--- title: "De la carrera reservada al margen real" description: "Allocab: cómo llevamos Google Ads (Search non-brand y PMax) del volumen de conversiones al margen real de cada carrera, con un test A/B de 8 semanas." url: https://edgeangel.co/es/notes/de-la-carrera-reservada-al-margen-real lang: es --- > Índice del sitio para agentes, que conviene leer antes de explorar: https://edgeangel.co/llms.txt > Página HTML de referencia, que incluye además los esquemas y los elementos visuales: https://edgeangel.co/es/notes/de-la-carrera-reservada-al-margen-real **Nota · Caso de cliente**Performance Acquisition Junio de 2026 Estudio de caso · Gestión de medios # De la carrera reservada al _margen real_ Cómo reorientamos la gestión de Google Ads de Allocab, del volumen de conversiones al valor de negocio de cada carrera. Client ![Allocab](https://edgeangel.co/images/notes/allocab-logo.png) VTC · Movilidad Mercado francés Autor Léo Llinares Fecha Junio de 2026 Lectura ~7 minutos Alcance Google Ads · Search y PMax **Regla de comunicación.** Las cifras publicadas se limitan a los indicadores de margen (en % de variación o en € ganados por carrera). No se publica ningún valor absoluto de ROAS, CPA ni volumen. En breve ## Las cifras clave En una cuenta de captación madura, pasar de una optimización según la carrera reservada a una optimización según el margen real produjo un doble efecto, aislado en un AB test y confirmado después en toda la cuenta. _+42_% de margen por carrera realizada AB test de 8 semanas, campañas de test (tROAS Margen) frente a control (tCPA): +42 % de margen por carrera realizada y +19 % de margen total, con un gasto inferior al del control. Orden de magnitud: el margen adicional de cada carrera equivale a cerca de una cuarta parte de lo que costaba captar una carrera antes del cambio. _+26_% de margen generado en Search non-brand y Performance Max de Google Ads Primer mes completo tras el cambio, con una inversión casi estable (+2,8 % de coste) respecto al mes anterior. Sin renunciar a volumen para ganar valor. 01 Introducción ## Un mercado de pago cada vez más disputado Allocab opera en un mercado francés de VTC dominado por plataformas internacionales que sobreinvierten en captación de pago. La presión competitiva en Search es estructural y creciente: la inversión publicitaria de la categoría en Francia aumenta año tras año desde 2022, y los competidores de Allocab gastan sustancialmente más que ella en el canal. El mercado francés de VTC sigue creciendo en volumen de carreras (+16 % en 2024 según la ARPE), pero para un challenger, cada posición en Search cuesta más de defender cada año. Para un actor cuyo canal de captación central sigue siendo Search, el reto es doble: aguantar frente a competidores que invierten cada vez más y sacar más valor de cada euro invertido. Cuando la guerra del volumen está perdida de antemano, se gana la del valor por conversión. Es la trayectoria en la que acompañamos a Allocab desde finales de 2024. Esta nota repasa un cambio estructural realizado en la primavera de 2026: el paso de una optimización según la carrera reservada a una optimización según el margen real de cada carrera realizada. Método, resultados y lo que aprendimos para otras cuentas de captación maduras. La señal enviada al algoritmo de pujas Esquema ilustrativo Antes Optimización según la carrera reservada Clic de pago Search Carrera reservada Objetivo Carrera realizada + margen invisible Después Optimización según el margen real Clic de pago Search Carrera reservada etapa Margen / carrera realizada Objetivo Smart Bidding optimiza el evento que se le indica como objetivo.A la izquierda, un contador de eventos intermedios. A la derecha, una medición del valor de negocio por conversión. Ilustrativo. Esquema de principio de las señales que se envían al algoritmo en cada modo de optimización. 02 El punto de partida ## Una optimización según la carrera reservada que había llegado a su límite Hasta principios de 2026, Allocab optimizaba según la **carrera reservada**, el evento de conversión más natural de medir, el de mayor volumen, el que da al algoritmo de Smart Bidding el máximo de señal para aprender. Pero optimizar según la carrera reservada es optimizar según un evento intermedio, no según el valor de negocio real. La cuenta había llegado al límite de lo que esa señal podía dar, por tres razones operativas. 1**No todas las carreras reservadas se realizan.** La tasa de realización varía según el contexto (tiempo, disponibilidad de conductores, comportamiento del cliente). Con un mismo objetivo, el algoritmo no distingue entre una carrera que se realizará y otra que no. 2**El margen unitario varía mucho de una carrera a otra.** Según el perfil del cliente (particular, pyme, gran cuenta), el tipo de trayecto (urbano corto, aeropuerto, larga distancia) y el tipo de vehículo. En el primer trimestre de 2026, la diferencia de margen por carrera entre campañas llegaba a un factor de 1,8 entre la menos y la más rentable. 3**El algoritmo decidía sin visibilidad sobre esas diferencias.** Smart Bidding optimizaba el volumen de carreras reservadas al coste objetivo, a ciegas sobre la rentabilidad real de cada trayecto. El mix obtenido era óptimo en carreras reservadas, no en margen. Nuestra convicción Optimizar según la carrera reservada es un buen primer nivel de madurez. Llega a su límite cuando se quiere mejorar la calidad del mix de conversiones, además de su coste unitario. En ese punto, **cambiar el evento que optimiza el algoritmo es más eficaz que seguir afinando la segmentación** sobre un evento que refleja de forma imperfecta el valor de negocio. 03 El enfoque ## Tres fases y ocho semanas de test antes de cualquier despliegue Diseñamos el cambio en tres fases, con un protocolo de test riguroso antes de cualquier despliegue en toda la cuenta. La disciplina metodológica es lo que permitió obtener un efecto medido y reproducible. **1** Etapa ### Hacer fiables la señal de carrera realizada y el margen Preparación previa durante cuatro meses: enviar, para cada carrera, el **margen** y el **estado de realización** desde el back-office de Allocab a BigQuery, enriquecer esa señal con Google Analytics 4 (gclid y estado de consentimiento de cada carrera) y devolverla a Google Ads mediante la Data Manager API como importación de conversiones offline basada en el valor; el margen de cada carrera realizada se envía como valor de conversión, con coincidencia por email con hash y gclid. En la web, el etiquetado server-side y el Consent Mode avanzado protegen la medición en el tiempo y la mantienen conforme al consentimiento. La señal pasa a poder usarse como valor de conversión hacia enero de 2026: Smart Bidding dispone desde entonces de una medición del valor de negocio por conversión, además de un contador de eventos intermedios. Esta etapa es más exigente de lo que parece. Optimizar según la carrera realizada es optimizar según un evento que llega más tarde en el embudo, con menos volumen y con puntos de pérdida adicionales: carrera no realizada, dato del CRM no enviado a tiempo, diferencia de atribución entre el evento de reserva y el de realización. La tolerancia al error es muy baja: un hueco en el envío se traduce de inmediato en un deterioro del aprendizaje. El pipeline de la señal de margen Esquema ilustrativo Back-office de Allocab margen + estado de realización por carrera BigQuery cruce con GA4: gclid + consentimiento Data Manager API importación offline basada en el valor, coincidencia por email con hash + gclid Google Ads margen real como valor de conversiónSeñal Requisito imprescindible La optimización con tROAS Margen se apoya en un tracking muy sólido del estado de realización y en una señal de margen limpia y con histórico. **Esta etapa suele pesar más en el éxito que el propio cambio técnico.** **2** Etapa ### Probar antes de cambiar: AB test de ocho semanas Test controlado lanzado el 10 de febrero de 2026 en cuatro campañas espejo: **dos campañas de test** duplicadas con optimización tROAS Margen y **dos campañas de control** mantenidas con la optimización tCPA existente. Tres ventanas de medición sucesivas a lo largo de ocho semanas, con fuentes cruzadas de Google Analytics 4 (volumen y coste) y del CRM de Allocab (margen real y carreras realizadas). En cada ventana se lee la diferencia en cuatro dimensiones: volumen, coste de captación, margen unitario y margen total. Margen por carrera realizada, test frente a control Datos ilustrativos · base 100 Control (tCPA) Test (tROAS Margen) Control = 100 100 78 100 96 100 142 Ventana 1 aprendizaje Ventana 2 estabilización Ventana 3 veredicto Veredicto P3: +42 % de margen por carrera, con un gasto inferior al del control Ilustrativo. La lectura que cuenta es la dinámica, más que el nivel absoluto de las primeras ventanas: la diferencia se reduce semana tras semana hasta que el test supera al control. En las dos primeras ventanas, el test iba por detrás del control en casi todas las métricas en valor absoluto. Es el punto que exige más disciplina: no sacar conclusiones demasiado pronto. Cuando se pide al algoritmo que optimice un evento que nunca ha tenido como objetivo, la fase de aprendizaje es, por fuerza, larga. Lo que observamos durante las ocho semanas de test: - **Ventanas 1 y 2.** El control sigue por delante en la mayoría de los indicadores, pero la trayectoria del test muestra un aprendizaje claro, con una diferencia que se reduce en cada medición. - **Estabilización.** Tras varias semanas, paridad entre control y test en los indicadores clave. - **Ventana 3 (veredicto).** El test pasa claramente por delante. Con un gasto comparable en las cuatro campañas agregadas, +42 % de margen por carrera realizada y +19 % de margen total, con un gasto inferior al del control. **3** Etapa ### Cambiar: consolidación y migración por oleadas A partir del veredicto del test, el cambio completo se realizó en abril de 2026. **El cambio fue la ocasión de simplificar la estructura de la cuenta.** Con un objetivo de margen unificado, el argumento para multiplicar las campañas por tipo de segmento desaparece: como el margen es comparable por naturaleza, el objetivo se unifica en toda la cuenta. Se puede consolidar en torno a grandes campañas de Search y PMax, con segmentación por grupos de anuncios, lo que simplifica de forma natural el aprendizaje. En concreto, la migración siguió dos principios. **ROAS objetivo unificado** en toda la captación, fijo durante la fase de migración para no alterar el aprendizaje del algoritmo. **Migración por oleadas semanales.** Las campañas de test del AB test sirvieron de base, ya rodada. El resto del alcance se fue añadiendo de forma progresiva, grupo de anuncios a grupo de anuncios. Cambio completado a finales de abril. Lo que descartamos a propósito El cambio de una sola vez en toda la cuenta. Es tentador para ganar tiempo, pero crea un hueco de aprendizaje simultáneo en todas las campañas, justo cuando el algoritmo necesita recuperar sus referencias. **La secuencia por oleadas suaviza la pérdida de aprendizaje** y permite leer las primeras señales antes de extender el cambio. **Efecto esperado y observado: el aprendizaje de las oleadas siguientes fue mucho más rápido que el del AB test inicial.** Donde el test había necesitado cerca de ocho semanas para pasar claramente por delante del control, las oleadas de cambio del resto de la cuenta se estabilizaron en dos o tres semanas. La razón es mecánica: la cuenta había acumulado ya suficientes datos históricos sobre el evento final (carrera realizada y margen asociado) para que el algoritmo partiera de una base en cada oleada. El trabajo previo para hacer fiable la señal rinde aquí por segunda vez, al acelerar los cambios posteriores. 04 Los resultados ## Cuatro dimensiones que progresan a la vez Con una inversión casi estable respecto al mes anterior, el primer mes completo tras el cambio (mayo de 2026) dio un **+26 % de margen** en Search non-brand y Performance Max de Google Ads. Más allá de la cifra, lo destacable es que el valor se ganó sin renunciar a volumen. **Calidad de la captación** y **volumen de conversiones** al alza: más clientes nuevos, más carreras realizadas. **Eficiencia del coste** y **valor del mix** al alza: un coste unitario más bajo, con un mix de carreras más rentables. Es una configuración poco habitual en captación de pago madura, y es justo lo que busca la optimización según el margen: alinear el objetivo de optimización del algoritmo con el valor de negocio real de cada conversión, manteniendo el volumen. Lo que revelaron las ocho semanas de test La ventaja crece a medida que el modelo aprende: es un efecto duradero. El AB test comparó los dos métodos en paralelo, mismas campañas, mismas condiciones de mercado. Es **una prueba causal, aislada de los efectos de estacionalidad, de precio y de escalado**, y la diferencia se amplió ventana tras ventana una vez superada la fase de aprendizaje. El cambio completo de abril replicó este efecto en toda la cuenta, donde siguió reforzándose con el histórico acumulado sobre el evento final. Las dos lecturas convergen en la misma señal: una ganancia que se consolida con el tiempo. En un mercado en el que los competidores invierten cada vez más en medios de pago, esta calidad de decisión por conversión se convierte en una ventaja competitiva esencial, sin coste en volumen. 05 La opinión de EdgeAngel ## Cuándo dar el paso La optimización según el margen real es el punto de entrada adecuado para cuentas que reúnen tres condiciones. Son las que permiten sacarle todo su valor. 1**Una cuenta madura en su evento intermedio.** Mientras la optimización según el evento inicial (carrera reservada, lead cualificado, añadido al carrito, registro) no esté estabilizada, pasar a un evento final es prematuro. El evento intermedio es la escuela del algoritmo; el valor de negocio real, su especialización. 2**Una señal de valor de negocio fiable, que se pueda enviar por conversión.** Margen, lifetime value, contribución unitaria, tasa de servicio efectiva. Sin esta señal, el algoritmo no tiene nada que optimizar más allá del coste de un evento intermedio. Hacerla fiable es un proyecto de datos en sí mismo, y es lo que decide el éxito, por encima del cambio técnico. 3**Un volumen de conversiones suficiente para el aprendizaje.** El tROAS Margen pide al algoritmo que elija entre conversiones, lo que requiere decenas de conversiones por semana. Y un evento final tiene, por construcción, menos volumen que un evento inicial. En una cuenta de poco volumen, la varianza ahoga la señal. Nuestra convicción Cuando se reúnen estas condiciones, pasar al margen real saca a la cuenta de un techo de rendimiento que el evento intermedio no permite superar. Cuando no se reúnen, conviene dedicar el esfuerzo a construirlas. **La cadena completa, del envío de la señal al cambio, es un proyecto de fondo: el nivel de madurez adecuado para una cuenta de captación de pago en 2026.** 06 Alcance metodológico ## Qué se mide y qué no Fuentes de datos Google Analytics 4 para los volúmenes y costes de captación consolidados, CRM de Allocab para el margen real y el estado de realización. Las señales de la plataforma Google Ads se siguen como complemento y se interpretan con prudencia, porque no están consolidadas con la visión de negocio. Cruce realizado en BigQuery con ventana diaria. Alcance del caso Google Ads Search non-brand y PMax exclusivamente (sin campañas de App, sin Demand Gen, sin Microsoft Ads). Medición del AB test Test y control simultáneos, mismas campañas duplicadas, mismas condiciones de mercado. Tres ventanas sucesivas a lo largo de ocho semanas. Las cifras publicadas son las del veredicto P3, la medición más tardía y más estable. Mes posterior al cambio Comparación MoM de abril de 2026 frente a mayo de 2026, siendo mayo el primer mes completo en régimen estable tras el cambio, completado a finales de abril. Inversión casi estable (+2,8 %). Cifra procedente de la plataforma Google Ads (valor de conversión de la acción de margen, alcance Search non-brand + Performance Max, sin brand, sin App, sin Demand Gen), reproducible en la cuenta. Con matices: una comparación MoM incluye la estacionalidad, y la prueba causal sigue siendo el AB test. La comparación YoY aporta una lectura complementaria con una estacionalidad comparable. Para profundizar [Causmos & Causal Impact: medir la eficacia de las campañas de Social AdsEl mismo rigor metodológico aplicado a otro canal](https://edgeangel.co/es/notes/causal-impact-causmos) [Google Analytics: modelado de datos y atribuciónLas bases de atribución que hacen posible este tipo de cambio](https://edgeangel.co/es/notes/ga4-modelisation-donnees-attribution) [La planificación presupuestaria multicanal de Google Analytics, en detalleLa gestión de medios de mañana](https://edgeangel.co/es/notes/scenario-planner-google-analytics) Hablemos ## ¿Un reto similar en tu cuenta de captación? La optimización según el margen real es un nivel de madurez que requiere más de unas semanas de despliegue. Si te preguntas si tu cuenta está preparada, o cómo construir la cadena de datos que lo haría posible, podemos hablarlo. [Contacta con nosotros](https://edgeangel.co/es/contact) [Todos los recursos](https://edgeangel.co/es/notes) ```json {"@context":"https://schema.org","@type":"Organization","name":"EdgeAngel","url":"https://edgeangel.co","logo":"https://edgeangel.co/assets/brand/edgeangel-logo.svg","sameAs":["https://www.linkedin.com/company/edgeangel"],"contactPoint":{"@type":"ContactPoint","email":"hello@edgeangel.co","telephone":"+33 1 84 16 42 20","contactType":"customer service"}} {"@context":"https://schema.org","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"name":"Inicio","item":"https://edgeangel.co/es"},{"@type":"ListItem","position":2,"name":"Recursos","item":"https://edgeangel.co/es/notes"},{"@type":"ListItem","position":3,"name":"Caso de cliente","item":"https://edgeangel.co/es/notes?category=cas-client"},{"@type":"ListItem","position":4,"name":"De la carrera reservada al margen real","item":"https://edgeangel.co/es/notes/de-la-carrera-reservada-al-margen-real"}]} {"@context":"https://schema.org","@type":"Article","headline":"De la carrera reservada al margen real","description":"Allocab: cómo llevamos Google Ads (Search non-brand y PMax) del volumen de conversiones al margen real de cada carrera, con un test A/B de 8 semanas.","image":"https://edgeangel.co/open-graph","author":{"@type":"Person","name":"Léo Llinares"},"publisher":{"@type":"Organization","name":"EdgeAngel","logo":{"@type":"ImageObject","url":"https://edgeangel.co/assets/brand/edgeangel-logo.svg"}},"datePublished":"2026-06-15","dateModified":"2026-06-15","mainEntityOfPage":{"@type":"WebPage","@id":"https://edgeangel.co/es/notes/de-la-carrera-reservada-al-margen-real"}} ```