Estrategia de Etiquetas Personalizadas: Cómo 3 Marcas DTC Escalaron a ROAS de 8 Cifras

La mayoría de equipos de crecimiento descubren las etiquetas personalizadas durante su segunda semana ejecutando Google Shopping, aplican "Nuevo", "Más vendido" y "Liquidación" a Custom_label_0, y nunca vuelven a revisar la función. Ese hábito de tres etiquetas es precisamente por qué el gasto publicitario alcanza un techo alrededor de $50k/mes: estás pujando por más de 500 SKUs como si todos merecieran el mismo tratamiento, dejando que el algoritmo de Google adivine qué productos financian tu próxima ronda de contrataciones y cuáles queman efectivo. Aplicamos ingeniería inversa a las arquitecturas de etiquetas personalizadas de tres marcas DTC—una en indumentaria, una en artículos para el hogar, una en consumibles—que superaron las ocho cifras en ROAS acumulativo al tratar las etiquetas personalizadas como un panel de control de pujas multidimensional en lugar de un sistema de etiquetado glorificado.

La Brecha de Etiquetas Personalizadas: Por Qué las Configuraciones Estándar se Limitan a $50k/Mes

Según la documentación de Google Merchant Center, tienes cinco espacios de etiquetas personalizadas (Custom_label_0 hasta Custom_label_4), cada uno aceptando cualquier cadena de hasta 100 caracteres. La mayoría de operadores llenan Custom_label_0 con segmentos de margen ("Alto", "Medio", "Bajo") y lo dan por terminado. El resultado: una sola campaña Performance Max o Shopping estándar agrupa un SKU héroe con $12 de margen con un líder de pérdidas de $2 de margen, luego optimiza hacia el que convierta primero—usualmente la compra impulsiva de bajo margen—porque el algoritmo no tiene instrucciones para priorizar el beneficio.

La brecha se amplía cuando escalas. A $10k/mes de gasto, las anulaciones manuales y palabras clave negativas pueden parchear ineficiencias. A $100k/mes en 800 SKUs, necesitas segmentación sistemática que te permita aplicar diferentes objetivos de ROAS objetivo, límites de presupuesto y reglas de programación diaria a productos que se comportan de manera completamente diferente. Los atributos estándar—product_type, google_product_category, brand—son demasiado gruesos; una marca como Allbirds vende zapatillas cotidianas de $50 y colaboraciones de edición limitada de $150 bajo el mismo valor de marca. Las etiquetas personalizadas te permiten codificar lógica de negocio que Google nunca ve en tu catálogo: días de inventario restantes, valor de vida del cliente de compradores primerizos para ese SKU, tendencia de velocidad durante los últimos 30 días.

Aquí está la economía: las marcas que usan una o dos etiquetas personalizadas promedian 3.2× ROAS a $50k/mes de gasto, luego se estancan porque no pueden aislar subsegmentos ganadores de los promedios. Las marcas que ejecutan cuatro o cinco etiquetas en un esquema coordinado promedian 5.7× ROAS al mismo nivel de gasto y escalan linealmente hasta $200k/mes antes de alcanzar la siguiente restricción (usualmente fatiga creativa o profundidad de inventario). La diferencia se acumula a millones en beneficio anual.

Fuente: Datos de rendimiento agregados de 47 cuentas Shopify Plus, ene–dic 2025.

Marca A: Matriz Margen-Velocidad (Etiquetas Personalizadas 0-2)

La Marca A vende ropa deportiva premium para mujeres—leggings, sujetadores deportivos, ropa exterior—con 620 SKUs activos. Antes de reestructurar, ejecutaban una sola campaña Shopping con ROAS Objetivo 4.0× en general, gastando $85k/mes a 3.1× ROAS combinado. Los productos héroe de alto margen (los leggings esculturales de $98 con 58% de margen) estaban privados de cuota de impresiones porque el algoritmo de Google prefería las camisetas de algodón de $48 (22% de margen) que convertían 40% más rápido.

Su líder de crecimiento reconstruyó el feed alrededor de una matriz de dos ejes:

Custom_label_0 – Nivel de margen:

• Margin-Premium (≥50% margen bruto)
• Margin-Standard (30–49%)
• Margin-Builder (<30%, usado para adquisición y paquetes)

Custom_label_1 – Nivel de velocidad (unidades vendidas por semana, últimos 30 días):

• Velocity-Hero (≥50 unidades/semana)
• Velocity-Steady (15–49 unidades/semana)
• Velocity-Niche (<15 unidades/semana)

Custom_label_2 – Estado de stock:

• Stock-Abundant (≥60 días de cobertura)
• Stock-Moderate (20–59 días)
• Stock-Critical (<20 días)

Esta matriz creó nueve segmentos principales. La magia ocurrió en las pujas:

• Margin-Premium + Velocity-Hero + Stock-Abundant: Campaña separada, ROAS Objetivo 3.5×, presupuesto ilimitado. Estos 47 SKUs generaron 61% del beneficio a 6.8× ROAS.
• Margin-Standard + Velocity-Steady: ROAS Objetivo 4.5×, límite de presupuesto de $40k/mes.
• Margin-Builder + cualquier velocidad: ROAS Objetivo 2.0×, presupuesto limitado al 15% del gasto total, usado puramente para adquisición en frío sabiendo que la recompensa real viene en pedidos repetidos.

En 90 días, el ROAS combinado subió a 5.3× con $110k/mes de gasto. La clave: la velocidad sola es engañosa (artículos de bajo margen que se venden rápido lucen atractivos en dashboards), y el margen solo pierde productos destacados que aún están en rampa. La intersección revela dónde verter combustible.

Automatizaron la asignación de etiquetas con una fórmula de Google Sheets vinculada a su API de inventario de Shopify. Cada mañana a las 6 AM, un script recalcula las ventas unitarias de los últimos 30 días, compara el stock actual con las ventas diarias promedio, extrae datos de costos de su ERP, luego escribe nuevos valores de etiquetas personalizadas en un feed suplementario que MagicFeed Pro ingiere. Sin etiquetado manual más allá de la configuración inicial. El motor de personalización de feeds de MagicFeed Pro maneja la propagación de etiquetas y mantiene Merchant Center sincronizado sin activar desaprobaciones por actualizaciones frecuentes.

Marca B: Arquitectura de Estacionalidad + Rotación de Inventario

La Marca B opera en decoración del hogar—mantas, almohadas, arte de pared, colecciones estacionales. Su desafío: los productos tienen curvas de demanda violentamente diferentes (artículos de temporada aumentan 900% en noviembre, caen a cero en enero), y manejan $1.2M en inventario que rota 4.2× por año, lo que significa que el capital siempre está atado en SKUs más lentos.

Las campañas Shopping estándar sangraban presupuesto en inventario fuera de temporada porque el algoritmo de Google no sabe que una almohada de calabaza de terciopelo no vale nada en marzo. Su jefe de rendimiento diseñó un sistema de puntuación de estacionalidad codificado en etiquetas personalizadas:

Custom_label_0 – Cohorte estacional:

• Season-Evergreen (demanda durante todo el año, <15% varianza MoM)
• Season-Spring (pico marzo–mayo)
• Season-Summer (pico junio–ago)
• Season-Fall (pico sept–nov)
• Season-Holiday (pico mediados nov hasta dic)
• Season-Winter (pico ene–feb, excluyendo vacaciones)

Custom_label_1 – Velocidad de rotación de inventario:

• Turn-Fast (≥6× rotaciones anuales)
• Turn-Moderate (3–5.9× rotaciones)
• Turn-Slow (<3× rotaciones)

Custom_label_2 – Nivel de precio (afecta tamaño de cesta e intención de conversión):

• Price-Entry (<$30)
• Price-Core ($30–$79)
• Price-Premium (≥$80)

Custom_label_3 – Antigüedad de lanzamiento:

• Launch-New (<30 días desde agregado al catálogo)
• Launch-Current (31–120 días)
• Launch-Catalog (>120 días)

Cada mes, cambian presupuestos:

• En octubre, los SKUs Season-Fall y Season-Holiday obtienen 70% del presupuesto total de Shopping con ROAS Objetivo 4.0×.
• Los artículos Season-Spring se pausan completamente o se mueven a una campaña Discovery al 10% del presupuesto, ROAS Objetivo 8.0× (esencialmente estacionados).
• En marzo, el script voltea: Season-Spring a 50% del presupuesto, Season-Holiday pausado.

Las etiquetas de rotación de inventario les permiten drenar artículos lentos sin matar el margen. Los artículos Turn-Slow + Price-Premium van a una campaña separada con puja CPC manual (sin ROAS Objetivo), CPC máximo establecido en punto de equilibrio, cuota de impresiones limitada al 30%. El objetivo no es beneficio; es convertir $80k de capital de vuelta en efectivo antes de la próxima compra.

Resultados durante 18 meses: las rotaciones de inventario mejoraron de 4.2× a 5.8×, liberando $340k en capital de trabajo. El ROAS se estabilizó en 4.9× durante todo el año (anteriormente oscilaba de 7.2× en nov a 1.8× en feb). El gasto publicitario total creció de $62k/mes a $135k/mes sin agregar personal, porque las etiquetas de estacionalidad automatizaron el reequilibrio mensual que solía tomar a dos analistas tres días.

Su script vive en una hoja de Google conectada a BigQuery (exportan datos de pedidos de Shopify cada noche). Calcula la tasa de rotación anualizada por SKU, verifica la fecha actual contra un calendario de estacionalidad (una pestaña separada que mapea cada SKU a meses pico), luego escribe cuatro columnas de etiquetas personalizadas. La hoja se alimenta a su tienda Shopify vía la API de Shopify, actualizando metafields de productos que mapean a etiquetas personalizadas en el feed de Google Shopping. Hemos visto configuraciones similares detalladas en nuestra guía de optimización de feeds, que explica el mapeo de metafield a feed para comerciantes de Shopify.

Marca C: Segmentación Basada en LTV para Categorías de Recompra

La Marca C fabrica suplementos premium para perros—masticables, polvos, aceites—vendidos en modelo de suscripción y ahorro. Valor promedio de pedido: $64. Valor de vida del cliente promedio después de 12 meses: $780 (los clientes reordenan cada 6–8 semanas). El modelo de negocio se rompe si optimizas Google Shopping para ROAS del primer pedido; un ROAS de primer pedido de 2.5× es un home run cuando la recompensa real son nueve pedidos subsiguientes.

Su VP de Crecimiento construyó etiquetas personalizadas alrededor de cohortes LTV, no beneficio transaccional:

Custom_label_0 – Nivel LTV (basado en análisis de cohorte histórico de primeros compradores de SKU):

• LTV-Elite (LTV de 12 meses ≥ $900; productos que atraen los clientes más adherentes)
• LTV-Strong ($600–$899)
• LTV-Standard ($400–$599)
• LTV-Acquisition (<$400; típicamente golosinas de compra única, no suplementos principales)

Custom_label_1 – Tasa de adhesión de suscripción:

• Sub-High (≥60% de compradores se suscriben en primer pedido)
• Sub-Moderate (30–59%)
• Sub-Low (<30%)

Custom_label_2 – Conjunto competitivo (afecta cómo pujan contra líderes de categoría como Zesty Paws):

• Comp-Unique (ingrediente propietario, baja competencia)
• Comp-Differentiated (espacio competitivo pero posicionamiento defendible)
• Comp-Commodity (categoría sensible al precio)

Custom_label_3 – Intervalo de recompra:

• Repeat-Short (reorden promedio cada 4–6 semanas)
• Repeat-Medium (7–10 semanas)
• Repeat-Long (≥11 semanas o tendencia de compra única)

El avance: ejecutan campañas separadas para cada nivel LTV con objetivos ROAS radicalmente diferentes.

• LTV-Elite + Sub-High: ROAS Objetivo 1.8× en primer pedido, porque saben que la venta de $64 se convierte en $920 durante 12 meses. Presupuesto sin límite. Estos 23 SKUs gastan $48k/mes y parecen "perder dinero" en el dashboard de Google Ads (ROAS de primer pedido 2.1×), pero el análisis de cohortes prueba que son el segmento más rentable por mucho.
• LTV-Standard + Sub-Moderate: ROAS Objetivo 3.0×, el punto medio.
• LTV-Acquisition + Sub-Low: ROAS Objetivo 5.0×, presupuesto limitado a $8k/mes. Usado para tráfico de top-of-funnel que podría convertirse en suscriptores de email, no ingresos principales.

Validan niveles LTV trimestralmente uniendo datos de conversión de Google Ads (usando el ID de pedido como clave) a registros de clientes de Shopify en BigQuery, luego calculando ingresos reales de 12 meses por fuente de adquisición y SKU. El análisis muestra consistentemente que los SKUs en LTV-Elite entregan 6.8× más beneficio por nuevo cliente que LTV-Standard, incluso cuando el ROAS del primer pedido es 40% menor.

Para el mes 16 de esta estructura, el gasto en Google Shopping de la marca alcanzó $215k/mes a un ROAS de primer pedido combinado de 3.4× (que parece mediocre) pero un ROAS real de 12 meses de 9.1× cuando consideras las recompras. Desde entonces han expandido el esquema a Meta Ads (usando las mismas etiquetas personalizadas en su feed de catálogo de productos) y han visto mejoras similares a nivel de cohorte.

Plan de Implementación: Construyendo Tu Lógica de Etiquetas en Sheets/Scripts

Las tres marcas siguieron un patrón de implementación similar. Aquí está el plan paso a paso que hemos destilado de trabajar con más de 30 equipos de crecimiento:

Paso 1: Ensamblaje de datos (Semana 1) Exporta los últimos 90 días de líneas de pedido de Shopify o WooCommerce. Necesitas SKU, unidades vendidas, ingresos, costo (si está disponible), fecha de pedido, ID de cliente. Extrae niveles de inventario actuales y costos de productos de tu sistema de gestión de inventario o ERP. Si no rastreas costo a nivel de SKU, usa promedios a nivel de categoría—imperfecto pero funcional.

Paso 2: Define tu esquema de etiquetas (Semana 1) Mapea tus prioridades de negocio a cinco espacios de etiquetas. Pregunta:

• ¿Qué dimensión, si se aislara, me permitiría pujar 2× más alto en los productos correctos? (Margen, LTV, temporada)
• ¿Qué dimensión hace que los productos requieran estrategias opuestas? (Nuevo vs. catálogo, alta rotación vs. rotación lenta)
• ¿Qué dimensión gestiono actualmente manualmente que podría automatizarse? (Estado de stock, cohorte de lanzamiento)

Escribe 3–5 valores posibles por etiqueta. Menos es mejor; siempre puedes expandir. Para un catálogo de 500 SKUs, apuntar a 4 etiquetas × 4 valores = 256 combinaciones posibles es excesivo. Apunta a 4 etiquetas × 3 valores = 81 combinaciones, sabiendo que la mayoría de SKUs se agruparán en 12–15 segmentos dominantes.

Paso 3: Construye la lógica de cálculo en Google Sheets (Semana 2) Crea una hoja maestra con una fila por SKU. Columnas: SKU, trailing_30d_units, trailing_90d_units, current_stock_qty, cost, price, margin_pct, avg_days_to_reorder (si es modelo de suscripción), cohort_ltv (si lo tienes). Agrega cinco columnas para custom_label_0 hasta custom_label_4.

Usa fórmulas IF anidadas o IFS:

=IFS(
  margin_pct >= 0.50, "Margin-Premium",
  margin_pct >= 0.30, "Margin-Standard",
  margin_pct \< 0.30, "Margin-Builder"
)

Para velocidad:

=IFS(
  trailing_30d_units / 4 >= 50, "Velocity-Hero",
  trailing_30d_units / 4 >= 15, "Velocity-Steady",
  trailing_30d_units / 4 \< 15, "Velocity-Niche"
)

Para estado de stock (días de cobertura = current_stock_qty / ventas_semanales_promedio):

=IFS(
  current_stock_qty / (trailing_30d_units / 4) >= 8, "Stock-Abundant",
  current_stock_qty / (trailing_30d_units / 4) >= 3, "Stock-Moderate",
  current_stock_qty / (trailing_30d_units / 4) \< 3, "Stock-Critical"
)

Paso 4: Automatiza la actualización del feed (Semana 2–3) Si estás en Shopify, el método más limpio es actualizar metafields de productos vía la API de Shopify, luego mapear esos metafields a etiquetas personalizadas en tu aplicación de Google Shopping (canal de Google de Shopify, DataFeedWatch o similar). MagicFeed Pro lee metafields automáticamente y los inyecta en el feed sin requerir que mantengas un archivo de feed suplementario separado.

Para WooCommerce o plataformas personalizadas, genera un CSV de feed suplementario (columnas: id, custom_label_0, custom_label_1, custom_label_2, custom_label_3, custom_label_4) y súbelo a Merchant Center en un horario diario. Google fusiona feeds suplementarios con tu feed principal, así que no necesitas regenerar el catálogo completo.

Usa Google Apps Script (si tus datos viven en Sheets) o un script Python (si extraes de BigQuery/Snowflake) para refrescar los cálculos diariamente. Prográmalo para las 5 AM hora local para que las etiquetas se actualicen antes de que comience la subasta del día. Practical Ecommerce tiene un tutorial sólido de automatización de Apps Script para gestión de feeds si eres nuevo en scripting.

Paso 5: Reestructura campañas (Semana 3–4) Comienza con tu segmento de mayor impacto. Para la mayoría de marcas, eso es alto margen + alta velocidad. Crea una nueva campaña Shopping (o grupo de activos Performance Max si estás en PMax), establece el filtro de productos a custom_label_0 = "Margin-Premium" AND custom_label_1 = "Velocity-Hero", aplica un ROAS Objetivo agresivo (20–30% por debajo de tu ROAS combinado actual), y dale el 30% de tu presupuesto total.

Déjalo correr por 14 días para recopilar datos, luego expande. Agrega una segunda campaña para el siguiente segmento prioritario. En 60 días, deberías tener 5–8 campañas cubriendo tus combinaciones de etiquetas principales, más una campaña general para casos extremos.

Paso 6: Monitorea e itera (Continuo) Semanalmente: Verifica si alguna etiqueta está sistemáticamente bajo rendimiento (ROAS <50% del objetivo por 21+ días). A menudo esto significa que tu lógica de etiquetas está desactivada—tal vez marcaste un producto "Velocity-Hero" basado en un pico viral único que ya terminó.

Mensualmente: Recalibra umbrales de etiquetas. Si el 80% de tus SKUs caen en Margin-Standard, no estás segmentando; solo estás renombrando. Ajusta los límites de margen para obtener una división 40/40/20 entre Premium/Standard/Builder.

Trimestralmente: Re-ejecuta análisis de cohorte LTV (si aplica) y validación de estacionalidad. Los mercados cambian. La almohada decorativa que era Season-Holiday el año pasado ahora podría tender hacia Season-Evergreen porque el Instagram de diseño de interiores pivotó.

Estrategias de Puja para Cada Tipo de Etiqueta Personalizada

Una vez que las etiquetas estén activas, la estrategia de puja es lo que convierte la segmentación en beneficio. Aquí está cómo cada tipo de etiqueta mapea a un enfoque de puja:

Etiquetas basadas en margen (Custom_label_0):

• Alto margen (≥50%): ROAS Objetivo 30–40% por debajo de tu ROAS combinado. Tienes espacio para ser agresivo. Si el ROAS combinado es 4.5×, puja a 3.0× ROAS para SKUs de alto margen. Google impulsará más volumen aquí, lo que compone beneficio porque cada venta incremental mantiene 50%+ de los ingresos.
• Bajo margen (<30%): ROAS Objetivo 50–80% por encima del combinado, o cambia a Maximizar Valor de Conversión con un límite de presupuesto estricto. Esencialmente le estás diciendo a Google, "Solo muestra estos si la subasta es barata". Usa estos SKUs para capturar búsqueda de marca e intención de bottom-funnel, no prospección en frío.

Etiquetas basadas en velocidad (Custom_label_1):

• SKUs héroe (movimiento rápido): Estos ya tienen tasas de conversión fuertes y prueba social. Empuja la cuota de impresiones al 80%+ con presupuestos sin límite y un objetivo ROAS moderado. La velocidad gana; estás defendiendo cuota de mercado contra competidores que también ven estos productos convirtiendo.
• SKUs de nicho (movimiento lento): Limita la cuota de impresiones al 40%, usa CPC manual con un CPC máximo de punto de equilibrio ($precio × margen% / tu CPA objetivo). Quieres visibilidad sin sangrar presupuesto en tráfico de baja intención.

Etiquetas de estado de stock (Custom_label_2):

• Stock abundante: Sin restricciones. Puja normalmente.
• Stock bajo (<20 días de cobertura): Reduce presupuestos en 60–80% o pausa completamente. No tiene sentido pagar por clics en un producto que estará agotado en dos semanas, hundiendo tu tasa de conversión y desperdiciando el tiempo del cliente. Mejor reasignar ese presupuesto a alternativas en stock.

Según las mejores prácticas de Google, los productos agotados con anuncios activos ven tasas de convers

Artículos relacionados

google shopping

Compras sin Clics: Optimización de Feeds para el Panel de Conocimiento de Productos de Google

Google ahora muestra precio, disponibilidad y especificaciones directamente en los resultados de búsqueda para el 34% de las consultas de productos. Aprende cómo optimizar tu feed de Shopping y el marcado schema para dominar el Panel de Conocimiento y proteger la visibilidad de búsqueda de marca.

14 may 2026·21 min

google shopping

Los Grupos de Activos de Performance Max Están Arruinando Tu Feed: Desglose de una Auditoría de $200k

PMax canibaliza las campañas de Shopping promoviendo SKUs de bajo margen cuando tu feed carece de jerarquía product_type. Análisis forense y soluciones que la mayoría de agencias pasan por alto.

14 may 2026·15 min

google shopping

Modificadores de puja vs. segmentación del feed en Google Shopping: prueba de ROI

Una prueba de 90 días en tres verticales revela por qué la segmentación a nivel de feed ofrece 2-3 veces más control y menor CAC que las tácticas estándar de modificadores de puja para campañas de Google Shopping a escala.

13 may 2026·21 min