Cómo construye Meta un público similar

Los públicos similares (lookalike audiences) funcionan así: le das a Meta un conjunto de personas — tu seed audience — y le pedís que encuentre perfiles similares en toda su base de usuarios. La calidad del lookalike depende 100% de qué tan bien Meta puede identificar a esas personas.

Para identificar a alguien, Meta necesita parámetros de coincidencia: email, teléfono, nombre, ciudad, código postal. Cruza esos datos contra sus propios perfiles y arma el modelo de similitud.

El problema es que, si tu pixel del navegador no está mandando esos parámetros, Meta recibe el evento de compra pero sin identidad. Sabe que alguien compró. No sabe quién.

¿Cuántos compradores puede identificar Meta realmente?

Acá está el número que nadie quiere ver: en promedio, el pixel del navegador logra que Meta identifique entre el 40% y el 60% de los compradores. El resto llega como eventos anónimos.

¿Por qué? Porque el pixel del navegador corre en un entorno que te juega en contra:

• Bloqueadores de anuncios: entre 25% y 40% de los usuarios en LATAM los usa, especialmente en desktop. El script de Meta es el primero en la lista de bloqueo.
• iOS y ATT: si tu comprador usó el browser in-app de Instagram en un iPhone y rechazó el rastreo, la señal de identidad se corta.
• Safari ITP: Safari borra las cookies de terceros en 7 días. El comprador que vio tu anuncio hoy y compró en 10 días llega sin identificación.
• Checkouts acelerados: los pagos con un clic saltean pasos del checkout donde se capturan datos de identidad.
• Email no capturado: si el pixel dispara el evento de Purchase antes de que el usuario loguee sus datos, el email nunca se adjunta.

El resultado: de 1.000 compras en tu tienda, Meta puede identificar correctamente a 400-600. Las otras 400-600 son fantasmas en tu seed audience.

¿Cuál es la conexión con el EMQ?

El Event Match Quality (EMQ) es el puntaje del 1 al 10 que Meta le asigna a tus eventos según cuántos parámetros de coincidencia llegan correctamente. Un EMQ de 4 sobre 10 no solo afecta la atribución: afecta directamente la calidad de los datos que usás para construir tus públicos.

Un seed audience construido con eventos de EMQ bajo tiene estos problemas:

• Meta puede identificar menos personas → el seed es más chico de lo que creés
• Las personas que sí identifica pueden estar sesgadas (por ejemplo, solo los que compraron desde desktop sin bloqueador)
• El modelo de similitud que construye Meta es menos preciso
• El lookalike apunta a un perfil que no representa a tu cliente real

Podés leer más sobre qué es el EMQ y cómo subirlo. La corta: más parámetros de identidad en cada evento → mayor EMQ → mejor lookalike.

¿Cuántos parámetros tendrías que estar mandando?

Meta acepta estos parámetros de coincidencia en el evento de Purchase:

• Email (em): el más importante. Solo con el email, Meta puede identificar al usuario en la mayoría de los casos.
• Teléfono (ph): segundo más valioso, especialmente en Argentina donde hay alta penetración de WhatsApp vinculado a Facebook.
• Nombre y apellido (fn / ln): complementa la identificación, especialmente cuando el email no está disponible.
• Ciudad y código postal (ct / zp): mejora la precisión geográfica del matching.
• fbp y fbc: cookies propias de Meta. Si el bloqueador cortó la cookie, no llegan.

El pixel del navegador típico manda 2 o 3 de estos parámetros, y solo cuando el entorno no lo bloquea. Con tracking server-side, podés mandar todos los parámetros disponibles desde el servidor — sin que ningún bloqueador lo intercepte — porque tu servidor tiene acceso a los datos del pedido completo.

Cómo mejorar los datos que llegan a tu seed audience

Tres acciones concretas:

1. Implementá la Conversions API (CAPI)

La Conversions API de Meta te permite mandar eventos de compra directamente desde tu servidor. No depende del navegador, no la bloquean los bloqueadores, y puede incluir todos los parámetros de identidad del pedido. Es la solución oficial de Meta para recuperar señal perdida.

2. Habilitá la deduplicación de eventos

Cuando usás CAPI junto al pixel del navegador (lo más común), Meta puede recibir el mismo evento dos veces. Sin deduplicación correcta, eso infla los datos y confunde al algoritmo. La solución es usar un event_id único y consistente en ambos canales para que Meta pueda colapsar los duplicados.

3. Asegurate de que el email del comprador llegue

El email es el parámetro más valioso. Revisá que tu pixel dispare el evento de Purchase después de que el usuario completó el formulario de checkout — no antes. En muchos setups, el pixel se dispara demasiado temprano y el email nunca se adjunta.

Qué hace Escalafy en esto

El pixel server-side de Escalafy manda a Meta todos los parámetros de identidad disponibles en el pedido — email, teléfono, nombre, ciudad, código postal — directamente desde el servidor, con deduplicación automática respecto al pixel del navegador.

Pero hay algo que ninguna otra herramienta de tracking hace: como Escalafy ya conoce el costo real de cada producto, el flete, las comisiones de Mercado Pago o Tiendanube y las cuotas, cada evento que llega a Meta incluye no solo la venta sino la ganancia real detrás de ella. Podés optimizar tus campañas por profit real, no por facturación.

Podés ver cómo funciona en la página del pixel server-side de Escalafy.

Preguntas frecuentes

¿Necesito desactivar el pixel del navegador si uso CAPI?

No. La recomendación de Meta es usar ambos en paralelo. El pixel del navegador captura datos de comportamiento previos a la compra (PageView, ViewContent, AddToCart) que el servidor no puede capturar con la misma precisión. La clave es tener deduplicación activa para los eventos que ambos reportan.

¿Con cuántos eventos mínimos puedo crear un lookalike útil?

Meta recomienda mínimo 1.000 eventos de alta calidad (EMQ 7+) para construir un lookalike confiable. Con menos, el modelo no tiene suficiente señal. Si tenés 1.000 compras pero EMQ 4, en la práctica solo Meta pudo identificar ~400 personas — el modelo trabaja como si tuvieras 400 compradores.

¿Los públicos de valor (value-based lookalikes) funcionan mejor?

Sí, cuando tenés datos de valor confiables. Meta puede construir un lookalike ponderado por el valor de la compra. El problema es que si el pixel manda el precio de lista pero no el margen real, Meta optimiza para compradores que gastan más, no para los más rentables. Con datos de profit real, el lookalike apunta a compradores que dejan más margen.

¿Cuánto tiempo tarda en mejorar el rendimiento después de subir el EMQ?

Los primeros 7-14 días hay una fase de reaprendizaje. Meta está actualizando sus modelos con mejores datos. Después de ese período, los nuevos lookalikes construidos con el seed mejorado empiezan a rendir mejor. No abandonés el test antes de las 2 semanas.

¿Esto aplica también para los públicos de retargeting?

Sí. Si Meta no pudo identificar a 600 de tus 1.000 compradores, esas 600 personas tampoco entran en tus públicos de exclusión ni en los de retargeting de carrito abandonado. Estás pagando para mostrarle anuncios a gente que ya compró, porque Meta no sabe que compró.