Retargeting: definición y por qué mostrar el mismo aviso no alcanza
Retargeting es la técnica de volver a impactar con un ad a alguien que ya interactuó con un espacio, un producto o un sitio. Retargeting bien hecho no es re mostrarle a alguien el mismo espacio que ya vio. Es detectar qué espacio siguió esa persona, armarle automáticamente una lista de espacios parecidos (misma categoría, zona o capacidad) y recién ahí lanzarle un ad con esas alternativas, en vez de insistir con el mismo ítem sin importar si sigue disponible o si le sirve.
Esa es la idea detrás de la historia que originó esta guía, contada desde el caso de un marketplace de espacios: el sistema no repite el aviso, arma primero la recomendación y después relanza. El mecanismo de fondo es el mismo que ya corre en el caso SpacePal, un marketplace de doble lado que dejó de depender del trabajo manual para escalar su sistema de adquisición.
En un catálogo chico, repetir el mismo aviso a quien ya lo vio puede funcionar: hay pocas alternativas y es probable que ese ítem puntual siga siendo la mejor opción. En un marketplace con miles de espacios, esa lógica se rompe rápido. El espacio que alguien vio puede dejar de estar disponible, puede no ser la mejor opción dentro de su presupuesto o zona, y mostrarle el mismo aviso una y otra vez cansa al usuario sin sumar información nueva que lo ayude a decidir.
Las guías de retargeting más consultadas explican bien cómo crear un público en Facebook Ads o instalar el píxel, pero ninguna cubre qué hacer cuando el catálogo tiene miles de referencias que rotan constantemente. Ahí es donde recomendar espacios parecidos, en vez de repetir el mismo ítem, deja de ser un detalle y pasa a ser el mecanismo central.
¿Querés automatizar el 80% de tus procesos manuales?
Sin code. Sin contratar devs. Sin frenar el negocio.
Recomendar espacios similares antes de relanzar el ad: el mecanismo real
El mecanismo real tiene un orden concreto: primero el sistema arma la recomendación, después relanza el ad, nunca al revés. Cuando alguien ve un espacio y se va sin convertir, el sistema no dispara de inmediato el mismo aviso: primero calcula qué otros espacios del catálogo son parecidos a ese (misma categoría, zona o capacidad) y arma esa lista de recomendados. Recién con esa lista lista, genera el creativo y relanza la campaña de retargeting mostrando esas alternativas en vez del ítem original.
Ese orden es lo que distingue a este mecanismo de un retargeting genérico: no importa tanto que la persona vuelva a ver publicidad, importa qué le muestra esa publicidad cuando vuelve a aparecer. Mostrar una alternativa relevante, en vez de insistir con lo mismo, es lo que convierte una campaña de retargeting en algo útil para quien la recibe y no solo en repetición.
Cómo se arma el público automáticamente por ítem visto en un catálogo grande
El sistema registra qué espacio puntual vio cada persona y, en vez de armar un público manual por cada uno (algo imposible de sostener con miles de ítems), genera al vuelo un segmento de espacios parecidos asociado a esa visita. A esa escala, armar cada público de retargeting a mano por espacio individual no es una opción operativa. El sistema resuelve eso automáticamente: detecta la señal (qué espacio vio esa persona), arma el segmento de espacios parecidos y dispara la campaña de retargeting sobre esas alternativas, sin que alguien configure cada combinación de ciudad y categoría por separado.
El caso SpacePal: retargeting sobre un catálogo de más de 40.000 espacios
SpacePal opera Meta Ads y Google Ads como parte de este sistema de adquisición sobre un catálogo que, según cobertura independiente, supera los 40.000 espacios listados en más de 20 países. A esa escala, el mecanismo de recomendar espacios parecidos antes de relanzar el ad deja de ser una opción y pasa a ser la única forma operativa de sostener retargeting sobre un catálogo que rota constantemente.
Retargeting genérico vs. retargeting con espacios recomendados
| Retargeting genérico | Retargeting con espacios recomendados | |
|---|---|---|
| Qué le muestra al usuario | El mismo espacio que ya vio | Espacios parecidos al que vio |
| Qué pasa si el ítem ya no está disponible | El ad deja de ser relevante | El ad sigue siendo relevante, apunta a alternativas |
| Cómo se arma el público en un catálogo grande | Manual, no escala pasado unos pocos productos | Automático, por señal de ítem visto |
| Riesgo de cansar al usuario | Alto, mismo aviso repetido | Menor, el usuario ve variedad relevante |
| Quién genera el creativo del ad | Una persona, por campaña | El sistema, a partir del espacio recomendado |
Qué debe considerar una buena estrategia de retargeting para no cansar al usuario
Una campaña de retargeting mal calibrada cansa al usuario mucho antes de convertirlo, sobre todo cuando repite exactamente la misma pieza. Recomendar espacios parecidos en vez de insistir con el mismo ítem reduce ese desgaste porque cada impacto aporta información nueva (una alternativa real) en vez de repetir lo que la persona ya descartó o ya vio. También conviene limitar la frecuencia y la ventana de tiempo de la campaña: alguien que vio un espacio hace semanas probablemente ya resolvió su necesidad por otro lado, y seguir mostrándole el mismo segmento de recomendados no suma, solo satura.
El otro punto a cuidar es la relevancia del segmento: si el sistema arma una lista de "espacios parecidos" demasiado amplia o poco ajustada a lo que la persona realmente vio, el retargeting pierde precisión y empieza a parecerse al problema que buscaba resolver, mostrar contenido genérico a quien ya mostró una intención específica.
El mismo mecanismo detrás de la landing y los ads automáticos cuando un producto se destaca
Este sistema de recomendar y relanzar no es aislado: es la misma lógica que corre cuando un producto se destaca y el sistema le arma su propia landing y sus propios ads. En ambos casos, el disparador es una señal real (qué vio la persona, qué producto está performando) y no una tarea manual repetida por cada combinación posible. Acá el disparador es "esta persona vio este espacio" y la respuesta es "armale una recomendación de espacios parecidos y relanzale el ad con eso", en vez de "volvé a mostrarle lo mismo".
La base conceptual de por qué esto importa está en personalizar el mensaje según el momento de cada usuario: mostrarle a todos el mismo ad, sin importar qué acción tomaron antes, es la versión menos efectiva de cualquier estrategia de retargeting, sea un marketplace de miles de espacios o una marca con un catálogo chico.
En resumen
- Retargeting bien hecho no repite el mismo aviso, arma primero una lista de espacios parecidos y recién ahí relanza el ad.
- El público se arma automáticamente por ítem visto, no a mano, algo indispensable cuando el catálogo tiene miles de referencias.
- El caso SpacePal (más de 40.000 espacios en más de 20 países, con Meta Ads y Google Ads activos) muestra el mecanismo funcionando a escala real.
- Recomendar espacios parecidos reduce el riesgo de cansar al usuario frente a repetir siempre el mismo ítem.
- Es el mismo mecanismo que arma landing y ads automáticos cuando un producto se destaca, aplicado acá a un segmento de usuarios en vez de a un solo producto.
Seguí leyendo
- Caso SpacePal, marketplace de doble lado donde corre este mecanismo de retargeting: https://claura-ai.com/resources/marketplace-doble-lado-sistema-spacepal
- Cuando un producto se destaca, el sistema le arma landing y ads: https://claura-ai.com/resources/producto-destacado-landing-ads-automaticos
- Personalizar el mensaje según el momento de cada usuario: https://claura-ai.com/resources/personalizacion-mensajes-clientes-crm-agentes-ia
¿Querés automatizar el 80% de tus procesos manuales?
Sin code. Sin contratar devs. Sin frenar el negocio.
Preguntas frecuentes sobre Retargeting automático con espacios recomendados
Mostrar el mismo aviso otra vez es repetir el anuncio del espacio exacto que alguien ya vio, sin importar si sigue disponible o si a esa persona le sirve más una alternativa parecida. Retargeting bien hecho es distinto: el sistema detecta qué espacio siguió esa persona, arma automáticamente una lista de espacios similares (misma categoría, ciudad o rango de capacidad) y recién ahí relanza el ad, mostrando esas alternativas en vez del mismo ítem. La diferencia no es cosmética, es de intención: repetir el aviso asume que la persona quiere ese espacio puntual, mientras que recomendar espacios parecidos asume, con más precisión, que quiere resolver una necesidad (un lugar para un evento) que varios espacios pueden cubrir. Este es el mismo principio de fondo que documenta el caso SpacePal: un sistema que reacciona a una señal real en vez de repetir la misma pieza sin criterio.
Armar un público de retargeting a mano por cada ítem del catálogo no escala cuando hay miles de espacios, como en un marketplace de doble lado. El sistema resuelve esto registrando qué ítem puntual vio cada persona y, en vez de crear un público manual por espacio, genera al vuelo un segmento de espacios similares (misma categoría, zona o capacidad) y lo asocia a esa visita. Es la misma lógica de automatización que describen las guías de retargeting en Facebook Ads al hablar de crear públicos, pero aplicada a un catálogo que cambia constantemente en vez de a un puñado fijo de productos. El sistema arma el segmento y el creativo correspondiente sin que una persona configure cada combinación de ciudad y categoría a mano, algo que ya corre en el caso de SpacePal sobre su catálogo de más de 40.000 espacios.
Ahí es exactamente donde repetir el mismo aviso deja de funcionar: si el espacio ya no está disponible, mostrarlo otra vez lleva a una persona interesada a un dead end. El sistema evita ese problema mostrando espacios parecidos en vez del ítem original, así que aunque ese espacio puntual ya no esté disponible, el ad sigue siendo relevante porque apunta a alternativas reales dentro del mismo catálogo. Esto conecta directo con el mecanismo de landing y ads automáticos cuando un producto se destaca: el sistema no depende de que un ítem específico siga vigente, depende de que existan alternativas parecidas en el catálogo, algo mucho más probable en un marketplace con miles de espacios activos que en uno con pocos ítems fijos.
Una vez armado el segmento de espacios parecidos, el sistema no se detiene ahí: genera los creativos de ads a partir de esos mismos espacios recomendados, sin que alguien diseñe cada pieza a mano por combinación de ciudad y categoría. Es el mismo workflow que describe Loop (adloop.app) para generación de creativos y optimización de campañas con IA, aplicado acá al caso puntual de retargeting sobre un catálogo grande. El sistema genera la variante del creativo, la lanza como campaña de retargeting sobre el segmento de espacios parecidos y sigue la performance real (costo por resultado, conversión) antes de decidir en qué espacios recomendados seguir invirtiendo presupuesto.
El mecanismo rinde más cuanto más grande y variado es el catálogo, porque ahí es donde armar un público manual por ítem deja de ser viable, pero el principio de fondo aplica igual a una marca chica: detectar qué vio cada persona y mostrarle alternativas relevantes en vez de repetir siempre lo mismo. Una marca con pocos productos puede aplicar la misma lógica agrupando por categoría o rango de precio en vez de por ciudad, la escala del catálogo cambia, no el mecanismo. Esto se conecta con personalizar el mensaje según el momento de cada usuario: mostrarle a todos el mismo ad, sin importar qué vieron antes, es la versión menos efectiva de cualquier estrategia de retargeting, sin importar el tamaño del catálogo.
Fuentes e inspiración
Mirá los posts originales donde desarrollamos estas ideas en redes.
