Conversiones modelizadas: ¿en qué consiste el modelado de conversiones y puedes confiar de verdad en él?

Tu panel de control de Google Ads muestra más conversiones que tu CRM. Tu agencia dice que «eso es por el modelo». El departamento de finanzas quiere saber cuál de las dos cifras es la real.

Esa conversación sigue saliendo a colación porque las plataformas ya no informan solo de lo que pueden ver. Cuando las cookies, el consentimiento o los navegadores cortan el camino entre el clic en un anuncio y una venta, las plataformas llenan ese vacío con estimaciones. Los modelos de conversión son esa capa que llena ese vacío. Si se usan bien, evitan que las pujas se hagan a ciegas. Pero si se usan como sustituto de arreglar la medición, convierten tus informes en un ejercicio de confianza.

El modelado sirve para suplir los datos que faltan. Si registras más conversiones reales, las plataformas tendrán que hacer menos conjeturas. No vas a eliminar el modelado por completo. Aún así, puedes decidir en qué medida tu análisis se basa en estimaciones y en qué medida en eventos observados.

¿Qué es el modelado de conversión?

El modelado de conversiones es el método que usa una plataforma para estimar las conversiones o, más a menudo, para estimar la atribución, cuando no puede seguir todo el recorrido desde el clic en el anuncio hasta el resultado. La falta de cookies, el consentimiento denegado o las etiquetas bloqueadas rompen ese vínculo, y el aprendizaje automático llena ese vacío usando patrones de recorridos similares que la plataforma sí puede ver.

Una conversión observada es aquella que la plataforma puede vincular a una interacción con un anuncio mediante identificadores disponibles: un ID de clic, una cookie, una coincidencia de correo electrónico con hash o un evento de servidor que aún contenga suficiente contexto. Una conversión modelada es aquella en la que falta ese vínculo.

Google deja muy claro cómo funciona el modelado de conversiones. Dice que, por lo general, lo que hace es predecir la atribución. ¿Este anuncio ha llevado a una conversión de la que ya tiene constancia? No se está inventando de la nada si se ha producido una compra o no.

Así que la columna «Conversiones» de Google Ads suele ser una mezcla. «Confiar» tiene que significar entender esa mezcla, no tomarte cada cifra como si fuera un recibo de tu tienda.

Conversiones observadas frente a las modeladas

	Conversión observada	Conversión modelizada
Identificador disponible	Haz clic en el ID, la cookie, la coincidencia de correo electrónico con hash o el evento del servidor con contexto	Faltan, han caducado o están bloqueados
Cómo se cuenta	Vinculado directamente a una interacción registrada con un anuncio	Estimado a partir de patrones observados en viajes comparables
Se puede contrastar con tu CRM	Sí, fila por fila	No, es la atribución probabilística
Causa común	-	Consentimiento denegado, ITP de Safari, bloqueador de anuncios, exclusión voluntaria de ATT en iOS
Cómo puedes influir en ello	Conversiones mejoradas, seguimiento server-side, Meta CAPI	De forma indirecta. Si mejoras la columna de la izquierda, el conjunto modelado se reduce
Aparece en	Conversiones y valor de conversión	Las mismas dos columnas, sin etiquetar

Esa última fila es el problema. Ambos tipos acaban en la misma columna, y el informe no te dice cuál es cuál.

¿Por qué las plataformas publicitarias hacen modelos de conversiones?

El problema está en el modelo de las plataformas, porque la pérdida de señal ya es algo estructural. No es un fallo temporal que se pueda solucionar con el tiempo.

Los banners de consentimiento son lo que más afecta. En el EEE, el Reino Unido y regiones similares, muchos usuarios rechazan las cookies publicitarias o de análisis. Si las etiquetas respetan esa elección, como deberían, Google no puede almacenar los identificadores habituales. Sin los pings sin cookies ni el modelado de Consent Mode, esos recorridos quedan fuera de la atribución. Para saber cómo configurarlo, echa un vistazo a «Consent Mode de Google V2».

La privacidad de los navegadores da un paso más. La Prevención Inteligente de Seguimiento (ITP) de Safari acorta la duración de las cookies y limita el seguimiento entre sitios web. Las funciones de privacidad de Firefox y Chromium siguen apretando las tuercas en este mismo sentido. Google incluso enumera los límites de las cookies de terceros y de origen como casos de modelo distintos.

Si quieres conocer las últimas novedades de Safari, échale un vistazo a nuestro artículo sobre la protección contra el rastreo de Safari 27.

¿No se soluciona esto con la decisión de mantener las cookies de terceros en Chrome?

No, y vale la pena explicar con precisión por qué, porque muchas hojas de ruta de medición se elaboraron en función de un plazo que ya no existe.

Google ha abandonado el plan de eliminación gradual de las cookies de terceros en Chrome. El cambio a un modelo basado en la elección del usuario se anunció en 2024 y se confirmó en abril de 2025, y la mayoría de las API de Privacy Sandbox creadas como sustitutas se desactivaron en octubre de 2025. Ahora, Chrome mantiene activadas las cookies de terceros por defecto, con opciones que tú mismo puedes cambiar.

Nada de ese cambio te devuelve ni una sola ruta de conversión perdida. Safari, Firefox y Brave siguen bloqueando las cookies de terceros por defecto. Las obligaciones de consentimiento según el RGPD y la Directiva de Privacidad Electrónica no han cambiado, así que si rechazas el banner, sigue sin haber almacenamiento, independientemente de lo que permita Chrome. Las opciones de exclusión de iOS (ATT) tampoco han cambiado. Los bloqueadores de anuncios tampoco han cambiado. Y cada vez más usuarios de Chrome restringen ahora activamente las cookies a través de esos nuevos controles.

La fecha límite ya no existe, pero la pérdida de señal sigue ahí. Ahora la erosión es gradual y viene determinada por el comportamiento de los usuarios, en lugar de por una fecha límite concreta anunciada, lo que hace que sea más fácil ignorarla y más difícil planificar en consecuencia. La modelización no es un puente hacia un futuro sin cookies que se haya cancelado, sino una parte permanente de la forma en que las plataformas presentan sus informes.

Los bloqueadores de anuncios eliminan píxeles, etiquetas y, a veces, hasta el propio banner de consentimiento. Esto afecta a la medición y a la señal legal que necesitas para un seguimiento conforme a la normativa. Lee más sobre cómo realizar un seguimiento sin que los bloqueadores de anuncios te lo impidan.

Luego está la «Transparencia en el seguimiento de aplicaciones» (ATT) de iOS, sobre todo si hay aplicaciones o Meta de por medio. Los datos de referencia de Adjust para el segundo trimestre de 2025 sitúan la tasa de aceptación de la ATT en todo el sector en torno al 35 % entre los usuarios a los que se les muestra el aviso. La mayoría de la gente, ante ese aviso, sigue diciendo que no. Cuando el identificador del dispositivo queda descartado, las plataformas recurren cada vez más a la medición y la modelización agregadas.

Ante esta situación, las plataformas o bien solo informan de la parte observable y hacen ofertas por debajo del precio, o bien estiman la parte que falta con modelos entrenados a partir de lo que aún pueden ver. Se decantaron por la modelización porque el Smart Bidding y los informes de rendimiento dejan de funcionar cuando una gran parte del embudo queda oculta.

Si quieres ver un mapa más amplio de dónde se pierden las conversiones, échale un vistazo a nuestro artículo sobre cómo rastrear la pérdida de señal.

Cómo aparece el mundo del modelaje en Google y Meta

Veamos cómo abordan Google y Meta la modelización de la conversión en sus plataformas.

Google Ads: conversiones estimadas en las cifras por las que pujas

En Google Ads, el modelado no es un informe independiente. Está integrado en las columnas por las que pujas. La explicación de Google sobre las conversiones online modeladas deja muy claro el motivo: las normas de privacidad y las limitaciones técnicas ocultan las rutas de atribución y, si no se corrige esto, quien puja aprende a partir de una muestra sesgada.

El «Consent Mode» es la herramienta clave para subsanar las deficiencias relacionadas con el consentimiento. Con el «Consent Mode» avanzado, las etiquetas pueden enviar señales sin cookies cuando se deniega el almacenamiento. Esas señales no suponen un seguimiento completo. Proporcionan a Google suficiente información agregada para modelar patrones específicos de cada anunciante, en lugar de recurrir a una media del sector poco precisa.

Los primeros resultados de Google indicaban que el modelado de conversiones a través del Consent Mode recuperaba más del 70 % de los recorridos desde el clic en el anuncio hasta la conversión que se perdían debido a las opciones de consentimiento de las cookies, aunque los resultados variaban según la tasa de consentimiento y la configuración. Las últimas recomendaciones del Centro de Ayuda siguen calificando esta recuperación como sustancial: de media, más de la mitad de los recorridos perdidos, y aproximadamente el doble de esa recuperación cuando se utiliza el «Consent Mode» avanzado en lugar del básico.

Esas cifras modeladas alimentan el Smart Bidding. Si configuras el coste por adquisición objetivo (tCPA) o el retorno sobre la inversión publicitaria objetivo (tROAS), el algoritmo se entrena con el total combinado. Es útil cuando la alternativa es dejar el modelo sin datos. Aunque también es fácil malinterpretarlo. Un salto repentino tras el «Consent Mode» puede deberse a que el modelo se está poniendo al día, no a un gran avance en la creatividad. Google muestra el aumento del impacto del «Consent Mode» durante un periodo limitado en «Diagnósticos»; después de eso, la parte modelada pasa a formar parte de la columna «Conversiones».

Echa un vistazo a la información sobre la modelización del Consent Mode y los resultados del impacto del Consent Mode.

Hay un detalle operativo que a veces se te olvida: las conversiones modeladas pueden tardar hasta unos días en estabilizarse en los informes. No te lances a optimizar por pánico ante las fluctuaciones del primer día.

Las conversiones mejoradas y una etiqueta de Google bien configurada reducen la necesidad de que Google tenga que hacer conjeturas, ya que se pueden observar más conversiones gracias a las coincidencias de datos propios con hash.

GA4: modelos de comportamiento y modelos de conversión

GA4 usa el modelado de dos formas relacionadas que los profesionales del marketing suelen confundir.

El modelado de comportamiento (vinculado al «Consent Mode») calcula el número de usuarios, sesiones y nivel de interacción cuando se deniega el almacenamiento de datos analíticos y los eventos no pueden asociarse a un identificador de usuario permanente. Google lo explica en su documentación sobre el modelado de comportamiento para Consent Mode. Diez visitas a una página sin identificadores podrían corresponder a una sola persona o a diez. El modelo realiza sus estimaciones basándose en usuarios similares que han dado su consentimiento en tu sitio web.

El modelado de conversiones cubre las lagunas de atribución cuando el vínculo entre el clic y la conversión se interrumpe por motivos de privacidad o técnicos. Los informes combinan entonces datos observados y estimados. Dependiendo de la identidad del informe y de si la propiedad cumple los requisitos, puede que veas un icono de calidad de datos que indica que se han incluido datos estimados de los usuarios. Lo que normalmente no aparece es un control deslizante claro del tipo «El X % de este gráfico está modelado» en todos los informes estándar. Por eso se discuten los de finanzas y los de marketing por la misma captura de pantalla.

Si ya te parece que tu ROAS de GA4 no cuadra por motivos estructurales, el modelado es una complicación más. Descubre por qué el ROAS de GA4 es impreciso y por qué las conversiones de Meta, GA4 y Google Ads no coinciden.

Meta: el mismo problema, pero con nombres de productos diferentes

La plataforma de Meta usa diferentes nombres de productos para un problema similar. Tras los cambios en la política de privacidad de iOS, la «Medición de eventos agregados» y los controles relacionados limitan la cantidad de detalles a nivel de usuario que reciben los anunciantes sobre el tráfico que ha optado por no participar. Meta recurre a métodos estadísticos para que la optimización siga siendo útil cuando falla la correspondencia determinista.

La API de conversiones (CAPI) es la apuesta de Meta para conseguir más eventos de servidor observados: datos de compra de tu backend, información de clientes con hash y una mayor calidad de coincidencia de eventos (EMQ). La combinación de Pixel y CAPI, con una deduplicación adecuada del event_id, es el modelo híbrido estándar. El modelado sigue siendo necesario para cubrir las lagunas que no puedas subsanar. Una mejor calidad de coincidencia reduce la cantidad de información que Meta tiene que deducir. No elimina la deducción.

Echa un vistazo a cómo mejorar la calidad de las coincidencias de eventos de Meta y a la descripción general de la API de conversiones de Meta.

Cuándo puedes fiarte de las conversiones modelizadas

La modelización tiene su lugar en algunas situaciones concretas.

Mantiene vivo el sistema de pujas automáticas cuando, de otro modo, las tasas de consentimiento acabarían agotando el algoritmo. Las cuentas con pocas conversiones se descontrolan enseguida. Una estimación que respete la privacidad de las rutas de atribución que faltan suele ser mejor que optimizar basándote en una minúscula minoría que ha dado su consentimiento.

Recupera la visión global de la campaña cuando los navegadores y las plataformas ocultan las rutas entre dispositivos o entre navegadores. Sigues haciendo comprobaciones de coherencia con los pedidos y el CRM. Al menos, las cifras de medios dejan de parecer un eclipse parcial.

Además, es más limpio que las soluciones provisionales que prohíbe Google. Los pings sin cookies, combinados con el modelado, son la alternativa que propone Google al «fingerprinting». Si te importan tanto el cumplimiento normativo como la medición, esa compensación es importante.

Cuando las conversiones estimadas te llevan a conclusiones erróneas

La modelización sale mal cuando los equipos tratan las estimaciones como si fueran registros de caja.

Lo primero es la opacidad. Es muy raro que veas una distinción clara y permanente entre los datos observados y los modelados en todas las vistas de Google Ads o GA4 que usas a diario. Los interesados preguntan qué parte de la cifra es «real», y la respuesta precisa suele ser: lo suficiente como para que Google esté seguro, pero no es una partida que puedas auditar como si fuera un informe de existencias.

Luego está el sesgo. Los usuarios que han dado su consentimiento no se comportan igual que los que lo han rechazado. Google lleva tiempo observando que los usuarios que han dado su consentimiento suelen tener tasas de conversión diferentes a las de los que no lo han hecho, y por eso no funciona el cálculo simplista de «aumentar la escala según la tasa de consentimiento». Los modelos adecuados intentan corregir eso. Si tu segmento de usuarios que han dado su consentimiento es muy pequeño o está sesgado (muchos compradores habituales, solo usuarios de ordenador, un solo país), los datos de entrenamiento son escasos. Una estimación sofisticada, pero con una base débil.

La comparabilidad es donde las reuniones se tuercen. Tu CRM, Shopify o el almacén contabilizan los pedidos observados. Google Ads cuenta los observados más la atribución modelada. Meta cuenta su propia combinación. Los paneles que unen esos sistemas sin diferenciar entre ellos crean discrepancias falsas y éxitos falsos. Esa discrepancia existe por una razón: las conversiones de Meta, GA4 y Google Ads.

El control lo tiene la plataforma. Los pesos del modelo no te pertenecen. Los umbrales, los criterios de elegibilidad y la metodología se definen en otro sitio. Si el volumen cae por debajo de los umbrales del modelo, los datos estimados pueden desaparecer del modelo de comportamiento de GA4. Los informes sobre el aumento del impacto en el «Consent Mode» son temporales. Una estrategia basada únicamente en el aumento estimado es una estrategia construida sobre arena.

Nada de eso significa que debas desactivar el modelado. Lo que significa es que el modelado es una red de seguridad, no una estrategia de medición. Confiar en él en lugar de basarte en eventos reales hace que Smart Bidding se entrene con una «niebla» más densa de lo necesario. Para saber cómo unas fuentes de conversión más limpias cambian los resultados de las pujas: Smart Bidding y el seguimiento server-side.

Cómo comprobar qué parte de tus datos está modelada

No vas a encontrar un porcentaje exacto, pero aun así puedes hacer una estimación razonable.

GA4 tiene lo que más se parece a un botón de activación/desactivación

La identidad de los informes es la clave. Genera el mismo informe para el mismo intervalo de fechas, primero en «Blended» y luego en «Observed», y compara los totales de usuarios, sesiones y conversiones clave. «Blended» incluye datos modelados, mientras que «Observed» no. La diferencia te da una idea aproximada de en qué medida ese informe depende de estimaciones. Hazlo en «Admin», toma nota de la configuración que has usado y haz una captura de pantalla de ambos. Es la cifra más útil que puedes aportar a una reunión con el departamento de finanzas.

Google Ads te ofrece análisis

Revisa los diagnósticos del «Consent Mode» para confirmar que el modelado está activo y es válido en las acciones de conversión por las que pujas. Si los informes de impacto del «Consent Mode» se mantienen dentro de su plazo para tu cuenta, anota la cifra de aumento antes de que caduque, porque no se mantiene. No hay ningún segmento permanente que compare datos observados con los modelados, así que deja de buscarlo.

Meta te ofrece partidos de calidad

La «Calidad de coincidencia por evento» (EMQ) es tu indicador de referencia. Si la EMQ es baja en la compra, significa que Meta está haciendo más deducciones. Compruébala por evento en lugar de a nivel de cuenta, y asegúrate de que Pixel y CAPI estén deduplicando correctamente según el event_id antes de sacar conclusiones sobre la puntuación.

Tu backend es el pilar fundamental

Exporta los pedidos propios correspondientes a un periodo determinado y compáralos con las conversiones que ha registrado la plataforma durante un periodo de atribución equivalente. A continuación, anota las diferencias explicables: conversiones por exposición, recorridos entre dispositivos, diferencias en los periodos de conversión, acciones de conversión secundarias y rechazos de consentimiento. Lo que quede después de esas explicaciones es tu residuo modelado práctico.

Ponlo todo en una sola hoja, mes a mes. Lo importante aquí es la tendencia:

• Si el residuo se mantiene estable o disminuye, significa que tu medición está mejorando.
• Si va en aumento, significa que te estás alejando cada vez más de todo aquello que puedas controlar.

Cómo reducir las conversiones modeladas y aumentar tu cuota observada

No puedes eliminar las conversiones modeladas, pero sí puedes reducir el hueco que tienen que cubrir.

Aquí está el punto en el que los equipos suelen equivocarse: Google no recibe un aviso del tipo «esta tienda ha mejorado la calidad de los datos, reduce el modelado». El modelado completa los recorridos en los que falta el vínculo entre el clic y la conversión. Cuando el seguimiento server-side, las conversiones mejoradas y una etiqueta de Google bien configurada generan más conversiones que ya incluyen ese enlace (un ID de clic de Google, una coincidencia de correo electrónico con hash, contexto propio útil), esas conversiones se registran tal y como se observan. El conjunto de conversiones no observadas se reduce. Simplemente queda menos margen que estimar. Menos modelización es un efecto secundario de que haya menos rutas incompletas, no una puntuación de calidad independiente que la plataforma te reduzca por su cuenta.

Así es como puedes aumentar tu cuota de mercado observada:

1. Implementa el «Consent Mode» como es debido y, cuando la ley lo permita, utiliza las opciones avanzadas. Recupera la calidad del modelado para los usuarios que no lo aceptan y, más o menos, duplica la recuperación en comparación con la opción básica.
2. Activa las conversiones mejoradas con una etiqueta de Google bien configurada. Convierte las ventas en eventos observados mediante coincidencias propias con hash, en lugar de dejar que se calculen de forma estimada.
3. Traslada la recopilación server-side. Recupera los eventos que se pierden por culpa de los bloqueadores de anuncios y las etiquetas de navegador poco fiables, y mantiene el evento como de origen propio para que las restricciones de Safari te afecten menos.
4. Envía los datos de Meta CAPI junto con los de Pixel, deduplicados por event_id. Así mejoras la calidad de la correspondencia de eventos y reduces la cantidad de información que Meta tiene que deducir.
5. Haz la conciliación mensual con los pedidos del sistema de fondo. Te dice si los pasos del uno al cuatro han modificado realmente la cuota observada o si solo han modificado el total.

Los pasos del uno al cuatro reducen la brecha y el paso cinco es cómo lo demuestras.

Con una buena configuración server-side, el total de conversiones registradas puede incluso aumentar, ya que recuperas eventos que antes ni se observaban ni se modelaban bien. Lo que normalmente te interesa es que la proporción observada de ese total sea mayor. La columna «Conversiones» sigue mezclando ambas cosas. Una combinación más equilibrada se basa más en los enlaces reales.

El seguimiento del lado del servidor saca la recopilación y el reenvío de la frágil ruta del navegador. Los eventos llegan a tu punto final propio y, a continuación, tu contenedor GTM del lado del servidor los envía a Google Ads, GA4, Meta CAPI y el resto. Los bloqueadores de anuncios tienen menos superficie de ataque. Los límites de terceros de Safari importan menos cuando el evento es propio. Puedes enriquecer los eventos de compra con ID de pedido y datos de clientes con hash que el navegador nunca ha tenido de forma clara. El modelo de Consent Mode sigue funcionando para quienes dicen que no. Tu trabajo es asegurarte de que todos los que han dicho que sí, y todas las compras de las que tiene constancia tu servidor, lleguen realmente a las plataformas como una señal observada.

Los hábitos propios también importan. Si estás reestructurando la medición basándote en datos propios en lugar de solo en cookies de terceros, una buena estrategia es apostar por el marketing basado en datos propios. El trabajo en la tasa de consentimiento sigue ayudando a los modelos que quedan, porque una mejor experiencia de usuario en el proceso de consentimiento amplía el conjunto de entrenamiento observado: optimización de la tasa de consentimiento.

El objetivo no es llegar a cero conversiones modeladas. Queremos más compras vinculadas a ID de clics, coincidencias de conversión mejoradas o eventos de servidor sólidos. Y que la columna «Conversiones» se base menos en estimaciones. Además, las conversiones observables recuperadas son más fáciles de justificar en las conversaciones sobre el ROI que solo el aumento modelado. Echa un vistazo al ROI del seguimiento server-side.

Así es como se ve una configuración de medición adecuada

Una estructura bien construida sigue incluyendo el modelado. Simplemente no depende de él para desarrollar la historia.

Las conversiones de Google Ads se acercan más a los pedidos del backend en periodos comparables. Las diferencias que quedan se explican (conversiones por exposición, multidispositivo, rechazos de consentimiento) en lugar de achacarlas a la «magia» de la plataforma.

El «Consent Mode» ya está activo y validado. Los análisis han confirmado que el modelo funciona tal y como esperabas. Las tasas de coincidencia de las conversiones mejoradas son algo que debes supervisar, no un botón que se te haya olvidado activar.

El equipo entiende bien las indicaciones de calidad de datos de GA4. Nadie pega los recuentos de usuarios combinados en una presentación como si fueran usuarios únicos del CRM.

Meta EMQ recibe la misma atención. Se eliminan los datos duplicados de CAPI y Pixel. Los eventos de compra incluyen los identificadores que mejoran la calidad de la correspondencia.

Y cuando alguien te pregunte si puedes fiarte de esa cifra, la respuesta es clara: confía en ella para orientar tus pujas y comparar campañas, compárala con los pedidos propios para verificar la veracidad de los ingresos, y sigue reduciendo la cuota modelada enviando más conversiones observadas.

Dónde encaja TAGGRS

Google Tag Manager server-side (sGTM) es la forma habitual en que los equipos aumentan esa cuota observada sin tener que crear una infraestructura en la nube desde cero. TAGGRS aloja el contenedor de sGTM, mantiene el punto final como propio y te ofrece un lugar para enriquecer y reenviar las conversiones a Google Ads, GA4, Meta y otras plataformas desde un único canal de servidor.

En la práctica, eso significa que más eventos de compra y de captación de clientes potenciales salen de tu dominio de forma controlada, incluso cuando el navegador es hostil. El modelado sigue funcionando para detectar las lagunas de consentimiento y privacidad que no puedes subsanar. La diferencia es que las plataformas dedican menos tiempo a hacer conjeturas, ya que les llega una mayor parte del embudo real.

Conclusión

El modelado de conversiones no es ninguna estafa ni un sustituto de la medición. Es el parche que ha puesto el sector para solucionar los problemas del consentimiento, el ITP, los bloqueadores de anuncios y las restricciones de iOS. Google Ads y GA4 lo usan mucho en las cifras que ya estás analizando. Meta hace lo mismo, pero con nombres de productos diferentes.

Confía en ello en función de la cantidad de datos observados que introduzcas en las plataformas. Mejora el Consent Mode, las «Conversiones mejoradas», CAPI y la entrega server-side, y el modelado pasará a ser una parte más pequeña y saludable del panorama. No lo eliminarás, pero puedes dejar de considerarlo como si fuera lo único que importa.

Si quieres saber qué parte de tu columna «Conversiones» se debe actualmente a estimaciones, empieza por la auditoría anterior. Si la respuesta te preocupa, un contenedor server-side es la forma más rápida de solucionarlo. Empieza con TAGGRS de forma gratuita o solicita una demostración para saber más.

Preguntas frecuentes

¿Una conversión simulada es una conversión falsa?

No en el sentido de inventarte ventas al azar. En Google Ads, el modelo suele estimar si una conversión observada debería atribuirse a un anuncio cuando falta el enlace del identificador. Aun así, puede equivocarse, ya que se trata de una estimación. Tómatelo como una atribución probabilística, no como un dato concreto.

¿Cómo puedo ver cuántas de mis conversiones se han modelado?

No aparece ningún porcentaje en ninguna parte de la interfaz. La forma más parecida de hacerlo es ejecutar el mismo informe de GA4 con las identidades de informe «Blended» y «Observed», comparar los totales y, a continuación, conciliar las conversiones de Google Ads con una exportación de pedidos propios en un periodo coincidente. Los diagnósticos del «Consent Mode» confirman que el modelado está activo, pero no lo cuantifican. Echa un vistazo a la sección de auditoría de más arriba para ver el método completo.

¿Las conversiones modeladas cuentan para mi ROAS y para Smart Bidding?

Sí. Las conversiones modeladas y el valor de conversión modelado aparecen en las mismas columnas «Conversiones» y «Valor de conversión» con las que se entrena Smart Bidding y a partir de las cuales se calcula tu ROAS en los informes. De eso se trata el modelado. También significa que el ROAS de la plataforma y el ROAS de backend miden cosas diferentes, y compararlos sin señalar la diferencia es lo que hace que los equipos acaben discutiendo sobre la misma captura de pantalla.

¿Puedo desactivar el modelo de conversión en Google Ads?

No hay un simple botón global para desactivar todo el modelado y, al mismo tiempo, mantener el seguimiento de conversiones moderno. Tú influyes en el nivel de modelado necesario mejorando los datos observables: la configuración del Consent Mode, las «Conversiones mejoradas», los eventos server-side y la cobertura de las etiquetas. La elegibilidad y la metodología siguen siendo responsabilidad de Google.

¿Significa el «Consent Mode» que Google rastrea a los usuarios que han dicho que no?

El «Consent Mode» puede enviar pings sin cookies cuando se deniega el consentimiento para el almacenamiento. Esos pings están restringidos y se utilizan para la elaboración de modelos agregados, no como un perfil completo basado en cookies. Tu plataforma de gestión del consentimiento (CMP) y tu base jurídica siguen determinando lo que puedes habilitar. Lee la descripción general del Consent Mode de Google y las recomendaciones de tus asesores jurídicos para tus mercados.

¿Por qué las conversiones de Google Ads superan los pedidos de mi tienda?

Entre las razones más comunes se encuentran la atribución modelada que suplanta el consentimiento o las lagunas del navegador, las diferentes ventanas de conversión, las acciones secundarias, los recorridos entre dispositivos y la columna de conversión que estés consultando. Compara lo que es comparable y mantén una exportación de pedidos propios como fuente de referencia para los ingresos.

¿El seguimiento server-side hace que ya no haga falta hacer modelos?

No. Aumenta las conversiones observadas y reduce las pérdidas evitables causadas por los bloqueadores y las etiquetas de navegador inestables. Las denegaciones de consentimiento, las exclusiones de ATT y las normas de privacidad de las plataformas siguen dejando lagunas que estas aprovecharán. El seguimiento server-side cambia la proporción. No elimina el parche.

¿Debería ajustar los objetivos de tROAS o tCPA después de modelar el uplift?

Google ha señalado que, si antes rebajaste los objetivos para compensar la falta de datos debido a problemas con el consentimiento, puedes volver a revisarlos una vez que se hayan implantado modelos de predicción y métodos de medición más precisos. Hazlo poco a poco y teniendo en cuenta el coste por adquisición (CPA) de tu negocio o el índice de eficiencia de marketing (MER), no basándote únicamente en un pico de una semana en la columna «Conversiones».