Estudio de caso
Blue Wheel ayuda a Ariat a lograr un aumento del 620% en el CTRcon Desempeño+ de Amazon DSP
Blue Wheel diseñó un marco de prueba y aprendizaje controlado para responder una pregunta clave: ¿podría Desempeño+ de Amazon DSP superar el remarketing tradicional? Los resultados validaron la optimización impulsada por IA a gran escala.
información clave
620%
Aumento del CTR con la optimización de pujas impulsada por IA
72%
Disminución del eCPC al tiempo que se generaba un 134% más de visualizaciones de página de detalles del producto
60%
Aumento del ROAS mediante la automatización de Desempeño+
Objetivos
A medida que la inversión en medios de retail crece y los anunciantes buscan más eficiencia, la optimización impulsada por IA se ha vuelto fundamental para obtener una ventaja competitiva. Al igual que muchas marcas en crecimiento, Ariat —una empresa líder de calzado y ropa de alto rendimiento— enfrentaba el desafío de hacer crecer su publicidad en la parte superior del embudo sin perder rentabilidad. La marca había construido una presencia sólida en Amazon a través de campañas estándar de Amazon DSP con remarketing e inversiones más grandes en el sitio de Amazon, pero buscaba formas más escalables y eficientes de impulsar un crecimiento incremental sin sacrificar el control operativo.
Ariat se asoció con Blue Wheel —socio avanzado de Amazon Ads y agencia de marketing de desempeño omnicanal que ayuda a las marcas a crecer con estrategias para todo el embudo de ventas en Amazon— para responder una pregunta clave: ¿podría Desempeño+ de Amazon DSP superar las estructuras de campaña tradicionales de Amazon DSP que dependían de la segmentación estática de audiencias y la administración manual de pujas? Al ampliar sus esfuerzos de adquisición de clientes, la marca necesitaba un marco de pruebas para medir el impacto de la optimización impulsada por IA en un entorno de retail real. En concreto, Ariat buscaba evaluar si las pujas dinámicas basadas en señales y el modelado predictivo de audiencias de Amazon DSP podían mejorar la eficiencia en medios, aumentar el nivel de interacción con los compradores, impulsar una mayor adquisición de clientes nuevos de la marca y ofrecer un mayor retorno de la inversión publicitaria (ROAS) sin poner en riesgo el rigor en la medición y la estabilidad de las campañas a largo plazo.
Estrategia
Blue Wheel diseñó un marco disciplinado de prueba y aprendizaje para evaluar el impacto incremental de Desempeño+ de Amazon DSP en un entorno de retail real. El equipo realizó un experimento controlado de tres meses de duración en el que comparó campañas de anuncios de display multiproducto de Desempeño+ con un grupo de control basado en estrategias de remarketing tradicionales de Amazon DSP.
Ambas estructuras de campaña se enfocaron en la misma audiencia de alta intención: compradores que veían las páginas de detalles del producto, pero no realizaban ninguna compra, lo que garantizaba condiciones de medición consistentes. El factor diferenciador era el uso que hace Desempeño+ de la optimización impulsada por IA de Amazon. Esta tecnología usa señales propias de compradores para ajustar dinámicamente las pujas, priorizar audiencias y entregar anuncios según las probabilidades de conversión y los patrones de comportamiento e interacción.
En lugar de depender de una segmentación estática de audiencias y de una lógica de pujas manuales, la estrategia usó el aprendizaje automático para identificar compradores incrementales y expandir la adquisición de forma más eficiente. Los presupuestos, materiales creativos y plazos de campaña se estandarizaron en todos los grupos de prueba para preservar la integridad de las mediciones y aislar el impacto generado por la automatización. Blue Wheel mejoró aún más el desempeño mediante la supervisión estratégica de los umbrales de eficiencia, la asignación de presupuesto y la priorización de productos, mientras que los ajustes de ROAS sobre la durante el periodo de publicidad activa permitieron alcanzar una mayor escala sin comprometer la rentabilidad en forma significativa. Esta metodología estructurada le permitió a Ariat evaluar con confianza la automatización a gran escala, al tiempo que minimizaba el riesgo operativo y mantenía la continuidad de las campañas.
Resultados
Desempeño+ de Amazon DSP logró mejoras significativas en el desempeño impulsadas por IA al combinar las señales propias de compradores de Amazon con una optimización de audiencias y pujas basada en el aprendizaje automático. La campaña superó las expectativas de eficiencia y adquisición en los cuatro KPI, lo que demuestra el potencial de la publicidad impulsada por la automatización a gran escala.
La tasa de clics (CTR) aumentó un 620%, y superó con creces al grupo de control, además de mostrar un mayor nivel de interacción de los compradores.1 Al mismo tiempo, el costo efectivo por clic (eCPC) disminuyó un 72%, lo que mejoró la eficiencia de los medios y generó un aumento del 134% en las vistas de página de detalles (DPV).2 Las estadísticas de retorno también mejoraron de forma considerable: el retorno de la inversión publicitaria (ROAS) aumentó un 60% y el ROAS de clientes nuevos de la marca mejoró un 107%, lo que destaca la capacidad de la campaña para adquirir nuevos clientes con eficiencia y a gran escala.3
Estos resultados se lograron sin comprometer el rigor de la medición y la estabilidad de la campaña. El marco de prueba y aprendizaje controlado garantizó que las mejoras en el desempeño pudieran atribuirse directamente a la optimización impulsada por IA de Desempeño+, y no a factores externos.
La prueba validó cómo la optimización impulsada por IA puede potenciar los esfuerzos de adquisición, mejorar la velocidad de toma de decisiones y reducir la dependencia de la segmentación manual de audiencias y las estrategias de puja, lo que crea un marco publicitario más sostenible a largo plazo para Ariat en el sitio de Amazon. Estos resultados demuestran cómo Desempeño+ de Amazon DSP puede ayudar a las marcas a impulsar la adquisición mientras mantienen la rentabilidad.
Fuentes
1-3 Ariat, Estados Unidos, 2025.