Contexto
Marketplace D2C enfocado en alimentos orgánicos, libres de gluten y productos sustentables. Catálogo de aproximadamente 200 SKUs entre marcas propias y terceros. El negocio llevaba 18 meses operando con crecimiento sostenido en tráfico, pero los márgenes se estrechaban cada trimestre porque el CPA no bajaba en proporción con el volumen.
El canal principal de adquisición era Meta Ads, complementado con Google Shopping y algo de influencer marketing. El equipo interno manejaba las campañas con apoyo de una agencia que reportaba ROAS de 3.2x mes a mes.
Problema heredado
La brecha entre el ROAS reportado (3.2x) y el MER real (1.4x) era significativa. Esa diferencia no se explicaba por un solo error, sino por una acumulación de malas prácticas que se habían normalizado.
Pixel mal implementado: los eventos de compra se disparaban en la página de confirmación sin verificar que la compra se hubiera completado efectivamente. Había falsos positivos que inflaban las métricas de conversión en el administrador de Meta.
Audiencias demasiado genéricas: las lookalike se construían sobre el pixel de visita al sitio, no sobre compradores reales ni sobre compradores de alto LTV. El modelo de Meta optimizaba hacia usuarios baratos de conseguir, no hacia usuarios con propensión a comprar.
Sin exclusiones en prospección: los clientes existentes (compradores de los últimos 30 días) estaban recibiendo anuncios de prospección. Eso encarecía el CPM y contaminaba la medición de nuevos clientes vs. recompra.
Presupuesto sin lógica de MER incremental: Meta y Google recibían presupuesto proporcional a su ROAS reportado (ambos "buenos"), sin considerar el costo de cada canal para adquirir nuevos clientes reales.
Diagnóstico
Al cruzar el revenue total con la inversión publicitaria total, el MER real era 1.4x. Eso significaba que por cada $100 invertidos en marketing, el negocio generaba $140 en ventas brutas, con costos de producto que absorbían la mayor parte de ese margen. Identificamos cuatro fugas que explicaban el problema.
Pixel con falsos positivos: entre el 12% y 15% de los eventos de compra registrados en Meta no correspondían a transacciones completadas. El pixel se disparaba antes de la verificación de pago, inflando artificialmente las conversiones reportadas.
Lookalike sobre audiencia de baja calidad: la seed audience para las campañas lookalike tenía 85.000 perfiles del pixel de visita. Al refinarla a compradores con más de 2 órdenes, la seed bajó a 4.200 perfiles de mayor calidad predictiva.
Ausencia de exclusiones: sin excluir a clientes activos en prospección, entre el 20% y 25% del presupuesto de adquisición se gastaba impactando a usuarios que ya habían comprado. El costo de "adquisición" en ese segmento era artificialmente bajo pero no representaba cliente nuevo.
Distribución de presupuesto sin MER incremental: Google Search tenía ROAS reportado de 2.8x pero adquiría nuevos clientes a un costo 40% menor que Meta. Sin separar nuevo cliente de recompra, el dato no era comparable entre canales.
Intervención
La intervención se ejecutó en cuatro acciones secuenciales durante los primeros 30 días, seguidas de optimización continua hasta el día 90.
Se reemplazó el pixel browser-side por Conversions API con evento de compra disparado únicamente al confirmar el webhook de pago. Se agregaron eventos custom de "Add to Cart" y "Initiate Checkout" correctamente diferenciados. Los falsos positivos cayeron a cero en las primeras 48 horas.
Nueva seed audience construida sobre compradores con 2 o más órdenes y LTV en el cuartil superior. Se crearon lookalike al 1%, 2% y 3% para testeo de CPM vs. calidad. Las campañas de prospección migraron a estas audiencias en semana 2.
Se creó un Custom Audience de compradores de los últimos 30 días y se aplicó como exclusión en todas las campañas de prospección. Esto limpió la medición de nuevo cliente vs. recompra y redujo el desperdicio de presupuesto en usuarios ya convertidos.
Con datos de nuevo cliente separados por canal, el costo de adquisición real en Google Search (queries comerciales con intención de compra alta) resultó 40% menor que en Meta prospección. Se reasignó un 35% del presupuesto Meta hacia Search, mejorando el MER incremental total.
Resultado
Al cierre del día 90, el CPA real bajó un 54% respecto al punto de partida. Esto no fue resultado de reducir la inversión, sino de mejorar la precisión con la que esa inversión se dirigía. El MER pasó de 1.4x a 3.1x y el revenue de nuevos clientes creció un 185%.
El cambio más significativo fue poder separar por primera vez el revenue de nuevo cliente del revenue de recompra por canal. Eso permitió tomar decisiones de presupuesto sobre datos reales en lugar de ROAS inflados.
¿Tu negocio tiene un patrón similar?
Un ROAS alto en el dashboard y un MER bajo en la realidad es una señal de que hay un problema de medición. El primer paso es diagnóstico, no más inversión.