YieldBI para SaaS

SaaS tiene un problema estructural con el social de pago que la mayoría de los demás verticales no tiene: te pagan mensualmente, y pagas al cliente por adelantado.

Una marca de ecommerce sabe en un día si un pedido fue rentable. Un negocio SaaS que adquiere un cliente a 400 € en un plan de 49 €/mes no llega al punto de equilibrio hasta pasados ocho meses, y solo si el cliente se queda. Cada decisión de optimización que tomas descansa sobre una suposición de retención, y la plataforma de anuncios no tiene ni idea de que nada de esto está pasando.

El coste por demo es el número titular equivocado

Es el número que todo el mundo reporta porque es el número disponible el primer día. También es el número menos conectado con si la campaña funcionó.

La cadena que importa va: clic → prueba o demo → activación → pago → retención más allá del payback. Cada paso tiene una tasa de conversión que varía según el anuncio, y la varianza se acumula. Dos campañas con el mismo coste por demo suelen diferir entre 2 y 3 veces en coste por cliente retenido, porque atrajeron a personas distintas.

El único número sobre el que vale la pena construir la cuenta es el periodo de payback: cuántos meses de ingresos hacen falta para recuperar el coste de adquisición. Convierte un argumento abstracto sobre calidad de lead en una decisión: si puedes permitirte este cliente a este precio, y es el número que tu equipo de finanzas ya está usando.

Por qué self-serve y sales-led necesitan configuraciones distintas

Self-serve. El volumen es lo bastante alto como para que el inicio de prueba pueda soportar la optimización directamente. La trampa es que el inicio de prueba es trivialmente fácil de convertir, así que Meta encontrará encantado a gente que empieza pruebas y nunca se activa. Optimiza sobre el evento de activación en su lugar, siempre que alcance más o menos 50 eventos por conjunto de anuncios a la semana. Si no lo alcanza, optimiza sobre el inicio de prueba y evalúa sobre la activación.

Un caso concreto aclara el mecanismo. Una herramienta SaaS self-serve que se vende a 79 €/mes hizo correr dos conjuntos de anuncios contra la misma landing page, ambos optimizados sobre el inicio de prueba. Uno produjo 220 pruebas a 9 € cada una. El otro produjo 140 pruebas a 15 € cada una. En coste por prueba, el primer conjunto de anuncios ganaba con holgura. Tres meses después, el primer conjunto de anuncios había convertido 4 pruebas en clientes de pago, y el segundo había convertido 19. Las pruebas baratas eran en su mayoría gente probando una herramienta gratuita sin intención de pagar, y Meta simplemente había encontrado más de ese perfil. Cambiar el criterio de optimización a la activación, definida como conectar una fuente de datos y completar un informe, invirtió la clasificación en la misma semana de datos. La lección no es que las pruebas baratas sean malas. Es que el evento sobre el que optimizas le dice a Meta qué tipo de persona encontrar, y el inicio de prueba selecciona curiosidad en lugar de intención.

Sales-led. El volumen de solicitudes de demo casi nunca es suficiente para que Meta aprenda a nivel de conjunto de anuncios, y el resultado real está a meses de distancia. Optimiza sobre el evento previo, devuelve el resultado de oportunidad cualificada a través de conversiones offline, y acepta que la optimización de entrega corre sobre un proxy mientras tus decisiones de presupuesto corren sobre pipeline.

Intentar llevar una operación sales-led optimizando directamente sobre el cierre ganado es el error caro más habitual aquí. No hay volumen suficiente, llega demasiado tarde, y los conjuntos de anuncios nunca salen de la exploración.

Meta es un canal de creación de demanda, y la medición lo refleja

La búsqueda captura a personas que ya saben que tienen tu problema. Meta interrumpe a personas que no lo saben. Eso implica más consideración, más conversiones asistidas, y una infravaloración sistemática en el reporting de último clic.

La consecuencia es predecible: el social de pago parece peor de lo que es, se le quita presupuesto, y el volumen de búsqueda de marca cae en silencio un trimestre después. Si tienes el presupuesto para hacerlo, un holdout geográfico zanja el debate mejor que cualquier modelo de atribución, porque mide lo que pasa sin el canal en lugar de discutir sobre el mérito.

Qué testear

Las diferencias que importan tienen que ver con a quién le habla el anuncio, no con qué formato usa:

• Consciente del problema frente a consciente de la solución. Nombrar el dolor llega a una audiencia mucho más amplia que nombrar tu categoría. Nombrar tu categoría llega a gente más cerca de comprar.
• Rol. La persona con el dolor y la persona con el presupuesto suelen ser personas distintas que necesitan argumentos distintos.
• La alternativa de cambio. La mayoría del SaaS no se vende contra un competidor. Se vende contra una hoja de cálculo y no hacer nada, y la creatividad que se dirige a la hoja de cálculo suele superar a la que se dirige al competidor.

Dónde encaja YieldBI

YieldBI mantiene separados el evento de entrega y el evento de evaluación, así que la optimización corre sobre algo con volumen suficiente para ser estable, mientras que las decisiones de presupuesto se juzgan contra activación, pipeline o payback. Las variantes creativas se generan y se lanzan dentro del mismo bucle que lee el resultado, así que el mensaje que produce clientes que retienen mejor se identifica en lugar de diluirse en la media.

Si aún no tienes product-market fit y tu curva de retención sigue moviéndose, nada de esto ayuda todavía. Optimizar la adquisición contra un número de payback inestable produce decisiones seguras construidas sobre un número que será distinto el próximo trimestre.