Paid social saturado: «ha dejado de funcionar» (no era eso)
Caso real · E-commerce que subió un 80% la inversión y vio dispararse su coste por adquisición
La saturación de un canal publicitario es el punto a partir del cual cada euro adicional rinde claramente menos que el anterior, porque ya se ha impactado a la audiencia más receptiva y solo queda ampliar hacia perfiles menos afines o repetir sobre los mismos. No es un defecto del canal ni un síntoma de fatiga: les ocurre a todos, y el punto exacto varía por canal y por periodo.
El problema no era saber si paid social funcionaba. El problema era saber cuánto más podía invertirse antes de que el siguiente euro dejara de ser rentable.
Confundir saturación con deterioro es una de las formas más caras de desmantelar un canal que funcionaba.
El diagnóstico equivocado
«Subimos el presupuesto en el canal que mejor funciona y los resultados no suben en la misma proporción. No sé cuánto más aguanta.»
Un comercio electrónico ante su campaña de temporada, el periodo que concentra buena parte de su facturación anual. La decisión parecía obvia y el equipo la tomó con toda la lógica del mundo: paid social era el canal más eficiente del año, así que se escaló un 80%.
Las ventas subieron. El coste por adquisición se disparó un 45%.
La conclusión interna fue inmediata y unánime: paid social ha dejado de funcionar. Se habló de fatiga creativa, de cambios en el algoritmo, de que la plataforma «ya no es lo que era». Se preparó un plan para reducir su peso un 40% al año siguiente.
Ese diagnóstico era erróneo. Aplicado, habría desmantelado el canal más rentable de la compañía.
Lo que en realidad había pasado
Las audiencias que funcionaban bien se habían agotado. Al multiplicar el presupuesto, la plataforma tuvo que salir a buscar impactos fuera del núcleo que convertía: subió la frecuencia sobre quienes ya habían visto el anuncio varias veces —de 3,2 a 7,9 impactos por usuario y mes— y amplió el alcance hacia perfiles cada vez menos afines.
El canal no había empeorado. Se había pasado de su punto óptimo. Los primeros euros de paid social seguían siendo tan rentables como el año anterior. Eran los últimos, los que se añadieron al escalar, los que rendían fatal y arrastraban la media.
Mientras tanto, dos palancas estaban prácticamente sin explorar: búsqueda genérica y afiliación. Dos canales con demanda disponible y sin explotar, justo en el momento del año en que la gente busca activamente.
El concepto: la curva de respuesta y los rendimientos decrecientes
Merece explicarse bien, porque cambia la forma de mirar un presupuesto entero.
La inversión en un canal no produce resultados de forma lineal. Al principio, cada euro adicional rinde mucho: llegas a la gente más receptiva, la más cercana a la compra. A medida que subes, impactas a perfiles menos afines y repites sobre los mismos. Cada euro adicional rinde menos que el anterior. La curva se aplana: es la ley de rendimientos decrecientes aplicada a la inversión publicitaria.
Eso no es un fallo del canal. Es una propiedad de todos los canales. La pregunta relevante no es «¿qué canal funciona mejor?» sino «¿dónde rinde más el próximo euro?».
De ahí sale la distinción que decide cualquier traspaso de presupuesto:
- Eficiencia media = lo que ha rendido todo lo invertido en el canal hasta hoy.
- Rendimiento marginal = lo que rendirá el euro siguiente.
Un canal cerca de su saturación puede tener una eficiencia media excelente y un rendimiento marginal pésimo. Un canal infrautilizado puede tener una eficiencia media mediocre —porque nunca ha tenido presupuesto suficiente para funcionar bien— y un rendimiento marginal magnífico.
Los rankings de eficiencia media que se miran en los comités comparan lo primero. Las decisiones de presupuesto dependen de lo segundo.
Lo que descartamos
Un modelo de mix propietario y opaco. Un MMM que produce un número sin que el cliente entienda de dónde sale tiene el problema de cualquier caja negra: en el momento en que la recomendación resulte incómoda —«baja un 30% tu mejor canal»—, nadie va a ejecutarla. Y con razón. Toda la utilidad de un modelo de mix depende de que sus supuestos sean explicables y cuestionables.
Un optimizador automático de presupuesto. Reasignar por algoritmo desconectado del negocio ignora justo lo que hace difícil este caso: una campaña de temporada con fechas fijas, stock limitado, márgenes distintos por categoría y compromisos de compra de medios ya cerrados. Un optimizador que no conoce nada de eso produce repartos irreales.
Sustituir el criterio del equipo. Ellos sabían que algo iba mal. De hecho, la frase con la que llegaron contenía el diagnóstico correcto: «no sé cuánto más aguanta». Lo que faltaba era poder poner una cifra a ese «cuánto».
Cómo se calcula el punto de saturación
1. Modelizar la curva de cada canal
Construimos un modelo de mix de medios [enlazar a /casos/marketing-mix-modeling-mmm-presupuesto] con el histórico de inversión, ventas, estacionalidad y variables externas, para estimar la curva de cada canal: cuánto rinde el euro número diez mil y cuánto el euro número cien mil.
Con la condición que nos ponemos siempre: cada supuesto documentado, cada resultado explicable en una diapositiva. Si el equipo no puede defenderlo en su comité sin nosotros delante, no sirve.
2. Calibrar el modelo con experimentos reales
Un modelo entrenado solo con histórico puede equivocarse, sobre todo en los tramos de inversión que nunca se han probado — que son precisamente los que interesan cuando hablas de escalar.
Lo contrastamos con geo-tests: subir inversión en mercados concretos y comparar con mercados de control. Los experimentos confirmaron la forma general de las curvas y corrigieron dos. La de afiliación tenía bastante más recorrido del que sugería el histórico, sencillamente porque nunca se había invertido lo suficiente para saberlo.
Es un patrón que se repite: los canales pequeños parecen mediocres porque nunca han tenido presupuesto para demostrar lo contrario.
3. Localizar el punto de saturación
Con las curvas calibradas, el dato que el cliente llevaba años necesitando sin poder formular: a partir de qué nivel de inversión cada canal empieza a dar rendimientos claramente decrecientes.
En paid social, el punto estaba muy por debajo del nivel al que se había escalado. El aumento del 80% llevó al canal bastante más allá de su zona eficiente: la mitad de ese incremento habría producido el 92% del volumen de ventas a un coste por adquisición mucho más razonable.
En búsqueda genérica y afiliación, la inversión estaba tan por debajo del óptimo que los primeros euros adicionales rendían mejor que el euro medio de paid social.
4. Simular escenarios
Con las curvas se pueden simular repartos alternativos y estimar el resultado de cada uno. Preparamos varios escenarios para la campaña siguiente, con previsión de ventas, de coste por adquisición y su nivel de incertidumbre explícito.
El escenario elegido no fue el que el modelo señalaba como óptimo, sino uno algo más conservador con paid social, por razones que el modelo no contenía: creatividades ya producidas y una preferencia razonable por no hacer un movimiento brusco en la campaña que concentra el año.
Nos parece la decisión correcta. El modelo explica qué puede ocurrir con cada decisión; el negocio decide.
5. Traducirlo a umbrales operativos
El entregable no fue un reparto, sino una tabla de umbrales: para cada canal, el nivel de inversión por debajo del cual conviene subir, el rango eficiente, y el nivel por encima del cual el rendimiento cae de forma marcada. Diferenciado por periodo, porque la curva de un canal en campaña de temporada no es la del mes de febrero.
Esto convierte un análisis puntual en una herramienta de gestión diaria. Cuando alguien propone subir presupuesto, la pregunta deja de ser «¿va bien ese canal?» y pasa a ser «¿dónde está respecto a su umbral?».
Resultado
| Métrica | Resultado | Contexto |
| Inversión en paid social al escalar | +80% | Campaña de temporada |
| CPA al escalar | +45% | Frecuencia de 3,2 a 7,9 impactos por usuario y mes |
| CPA tras redistribuir | −28% | Con menor peso de paid social |
| Ventas | ↑ | Búsqueda genérica y afiliación compensan la reducción |
Paid social se redujo un 30% respecto al pico y su eficiencia volvió a los niveles del año previo al escalado. El canal no se había roto: estaba sobrecargado.
Búsqueda genérica y afiliación absorbieron el traspaso y aportaron el volumen que compensó de sobra la reducción.
El canal no había dejado de funcionar. Había superado su zona eficiente.
Se canceló el plan de reducir paid social a largo plazo. Estaba a punto de ejecutarse sobre un diagnóstico equivocado.
Y el cambio de método que perdura: las decisiones de subir presupuesto ya no se toman mirando el ranking de eficiencia media, sino la posición de cada canal en su curva. Es una conversación distinta y produce decisiones distintas.
Por qué lo hacemos así
Hay un razonamiento que parece impecable y es de las formas más comunes de perder dinero en marketing: «este canal es el que mejor funciona, así que pongamos más dinero aquí».
Falla porque confunde eficiencia media con rendimiento marginal. Y es el rendimiento marginal el que estás decidiendo cada vez que mueves un euro.
Cuando esto no se ve, el patrón se repite siempre igual: se escala el canal favorito, la eficiencia cae, se concluye que el canal ha dejado de funcionar, y se desmonta algo que estaba perfectamente bien. El canal paga la factura de una decisión de reparto que no era suya.
Saber dónde está el techo de cada canal no requiere un modelo opaco ni una plataforma cara. Requiere un modelo de mix explicable, calibrado con experimentos reales, y traducido a algo tan mundano como una tabla de umbrales que el equipo consulte antes de subir un presupuesto.
Dónde no aplica: por debajo de unos 500.000 € anuales de inversión, un MMM no dispone de señal suficiente para estimar curvas fiables. Con volúmenes menores, el camino práctico es empírico: subir inversión en tramos del 20-25%, medir el efecto durante un periodo comparable, y detenerse cuando el coste por adquisición se degrade de forma sostenida. Menos elegante, igual de útil, y mucho más barato.
Preguntas frecuentes
¿Por qué sube el CPA cuando subo el presupuesto de un canal?
Porque los primeros euros impactan a la audiencia más receptiva y los últimos, a la menos afín. Al escalar, la plataforma amplía el alcance hacia perfiles con menor propensión a comprar y aumenta la frecuencia sobre quienes ya vieron el anuncio, de modo que el coste por adquisición del tramo añadido es mucho peor que la media anterior. No indica que el canal haya empeorado: indica que se ha superado su punto de saturación.
¿Qué es la curva de respuesta de un canal?
Es la relación entre inversión y resultados, que no es lineal sino que se aplana progresivamente. Al principio cada euro adicional rinde mucho; a partir de cierto nivel, rinde cada vez menos. Estimar esa curva permite responder la pregunta que decide un traspaso de presupuesto: no qué canal rinde mejor en promedio, sino cuánto rendirá el euro siguiente en cada uno.
¿Cómo se sabe si un canal está saturado?
La señal práctica es que un aumento de inversión no se traduce en un aumento proporcional de resultados, con frecuencia creciente y coste por adquisición degradándose de forma sostenida durante varias semanas. Para cuantificarlo hace falta estimar la curva con un modelo de mix calibrado con experimentos, o bien probar empíricamente con incrementos escalonados y ventanas de medición comparables.
¿Qué diferencia hay entre eficiencia media y rendimiento marginal?
La eficiencia media resume lo que ha rendido todo lo invertido en un canal hasta hoy. El rendimiento marginal estima lo que rendirá el euro siguiente. Un canal saturado puede tener una eficiencia media excelente y un rendimiento marginal pésimo, y un canal infrautilizado exactamente lo contrario. Los rankings de canales muestran lo primero; las decisiones de presupuesto dependen de lo segundo.
¿Es fatiga creativa o saturación de audiencia?
Se confunden con frecuencia porque comparten síntoma. La fatiga creativa se manifiesta como caída del CTR con la misma audiencia y se corrige renovando piezas. La saturación de audiencia se manifiesta como frecuencia creciente y expansión del alcance hacia perfiles menos afines, y no se corrige con creatividades nuevas: se corrige ajustando el nivel de inversión. Renovar creatividades en un canal saturado gasta tiempo sin mover el resultado.
¿Hace falta un MMM para calcular el punto de saturación?
Es el método más preciso, pero requiere volumen: por debajo de unos 500.000 € anuales de inversión no suele haber señal suficiente. Con presupuestos menores funciona el enfoque empírico —incrementos escalonados del 20-25% con ventanas de medición comparables— que localiza el rango de saturación sin modelo, aunque con menos precisión y más tiempo.
¿Sabes cuánto más puede absorber cada canal antes de que el siguiente euro deje de ser eficiente? Si hoy las decisiones de inversión se toman mirando únicamente el CPA o ROAS medio, probablemente todavía no estás viendo la parte más importante de la curva.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.