La rotación de ofertas es el mecanismo que decide, cada vez que un formato se muestra, cuál de las ofertas disponibles ocupa cada espacio. Si en un artículo de viajes hay más ofertas válidas para el lector que huecos donde enseñarlas, alguien tiene que elegir. La respuesta ingenua es «las que más pagan»; la correcta es «las que más van a vender en este sitio, para este país, ahora», y esa respuesta hay que aprenderla con datos.
¿Qué es la rotación de ofertas en afiliación?
En afiliación, cada espacio de un formato puede ocuparlo una oferta distinta. La rotación es la regla que reparte esos espacios entre las candidatas: cuál sale, cuántas veces y cuándo deja de salir. Antes de rotar ya se ha hecho un filtro: solo compiten las ofertas activas, relacionadas con el tema de la página y disponibles en el país de quien lee.
Esta guía explica cómo funciona una rotación que aprende, por qué repartir las impresiones por igual durante semanas es lento y caro, y qué decisiones separan un buen sistema de uno que solo parece inteligente. Sirve tanto si gestionas tus propias ofertas como si quieres entender qué pasa dentro de una plataforma.
¿Probar ofertas nuevas o repetir la que ya vende?
Cada impresión es una apuesta. Si enseñas siempre la oferta que mejor ha ido hasta ahora, ganas lo seguro pero nunca descubres si otra vendería más. Si repartes las impresiones por igual, aprendes mucho pero regalas espacio a ofertas mediocres. Es el dilema de explorar o explotar: probar lo nuevo o aprovechar lo conocido.
Se suele explicar con una sala de máquinas tragaperras: cada oferta es una máquina distinta y quieres llevarte el mayor premio total sin conocer de antemano las probabilidades de ninguna. La pregunta práctica no es qué método es el mejor en teoría, sino cuál decide bien con pocos datos, se adapta cuando cambian las condiciones y se puede explicar cuando alguien pregunta por qué salió una oferta.
¿Cómo funciona el muestreo de Thompson, sin fórmulas?
Una de las técnicas que mejor equilibra esas exigencias es el muestreo de Thompson. La idea cabe en tres frases. Para cada oferta no se guarda una sola cifra de rendimiento, sino un rango estimado con un grado de certeza. En cada impresión se saca un valor al azar dentro del rango de cada oferta y se muestra la que sacó el más alto. Cada resultado, sea un clic, una venta o nada, ajusta el rango de esa oferta.
Lo elegante es que las pruebas salen solas. Una oferta nueva tiene un rango ancho porque hay mucha incertidumbre, así que a veces saca valores altos y recibe espacio; a medida que acumula datos, el rango se estrecha alrededor de su valor real. Una oferta que ha demostrado vender poco saca valores bajos casi siempre y deja de aparecer sin que nadie la apague a mano.
¿Por qué decidir por país y no con un promedio?
La decisión de diseño más importante es con cuánto detalle se aprende. Si se guarda una sola estimación por oferta, se mezclan mercados distintos y se decide mal en todos. Una tienda puede vender muy bien en un país y poco en el vecino por precios, envíos o reputación de marca. Con una estimación por oferta y por país, esa diferencia aparece y se aprovecha.
El precio es que hay más estimaciones que alimentar, y en países con poco tráfico los datos tardan en llegar. Ahí ayuda partir de una estimación inicial razonable y apoyarse en el comportamiento general de la oferta mientras se juntan datos locales. Cómo se detecta el país del lector, y con qué precisión, lo contamos en la guía de geolocalización en afiliados.
Qué hacer cuando cambian las condiciones
Una oferta que vendía muy bien hace unos meses puede no vender hoy: cambió el precio, se agotó el producto o la marca dejó de enviar a un país. Un sistema que recuerda todo para siempre se vuelve terco y sigue apostando por lo que ya no funciona.
La solución es una memoria corta, en la que los datos pierden peso con el tiempo: lo reciente cuenta más que lo antiguo. Así, un cambio de condiciones se nota en días y no en meses. Y como las ofertas nuevas empiezan con mucha incertidumbre, entran en juego enseguida, sin una fase de prueba manual.
¿Qué se optimiza y quién lo decide?
«Rendimiento» puede significar cosas distintas. Los ingresos por cada mil impresiones son el objetivo natural para un sitio web; la tasa de clics sirve cuando el contenido es de descubrimiento; las ventas confirmadas, cuando importa más la calidad que el volumen. Lo razonable es que cada sitio pueda elegir su objetivo y que el sistema aprenda con esa métrica, no con otra.
Conviene además reservar siempre una pequeña parte de las impresiones para las ofertas menos probadas. Sin esa reserva, una oferta que gana pronto puede quedarse con todo el espacio y el sistema nunca se enteraría de que apareció algo mejor.
Errores frecuentes al rotar ofertas
El primero es ordenar por comisión. Una oferta que paga mucho y casi no vende ocupa espacio que otra aprovecharía mejor. El segundo es rotar sin filtro de país, que enseña ofertas que el lector no puede comprar y ensucia todos los datos que vienen después.
El tercero es aprender con datos falsos. Si los clics de bots o los clics repetidos se cuentan como interés real, el sistema premia justo a las ofertas que atraen ese tráfico. Por eso la rotación y el control del tráfico inválido van de la mano: antes de decidir hay que limpiar.
Lo que ADQ Links, la afiliación de ADEQ, resuelve antes de rotar
En ADQ Links, la afiliación de ADEQ, la parte que no se negocia está resuelta antes de cualquier reparto: solo entran en juego campañas activas de marcas reales que encajan con lo que se está leyendo y que el lector puede comprar donde está. Una campaña pausada, vencida o que no vende en ese país no se muestra.
Además, cada clic lleva el identificador del sitio de origen y va firmado, y los clics de bots y los repetidos se descartan. Así, lo que se mide es interés real, y las comisiones confirmadas se cobran con ADEQ junto al resto de tus ingresos.
Preguntas frecuentes
¿Cuántas impresiones hacen falta para decidir bien?
No hay una cifra fija. Un método como el muestreo de Thompson toma decisiones razonables desde el principio y las mejora a medida que llegan datos. En países con poco tráfico, una estimación inicial sensata evita que las primeras decisiones sean puro azar.
¿Se puede fijar una oferta para que salga siempre?
Sí, pero conviene hacerlo como una regla explícita, por ejemplo por un acuerdo directo con una marca, y no forzando la rotación. Una oferta fijada se muestra fuera del reparto y no contamina lo que se aprende sobre las demás.
¿En qué se diferencia de una prueba A/B?
Una prueba A/B reparte el tráfico por igual durante un periodo fijo y decide al final. Una rotación que aprende desplaza el tráfico hacia lo que vende mientras sigue midiendo, así que desperdicia menos impresiones y se adapta cuando cambia la oferta ganadora.
¿Cuánto podría rendir tu inventario?
Analizamos tu sitio y te decimos qué se puede mejorar. Sin compromiso.
Evalúa tu sitio