Social Rocket
Google sigue ampliando su infraestructura de medición y de datos propios (first-party data). El grupo integra Data Manager más a fondo en Google Analytics y Display & Video 360, hace que la API de Data Manager sea más universal y añade diagnósticos automáticos que deben detectar problemas de datos antes de que afecten al rendimiento de las campañas. En paralelo, Meridian, el modelo open source de marketing mix de Google, recibe nuevas funciones agénticas para la revisión de datos y la construcción de modelos.
Para los equipos de marketing, esto es más relevante que una actualización habitual de funciones de Google Ads: Google intenta alinear más estrechamente la activación de datos, la medición y el control de campañas basado en IA dentro del mismo flujo de trabajo.
Data Manager se convierte en la capa central para los datos propios
Google posiciona Data Manager como el punto central para conectar datos de la web, la app, la tienda física o el CRM y ponerlos a disposición de la medición y la activación de campañas.
Entre las novedades, Data Manager se integra directamente en Google Analytics y Display & Video 360. La API se basa en el estándar Event & Conversion API del IAB Tech Lab y debe servir como conector unificado para datos de audiencias y de medición en los distintos productos publicitarios de Google.
Además, Google amplía las integraciones directas con, entre otras, Mailchimp, ActiveCampaign, Klaviyo y Google Drive. Así, la frontera entre los datos de CRM, comercio y adtech se vuelve aún más permeable.
Para los equipos que ya trabajan con varios proveedores de datos y medición, esto encaja en una tendencia de consolidación más amplia. Las recientes adquisiciones en torno a Nielsen, DoubleVerify y LiveRamp muestran lo estrechamente que se están uniendo datos, medición y activación.
Los diagnósticos automáticos deben detectar antes los errores de datos
Data Manager incorpora Diagnostics integrados, que deben detectar y abordar automáticamente los problemas en las conexiones de datos. La utilidad práctica está sobre todo en hacer visibles antes las señales defectuosas o incompletas, es decir, antes de que influyan en las estrategias de pujas, las audiencias o los informes.
Google introduce además en Google Ads la métrica Data Strength Uplift. Debe mostrar cuántas conversiones adicionales se capturan o recuperan gracias a la configuración de datos propios correspondiente.
Las cifras de rendimiento publicadas por Google deben leerse como declaraciones del fabricante. Por ejemplo, Google informa de que los anunciantes que conectan datos offline y de app en Data Manager obtienen, de media, un ROAS incremental más alto. Estos valores no son una promesa general para cuentas concretas y dependen en gran medida de la configuración, el tipo de campaña y la calidad de los datos.
Meridian recibe ayuda agéntica para los modelos de marketing mix
También se amplía Meridian, el modelo open source de marketing mix de Google. Las nuevas funciones agénticas deben revisar la calidad de los datos, detectar errores en la modelización y asistir a los usuarios durante la construcción del modelo.
Además, las señales de marca, como el volumen de búsquedas de una marca, pueden incorporarse a los modelos. Así se busca reflejar mejor cómo las inversiones de la parte superior del embudo, como el vídeo o la televisión, influyen después en la demanda y en las ventas.
Con Meridian GeoX, la biblioteca de Google para experimentos causales geográficos ya está disponible con carácter general. Estas pruebas pueden utilizarse para medir efectos incrementales al margen de la atribución clásica de cada plataforma y, después, alimentar con ellos los modelos de mix de marketing.
Esto es especialmente relevante porque muchos equipos de marketing usan cada vez más IA, pero siguen teniendo dificultades para demostrar con claridad el efecto real en el negocio. Precisamente esa brecha también aparece en nuestra visión general sobre el uso de la IA y la medición de resultados en marketing.
Qué cambia en la práctica para los anunciantes
La tendencia estratégica es clara: los datos de primera parte se convierten en la base para la gestión de campañas basada en IA y, al mismo tiempo, para su medición. Por eso Google intenta ya no tratar por separado las conexiones de datos, los diagnósticos, la medición de conversiones y los modelos causales.
Para los equipos más grandes, sin embargo, esto también significa que la calidad de los datos y la gobernanza cobran más importancia. Si las mismas señales se usan para la segmentación, las pujas, los informes y los agentes de IA, los datos erróneos pueden afectar a varios puntos a la vez.
Por tanto, lo más sensato no es "más datos a cualquier precio", sino una canalización de datos sólida, con fuentes claramente definidas, una lógica de consentimiento y objetivos de medición trazables. Que los agentes asuman cada vez más tareas operativas de medios hace que estos controles sean aún más importantes; en este sentido encaja nuestro artículo sobre agentes de IA en la compra de medios y nuevos procesos de costes y auditoría.