La compra de medios dejó de ser una negociación entre humanos hace más de una década, y sin embargo buena parte de los equipos de marketing sigue tratando la programática como una caja negra que «hace magia» con el presupuesto. No la hace. Ejecuta reglas, subastas y modelos estadísticos a una velocidad que ningún planificador de medios podría igualar, pero las reglas las sigue poniendo alguien. Y ese alguien, con demasiada frecuencia, no entiende del todo lo que está configurando.
Esta guía no pretende explicar la programática desde cero con diagramas de flujo genéricos. Parte de la base de que quien la lee ya ha visto un dashboard de DV360 o de The Trade Desk, ya ha sufrido un CPM disparado sin explicación aparente y probablemente ya ha discutido con un partner de agencia sobre el famoso «ad fraud». El objetivo aquí es otro: ordenar el criterio, señalar dónde suelen equivocarse los anunciantes con más presupuesto que conocimiento técnico, y poner sobre la mesa algunas opiniones que no siempre coinciden con el discurso oficial del sector.
La subasta programática no premia al mejor anuncio, premia al mejor dato
Conviene desmontar primero una idea romántica muy extendida: la programática no es un sistema meritocrático donde gana el creativo más persuasivo. Gana quien tiene mejor información sobre el usuario en el momento exacto de la puja. Un banner mediocre con una señal de intención de compra reciente superará casi siempre a una pieza creativa espectacular lanzada a ciegas.
Esto tiene una consecuencia práctica que muchos anunciantes ignoran: invertir en creatividad sin invertir paralelamente en la calidad del dato de segmentación es tirar presupuesto. Da igual lo bien producido que esté el vídeo si la audiencia a la que impacta es la equivocada. La ecuación no es creatividad contra datos, es creatividad multiplicada por datos, y si uno de los dos factores es cero, el resultado también lo es.
En una subasta RTB (Real-Time Bidding), el proceso completo —solicitud de anuncio, envío a las plataformas del lado de la demanda, puja, resolución y renderizado del creativo— ocurre en menos de 200 milisegundos según las estimaciones habituales de la industria, algo más rápido que un parpadeo humano. En ese margen de tiempo, decenas de DSP compiten evaluando señales: contexto de la página, datos de primera parte del anunciante, cookies o identificadores alternativos, historial de interacción y modelos predictivos de propensión a conversión. El anuncio que se acaba mostrando no es el más bonito. Es el que mejor ha sabido justificar su precio ante el algoritmo del ad exchange.
El first-party data ya no es una tendencia, es la única moneda que queda
La desaparición progresiva de las cookies de terceros en Chrome, tras años de retrasos desde el anuncio original de Google en 2020, ha convertido el dato propio en el activo más valorado de cualquier estrategia programática seria. Quien tenga una base de CRM bien estructurada, con consentimiento explícito y capacidad de activación en plataformas como Google Ads Data Manager o los clean rooms de Amazon, juega con ventaja frente a quien sigue dependiendo de segmentaciones de terceros cada vez más erosionadas.
Un caso ilustrativo: una cadena de retail española con presencia en más de 150 puntos de venta empezó en 2023 a cruzar su base de fidelización con campañas programáticas mediante un clean room. El resultado, según cifras compartidas por el propio anunciante en un evento sectorial, fue una reducción de aproximadamente el 30% en el coste por adquisición frente a las campañas basadas exclusivamente en segmentación de terceros. No es un dato universalizable ni una fórmula mágica, pero apunta a algo que el mercado lleva tiempo intuyendo: la calidad del dato propio compensa, y con creces, la pérdida de alcance de las audiencias de terceros.
Programmatic direct, PMP y open exchange no son sinónimos, aunque se usen así
Aquí aparece uno de los focos de confusión más habituales entre perfiles de marketing que no vienen del lado técnico de la compra de medios. Se suele hablar de «programática» como un bloque homogéneo, cuando en realidad existen al menos tres modalidades con lógicas de negociación completamente distintas.
El open exchange es la subasta abierta clásica: cualquier comprador puede pujar por cualquier impresión disponible en el inventario, sin relación previa con el editor. Es el terreno más barato, pero también el más expuesto a fraude, a inventario de baja calidad y a contextos de marca poco controlados.
Los private marketplaces (PMP) introducen una capa de curación: el editor invita a un grupo restringido de anunciantes a pujar por un inventario seleccionado, normalmente premium, a cambio de condiciones algo mejores que las del mercado abierto pero sin garantías de volumen fijo. Es el punto intermedio que muchas marcas de gran consumo han adoptado como estándar cuando buscan seguridad de marca sin renunciar a la eficiencia de la compra automatizada.
El programmatic guaranteed (o programmatic direct), por último, replica una compra directa tradicional pero ejecutada con tecnología programática: precio fijo, volumen pactado, inventario reservado. Aquí se pierde parte de la flexibilidad de la subasta, pero se gana previsibilidad, algo especialmente valioso en campañas de awareness donde la marca no puede permitirse aparecer junto a contenido inadecuado.
La decisión entre estas tres vías no debería tomarse por inercia ni por lo que recomiende por defecto el trading desk de turno. Depende del objetivo de negocio, del apetito de riesgo de la marca y, sinceramente, de cuánto control quiera conservar el anunciante sobre dónde aparece su mensaje. Muchas marcas de lujo, por ejemplo, sacrifican eficiencia de coste a cambio de programmatic guaranteed simplemente porque el riesgo reputacional de aparecer junto a contenido inapropiado pesa más que ahorrarse un 15% de CPM.
La verificación de marca genera más ruido del que resuelve
Aquí llega la parte donde conviene discrepar, aunque sea parcialmente, del consenso instalado en el sector. La industria ha convertido la verificación de marca —IAS, DoubleVerify, MOAT— en un mantra casi religioso, y no cuestionar su necesidad se ha vuelto sinónimo de despreocupación por la seguridad de marca. Pero conviene matizar.
Estas herramientas resuelven un problema real: evitan que el anuncio de una marca infantil aparezca junto a contenido violento, o que el presupuesto financie granjas de bots disfrazadas de tráfico legítimo. Hasta ahí, nadie discute su utilidad. El problema aparece cuando las marcas configuran los filtros de brand safety con un nivel de restricción tan alto que terminan excluyendo automáticamente cualquier contenido que contenga palabras como «crisis», «muerte», «guerra» o «ataque», bloqueando de paso la cobertura informativa legítima de medios serios. El resultado paradójico es que se financia menos al periodismo de calidad —que necesita esos ingresos publicitarios para sobrevivir— y se redirige presupuesto hacia inventario de entretenimiento genérico, muchas veces de menor calidad contextual real.
La Global Alliance for Responsible Media ha señalado en varios informes que la sobreexclusión por palabras clave puede reducir el alcance disponible de un anunciante hasta en un 15% o un 20% sin una mejora proporcional en la seguridad real de marca. Configurar estos filtros exige criterio editorial, no solo parámetros técnicos por defecto. La solución no pasa por eliminar la verificación de marca, sino por dejar de tratarla como un interruptor binario y empezar a tratarla como lo que es: una herramienta que exige revisión periódica y sentido común, no automatismo ciego.
Header bidding cambió el reparto de poder entre editores y DSP
Antes de 2015, el modelo de venta de inventario funcionaba en cascada: los editores ofrecían primero sus impresiones a un DSP, y solo si este no pujaba pasaban a la siguiente plataforma en la lista. Esto favorecía sistemáticamente a quien estuviera arriba en la jerarquía, casi siempre las plataformas de Google, independientemente de si ofrecía o no el mejor precio.
El header bidding rompió esa cascada al permitir que múltiples fuentes de demanda pujaran de forma simultánea por la misma impresión antes de que se ejecutara la llamada al ad server del editor. La consecuencia directa fue un aumento notable en los ingresos de los editores —algunos estudios de la época hablaban de subidas de entre el 20% y el 50% en yield— y una mayor transparencia sobre quién estaba pagando realmente por cada impresión.
Para el anunciante, el efecto no es tan visible como para el editor, pero existe: mayor competencia en la subasta suele traducirse en precios de mercado más justos y en menos dependencia de un único intermediario tecnológico. Entender esta mecánica ayuda a explicar por qué ciertos partners insisten tanto en el header bidding wrapper que utilizan y por qué la elección del SSP del lado del editor también afecta, indirectamente, a la calidad de la compra que hace el anunciante.
Medir bien exige aceptar que ningún modelo de atribución es neutral
Este es probablemente el punto donde más dinero se pierde por autoengaño metodológico. El modelo de atribución que elige una marca no describe la realidad, la construye. Un modelo last click premiará sistemáticamente a los canales de intención baja en el embudo —búsqueda de marca, retargeting— mientras penaliza a los canales de awareness que generaron esa intención semanas antes. Un modelo first click hace exactamente lo contrario. Y un modelo multitouch, aunque suene más sofisticado, sigue dependiendo de reglas de ponderación que alguien ha definido arbitrariamente.
La respuesta que ha ganado terreno en los últimos años, sobre todo desde que Meta y Google han reducido la granularidad de datos disponible por privacidad, es el marketing mix modeling combinado con experimentos de incrementalidad mediante pruebas geográficas o holdout groups. Es una vuelta, con más sofisticación estadística, a métodos que la industria del gran consumo llevaba usando décadas antes de que existiera el píxel de conversión.
Aquí va la opinión menos cómoda: buena parte de la obsesión reciente por el incrementality testing no responde tanto a una búsqueda genuina de rigor como a la necesidad de las plataformas de justificar presupuestos en un entorno donde ya no pueden ofrecer atribución determinística por usuario. No es casualidad que Meta y Google hayan lanzado sus propias herramientas de lift testing justo cuando perdían visibilidad granular por los cambios de privacidad de iOS y del propio Chrome. El rigor metodológico es real y necesario, pero también conviene preguntarse quién se beneficia de que la marca confíe ciegamente en la herramienta de medición que le proporciona el mismo actor que vende el inventario.
Los identificadores alternativos no van a sustituir a la cookie de terceros como equivalente uno a uno
Desde que Google anunció en 2020 la retirada de las cookies de terceros, el mercado ha probado UID2.0, RampID (antes LiveRamp), topics API del propio Chrome, y una decena de soluciones basadas en data clean rooms. Ninguna reproduce exactamente la cobertura ni la granularidad de la cookie tradicional, y conviene dejar de esperar que lo hagan.
La fragmentación del ecosistema de identidad no es un problema temporal que se resolverá cuando «el mercado madure», como suele repetirse en las conferencias del sector. Es probablemente el estado permanente de la programática a partir de ahora: varios sistemas de identidad conviviendo, cada uno con cobertura parcial, obligando a los anunciantes a operar con una capa de orquestación de identidad en lugar de un identificador único universal. Quien construya su estrategia de medición y segmentación asumiendo que aparecerá una solución de sustitución perfecta va a llevarse una desilusión recurrente durante los próximos años.
La estrategia más razonable pasa por diversificar: combinar contextual targeting de calidad —que ha vuelto a cobrar relevancia precisamente por esta fragmentación—, first-party data activado a través de clean rooms, y modelos probabilísticos de identidad para los casos donde no exista match determinístico. Ninguna pata sostiene por sí sola el conjunto.
Cinco señales de que una estrategia programática necesita revisión
En más de una auditoría de cuentas programáticas aparecen los mismos síntomas, casi siempre en combinación:
- El viewability medio de las campañas se sitúa por debajo del 60% sin que nadie del equipo lo haya cuestionado en los últimos trimestres.
- Más del 40% del presupuesto se concentra en open exchange sin ningún tipo de curación de inventario.
- No existe un listado activo de dominios o apps excluidos (negative list) revisado con regularidad.
- Las tasas de fraude reportadas por el partner de verificación se aceptan sin cruzarlas con una segunda fuente independiente.
- El equipo interno no sabe explicar, sin recurrir al partner de agencia, qué DSP se está usando y por qué.
Ninguno de estos síntomas es grave por separado. La combinación de tres o más suele indicar una cuenta gestionada en piloto automático, sin revisión de criterio desde hace tiempo.
El fraude publicitario ha cambiado de forma, no ha desaparecido
Durante años, la conversación sobre ad fraud giraba en torno a granjas de clics evidentes y tráfico de bots detectable con relativa facilidad. Las herramientas de verificación mejoraron, y con ellas también el fraude, que se ha vuelto más sofisticado: domain spoofing (hacer pasar inventario de baja calidad por el de un dominio premium mediante manipulación del ads.txt), sivt (tráfico inválido sofisticado, generado por dispositivos o navegadores manipulados para simular comportamiento humano) y esquemas de app farming en móvil, donde clusters de dispositivos generan impresiones e interacciones artificiales de forma coordinada.
La Association of National Advertisers estimó en un informe de 2023 pérdidas globales por fraude publicitario digital superiores a los 80.000 millones de dólares anuales, una cifra que, aunque discutida por su metodología en distintos foros del sector, da una idea de la magnitud del problema incluso si se aplica un margen de error considerable. La implementación de ads.txt y sellers.json ha reducido buena parte del domain spoofing más burdo, pero ningún estándar técnico elimina por completo el incentivo económico de fabricar tráfico falso mientras siga existiendo dinero dispuesto a pagar por él.
Small data y modelos predictivos: la paradoja de la privacidad
Existe una tensión que rara vez se aborda con honestidad en el sector: cuanta más privacidad exige (con razón) la regulación y el propio usuario, más dependen las plataformas de modelos predictivos basados en datos agregados y menos en el comportamiento individual verificable. Esto no es necesariamente malo —de hecho, reduce la vigilancia intrusiva sobre cada persona—, pero tiene una consecuencia que pocos anunciantes han asumido del todo: la trazabilidad exacta de cada euro invertido se va a volver progresivamente más difusa, no más precisa, a medida que avance la regulación de privacidad.
Esto obliga a un cambio de mentalidad incómodo para muchos directores de marketing acostumbrados a dashboards con cifras exactas hasta el último decimal. Habrá que acostumbrarse a trabajar con rangos de confianza, con modelos probabilísticos y con una dosis de incertidumbre que el marketing digital de la última década había hecho creer innecesaria. La precisión aparente de las métricas programáticas de 2015 a 2020 fue, en gran medida, un espejismo construido sobre datos de usuario que hoy resultarían inaceptables desde el punto de vista regulatorio y ético.
La creatividad dinámica sigue infrautilizada frente a su potencial real
El dynamic creative optimization (DCO) permite generar cientos de variantes de un mismo anuncio combinando elementos —imagen, titular, CTA, oferta— y dejar que el sistema aprenda qué combinación funciona mejor para cada segmento. Sobre el papel, es una de las herramientas más potentes de todo el ecosistema programático. En la práctica, la mayoría de las marcas la usa para testear variaciones superficiales de copy, sin explotar su verdadero potencial: adaptar el mensaje al contexto real del usuario en tiempo real, ya sea clima, hora del día, inventario de producto disponible o comportamiento de navegación reciente.
Una aseguradora que ajuste dinámicamente su creatividad según las condiciones meteorológicas de la zona geográfica del usuario —mostrando coberturas de hogar frente a tormentas cuando hay alerta activa, por ejemplo— está usando el DCO con criterio estratégico. La mayoría de las marcas, en cambio, se limita a rotar tres versiones de un mismo titular y llamarlo personalización. Hay una brecha considerable entre lo que la tecnología permite y lo que el sector realmente ejecuta, y esa brecha probablemente diga más sobre la falta de tiempo y recursos creativos de los equipos que sobre las limitaciones técnicas de la plataforma.
Todo esto lleva a una pregunta que casi nadie plantea en los briefings trimestrales: ¿qué pasará el día en que los modelos generativos de imagen y texto permitan producir creatividad dinámica de calidad publicitaria al mismo ritmo que las plataformas ya pujan y optimizan la distribución? Porque la infraestructura de decisión en tiempo real ya existe desde hace más de una década. Lo que ha faltado hasta ahora no ha sido velocidad de subasta, sino velocidad de producción creativa capaz de alimentarla. Y esa pieza, precisamente la que llevaba más tiempo estancada, es la que más rápido está empezando a moverse.