Rotación de campañas de afiliados: cómo un motor decide qué campaña mostrar

¿Por qué explorar o explotar es un dilema?

Cada impresión es una apuesta. Si mostramos siempre la campaña que hasta ahora rindió mejor, ganamos lo seguro pero nunca descubrimos si otra rendiría más. Si repartimos las impresiones por igual, aprendemos mucho pero regalamos tráfico a campañas mediocres. Este es el dilema de explorar o explotar, y tiene décadas de literatura bajo el nombre de “bandidos de varios brazos”: cada campaña es una palanca de una máquina tragamonedas y queremos maximizar el premio total sin conocer las probabilidades.

La pregunta práctica para un medio o un creador de contenido no es cuál algoritmo es el mejor en teoría, sino cuál toma buenas decisiones con pocos datos, se adapta cuando cambian las condiciones y se puede explicar cuando alguien pregunta “por qué salió esta campaña”.

¿Cómo funciona el muestreo de Thompson, sin fórmulas?

La técnica que mejor equilibra esas exigencias se llama muestreo de Thompson. La idea cabe en tres frases. Para cada campaña mantenemos no una cifra de rendimiento sino una distribución de creencias: “creo que su tasa está entre tanto y tanto, con este grado de certeza”. En cada impresión sacamos un número al azar de cada distribución y mostramos la campaña que sacó el número más alto. Cada resultado observado —un clic, una conversión, nada— ajusta la distribución de esa campaña.

Lo elegante es que la exploración sale sola. Una campaña nueva tiene una distribución ancha (mucha incertidumbre), así que a veces saca números altos y recibe tráfico; a medida que acumula datos, la distribución se estrecha alrededor de su valor real. Una campaña que demostró rendir mal saca números bajos casi siempre y deja de aparecer, sin que nadie la apague a mano.

Un buen motor no elige la mejor campaña: elige la que tiene más probabilidades de ser la mejor, y revisa esa creencia con cada impresión.

¿Por qué aprender por país y no en promedio?

La decisión de diseño más importante es la granularidad. Si se aprende una sola distribución por campaña, el motor promedia mercados distintos y toma decisiones equivocadas en todos. Una tienda de electrónica puede ser imbatible en México y mediocre en Perú por precios, envío o marca. Con distribuciones por campaña y país (identificado por su código ISO 3166), el motor descubre esa diferencia y la explota: en cada país gana quien de verdad gana ahí.

El precio es que hay más distribuciones que alimentar, y en países pequeños los datos tardan más en llegar. Ahí ayuda un prior sensato —la creencia inicial— y la posibilidad de heredar parte de la señal global mientras la local madura. Cómo se determina el país del lector, y con qué precisión, lo explicamos en la guía de geolocalización.

¿Qué pasa cuando cambian las condiciones?

Una campaña que rindió muy bien en marzo puede no rendir en septiembre: cambió el precio, se agotó el producto, la marca dejó de enviar a un país. Un motor que recuerda todo para siempre se vuelve terco. La solución es una ventana móvil, por ejemplo catorce días, con decaimiento: las observaciones recientes pesan más que las antiguas y las de hace un mes casi no cuentan.

Con esa memoria corta, un cambio de condiciones se nota en días. Y como las campañas nuevas empiezan con incertidumbre alta, entran en juego enseguida sin necesidad de una “fase de prueba” manual.

¿Qué se optimiza, y quién lo decide?

Rendimiento puede significar cosas distintas. Ingresos por mil impresiones es el objetivo natural para un medio; tasa de clics sirve cuando el contenido es de descubrimiento; conversiones cuando la relación con la marca lo exige. Un motor honesto deja que cada medio elija el objetivo por propiedad, con un valor por defecto sensato definido por la plataforma, y aprende con la métrica correcta.

Hay además un piso de exploración: un pequeño porcentaje de impresiones (por ejemplo, el 5 %) siempre se reparte entre las campañas menos probadas. Sin ese piso, un ganador temprano podría monopolizar el tráfico y el motor jamás se enteraría de que apareció algo mejor.

Explicar la decisión

Un motor que no se puede explicar no se puede confiar. Por eso conviene mostrar, por país, quién recibe el tráfico y por qué: qué parte de su cuota viene del mérito (rendimiento demostrado) y qué parte de la exploración (incertidumbre), cuál es la tasa esperada frente a la observada, cuántas campañas fueron elegibles y cuántas quedaron bloqueadas por país. Con esa vista, un editor entiende el sistema en un minuto y un administrador detecta un problema de inventario antes de que cueste dinero.

Queda una condición previa: el motor solo aprende bien si las observaciones son reales. Los clics de bots deben quedar fuera antes de contarlos, siguiendo las pautas de tráfico inválido del MRC, y por eso la rotación y la detección de fraude van de la mano. Rotar bien no es un lujo técnico. Es la diferencia entre repartir impresiones y convertirlas.