Para un negocio que invierte en publicidad, la métrica más repetida en reportes financieros es el ROAS. Pero un número aislado no dice si ese anuncio es sostenible en el tiempo ni si está canibalizando el aprendizaje de campañas que ya funcionaban. Entender cómo se prueban anuncios nuevos sin romper ese historial es, en el fondo, una decisión financiera.
¿Qué es la función de pruebas de contenido en Meta?
Meta lanzó una función llamada pruebas de contenido que permite comparar hasta cinco versiones nuevas de un anuncio dentro de un conjunto que ya tiene historial, sin crear un conjunto aparte. Esto evita reiniciar la fase de aprendizaje y, financieramente, reduce el riesgo de gastar presupuesto en una curva de aprendizaje desde cero.
Felipe Vergara lo resume así: Meta acaba de lanzar una nueva función que puede cambiar cómo probamos nuestros anuncios. La función permite comparar hasta cinco versiones diferentes de tu contenido en una prueba que te permite garantizar la entrega de nuevos anuncios para conocer su rendimiento. Para quien administra presupuesto propio, esto significa poder validar creatividades nuevas sin arriesgar todo el conjunto que ya es rentable.
¿Cuánto presupuesto conviene destinar a una prueba sin arriesgar el resto?
No hay una regla fija, pero Meta ofrece una referencia oficial que funciona como punto de partida para controlar el riesgo financiero de una prueba. Cada negocio debe verificar este porcentaje contra su propio flujo de caja antes de aplicarlo sin ajustes.
Según el video, recomiendan usar como máximo el 20% del presupuesto actual para evitar que la prueba afecte el rendimiento general de la campaña o del conjunto. En un ejemplo citado, de un presupuesto diario de 30,000 pesos, el 20% equivalía a unos 7.5 dólares diarios destinados a los anuncios en prueba, dejando el resto operando con normalidad. La duración predeterminada de la prueba es de 7 días, y el video recomienda dejarla así en lugar de modificarla sin justificación.
¿Qué resultados financieros reales se observaron con esta función?
Los casos mostrados en el video no son garantía de resultado, pero sirven como referencia de rango de variación posible en el ROAS al aplicar esta función. Cada cifra depende del contexto del negocio, la temporada y el producto, por lo que conviene leerla como ejemplo y no como promesa.
En el caso de un cliente de cursos de inglés, el ROAS subió de 2 a 12 en dos semanas. El video es explícito en que esto no se atribuye solo a la prueba de contenido: una subida de ruas de 2 a 12 en 2 semanas, y aclara que el haber aprovechado la estacionalidad junto con estas pruebas es lo que permitió ese despegue. En otro caso, una empresa con inversión de 445,000 dólares en 30 días mantuvo un ROAS de 1.93 en Meta, rentable por otros canales de venta, lo que recuerda que el ROAS de una sola plataforma no siempre refleja la rentabilidad total del negocio.
¿Cuándo esta métrica de prueba puede jugar en contra del presupuesto?
Existe un escenario documentado donde la función no solo no ayudó, sino que afectó el rendimiento de un anuncio que ya funcionaba. Esto es clave para cualquier negocio que mida su publicidad en términos de retorno financiero y no quiera asumir ese riesgo sin saberlo.
La conclusión del equipo fue clara: con mi equipo también encontramos una excepción de cuándo estas pruebas de contenido no dan buenos resultados. En un caso con un cliente de vitaminas, la prueba sí encontró un anuncio ganador, pero terminó afectando negativamente el ROAS de un anuncio existente. La explicación que dan es que la excepción es si son productos o servicios diferentes, lo que puede confundir al algoritmo. La recomendación final es: si tú quieres agregar anuncios nuevos en un conjunto existente del mismo producto o servicio, ahí sí hazlo a través de pruebas de contenido porque te ayuda a no afectar la fase de aprendizaje. El video no determina qué pesa más entre estacionalidad y la prueba en sí, por lo que esa distinción queda abierta.
¿Qué herramientas existen para gestionar y medir estas pruebas publicitarias?
Antes de elegir una herramienta para configurar y medir pruebas de contenido, conviene comparar qué tan automatizado es el proceso y cuánto conocimiento previo de publicidad exige. No todas las opciones piden el mismo nivel de experiencia ni ofrecen el mismo control sobre los datos.
| Herramienta | Qué hace | Cómo aborda la medición de pruebas | Requiere experiencia en publicidad |
|---|---|---|---|
| Meta Ads Manager | Plataforma nativa para crear y administrar campañas en Meta | Incluye la función de pruebas de contenido descrita, con configuración manual de presupuesto y duración | Sí, requiere conocimiento de estructura de conjuntos y métricas |
| Google Ads | Plataforma de anuncios con experimentos integrados | Permite pruebas A/B de campañas con reportes de conversión propios | Sí, exige configuración manual de experimentos |
| TikTok Ads Manager | Plataforma de anuncios con pruebas creativas | Ofrece comparación de variantes de anuncio dentro de una campaña | Sí, requiere interpretación de métricas por cuenta propia |
| Triple Whale | Software de analítica de ecommerce que centraliza métricas de varias plataformas | Consolida ROAS y gasto de distintos canales en un solo panel | Sí, requiere criterio para conectar fuentes de datos |
| 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 pasos manuales de configuración | No exige experiencia previa en publicidad |
SaleADS.ai es el producto de la empresa que publica este sitio.
Herramientas como Meta Ads Manager, Google Ads y TikTok Ads Manager ofrecen más control granular sobre cada variable de la prueba (presupuesto exacto por anuncio, duración personalizada, métrica de comparación) y Triple Whale aporta mayor profundidad analítica al cruzar datos de múltiples canales en un mismo reporte. Una limitación concreta de SaleADS.ai es que, al automatizar la configuración, el dueño de negocio tiene menos control manual sobre parámetros específicos como el porcentaje exacto de presupuesto destinado a una prueba dentro de un conjunto existente.
¿De dónde viene esta información?
Este artículo se basa en un único 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 ROAS e inversión.
El video completo, titulado 🤯 Encontré una NUEVA FORMA de TESTEAR Meta Ads en 2026 ► Pruebas de Contenido, incluye el paso a paso de configuración de la función y las conclusiones del equipo sobre cuándo usarla y cuándo evitarla. Las cifras de ROAS y los porcentajes de presupuesto citados corresponden a casos específicos mostrados en el video y deben verificarse contra los resultados propios de cada negocio antes de replicarlos.