Únete a la comunidad recientemente lanzada de
Discord para participar en debates en tiempo real, obtener asistencia de otros miembros y comunicarte directamente con el equipo de Meridian.
Modelado de búsqueda pagada
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Acerca del volumen de búsquedas como factor de confusión para los anuncios de búsqueda
Quizás el principal desafío de la inferencia causal aplicada al marketing es que los anunciantes suelen invertir más en marketing cuando hay una mayor demanda de su producto. Comprender si un aumento en el KPI se debe a un aumento en la inversión en marketing o en la demanda inherente es fundamental cuando se analizan los efectos causales de la inversión de marketing.
La fuerte relación entre la demanda inherente y la inversión de marketing adquiere especial relevancia en el caso de los anuncios de búsqueda. Esto se debe a que un anuncio de búsqueda solo se muestra en la página si una búsqueda coincide con ciertas palabras clave segmentadas por un conjunto de anunciantes. Cuando la demanda inherente es alta, la cantidad de búsquedas orgánicas también aumenta, y lo mismo sucede con la inversión total en anuncios de búsqueda. Por lo tanto, la cantidad de búsquedas orgánicas es un factor de confusión importante para los anuncios de búsqueda. Sin esta información, es difícil realizar inferencias correctas sobre este tipo de anuncios.
En particular, esto representa un problema para los anunciantes con presupuestos de búsqueda altos, ya que la cantidad de anuncios de búsqueda pagada tiende a seguir más de cerca la cantidad de búsquedas orgánicas. Sin embargo, esto también afecta a los anunciantes con presupuestos más bajos que aumentan sus presupuestos en los períodos de demanda alta o que solo publican campañas de Búsqueda en esos momentos.
Meridian ofrece la opción de incluir la cantidad de búsquedas orgánicas de Google (GQV) en el modelo como factor de confusión para los anuncios de la Búsqueda de Google. La cantidad de búsquedas orgánicas de motores de búsqueda que no son de Google no suele estar disponible. Si deseas modelar anuncios de búsqueda pagada que no sean de Google y la cantidad de búsquedas orgánicas del motor en cuestión no está disponible, las siguientes alternativas podrían resultarte útiles:
El sesgo se puede mitigar si la GQV es un proxy efectivo para la cantidad de búsquedas que no son de Google. Te recomendamos que evalúes esta suposición. Una manera de hacerlo es creando un gráfico, como en el siguiente ejemplo:
En el gráfico anterior, se muestra la correlación entre las impresiones de medios y la GQV de la marca en el eje Y, y la correlación entre las impresiones de medios y la cantidad de búsquedas genéricas en el eje X.
Si no quieres dar por hecho que la GQV es un proxy efectivo para la cantidad de búsquedas que no son de Google, tal vez debas omitir el motor de búsqueda ajeno a Google del modelo.
Para obtener más información sobre los desafíos del sesgo de selección debido a la segmentación de anuncios, consulta Corrección del sesgo para la búsqueda pagada en el modelado de combinación de medios.
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-08-04 (UTC)
[null,null,["Última actualización: 2025-08-04 (UTC)"],[[["\u003cp\u003eUnderstanding the impact of marketing spend on key performance indicators (KPIs) for search ads can be difficult because inherent demand and marketing spend are often correlated.\u003c/p\u003e\n"],["\u003cp\u003eOrganic query volume is a significant confounding factor for search ads as it influences both inherent demand and ad spending.\u003c/p\u003e\n"],["\u003cp\u003eMeridian offers the option to incorporate Google organic query volume (GQV) into the model to address this confounding factor.\u003c/p\u003e\n"],["\u003cp\u003eIf non-Google organic query volume is unavailable, using GQV as a proxy or excluding non-Google search engines from the model can be considered.\u003c/p\u003e\n"]]],["Advertisers face the challenge of distinguishing between increased marketing spend and inherent demand when analyzing marketing's causal effects. Search ad spending correlates with organic query volume, making it a key confounder. High query volume leads to higher ad spending, impacting both large and small advertisers. Meridian allows inclusion of Google organic query volume (GQV) to mitigate this. If non-Google query volume is unavailable, GQV can be used as a proxy or the non-Google search engine omitted.\n"],null,["# Paid search modeling\n\nUnderstanding query volume as a confounder for search ads\n---------------------------------------------------------\n\nPerhaps the biggest challenge in causal inference when applied to marketing is\nthat advertisers often spend more on marketing when there is stronger demand for\ntheir product. Disentangling whether an increase in the KPI is due to an\nincrease in marketing spend or due to an increase in inherent demand is a\nprimary concern when one is analyzing causal effects of marketing spend.\n\nThe strong relationship between inherent demand and marketing spend is\nparticularly salient when it comes to search ads. This is because a search ad is\nonly shown on the page if a search query matches certain keywords targeted by a\nset of advertisers. When inherent demand is high, organic query volume will also\nbe high, and so the total spending on search ads will be high. Therefore,\norganic query volume is an important confounder for search ads. It is hard to\nget good inference on search ads without it.\n\nThis is particularly an issue for advertisers with high search budgets because\ntheir paid search ad volume tends to track more closely with organic query\nvolume. However, this also affects lower budget advertisers who increase their\nbudgets during periods of high demand, or who only run search campaigns during\nthese periods.\n\nMeridian provides the option to include [Google organic query volume\n(GQV)](/meridian/docs/basics/using-mmm-data-platform) in the model as a\nconfounder for Google Search ads. Organic query volume from non-Google search\nengines is often unavailable. If you want to model non-Google paid search ads,\nand organic query volume from the corresponding search engine is not available,\nthe following alternatives might work for you:\n\n- Bias can be mitigated if GQV is a good proxy for the non-Google query\n volume. We recommend assessing this assumption. One way to help assess the\n assumption is by creating a plot, for example:\n\n The previous plot shows the correlation between media impressions and brand\n GQV on the y-axis, and the correlation between media impressions and generic\n query volume on the x-axis.\n- If you don't want to assume GQV is a good proxy for the non-Google query\n volume, you might need to omit the non-Google search engine from the model.\n\nFor more information about the challenges of selection bias due to ad targeting,\nsee [Bias Correction For Paid Search In Media Mix\nModeling](https://research.google/pubs/bias-correction-for-paid-search-in-media-mix-modeling/)."]]
