Cada vez que un anuncio en redes sociales parece leerte la mente, hay un proceso de segmentación detrás decidiendo, entre miles de millones de usuarios, que esa persona en concreto merece ver ese mensaje en concreto. Es uno de los engranajes que menos se ve y más mueve el resto de la actualidad de Marketing: lo que ha cambiado en los últimos años no es tanto la idea (dirigirse a quien de verdad puede estar interesado), sino la forma de conseguirlo, cada vez menos manual y más delegada en el propio algoritmo de la plataforma.
Los tres tipos de público que maneja cualquier plataforma
Detrás de cualquier campaña hay, básicamente, tres formas de definir a quién llega un anuncio. Los públicos por intereses segmentan según los datos demográficos, comportamientos y temas que la propia plataforma ha inferido de la actividad del usuario: edad, ubicación, aficiones declaradas o interacciones previas. Los públicos personalizados parten de datos propios de la marca, como listas de clientes, visitantes de la web o usuarios de una aplicación, y suelen ser la fuente de mayor calidad porque reflejan a personas que ya han tenido contacto real con el negocio. A partir de ahí surgen los públicos similares (o lookalike), que piden a la plataforma encontrar nuevos usuarios que se parezcan, en un porcentaje concreto, a ese público personalizado de partida.
Cuando el algoritmo decide por ti
La tendencia de los últimos años apunta a dar cada vez menos instrucciones y dejar que sea la propia inteligencia artificial de la plataforma quien decida. En la segmentación amplia (o Advantage+, en el caso de Meta), el anunciante apenas indica el sexo, el rango de edad y la ubicación, y es el sistema, apoyado en inteligencias artificiales que escanean el contenido visual y textual del propio anuncio, el que busca a quién mostrárselo para maximizar los resultados. Esta forma de segmentar suele funcionar mejor cuanta más información previa tiene la cuenta: cuando ya existen varios cientos o miles de conversiones acumuladas, el algoritmo tiene un perfil mucho más claro de quién compra realmente.
Por qué la segmentación ya no es lo que era
Buena parte de este cambio de enfoque tiene una causa muy concreta: la privacidad. La función App Tracking Transparency de Apple, la desaparición progresiva de las cookies de terceros y las leyes de protección de datos regionales han reducido de forma permanente la cantidad de información que las plataformas reciben desde fuera de sus propios sistemas. Meta, por ejemplo, ha eliminado miles de opciones de segmentación por intereses y comportamientos relacionados con temas sensibles como la salud, la política o la religión, y hoy trata la mayoría de los criterios de segmentación como simples «sugerencias» salvo que el anunciante los bloquee de forma explícita, algo que ya forma parte de la propia estrategia de integración de IA de la compañía en todas sus plataformas, incluida la que ha llevado su asistente a los mensajes privados de Threads. El resultado es que los datos propios de cada marca, los públicos personalizados, se han convertido en el activo de segmentación de mayor calidad disponible, precisamente porque no dependen de lo que un tercero pueda seguir rastreando.
Las diferencias entre plataformas
No todas las redes ofrecen las mismas opciones ni tiene sentido usarlas igual. Facebook e Instagram destacan por una segmentación demográfica y por intereses muy granular, pensada para audiencias amplias de consumo. LinkedIn, en cambio, segmenta por criterios propios del mundo laboral: sector, cargo o tamaño de la empresa, lo que la convierte en la opción natural para campañas B2B. TikTok concentra un público más joven y responde mejor a anuncios con formato nativo que a la segmentación tradicional, mientras que Google Ads construye sus propios segmentos a partir de aplicaciones, palabras clave y datos demográficos detallados de quien navega por la red de búsqueda y display.
En el fondo, todas estas plataformas están resolviendo el mismo problema desde ángulos distintos: cuantos menos datos de terceros pueden usar, más depende el resultado de la calidad de los datos propios de la marca y de la capacidad del algoritmo para interpretarlos. Segmentar bien, hoy, tiene menos que ver con acotar manualmente cada variable y más con alimentar a la plataforma con las señales correctas para que decida ella.
- Toda segmentación se apoya en tres bloques: públicos por intereses, públicos personalizados (datos propios de la marca) y públicos similares o lookalike.
- La segmentación amplia (Advantage+) deja que la IA de la plataforma decida a quién mostrar el anuncio, y funciona mejor cuantas más conversiones previas tiene la cuenta.
- El fin de las cookies de terceros y el App Tracking Transparency de Apple han reducido los datos externos disponibles, y muchas categorías de intereses sensibles ya han desaparecido.
- Los públicos personalizados (datos propios) son hoy el activo de segmentación de mayor calidad.
- Cada red social segmenta distinto: Facebook/Instagram por demografía e intereses, LinkedIn por criterios B2B, TikTok por formato nativo y Google Ads por búsquedas y apps.
