Lanzás una campaña, los primeros días el costo por resultado sube y baja sin lógica, y aparece la tentación de tocar algo: bajar el presupuesto, cambiar el público, reemplazar un anuncio. Casi siempre es un error. Esos primeros días son la fase de aprendizaje, y cada cambio importante la reinicia.
En esta guía te explicamos qué es, cuánto dura, qué cambios la reinician y qué hacer si tu conjunto queda en "Aprendizaje limitado".
Lo que vas a aprender:
- Qué es la fase de aprendizaje y por qué los resultados son inestables.
- Cuántos resultados necesita Meta para salir de ella.
- Qué cambios la reinician y cuáles no.
- Qué significa "Aprendizaje limitado" y cómo resolverlo.
- Cómo analizar una campaña que todavía está aprendiendo.
| Tiempo de lectura | 7 minutos |
| Nivel | Básico (Meta Ads) |
| Necesitás | Acceso al Administrador de anuncios |
La respuesta corta
La fase de aprendizaje es el período en que Meta prueba a quién, dónde y cuándo mostrar tus anuncios. Según Meta, un conjunto de anuncios sale de ella cuando consigue alrededor de 50 resultados del evento que optimiza en los 7 días posteriores a su último cambio importante. Mientras tanto, el rendimiento es inestable y suele ser peor. Cada cambio importante (público, anuncios, evento de optimización, estrategia de puja, cambios grandes de presupuesto) reinicia el conteo. Por eso, durante esos días, lo mejor es no tocar nada.
Qué pasa durante la fase de aprendizaje
Cuando un conjunto es nuevo o cambió algo importante, el sistema no sabe todavía qué personas tienen más probabilidad de convertir. Entonces explora: muestra los anuncios a públicos distintos, en ubicaciones y horarios distintos, y aprende de los resultados. Esa exploración tiene un costo: el CPA suele ser más alto y varía mucho de un día a otro.
En la columna Entrega del Administrador de anuncios vas a ver uno de estos estados:
| Estado | Qué significa |
|---|---|
| Aprendizaje | El sistema está juntando datos; el rendimiento es inestable |
| Aprendizaje limitado | Meta estima que el conjunto no va a llegar a los resultados necesarios con la configuración actual |
| Activo | Salió del aprendizaje; el rendimiento debería ser más estable |
Qué cambios reinician el aprendizaje
Meta llama "cambios importantes" a los que obligan al sistema a volver a aprender. Los principales:
- Cambiar la segmentación del público.
- Cambiar o agregar anuncios (imagen, video, texto, enlace).
- Cambiar el evento de optimización o la meta de rendimiento.
- Cambiar la estrategia de puja o el importe de la puja de forma significativa.
- Hacer cambios grandes de presupuesto. Meta no publica un porcentaje exacto; en la práctica, muchos equipos evitan subir más de un 20% por vez.
- Pausar el conjunto durante un período largo (Meta indica 7 días o más).
Los cambios chicos de presupuesto, en cambio, no suelen reiniciarlo.
Consejo práctico: si tenés que hacer varios cambios, hacelos todos juntos. Así reiniciás el aprendizaje una sola vez, en lugar de una vez por cada ajuste.
Qué significa "Aprendizaje limitado"
Aparece cuando Meta calcula que el conjunto no va a llegar a unos 50 resultados por semana. No es un error ni una sanción: los anuncios siguen saliendo, pero el sistema tiene menos datos para optimizar. Las causas más comunes:
- Presupuesto bajo para el costo por resultado. Si cada venta cuesta $20.000 y gastás $200.000 por semana, como mucho vas a conseguir 10.
- Evento muy escaso. Optimizar por compra cuando hay pocas compras.
- Público demasiado chico o demasiado segmentado.
- Demasiados conjuntos repartiendo el mismo presupuesto.
