Más criterio para asignar presupuesto.
Comparar costo de adquisición y retorno entre campañas con definiciones compartidas de CPA y ROAS. Normalizar monedas y datos de cada canal permite evaluar dónde genera valor la inversión sobre una misma base.
Nuestro trabajo
Inteligencia de marketing para invertir mejor.
Entender qué genera retorno. Dar más sustento a las decisiones de presupuesto de hoy y preparar las proyecciones de mañana.
IntelligenceEl proyecto
Para Barbra, cada presupuesto plantea las mismas preguntas: dónde genera valor la inversión, qué explica un cambio en el retorno y qué campañas merecen más presupuesto. Los reportes separados dificultaban comparar esas respuestas. Wagner construyó la base cloud y de datos de Barbra Intelligence para que las decisiones de inversión partan de una visión consistente del rendimiento.
Lo que entregamos
Una plataforma de inteligencia de marketing que reúne Google Ads, Meta Ads y TikTok Ads en una misma visión de inversión, conversiones, costo de adquisición y retorno. Pipelines automatizados y un modelo gobernado en BigQuery alimentan dashboards y análisis con IA para investigar el rendimiento y comparar campañas. Ese histórico normalizado establece la base para futuras proyecciones de inversión, conversiones y retorno.
Servicios
- Arquitectura e ingeniería cloud
- Ingesta directa mediante APIs
- Modelado de datos y ELT
- Calidad de datos y observabilidad
- Ingeniería de producto multiempresa
- Integración de IA conversacional
Resultados y valor generado
- Canales publicitarios
- 3
- Google Ads, Meta Ads y TikTok Ads conectados para comparar inversión y rendimiento.
- Campañas sincronizadas
- 195
- Catálogo registrado en el punto de validación de la implementación.
- Actualización automatizada
- Diaria
- Datos actualizados para revisar la inversión, con recuperación de periodos históricos.
- Capas ELT
- 4
- Raw, staging, core y marts convierten registros de origen en métricas de marketing consistentes.
Respuestas para la siguiente decisión.
Explorar qué campañas rinden mejor y qué explica un cambio en el retorno mediante dashboards y preguntas en lenguaje natural. El equipo puede investigar una pregunta nueva sin esperar otro reporte prediseñado.
Una base para proyectar la inversión.
El histórico normalizado ofrece un punto de partida reutilizable para futuras proyecciones de inversión, conversiones y retorno. Las recomendaciones de presupuesto y los modelos predictivos son la siguiente fase.
Objetivos y desafíos
Decidir sobre presupuesto exige comparar el rendimiento con el mismo criterio. Barbra necesitaba evaluar la inversión entre canales y clientes, explicar cambios en los resultados y preparar el histórico para futuras proyecciones.
- Comparar inversión y retorno entre plataformas con monedas, formatos y definiciones de métricas diferentes.
- Unificar CPA y ROAS para que las conversaciones de presupuesto partan de los mismos números.
- Dar a cada cliente una visión autorizada del rendimiento y a los administradores análisis del portafolio completo.
- Construir un histórico trazable para futuras proyecciones y recomendaciones de presupuesto.
Los datos detrás de una mejor inversión.
Invertir mejor exige confiar en los números. Las APIs directas alimentan BigQuery, donde Dataform valida y unifica las métricas de campañas. Dashboards e IA consumen los mismos marts autorizados, conectando cada análisis con un histórico consistente para futuras proyecciones.
Arquitectura de Barbra IntelligenceRecorrido lógico de los datos
APIs publicitarias oficiales
- Google Ads
- Meta Ads
- TikTok Ads
Ingesta programada
Adaptadores Python · Reintentos controlados · Backfills por fechas
BigQuery · Warehouse analítico
Dataform + SQL · Transformaciones y aserciones de calidadAutomatización y operación
- Cloud SchedulerActualización diaria
- Secret ManagerCredenciales administradas
- Cloud LoggingEjecuciones y errores
- Cloud MonitoringVisibilidad y alertas
Cloud Scheduler activa los jobs de ingesta. Los adaptadores extraen datos mediante APIs oficiales y conservan el origen en BigQuery. Dataform transforma y valida las capas antes de publicar marts para consumo.
La autenticación y el catálogo establecen el contexto de organización y proyecto. El dashboard y la experiencia conversacional consumen los marts autorizados con las mismas definiciones de métricas. No hay consultas en vivo a las plataformas publicitarias desde la IA.
Stack cloud, datos e IA
La ingeniería detrás de métricas comparables, análisis confiable y una base para planificar la inversión.
Ingesta y orquestación
Mantener las revisiones de inversión alimentadas con datos actualizados mediante APIs directas e ingesta automatizada.
- Cloud Run
Jobs de ingesta Python bajo demanda.
- Python
Adaptadores independientes para las APIs de Google, Meta y TikTok.
- Cloud Scheduler
Programación de la actualización diaria.
- Secret Manager
Acceso administrado a credenciales de integración.
Warehouse e ingeniería de datos
Comparar campañas con datos confiables. BigQuery conserva el histórico; Dataform estandariza métricas con transformaciones SQL versionadas y aserciones de calidad.
- BigQuery
Registros originales, modelos canónicos y marts analíticos.
- GitHub
Versionado del SQL de Dataform y las definiciones del modelo.
- Cloud Logging
Estado de ejecución, filas cargadas y errores de extracción.
- Cloud Monitoring
Visibilidad operativa y alertas.
Identidad y producto
Poner el análisis del rendimiento al alcance de cada cliente autorizado, con dashboards y una experiencia conversacional sobre los mismos datos.
- Firebase Authentication
Autenticación de usuarios.
- Firestore
Perfiles, roles, organizaciones y catálogo de campañas.
- Next.js
Aplicación visual y conversacional.
- TypeScript
Interfaces tipadas de la aplicación.
- Vercel
Entrega de la aplicación web.
Nuestro enfoque
Partir de las decisiones de inversión.
Identificar las decisiones que deben apoyar los datos: comparar eficiencia entre canales, entender cambios en ROAS y evaluar campañas para aumentar presupuesto. Definir métricas, monedas y granularidad alrededor de esas preguntas.
Hacer comparables los números.
Conservar los registros originales en BigQuery y normalizarlos con Dataform. Validar identificadores, unicidad y consistencia de métricas para que las revisiones de inversión usen un modelo trazable en lugar de reportes con criterios distintos.
Conectar el análisis con la decisión.
Llevar dashboards y análisis conversacional a los mismos marts autorizados. El equipo puede pasar de un indicador a una pregunta concreta manteniendo el mismo contexto de cliente y las mismas definiciones de métricas.
Actividades clave y aprendizajes
Cuidar los datos que sostienen la decisión.
Automatizar la actualización diaria y registrar cada ejecución. Logs, alertas, reintentos y backfills ayudan a investigar datos faltantes antes de usarlos en una revisión de campañas.
Ajustar el gasto cloud a la etapa de crecimiento.
Procesamiento bajo demanda, consultas particionadas y transformaciones reutilizadas ajustan la plataforma de demostración a su carga. Cuotas, presupuestos y alertas acompañan la expansión controlada hacia nuevas fuentes.
Preparar la planificación futura.
La siguiente fase es usar el histórico normalizado para proyectar inversión, conversiones y retorno, además de detectar anomalías y recomendar presupuestos. La base de datos entregada hace posible esa evolución.
Convierte tus datos en mejores decisiones.
Construye la base cloud y de datos para entender el retorno, orientar la inversión y preparar tus proyecciones.
Habla con un experto