Conversion Modeling: Cómo Estima Google las Conversiones que Pierdes por el Consentimiento
Lectura 8 min · AstraLoop Studio
Lanzas una campaña en Google Ads. Aparece el banner de cookies y una parte considerable de tus visitantes (en España a menudo entre el 20% y más del 40%) deniega el consentimiento de seguimiento. A partir de ese momento Google ya no puede observar qué hacen esas personas: si compran, si rellenan el formulario, si te llaman. El resultado en el panel son menos conversiones de las que realmente ocurrieron, y el riesgo real es recortar presupuesto a campañas que en realidad están funcionando.
El conversion modeling es la respuesta de Google a este agujero. En español se habla de conversiones modeladas: estimaciones producidas por un modelo de machine learning para reconstruir las conversiones que realmente sucedieron pero que el sistema no pudo medir directamente. No son cifras inventadas, pero tampoco son datos observados al 100%. Entender la diferencia, y saber cuándo confiar en ellas, forma ya parte del oficio de cualquiera que gestione presupuesto publicitario.
Qué son las conversiones modeladas
Una conversión observada es la que Google ve de principio a fin: clic en el anuncio, identificador asignado, compra o lead registrado, todo vinculado al mismo usuario. Una conversión modelada es, en cambio, una conversión que con toda probabilidad ha ocurrido, pero a la que le falta uno de esos pasos observables. El modelo la estima y la atribuye a la campaña, la palabra clave o el anuncio correctos.
Google rellena el hueco por vía estadística: toma el subconjunto de tráfico que consigue observar por completo, mide su comportamiento real y aplica esas mismas tasas a la porción de tráfico que no puede ver. Las conversiones modeladas no acaban en un informe aparte, entran en la columna normal de "Conversiones" y alimentan todo lo que viene después, incluido el Smart Bidding que decide tus pujas.
Un ejemplo concreto: de 100 ventas reales generadas por tus anuncios, Google podría observar 70 directamente, mientras las otras 30 permanecen invisibles porque el usuario denegó el consentimiento o cambió de dispositivo. Sin modelado verías 70 conversiones y concluirías que la campaña rinde menos de lo que realmente rinde. Con el modelado, Google estima esas 30 que faltan y las devuelve a su sitio.
Por qué existe el agujero
Las conversiones "invisibles" no nacen solo del consentimiento denegado. Las causas principales son cuatro:
- Consentimiento denegado. Con el RGPD y el Consent Mode, si el usuario rechaza las cookies, Google no puede asignar identificadores ni leer el recorrido completo.
- Navegadores sin cookies de terceros. Safari (con ITP) y Firefox llevan años limitando las cookies, rompiendo la atribución incluso para quienes sí dan el consentimiento.
- Recorridos entre dispositivos. El usuario hace clic en el anuncio desde el móvil y compra desde el ordenador: dos dispositivos, una sola compra difícil de unir.
- Saltos entre redes y apps. El trayecto entre apps, navegadores in-app y sitio web fragmenta todavía más las señales.
La consecuencia práctica es que una parte de las ventas generadas por los anuncios ya no llega al informe de forma directa. Y es precisamente el motivo por el que rastrear bien las conversiones en Google Ads ya no basta por sí solo: también hace falta entender cómo el sistema reconstruye lo que no ve.
Cómo funciona el modelo, entre bastidores
El modelado de conversiones sigue una lógica precisa, que merece la pena conocer para no tratarla como una caja negra:
- Aísla el tráfico observable. Google parte de los usuarios que han dado su consentimiento y cuyo recorrido es visible por completo.
- Aprende los patrones. Calcula las tasas de conversión por zona geográfica, dispositivo, hora del día, tipo de campaña y otras señales.
- Cuantifica la relación entre usuarios que consienten y los que no, es decir, cuánto predice el comportamiento de unos el de los otros.
- Aplica y reatribuye. Estima las conversiones del tráfico no observable y las asigna a las campañas que las generaron.
Aquí entra en juego el Consent Mode v2. En modo avanzado, incluso cuando el usuario deniega el consentimiento, las etiquetas de Google envían "pings" anónimos y sin cookies: no contienen datos personales, pero señalan que ha ocurrido un evento relevante. Son precisamente estos pings los que hacen que el modelo sea mucho más preciso, porque lo alimentan con señales específicas de tu cuenta en lugar de con un modelo genérico.
Eso sí, el modelo no se activa con cualquier volumen. Google exige umbrales mínimos, por ejemplo (según la documentación oficial, sujeta a revisión) unos 700 clics en anuncios en 7 días por cada combinación país/dominio para el modelado desde Consent Mode. Para el modelado de comportamiento de GA4 los umbrales son más altos (del orden de varios miles de eventos y usuarios al día). Por debajo de esas cifras el modelado puede no arrancar o desactivarse, y es un requisito continuo: si el tráfico baja, se apaga.
Cuándo fiarte de los datos modelados (y cuándo no)
La regla de oro: las conversiones modeladas son fiables en conjunto, mucho menos en el detalle. Un modelo estadístico es preciso con los grandes números y flaquea cuando lo interrogas sobre el caso individual. Así es como debes actuar:
| Confía más cuando | Confía menos cuando |
|---|---|
| Miras datos agregados de cuenta o campaña | Bajas a la palabra clave o al anuncio individual |
| La ventana es amplia (30 días o más) | Analizas un solo día o pocas horas |
| El volumen de conversiones es alto y constante | El volumen es bajo o muy estacional |
| La configuración lleva semanas estable | Acabas de cambiar etiquetas, consentimiento o seguimiento |
| Comparas la evolución en el tiempo | Comparas el número absoluto con otra plataforma |
El error más común es comparar el número de conversiones de Google Ads (que incluye las modeladas) con el dato en bruto de otra fuente y gritar que el dato está inflado. Son dos medidas distintas, con perímetros distintos. El valor de las conversiones modeladas no está en el número absoluto perfecto, sino en dar al Smart Bidding suficiente señal para optimizar en lugar de navegar a ciegas.
Cómo alimentar bien el modelo
Aquí está el punto que casi nadie te cuenta: la calidad del modelo depende de la calidad de los datos que le das. El principio "garbage in, garbage out" también se aplica al machine learning de Google. Estas son las palancas concretas, por orden de impacto:
- Consent Mode en modo avanzado, no básico. El modo básico bloquea las etiquetas hasta que hay consentimiento y usa un modelo genérico: precisión más baja. El avanzado envía los pings sin cookies y además desbloquea el modelado de comportamiento de GA4.
- Conversiones mejoradas. Las conversiones mejoradas (Enhanced Conversions) envían a Google datos propios cifrados (como el email del cliente hasheado) para volver a vincular clic y conversión incluso sin cookies.
- Seguimiento del lado del servidor. Un seguimiento server-side recoge las señales de forma más estable y resistente a los bloqueos del navegador.
- Datos propios y CRM. Construir una base sólida de datos propios (first-party) e importar las conversiones offline desde el CRM le dice a Google lo que realmente pasó tras el clic, incluso días después.
- Volumen y estabilidad. Consolidar el seguimiento en una única Google tag, evitar dobles conteos y eventos sucios, y mantener la configuración estable ayuda al modelo a "aprender" en lugar de partir de cero.
Fíjate en el hilo conductor: cada palanca es una forma de dar al modelo más señal limpia. No estás engañando al sistema, lo estás poniendo en condiciones de estimar bien.
¿Quieres saber si tu seguimiento está alimentando bien el modelo de Google? Solicítanos un análisis de tu configuración: revisamos consentimiento, conversiones mejoradas y flujo de datos desde el CRM.
Privacidad, machine learning y calidad de datos: el vínculo real
Merece la pena unir los puntos, porque aquí es donde el tema se vuelve estratégico y no solo técnico. La secuencia es esta:
- La privacidad (RGPD, consentimiento, navegadores sin cookies) crea un agujero estructural y permanente en los datos: el seguimiento completo de hace diez años no volverá jamás.
- El machine learning de Google rellena ese agujero con estimaciones, y hoy es la única forma de tener un panorama completo.
- Pero el machine learning vale tanto como las señales que recibe. Y las mejores señales, en un mundo sin cookies, son los datos que tú posees: primeros contactos, compras, resultados registrados en tu sistema de gestión.
Dicho de otro modo: en un contexto donde Google observa cada vez menos, tu ventaja competitiva se traslada a los datos que recoges y organizas en casa. Quien tiene un CRM ordenado, eventos limpios y un flujo que devuelve al modelo las conversiones reales (incluidas las offline) obtiene mejores estimaciones, un Smart Bidding más preciso y, a igualdad de gasto, más clientes. La calidad de los datos no es un detalle técnico: es lo que separa a quien optimiza de quien tira a adivinar.
Errores que evitar
- Quedarte en el Consent Mode básico pensando que "total, algo modela igual": dejas sobre la mesa precisión y el modelado de comportamiento de GA4.
- Leer las conversiones modeladas por día o por palabra clave y tomar decisiones drásticas por simple ruido estadístico.
- No conectar el CRM: sin las conversiones offline el modelo ignora todo lo que ocurre después del formulario.
- Dobles conteos y eventos duplicados que ensucian la señal y empeoran cada estimación posterior.
En resumen
Las conversiones modeladas no son un truco ni un problema que eliminar: son la normalidad de un ecosistema publicitario en el que la privacidad ha reducido lo que es observable. Tu tarea no es desconfiar del modelo, sino alimentarlo bien y leerlo con criterio: confía en el agregado, desconfía del detalle e invierte en la calidad de los datos propios. Si quieres el panorama completo de cómo encaja todo esto, empieza por nuestra guía completa de seguimiento de conversiones.
Preguntas frecuentes
¿Son fiables las conversiones modeladas?
Sí, pero a nivel agregado. En cuentas y campañas con volúmenes altos y ventanas amplias las estimaciones son sólidas; en el día concreto o en la palabra clave individual hay que leerlas con prudencia, porque el ruido estadístico aumenta.
¿Qué diferencia hay entre conversión observada y conversión modelada?
La conversión observada es la que Google mide directamente de principio a fin del recorrido. La modelada es la que estima un modelo de machine learning cuando falta un paso observable, por ejemplo por consentimiento denegado o cambio de dispositivo.
¿Cómo se activa el conversion modeling en Google Ads?
Implementando correctamente el Consent Mode (mejor en modo avanzado) y alcanzando los umbrales mínimos de tráfico. Google indica, por ejemplo, unos 700 clics en 7 días por combinación país/dominio, valores sujetos a revisión y que hay que mantener en el tiempo.
¿Las conversiones modeladas inflan las cifras?
No, no las inflan: recuperan conversiones reales que el consentimiento y los navegadores ocultan. El aparente inflado surge de comparar mal el dato de Google Ads, que incluye las modeladas, con un dato en bruto de otra plataforma.
¿Hace falta el Consent Mode avanzado o basta con el básico?
Ambos permiten un mínimo de modelado, pero el avanzado envía pings sin cookies que hacen las estimaciones más precisas y desbloquea el modelado de comportamiento de GA4. Para la mayoría de las empresas es la mejor opción, valorando con atención los aspectos de privacidad.
¿Influyen las conversiones modeladas en el Smart Bidding?
Sí. Entran en la columna Conversiones y se convierten en la señal sobre la que el Smart Bidding optimiza las pujas. Alimentar bien el modelo significa, por tanto, también hacer que las estrategias de puja automáticas funcionen mejor.
Menos conversiones perdidas, estimaciones más fiables, presupuesto mejor invertido. Hablemos y construyamos juntos una infraestructura de datos que alimente el modelo con señales limpias.