Paid Media & MarTech bajo la lente de Zenda
Análisis claros sobre lo que cambia en el ecosistema de growth: plataformas, datos, martech y criterio.
Meta empieza a medir conversiones en el dispositivo del cliente el 12 de noviembre de 2026, y lo primero es ver si tu sitio califica
Meta activa por defecto un setting del Pixel que cruza anuncio y compra en el dispositivo del cliente desde el 12 de noviembre de 2026, en los pixels elegibles: sitio con login por email o móvil y Pixel fuera de iframes. Cómo comprobarlo, qué línea de base tener antes y qué no dijo Meta.
El CTR de ChatGPT Ads por país pone a Brasil y México arriba, y no dice desde cuándo cuenta cada mercado
Graphite y Similarweb publicaron el CTR acumulado de ChatGPT Ads en nueve mercados: Brasil 1,91%, México 1,55%, EE.UU. 0,73%. El informe no dice desde cuándo cuenta cada mercado, así que la tabla no sirve como benchmark de campaña. Qué datos del informe sí usar y qué registrar desde la semana uno en Brasil o México.
MILA y PostHog: unas 400 grabaciones leídas con IA para encontrar dónde se caía el embudo
Leímos unas 400 grabaciones del embudo de MILA de una vez con la IA de PostHog: cuatro cuellos de botella, un rediseño, de 34% a 59% de precio a pago y qué conviene mirar dos veces.
ChatGPT Ads ya optimiza a conversiones por vista, y OpenAI lo llama su modelo recomendado
OpenAI llevó a disponibilidad general la campaña de ChatGPT Ads que factura por impresión y optimiza a clics y vistas a la vez, y la nombra su modelo recomendado. Qué ventana de atribución elegir, por qué conviene medirla aparte y qué más activar el primer día.
El número que Google le puso a subir tu CRM, y la herramienta para auditarlo
Google lanzó la Data Strength Uplift Metric, que traduce la configuración de datos propios de una cuenta a un número de conversiones. El mismo día, dejó generally available a Meridian GeoX, la herramienta que permite chequear ese número con un experimento causal en lugar de creerle a la plataforma que lo calcula.
El 24 de agosto YouTube empieza a contar una vista desde el primer frame, y las vistas de tus reportes saltan ese día sin aviso
El 24 de agosto de 2026 YouTube empieza a contar una vista pública desde el primer frame, sin mínimo de tiempo, en video largo, Shorts, streams y podcasts. La métrica anterior sobrevive con otro nombre y la monetización no cambia, pero el número que leen tus clientes salta ese día sin ningún marcador en el reporte.
Google reescribe los reportes de Merchant Center el 24 de agosto, y corrige hacia atrás los números de julio
El 11 de agosto Google anunció que los reportes de performance de Merchant Center cambian el 24. Dos de los cuatro cambios se aplican de forma retroactiva hasta el 1 de julio, así que un número de julio ya reportado va a dejar de coincidir con la plataforma. La única defensa es exportar el histórico antes de esa fecha.
Cloudflare lanzó su dashboard de visibilidad en IA, y sus cuatro métricas no salen de la capa de red que lo hace distinto
Cloudflare sumó el AEO Visibility Dashboard a su AEO Suite el 6 de agosto, en early access y sin precio público. Sus cuatro métricas se arman con el mismo muestreo de prompts que el propio comunicado describe como limitado, mientras el dato de capa de red vive en un panel separado, AI Operator Activity.
Nielsen compra DoubleVerify por 2.150 millones de dólares, y la verificación publicitaria queda en manos de una empresa que compite en el negocio que audita
El 6 de agosto, Nielsen anunció la compra de DoubleVerify por 2.150 millones de dólares, ocho meses después de que Integral Ad Science pasara a manos de un fondo de private equity. En la misma ventana, la empresa dueña de IBOPE, la moneda de TV de América Latina, también cambió de dueño. Qué cambia para quien compra medios con un gate de verificación, y qué conviene preguntarle al vendor.
El IAB publicó el primer estándar para medir la visibilidad de marca en la IA
El IAB publicó el primer estándar para medir visibilidad de marca en las respuestas de IA, pero el propio documento admite que no certifica a nadie: hoy, cumplir sus nueve criterios es una declaración del vendor, no una auditoría.
Cómo PostHog convierte cada release en una pregunta medible, y por qué en growth casi nadie lo hace
Feature flags y experimentos no son un detalle técnico de PostHog: son el mecanismo que responde "¿esto funcionó?" antes de que cualquiera, humano o agente, pueda proponer el próximo cambio.
Cómo medir ads en ChatGPT cuando la única lectura era la de OpenAI
El 7 de julio de 2026, Profound lanzó Ads Studio, la primera plataforma que mide presencia publicitaria en ChatGPT, Perplexity y Gemini de forma independiente a lo que reporta cada plataforma, con dos métricas propias: Paid Share of Voice y Relevance Score.
GA4 cambió cómo se leen tus fuentes de tráfico: Source Group, el canal AI Assistant, y qué revisar este mes
El 11 de junio de 2026, GA4 sumó la dimensión Source Group: normaliza retroactivamente los strings fragmentados de unas diez plataformas (facebook, fb y m.facebook.com pasan a ser una sola fila), con ChatGPT y Perplexity como fuentes de primera clase. Los rankings por fuente se mueven sin que el mercado se haya movido, y el cambio llega junto a otros dos que conviene no mezclar: el canal AI Assistant del 13 de mayo (forward-only) y el reordenamiento de consent del 15 de junio, el único que puede mover volúmenes reales. Qué se simplifica, qué no cambia, y qué vale la pena revisar en tus propiedades este mes.
Meta simplifica CAPI con un clic: ¿para quién?
Meta lanzó un setup de Conversions API con un clic y un Pixel que auto-enriquece datos con IA. Google hizo lo mismo cinco días antes. Ambas plataformas están simplificando measurement al mismo tiempo porque ambas necesitan más señal para alimentar sus modelos de optimización en un ecosistema post-iOS que se queda sin datos. Para quienes no tenían CAPI, esto es un no-brainer. Para quienes ya lo tenían, la pregunta es qué cambia el AI enrichment y quién controla los datos.
PostHog y el futuro de Product Analytics
PostHog consolidó en un solo producto open-source las capabilities que antes requerían cuatro o cinco vendors, y el mercado de capital lo validó con una valuación de $1.4 mil millones. El modelo funciona especialmente para equipos técnicos, pero la tesis de consolidación total tiene límites reales. Todo en Uno y a la velocidad de las Start Ups.
Meridian de Google para estudios de MMM
La industria del marketing mix modeling ha evolucionado drásticamente gracias al avance de herramientas open-source que combinan econometría, machine learning y accesibilidad técnica. En este contexto, Meridian, la solución desarrollada por Google, se destaca por su enfoque bayesiano y por facilitar una implementación transparente y reproducible. Pero no está solo: modelos como Robyn (también de Meta), pymc-marketing de PyMC Labs, y otras librerías personalizadas también forman parte de esta ola de democratización analítica. Cada uno tiene sus ventajas según el caso de uso, los recursos y la madurez del equipo y muchas veces, la elección se reduce simplemente a cuestiones de compatibilidad técnica o preferencias del stack interno.
El resurgir de los estudios de Omnicanalidad potenciados por la IA.
El aumento de la cantidad de medios y la importancia de la privacidad de los datos hace que los marketers tengan que buscar otras estrategias para medir y optimizar su publicidad. Los viejos y conocidos MMMs aparecen como alternativa para responder estas preguntas y ayudar a los profesionales del marketing a tomar decisiones fundamentadas en datos.
¿Necesitás un MMP en 2026?
Los MMPs dejaron de hacer atribución determinística en iOS. Ahora son capas de integración que muestran datos probabilísticos de las ad networks a un costo significativo. Para equipos con budget concentrado en Google y Meta, las soluciones platform-native pueden ser suficientes. Para quienes usan programmatic o necesitan deep linking, el MMP sigue justificado. La respuesta no es binaria: es un cálculo de costo-beneficio específico a cada stack.
¿Son aplicables los Modelos de Marketing Mix Modeling a mi empresa?
Los Modelos de Marketing Mix son herramientas poderosas que brindan información valiosa sobre la efectividad de las actividades de marketing. Aunque los MMM de alto nivel ofrecen una visión general, adaptarlos para abordar segmentos, mercados o tácticas específicas puede generar aprendizajes mucho más accionables. Realizar análisis segmentados, recolectar datos granulares y profundizar en el estudio de tácticas permite a las marcas optimizar sus esfuerzos para responder a las diversas demandas de sus consumidores. Es una herramienta que ayudará tanto a los especialistas en marketing como a los ejecutivos de alto nivel a comprender el ADN de sus estrategias de marketing y a desarrollar planes futuros más efectivos, mientras fortalecen el conocimiento y capacidades de sus equipos.