sobre este tema: las estructuras más rentables no son las más sofisticadas, sino las que menos han cambiado en los últimos doce meses. La rotación constante de campañas, la reestructuración trimestral «para optimizar», el cambio de agencia que trae consigo una arquitectura nueva desde cero, todo eso tiene un coste de aprendizaje que rara vez se contabiliza en los informes de rendimiento.
Cada vez que se reestructura una cuenta de forma sustancial, el sistema de puja automática pierde parte de la memoria estadística acumulada y necesita un periodo de reaprendizaje que, dependiendo del volumen de conversión, puede oscilar entre dos y seis semanas de rendimiento inferior al histórico. Las agencias y los anunciantes suelen subestimar sistemáticamente este coste de transición, atraídos por la promesa de que una nueva estructura resolverá problemas que, en muchos casos, tienen su origen en el seguimiento de conversiones o en la propuesta de valor del producto, no en cómo están agrupadas las campañas.
¿Cuánto del rendimiento que hoy se atribuye a decisiones de estructura es en realidad el coste, invisible en los informes, de haber cambiado esa estructura demasiadas veces? Es una pregunta incómoda para un sector que vive obsesionado con la optimización constante, pero probablemente merece más atención de la que recibe.