Dashboard de control de publicidad digital a medida para empresa de servicios

El problema

La empresa gestionaba campañas activas en Google Ads y Meta Ads para varios proyectos simultáneos. El problema no era la cantidad de datos — era que esos datos llegaban en formatos incompatibles, con ventanas de atribución distintas y sin ningún punto de unificación.

Google Ads reporta conversiones con su propia lógica de atribución. Meta Ads tiene la suya, que incluye view-through y ventanas de clic configurables. Comparar el rendimiento entre canales con los paneles nativos de cada plataforma no es posible de forma directa: los totales no suman lo que la facturación refleja, y la misma venta puede aparecer atribuida en ambas plataformas al mismo tiempo.

El proceso real para tomar decisiones de inversión requería exportar los datos de cada plataforma, cruzarlos manualmente en Excel, ajustar las fechas para que los periodos coincidieran, y calcular métricas derivadas (CPL por campaña, CPA por proyecto, distribución de inversión). Ese trabajo ocupaba entre 4 y 6 horas semanales de un perfil técnico del equipo — tiempo que no se dedicaba a optimizar campañas sino a preparar información que ya existía en algún lugar, dispersa.

El resultado tampoco era fiable. La consolidación manual introduce errores de copia, los exports tienen desfases temporales de hasta 48 horas, y cualquier cambio en la nomenclatura de campañas en alguna de las plataformas rompía las fórmulas del Excel.

La solución

Desarrollamos una herramienta interna de control construida sobre la infraestructura de datos que el cliente ya utilizaba, sin necesidad de contratar plataformas de terceros de analítica de pago.

La capa de extracción usa Google Apps Script para conectar directamente con la API de Google Ads y la API de Meta Ads. Los scripts se ejecutan de forma programada — cada hora para datos de gasto e impresiones, cada noche para datos de conversión — y escriben los resultados en tablas estructuradas en BigQuery. El esquema de las tablas normaliza los campos con diferente nombre entre plataformas (Meta llama spend a lo que Google llama cost, los identificadores de campaña tienen formatos distintos) para que las consultas downstream trabajen sobre un esquema unificado.

En BigQuery se crean las vistas que calculan las métricas derivadas: CPL por canal y por campaña, inversión acumulada por periodo, ratio de conversión por etapa del funnel. Estas vistas son la fuente de verdad que alimenta Looker Studio.

El dashboard en Looker Studio tiene tres capas de navegación: vista global (inversión total, leads totales, CPL global por periodo), vista por canal (desglose Google vs Meta con métricas comparables en la misma ventana temporal), y vista por campaña (rendimiento individual, presupuesto consumido vs asignado, tendencia de los últimos 7 días). Todos los filtros de fecha y de proyecto son interactivos y actualizan todas las métricas en tiempo real.

Las alertas automáticas funcionan como reglas definidas sobre las vistas de BigQuery: si el CPL de una campaña supera el umbral objetivo definido para ese proyecto durante más de 24 horas, el sistema envía una notificación por email al responsable. Lo mismo para campañas que caen por debajo del volumen mínimo de impresiones —señal de que algo ha fallado en la entrega, no en el rendimiento.

Google Sheets sigue en el stack como capa de configuración: los umbrales de alerta, los nombres de proyectos y la asignación de campañas a proyectos se gestionan desde una hoja de cálculo que cualquier miembro del equipo puede editar sin tocar código ni BigQuery.

El resultado

El proceso de consolidación manual desapareció. No se redujo — se eliminó. Los datos que antes requerían entre 4 y 6 horas semanales de preparación están disponibles en el dashboard en todo momento, actualizados con un desfase máximo de una hora para métricas de gasto y un día para conversiones.

Las decisiones de pausar una campaña, redistribuir presupuesto entre canales o escalar lo que funciona se toman ahora con los datos del día anterior, no con un export de hace 48 o 72 horas. En campañas con presupuesto diario significativo, esa diferencia tiene impacto directo en el coste acumulado de decisiones tardías.

El tiempo que el equipo dedicaba a preparar datos pasó a dedicarse a leer los datos y actuar sobre ellos. Que es el trabajo que la herramienta nunca puede reemplazar.