Google está moviendo su estructura de medición publicitaria aún más hacia un modelo construido en torno a datos primarios, activación multiplataforma y comprobación causal.
El 10 de septiembre de 2026, Google anunció un nuevo conjunto de actualizaciones de medición que abarca Data Manager, las conversiones mejoradas, la API de Data Manager, una nueva métrica Data Strength Uplift y actualizaciones de Meridian, su framework de código abierto de modelado de mix de marketing.
El mensaje de la empresa es claro: los sistemas de campaña impulsados por IA necesitan mejores señales primarias, y los anunciantes necesitan más que la atribución de la plataforma para entender si esos sistemas están creando valor incremental para el negocio.
Para los operadores, la actualización es importante porque la medición se está convirtiendo menos en una capa de informes y más en una capa de entrada para la optimización de campañas.
Google está consolidando la activación de datos primarios
Google dijo que Data Manager se está integrando directamente en Google Analytics y Display & Video 360.
Esto amplía el papel de Data Manager, de una capa de conexión de datos específica de Google Ads a una capa de activación más amplia en todos los productos de publicidad y análisis de la empresa.
Google también dijo que las conversiones mejoradas se están ampliando a Google Analytics y DV360.
Las conversiones mejoradas usan datos primarios de clientes con hash para mejorar la coincidencia de conversiones.
En términos prácticos, la dirección apunta a un modelo operativo único:
- recopilar eventos primarios de clientes;
- normalizarlos;
- canalizarlos a través de una capa de conexión central;
- usarlos para medición y optimización de campañas.
Esto puede reducir la cantidad de pipelines puntuales que los profesionales de marketing mantienen en diferentes productos de publicidad.
También aumenta la importancia de la gobernanza de datos.
Si los datos de origen son débiles, centralizarlos no los vuelve mejores.
Google impulsa una API universal de Data Manager
Google dijo que la API de Data Manager ahora es universal.
La empresa la describe como una configuración segura para conectar, gestionar y activar datos de audiencia y de medición en las principales plataformas de publicidad.
La API se basa en el estándar Event and Conversions API de IAB Tech Lab.
Para los anunciantes más grandes, esto es estratégicamente significativo.
La arquitectura de conversión se está alejando de una colección de cargas específicas de plataforma hacia una infraestructura reutilizable de eventos primarios.
Una configuración madura puede, con el tiempo, admitir:
- eventos de navegador;
- compras confirmadas por el servidor;
- etapas del CRM;
- conversiones offline;
- eventos de aplicación;
- activación de audiencia.
El beneficio operativo no es solo una mejor medición.
Es tener menos definiciones inconsistentes.
Si un único pipeline de API envía “lead calificado” a varias plataformas, la organización tiene más probabilidades de optimizar con base en el mismo evento de negocio en todas partes.
La nueva métrica Data Strength Uplift intenta cuantificar el valor de la señal
Google está introduciendo una métrica Data Strength Uplift en Google Ads.
La empresa dice que la métrica estima conversiones adicionales recuperadas mediante una configuración más sólida de datos primarios.
Google también publicó cifras internas de rendimiento junto con el lanzamiento.
Dice que los anunciantes que conectan datos offline y de aplicaciones a Data Manager registran un aumento promedio del 26% en el ROAS incremental.
Google también dice que las conversiones mejoradas producen un aumento promedio del 11% en las conversiones de Búsqueda en comparación con importaciones estándar de conversiones.
Y reporta un aumento promedio del 14% en las conversiones para anunciantes que usan Google tag gateway, con más de un 20% de aumento en campañas Demand Gen en un conjunto de datos citado.
Estas cifras deben tratarse como benchmarks reportados por Google, no como expectativas universales.
La empresa cita conjuntos de datos globales internos, y los anunciantes no deben suponer que el mismo aumento ocurrirá en sus propias cuentas.
La conclusión más útil es que Google quiere que los profesionales de marketing midan la contribución de rendimiento de la propia infraestructura de datos.
Ese es un cambio notable.
Históricamente, la calidad de las etiquetas se trataba como higiene técnica.
Google la está posicionando cada vez más como un insumo de crecimiento.
Meridian se está volviendo más operativo
Google también anunció actualizaciones de Meridian, su modelo de mix de marketing de código abierto.
La empresa dice que está añadiendo capacidades agénticas para ayudar a:
- auditar la calidad de los datos;
- resolver errores de modelado;
- orientar la construcción de modelos.
También está haciendo cambios en el backend destinados a acelerar el análisis.
Una adición importante es el soporte para señales de marca, como el volumen de consultas de marca en Google, directamente dentro de los modelos de Meridian.
Esto permite que los profesionales de marketing modelen una cadena más larga:
medios de la parte superior del embudo → demanda de marca → resultados comerciales futuros.
Esto es útil porque la publicidad de marca suele evaluarse de forma demasiado restringida.
Una campaña puede crear demanda que aparece más tarde a través de:
- búsqueda de marca;
- tráfico directo;
- retail;
- ventas.
El MMM intenta capturar algunos de esos efectos.
GeoX ahora está disponible de forma general
Google dijo que Meridian GeoX ahora está disponible de forma general a nivel global.
GeoX es la biblioteca de código abierto de Google para realizar experimentos geográficos.
Los experimentos geográficos comparan regiones de tratamiento y control para estimar el efecto incremental.
Esto puede ser útil cuando la aleatorización a nivel de usuario es difícil.
Los ejemplos incluyen:
- televisión;
- YouTube;
- medios sociales pagos;
- cambios en el presupuesto de búsqueda;
- promociones regionales.
La distinción importante es entre atribución e incrementalidad.
La atribución pregunta qué puntos de contacto reciben crédito.
La incrementalidad pregunta qué ocurrió porque la actividad de marketing existió.
Google está combinando cada vez más estas dos capas.
La nueva estructura de medición tiene tres partes
Google enmarca explícitamente su estrategia en torno a:
- base sólida de datos;
- múltiples señales;
- comprobación causal.
Esto encaja bien con cómo los equipos de marketing modernos deben pensar sobre la medición.
Base de datos
El negocio puede capturar de forma confiable:
- compra;
- lead calificado;
- activación;
- ingresos;
- ¿identidad del cliente?
Medición observacional
El negocio puede entender:
- rendimiento de canal;
- atribución;
- embudos;
- cohortes;
- ¿contribución?
Medición causal
El negocio puede testear:
- lift;
- incrementalidad;
- efectos geográficos;
- ¿contribución real de los medios?
Ninguna herramienta única responde a las tres.
El valor de la nueva estructura de Google es que estas capas se están volviendo más conectadas.
Lo que los operadores deben revisar ahora
1. Auditar eventos de conversión primarios
Pregunte:
- ¿Qué eventos alimentan actualmente el sistema de pujas?
- ¿Son resultados de negocio o acciones proxy?
- ¿Están conectados los resultados online y offline?
- ¿Los valores son precisos?
2. Revisar el Data Manager
Si los datos se envían mediante integraciones separadas, determine si el Data Manager puede simplificar la arquitectura.
3. Verificar las conversiones mejoradas
Confirme:
- elegibilidad;
- implementación;
- consentimiento;
- calidad de los datos;
- diagnósticos.
4. Separar la atribución de la comprobación causal
No interprete un mejor informe de atribución como prueba de incrementalidad.
Use:
- holdouts;
- estudios de lift;
- experimentos geográficos;
- MMM.
5. Documentar los sistemas de fuente de verdad
Los ingresos pueden venir de la facturación. La etapa de la oportunidad puede venir del CRM. El comportamiento puede venir de analytics.
La arquitectura de medición debe definir qué sistema es responsable de cada estado de negocio.
La implicación estratégica
La publicidad impulsada por IA hace que la calidad de la medición sea más determinante.
Cuando los sistemas de campaña automatizan:
- segmentación;
- pujas;
- selección de creatividades;
- asignación de presupuesto;
el negocio controla cada vez más el rendimiento mediante la calidad de los insumos y restricciones que proporciona.
Esto significa que la infraestructura de medición se está convirtiendo en parte de la compra de medios.
Un profesional de marketing que mejora la señal de conversión no solo está corrigiendo informes.
Puede estar cambiando lo que aprende el modelo de pujas.
La actualización de septiembre de Google formaliza esta dirección: los datos primarios, el modelado y la medición causal se están reuniendo en una única estructura operativa.
La próxima ventaja competitiva puede que ya no sea un truco de optimización de campaña.
Puede ser tener una señal más limpia y económicamente más significativa que la del anunciante que compite en la misma subasta.
Una secuencia práctica de implementación de 30 días
Los operadores no necesitan reconstruir toda la estructura de medición de una sola vez.
Una secuencia enfocada puede comenzar por los eventos de conversión que influyen en el mayor gasto.
Semana 1: inventariar la señal actual
Enumere cada conversión primaria utilizada por:
- Google Ads;
- GA4;
- DV360;
- informes de CRM.
Para cada una, documente:
- origen;
- responsable;
- valor;
- latencia;
- si el evento es online u offline.
Semana 2: conciliar el resultado de negocio
Compare las conversiones de la plataforma con el sistema comercial autoritativo.
Para ecommerce: pedidos e ingresos liquidados.
Para B2B: oportunidades calificadas e ingresos de negocios cerrados.
Para suscripciones: cuentas pagas activadas.
Semana 3: mejorar la conectividad de datos primarios
Evalúe si Data Manager, las conversiones mejoradas o el enrutamiento basado en API pueden cerrar brechas medibles.
No añada una conexión de datos a menos que el equipo pueda explicar qué problema resuelve.
Semana 4: elegir una prueba causal
Seleccione una cuestión de asignación relevante.
Ejemplos:
- ¿el video de la parte superior del embudo crea demanda incremental?
- ¿un aumento de medios regionales produce ventas incrementales?
- ¿los medios sociales pagos añaden clientes más allá de la demanda orgánica?
Use el diseño experimental más simple y confiable.
Esto transforma la nueva estructura de medición de Google de un anuncio de producto en un cambio operativo.
El resultado más importante no es activar todas las nuevas funciones.
Es mejorar la cadena entre el comportamiento del cliente, la optimización de la plataforma y la toma de decisiones financieras.
