Capítulo 1 de 12 · min 0:00 a 2:19
Por qué es tan difícil trabajar con la data a nivel anuncio de Meta y TikTok
El problema de la información a nivel anuncio en Meta y TikTok Ads: APIs lentas, volumen masivo de filas y herramientas como Google Sheets o Looker Studio que se saturan.
El problema que vemos en el mercado
Vemos un problema muy puntual con la información a nivel anuncio. El equipo de marketing digital tiene muchas dificultades para tenerla en modo real-time y con todo el histórico, ya sea en Meta o en TikTok Ads. Esto pasa especialmente cuando hay muchas cuentas: en agencias con muchos clientes, o en equipos que trabajan con varios países y en general tienen una cuenta de anuncios por país.
No tener esa información en un mismo lugar y en tiempo real genera mucha fricción en la toma de decisiones: qué anuncio está performando mejor, cuál está trayendo conversiones y cuál no, cómo resultaron los experimentos entre anuncios. Esa fricción termina en campañas suboptimizadas, porque no hay visibilidad para decidir con certeza.

Por qué el acceso a la data es tan complicado
Las plataformas, en primer lugar, no tienen una manera intuitiva de visualizar esta información, especialmente cuando son muchos anuncios y muchas cuentas. Además, las APIs de Meta y TikTok tardan mucho en devolver los datos: se rompen, se saturan, y hasta a nivel programático el acceso es complejo.
El volumen es el otro enemigo
La información a nivel anuncio es la de mayor granularidad en el marketing digital: las campañas tienen grupos de anuncios, y los grupos tienen anuncios. Son muchas filas, especialmente cuando se necesita el desglose por día o por hora.
Con ese volumen, las herramientas tradicionales de análisis como Google Sheets o Looker Studio se saturan: no están pensadas para Big Data, sino para análisis más livianos. Entre el acceso complicado y el volumen gigante, trabajar con esta información se vuelve muy difícil.
Preguntas frecuentes
¿Qué es la información a nivel anuncio?
Es la información con mayor granularidad del marketing digital: las campañas tienen grupos de anuncios, y los grupos tienen anuncios. Ver métricas por anuncio individual, día por día, multiplica el volumen de filas respecto a mirar solo campañas.
¿Por qué se satura Google Sheets con data a nivel anuncio?
Google Sheets y Looker Studio están pensados para análisis livianos, no para Big Data. Con muchos anuncios, muchas cuentas y desgloses diarios u horarios, el volumen supera lo que estas herramientas manejan sin volverse lentas.
¿Este problema afecta solo a agencias?
No. Pasa en agencias con muchos clientes, pero también en equipos de marketing que operan en varios países y suelen tener una cuenta de anuncios por país.
Todos los capítulos de esta serie
- 0:00 1. El problema: la data a nivel anuncio
- 2:19 2. La solución: warehouse, histórico y deduplicación incremental
- 5:15 3. Muestra del resultado final en BigQuery
- 8:27 4. Primer paso: conectar Claude con Detrics vía MCP
- 11:02 5. Segundo paso: explorar las fuentes y diseñar el esquema de datos con Claude
- 13:51 6. Cómo funciona el warehouse de Detrics
- 19:31 7. Los table groups creados en Detrics
- 22:04 8. Tercer paso: crear la destination en tu propio Google Cloud
- 25:27 9. Cuarto paso: las transferencias y la carga histórica
- 30:53 10. La data en BigQuery: tablas, filas y creativos en tu bucket
- 33:19 11. Analizar los datos con Claude y el MCP de BigQuery
- 37:41 12. Paso final: la vista consolidada Meta + TikTok
¿Querés construir esto con tus propios datos?
