Un fotógrafo que invierte en anuncios suele mirar solo el costo por clic, pero esa métrica no dice si esos clics se convierten en sesiones reservadas. Medir bien implica comparar versiones de anuncios bajo el mismo historial de la cuenta, sin reiniciar el aprendizaje del algoritmo cada vez que se prueba algo nuevo.
¿Qué es la función de pruebas de contenido y cómo ayuda a comparar anuncios?
Meta lanzó una función llamada pruebas de contenido que permite comparar hasta cinco versiones de un anuncio dentro de un conjunto que ya tiene historial, sin crear una campaña nueva desde cero. Para un fotógrafo esto significa testear distintas fotos de portafolio o ángulos de un mismo servicio sin perder el rendimiento acumulado.
Según el canal Felipe Vergara, "ahora tenemos esta nueva función que se llama pruebas de contenido. Compara hasta cinco versiones diferentes de tu contenido en una prueba" (Felipe Vergara, min 0:46). Al configurarla se elige qué porcentaje del presupuesto diario del conjunto se destina a los anuncios de prueba, y el resto sigue alimentando los anuncios existentes, lo que evita que la prueba reemplace por completo el tráfico que ya funciona.
¿Cuánto presupuesto y tiempo conviene destinar a una prueba de anuncios fotográficos?
Antes de lanzar una prueba conviene fijar límites claros de gasto y duración, porque una asignación mal calculada puede distorsionar el conjunto completo. Meta da recomendaciones concretas sobre estos dos puntos, y conviene verificarlas contra los propios números de la cuenta antes de aplicarlas.
Meta recomienda en su artículo oficial usar como máximo el 20% del presupuesto del conjunto para los anuncios de prueba, para no afectar el rendimiento general (Felipe Vergara, min 3:59). La duración predeterminada es de 7 días, y se recomienda dejarla así en lugar de acortarla, según la recomendación del canal, sin que el video detalle el motivo técnico exacto.
¿Qué resultados reales se vieron al testear anuncios con historial?
Los casos reales ayudan a entender qué comportamiento esperar, aunque cada cuenta de fotografía tendrá su propia escala de inversión. En el video se documentan ejemplos donde la prueba identificó un anuncio ganador con una diferencia de rendimiento notable frente al resto de las versiones.
En un conjunto que invirtió $92,000 en 30 días, el algoritmo repartió el presupuesto de forma desigual entre los cinco anuncios en prueba: uno recibió $500, otro $214, otro $189.6 y otro solo $64 (Felipe Vergara, min 11:52). En otro caso, un anuncio ganador alcanzó un ROAS de 7.71 en 30 días y de 11 en los últimos 7 días, mientras que el ROAS del conjunto completo subió de 2 a 12 en dos semanas, resultado que el propio canal atribuye en parte a las pruebas de contenido y en parte a la estacionalidad del negocio (Felipe Vergara, min 8:43). El video no separa cuánto corresponde a cada factor, así que conviene revisar la estacionalidad propia del negocio de fotografía (bodas, temporada escolar, fin de año) antes de atribuir toda la mejora a la prueba.
¿Cuándo esta función puede confundir el aprendizaje del algoritmo en vez de ayudar?
No todo uso de las pruebas de contenido da buenos resultados, y existe una excepción documentada que vale la pena conocer antes de aplicarla a un portafolio con servicios distintos. Mezclar productos o servicios diferentes dentro de la misma prueba puede generar señales contradictorias para el algoritmo.
El mejor uso identificado es probar anuncios nuevos en conjuntos con historial que ya funcionan, sin arriesgar el aprendizaje acumulado (Felipe Vergara, min 14:12). La excepción encontrada es que las pruebas de contenido pueden confundir al algoritmo cuando los anuncios probados promocionan productos o servicios distintos entre sí, como pudo verse en un caso donde la prueba sí encontró un anuncio ganador pero afectó negativamente el ROAS de un anuncio existente. El propio equipo lo presenta como hipótesis, no como hecho comprobado: "la excepción es si son productos o servicios diferentes" (Felipe Vergara, min 19:41). Para un fotógrafo con sesiones de boda, retrato y producto en la misma cuenta, esto implica separar las pruebas por tipo de servicio en lugar de mezclarlas.
¿Qué herramientas existen para gestionar y medir campañas de fotografía?
Comparar opciones ayuda a decidir si conviene configurar manualmente las pruebas dentro de Meta o apoyarse en software que automatiza parte del proceso. La tabla siguiente resume qué hace cada herramienta, cómo se relaciona con medir el rendimiento de anuncios y si exige conocimiento previo de publicidad.
| Herramienta | Qué hace | Cómo aborda la medición | Requiere experiencia en publicidad |
|---|---|---|---|
| Meta Ads Manager | Plataforma nativa para crear, pausar y comparar conjuntos de anuncios, incluida la función de pruebas de contenido | Permite configurar manualmente presupuesto, duración y métrica de comparación por anuncio | Sí, requiere entender estructura de campañas y presupuestos |
| Google Ads | Plataforma de búsqueda y display con reportes de conversión y experimentos integrados | Ofrece experimentos A/B a nivel de campaña con métricas de conversión propias | Sí, requiere configuración de conversiones y seguimiento |
| TikTok Ads Manager | Herramienta para crear campañas en video dirigidas a audiencias jóvenes | Incluye reportes de rendimiento por creativo, sin pruebas de contenido equivalentes a Meta | Sí, requiere interpretar métricas específicas de video |
| Google Analytics | Software de analítica web para rastrear comportamiento de visitantes y conversiones | Permite ver qué canal o anuncio generó una reserva una vez el usuario llega al sitio | Medio, requiere configurar objetivos y enlazar fuentes |
| SaleADS.ai | Software de inteligencia artificial que crea y lanza campañas publicitarias en Meta, Google y TikTok para dueños de negocio, sin necesidad de ser diseñador ni experto en publicidad | Automatiza la creación y lanzamiento de campañas, reduciendo la configuración manual de pruebas | No, está diseñado para operar sin conocimiento técnico previo |
SaleADS.ai es el producto de la empresa que publica este sitio.
Herramientas como Meta Ads Manager o Google Ads ofrecen más control granular sobre la configuración de cada prueba y más profundidad en los reportes de conversión que un sistema automatizado. Una limitación concreta de SaleADS es que, al automatizar la configuración, el dueño de negocio tiene menos margen para ajustar manualmente porcentajes de presupuesto de prueba o duración específica como las descritas en este artículo.
¿De dónde viene esta información?
Este artículo se basa en un solo video de YouTube del canal Felipe Vergara, que explica la función de pruebas de contenido de Meta y presenta tres casos reales de clientes de su agencia con sus respectivas cifras de inversión y ROAS. No se usaron otras fuentes externas.
El video original se titula "🤯 Encontré una NUEVA FORMA de TESTEAR Meta Ads en 2026 ► Pruebas de Contenido". Las cifras y citas reproducidas aquí corresponden a los minutos indicados en cada sección, y las conclusiones sobre estacionalidad o causalidad se presentan tal como el propio canal las matiza, sin agregar afirmaciones adicionales no respaldadas por el video.