Acerca de la distribución en la red de campañas de aplicaciones

Con las campañas de aplicaciones, es muy fácil promocionar tus aplicaciones en muchas propiedades de Google, como la Búsqueda, YouTube, Google Play, Discover en la Búsqueda de Google, la Red de Display de Google y AdMob, así como muchos otros editores que alojan anuncios de aplicaciones.

Cuando seleccionas "Promoción de la aplicación" como objetivo, puedes elegir entre tres subtipos de campaña. Cada subtipo tiene diferentes estrategias de puja y acciones. Son los siguientes:

  • Campañas de aplicaciones para descargas
  • Campañas de aplicaciones para interacciones
  • Registro previo en la aplicación (solo para Android)

Más información sobre las campañas de aplicaciones

En algunos casos, puede parecer que las campañas de aplicaciones se publican más en determinadas redes que en otras. En este artículo se explica cómo funciona la distribución en la red de las campañas de aplicaciones.

Nota: Las campañas de aplicaciones aparecen en todas las redes de Google, así que sube un conjunto de recursos personalizados para asegurarte de que los anuncios sean adecuados para el mayor número posible de emplazamientos publicitarios.

  • Añade líneas de texto independientes de distintas longitudes.
  • Crea y sube vídeos atractivos de entre 10 y 30 segundos de duración con distintas relaciones de aspecto.
  • Añade imágenes interesantes y relevantes para que se usen en la Red de Display de Google.

Consulta cómo crear mejores recursos de creatividad para las campañas de aplicaciones.


Cómo funciona la distribución en la red de las campañas de aplicaciones

Las campañas de aplicaciones no suelen tener preferencia por una red sobre otra. A diferencia de las campañas web tradicionales, en las que la segmentación se basa principalmente en la información que proporcionas para tu campaña, las campañas de aplicaciones se basan en el aprendizaje automático y respetan tus pujas y presupuestos. A veces, no hay inventario de campañas de aplicaciones en un canal específico, por lo que el modelo de aprendizaje automático debe buscar tráfico en otro canal para obtener conversiones. El sistema aprende directamente del comportamiento de los usuarios, lo que permite conocer el inventario y cómo deben publicarse los recursos de creatividades en el futuro. En definitiva, las campañas de aplicaciones se encargan de conseguir el mayor número posible de conversiones sin superar el presupuesto de la campaña.

Las campañas de aplicaciones generan conversiones en función de tus objetivos de publicidad y optimización, tu presupuesto, tu segmentación y tus recursos. El aprendizaje automático usa millones de combinaciones de señales para predecir la probabilidad de que un usuario complete una conversión. Las señales e intenciones fuera de la aplicación que pueden influir en las predicciones son, por ejemplo, la segmentación por dispositivo, la ubicación, las consultas de búsqueda, los emplazamientos y el uso de la aplicación. Algunos ejemplos de interacciones dentro de la aplicación que pueden influir en las predicciones son: ajustes de la aplicación, interacciones con la aplicación, duraciones y retención de sesiones de la aplicación, uso de la Web y recomendaciones.

Nota: Si la puja es muy baja, es posible que tus campañas no se publiquen en todas las redes.

A veces, la red en la que se publica tu campaña puede parecer cara en comparación con otras. Ten en cuenta que, aunque una red pueda parecer más barata, puede que no tenga inventario (espacio publicitario) para publicar tu campaña. En esos casos, tu campaña se distribuirá en redes que pueden ser más caras y donde es más probable que consigas conversiones. Si procede, también se puede distribuir en otras redes para maximizar los objetivos de la campaña dentro de los límites de puja y presupuesto.


Enlaces relacionados

¿Te ha resultado útil esta información?

¿Cómo podemos mejorar esta página?
Búsqueda
Borrar búsqueda
Cerrar búsqueda
Menú principal
9269932259769366775
true
Buscar en el Centro de ayuda
true
true
true
true
true
73067
false
false
false