Intenté optimizar mi PPC de Amazon pegando informes de términos de búsqueda en ChatGPT. Por qué la IA en crudo da consejos seguros de sí mismos pero equivocados sin contexto de ganancia, y qué funciona de verdad.
El primer instinto de todos ahora es lanzarle un problema difícil a un chatbot de IA y dejar que lo resuelva. Los informes de términos de búsqueda de PPC de Amazon parecen el candidato perfecto — tablas de datos desordenadas, una pregunta obvia de “dime qué hacer”. Así que lo probé en mi propia cuenta: exporté el informe, lo pegué, pregunté qué optimizar. Déjame ahorrarte el tiempo. Por sí solo, no funciona, y te costará dinero si confías en él.
Vendo software de PPC, así que lee esto teniendo ese sesgo en cuenta. Pero esta no es una historia de “compra mi cosa” — es una historia de “aquí está específicamente por qué falla el atajo obvio”, y las razones se sostienen uses una herramienta o lo hagas a mano.
Qué salió mal
Algunas cosas, cada vez.
No conocía mi ganancia. El chatbot ve gasto, clics, ventas, ACoS. No conoce mi costo de mercancía ni mis comisiones, así que no puede distinguir una palabra clave de “ACoS alto pero aún rentable” de una que de verdad pierde dinero. Me dijo con seguridad que cortara términos que me daban dinero y que escalara términos que no — porque optimizaba un número (el ACoS) que no es la ganancia.
No tenía forma de saber si estaba inventando. Cuando le pedí qué términos negativizar, produjo recomendaciones de aspecto pulcro que no coincidían con los datos — términos con dos clics y sin gasto marcados como “desperdiciados”, drenadores de dinero reales pasados por alto por completo. Eso es lo de la alucinación: no es aleatoria. Es el modelo generando algo plausible para rellenar un hueco donde le falta la información que necesitaría para acertar. En un informe grande, sin contexto de ganancia, ese hueco es enorme.
No entendía las jugadas. El buen trabajo de términos de búsqueda no es solo “cortar los malos”. Es cosechar un término convertidor a su propia palabra clave de exact match y bloquearlo en la campaña original para que las dos no compitan entre sí. El chatbot sugería la cosecha y olvidaba la mitad del negativo — el error exacto que hace que tus propias campañas compitan consigo mismas.
El patrón de fondo
La IA en crudo es genuinamente útil, pero en esta tarea necesita supervisión para ser segura: el contexto de ganancia que no tiene, límites para que no pueda recomendar algo imprudente, y las reglas del dominio sobre cómo interactúan de verdad las campañas de Amazon. Sin eso, obtienes algo fluido, seguro de sí mismo y equivocado. Para cuando has revisado su trabajo contra tus números reales y arreglado lo que estropeó, has gastado más tiempo que si lo hubieras hecho tú mismo.
Lo que sí funciona
El informe de términos de búsqueda sí es un trabajo para software — solo que no un chatbot al que le pegas una hoja de cálculo. Es un trabajo para un sistema que ya conoce tu ganancia por producto, aplica reglas consistentes en lugar de improvisar, maneja cosechar-y-negativizar como un solo movimiento, y muestra su trabajo para que apruebes cada cambio. Esa es la diferencia entre “IA que maximiza un número” e IA con una correa.
El principio al que siempre vuelvo: el software debe automatizar el trabajo, no la decisión. Un sistema que conoce tu ganancia, aplica reglas que puedes ver y espera tu aprobación está haciendo trabajo. Un chatbot improvisando cambios de puja a partir de un número que no es la ganancia está tomando decisiones — mal.
Eso es lo que construimos en el plan Growth — y es por lo que lidero con la versión aburrida de este consejo: ten primero en orden tus reseñas y tu ganancia, luego lleva estructura real al trabajo de términos de búsqueda. Pegarlo en un chatbot se siente como el atajo. Es el camino largo.
