Dayparting
Dayparting es programar una campaña publicitaria para que se ejecute solo durante horas específicas o días de la semana, basándose en cuándo la audiencia realmente responde, en lugar de gastar de manera uniforme durante todo el día.

Dayparting es la práctica de programar anuncios para que se publiquen (o se publiquen con pujas más altas o más bajas) solo durante horas específicas del día o días de la semana, basándose en cuándo las tasas de conversión, el costo por adquisición o el presupuesto disponible hacen que esas ventanas valgan la pena priorizarlas. En lugar de distribuir un presupuesto de manera uniforme durante 24 horas, dayparting concentra el gasto donde rinde mejor y reduce o pausa donde no lo hace.
Por qué la hora del día cambia el rendimiento#
El comportamiento de la audiencia no es plano a lo largo del día. Una campaña dirigida a trabajadores de oficina durante la hora del almuerzo se comporta de manera diferente a la misma campaña mostrada a esa audiencia a las 2 a.m., y una oferta de nutra o finanzas dirigida a jubilados puede ver su respuesta más fuerte a media mañana que por la noche. Además del comportamiento de la audiencia, la competencia por el inventario publicitario también varía por hora: los CPCs tienden a subir durante las ventanas de tráfico pico cuando más anunciantes pujan, lo que cambia la matemática de si una hora determinada vale la misma puja que pagarías durante la noche.
Cómo se aplica en campañas nativas#
La mayoría de las redes nativas y DSP permiten establecer una programación horaria o por día de la semana a nivel de campaña, ya sea apagando la entrega completamente en ventanas débiles o aplicando un multiplicador de puja que eleva o reduce el gasto sin detener la entrega por completo. El enfoque más suave, ajustar pujas en lugar de pausar totalmente, suele funcionar mejor con los algoritmos de smart bidding, ya que un patrón de parada y arranque total puede interrumpir la optimización de la plataforma y reiniciar la recopilación de datos del algoritmo con más frecuencia que una curva de puja fluida, una mecánica cubierta en how MGID native ads work.
Encontrar tus propias ventanas de dayparting#
La única forma fiable de establecer una programación de dayparting es a partir de tus propios datos de entrega desglosados por hora, no a partir de suposiciones sobre los hábitos de tu audiencia. La mayoría de las plataformas publicitarias informan el rendimiento por hora del día en sus paneles; una o dos semanas de esos datos, combinados con la tasa de conversión y el costo por resultado, suelen revelar un patrón claro de una o dos ventanas débiles que vale la pena recortar. Los compradores que ejecutan affiliate campaigns across multiple geos a menudo necesitan una programación de dayparting separada por zona horaria, ya que "evening" en un geo tier no coincide con "evening" en otro.
Cuando el dayparting no ayuda mucho#
En campañas con presupuestos diarios modestos o ventanas de atribución cortas, las ganancias del dayparting pueden ser marginales, y la complejidad añadida de gestionar programaciones entre zonas horarias y campañas puede no valer el tiempo de configuración. Tiende a ser más relevante en cuentas de mayor gasto, o verticales como B2B y finanzas donde el comportamiento en horas laborables es pronunciado, y menos en ofertas impulsivas de ecommerce donde la respuesta es bastante constante durante todo el día.
Dayparting y pacing de presupuesto juntos#
Dayparting y pacing de presupuesto resuelven problemas relacionados pero diferentes: el pacing controla cómo un ad spend diario fijo se distribuye a lo largo del día, mientras que el dayparting decide qué horas valen la pena gastar en absoluto. Usados juntos, una campaña puede distribuir el gasto uniformemente durante sus horas más fuertes y simplemente omitir las más débiles, en lugar de repartir un gasto de 24 horas que incluya ventanas poco propensas a convertir, una distinción que vale la pena entender antes de configurar las OpenAdLibrary's ad intelligence tools para comparar el posible horario de un competidor.







