Triplicar los ingresos de una marca en pleno auge estacional renunciando por completo a subir manualmente las pujas publicitarias suena como violar las leyes de la subasta. Sin embargo, ese fue exactamente el resultado que obtuvieron el fabricante de productos de limpieza e higiene LAB Industries y la agencia Easy Commerce en el servicio Yandex Lavka, según compartieron en una publicación de Sostav: durante el piloto el volumen de ventas creció un 217% y los ingresos de la marca aumentaron un 200%.
De este informe me llamó la atención la propia lógica de trabajo en un retail media recalentado. Llegas a la temporada alta y ves cómo la competencia dispara las pujas por los primeros lugares del estante. Parece que la única forma de sostener el flujo de pedidos es superar manualmente las pujas ajenas, pero ¿por qué esa táctica acorrala la economía y cómo entregar el control al algoritmo sin perder rentabilidad?
La trampa de la subasta recalentada: por qué subir pujas a mano rompe la economía
Miremos el estante de entrega rápida con los ojos del comprador. En las categorías «Detergentes para ropa» y «Productos de limpieza» de Yandex Lavka compiten por tu atención más de 15 marcas. Aquí el consumidor es situacional: en temporada de limpieza general, cambio de armario o tras la ola de demanda pospuesta después de fechas festivas, la persona toma lo que aparece a la vista con un beneficio claro.
Históricamente, LAB Industries captaba esa atención mediante ajustes manuales en el formato «Impulso de impresiones», fijando pujas por encima de la competencia. Con esos parámetros, el costo por mil impresiones (CPM) alcanzaba los 554 rublos, la conversión de clic a compra (CR) se mantenía en 91% y la cuota de gasto publicitario sobre ventas (DRR) era del 8.2%. Antes del pico estacional, la marca se propuso reducir el DRR y elevar la conversión sin recortar la actividad publicitaria.
Aquí los especialistas suelen cometer el error de intentar ganarle a mano a la subasta estacional. El equipo de Easy Commerce puso a prueba ese enfoque en dos etapas. Primero analizaron durante dos semanas el rendimiento de cada SKU por separado y ajustaron las pujas manualmente. Se comprobó que en temporada alta la demanda y la subasta cambian más rápido de lo que el especialista alcanza a actualizar los ajustes.
Después, durante otro tramo de dos semanas, subieron las pujas progresivamente desde niveles mínimos hasta competitivos y superiores para conseguir volumen adicional de pedidos. Pero los números no cerraron: la presión publicitaria y el gasto crecieron sin un aumento proporcional de las compras. Una puja manual única no contempla la distinta probabilidad de compra de cada producto en ese instante, y el monitoreo constante consume los recursos del equipo.
Mecánica del cambio: cómo la estrategia automática encuentra margen oculto a nivel de SKU concretos
La campaña se trasladó en el panel de UrbanAds a la estrategia automática «Máximo de pedidos». En lugar de pagar de forma uniforme por impresiones, el algoritmo redistribuye el presupuesto en tiempo real hacia fichas de alta conversión y búsquedas relevantes, teniendo en cuenta microtendencias de demanda y competencia actual.
En paralelo ampliaron el inventario activando ubicaciones en búsqueda, catálogo, portada y recomendaciones. En Lavka, la combinación de inventario amplio y estrategia automática dio un rendimiento excelente:
- El DRR bajó casi a la mitad, hasta el 4.2%;
- El CPM cayó a 369 rublos, ahorrando 185 rublos por cada mil impresiones;
- El CTR subió 0.3 puntos porcentuales, y la conversión a compra alcanzó el 98%.
Según la gerente sénior de desarrollo e-commerce de LAB Industries, Darya Khusainova, la herramienta que probaron para recortar costos generó un crecimiento multiplicado de las ventas y se convirtió en la solución operativa base. Un efecto similar aporta el ajuste fino de la automatización en canales externos, por ejemplo cuando la clusterización del feed por margen reduce el DRR en retail de alimentación.
No obstante, el piloto automático tiene su costo operativo, como advierte la directora de productos de medios de Easy Commerce, Asiya Zekkur. Primero, el algoritmo necesita tiempo de aprendizaje: con presupuesto bajo o pocos datos no se pueden juzgar los resultados por los primeros días. Segundo, en un tramo comparable de prueba hay que congelar las variables externas: no cambiar a la vez precios, visuales de fichas o mecánicas promocionales y vigilar el stock en estantería, o la prueba perderá validez. Tercero, la campaña debe evaluarse de forma integral combinando DRR, volumen de pedidos, ingresos, conversión y costo por contacto.
En el pico estacional no gana quien sobrepuja manualmente en una subasta recalentada, sino quien confía el reparto de pujas al algoritmo bajo un control estricto del inventario y de los ingresos totales.

