El informe de términos de búsqueda de Shopping que Google no te da

Un cliente me hizo una vez una pregunta que debería tener respuesta en un clic. Alguien buscó «aspiradora sin cable por menos de 200», hizo clic en el anuncio de Shopping y la cuenta lo pagó. ¿En cuál de los 5.000 productos del feed aterrizó ese clic? Abrí el informe de términos de búsqueda, luego el de productos, y no había forma de conectarlos. Sigue sin haberla. Google te enseña la consulta y te enseña el producto, pero nunca juntos.

Hace años, la vieja API de AdWords te daba exactamente este emparejamiento. Luego desapareció en silencio, y ningún ajuste, ningún informe, ningún campo de la API lo trae de vuelta. Para una tienda online ese hueco no es un detalle menor. La relación entre consulta y producto es donde vive la optimización de verdad: te dice si tus títulos casan con la demanda real, qué productos atraen tráfico basura y por qué un producto recibe clics pero nunca convierte.

Doce años desarrollando sobre la Google Ads API me enseñaron que cuando Google retira un informe, no vuelve. Así que lo reconstruí yo mismo, y la reconstrucción es casi vergonzosamente simple. Un parámetro de URL. En una semana, GA4 te entrega cada clic de pago emparejado como consulta × producto, con sesiones, conversiones e ingresos incluidos. Ponerlo en marcha lleva unos minutos; el resto de este artículo va de qué hacer con lo que vuelve.

El arreglo: un parámetro, dos dimensiones de GA4

El auto-tagging y el UTM manual no se pisan. El gclid sigue gestionando fuente, medio y campaña; tu UTM solo lleva el ID de producto.

Ten claro lo que obtienes (y lo que no)

Sacar el informe de GA4

En la interfaz de GA4, abre Explorar y monta una tabla de formato libre. Las dimensiones son Contenido manual del anuncio de la sesión y Consulta de Google Ads de la sesión. Las métricas son las sesiones, los eventos clave (antes conversiones) y los ingresos por compra. Filtra por fuente/medio de la sesión igual a google / cpc.

Para cualquier cosa seria querrás la Data API, porque este informe pertenece a un dashboard o a un join en BigQuery, no a una pestaña del navegador:

from google.analytics.data_v1beta import BetaAnalyticsDataClient
from google.analytics.data_v1beta.types import (
    RunReportRequest, DateRange, Dimension, Metric, FilterExpression, Filter
)

request = RunReportRequest(
    property=f"properties/{GA4_PROPERTY_ID}",
    dimensions=[
        Dimension(name="sessionManualAdContent"),  # product ID
        Dimension(name="sessionGoogleAdsQuery"),    # search term
    ],
    metrics=[
        Metric(name="sessions"),
        Metric(name="keyEvents"),
        Metric(name="purchaseRevenue"),
    ],
    date_ranges=[DateRange(start_date="30daysAgo", end_date="today")],
    dimension_filter=FilterExpression(filter=Filter(
        field_name="sessionSourceMedium",
        string_filter=Filter.StringFilter(value="google / cpc"),
    )),
)

Une sessionManualAdContent con tu feed de productos (id → título, precio, categoría) y el informe queda completo. Consulta, producto, título, conversiones e ingresos en una sola tabla.

Verificado, no teorizado

Lo desplegamos en la cuenta real de un minorista de electrónica checo con 22 campañas de Shopping activas. Siete días después revisé GA4:

Ahora la parte divertida: qué te dicen los pares

1 · La brecha del título

Pon junto al título y la descripción las consultas que los dispararon. El desajuste salta a la vista:

La hoja de ruta del feed se escribe sola. Llevo dos años construyendo una herramienta de enriquecimiento de feeds con IA, y, siendo honestos, la debilidad de toda la categoría es demostrar el impacto. Este informe lo arregla. Reescribe el título para que case con la demanda que acabas de probar y luego observa cómo se mueven el CTR y el porcentaje de conversiones por consulta. El enriquecimiento de feeds con IA deja de ser algo que te tienes que creer y se convierte en un bucle medible.

2 · Quién más está en «tu» consulta, y con qué producto

Una cosa que no puedes hacer es añadir palabras clave negativas por producto. Google no te da esa palanca en Shopping ni en PMax. Así que cuando un par consulta × producto rinde mal, preguntarte cómo excluirlo no lleva a ninguna parte. La pregunta productiva es por qué rinde mal.

Toma la consulta y extrae su página de resultados en vivo. Yo uso el endpoint serp/google/organic/live/advanced de DataForSEO. Un POST con el texto de la consulta y el location_code de tu mercado devuelve la página de resultados entera como JSON estructurado: anuncios de pago, bloques de shopping con nombres de comercios y precios, y resultados orgánicos debajo. DataForSEO factura por SERP, y una SERP cubre hasta 10 resultados. Al precio base actual de unos 0,002 $ por SERP, comprobar 200 consultas con profundidad por defecto cuesta unos 0,40 $, sin contar los parámetros avanzados de pago.

Un hallazgo típico. Tu saco de dormir de gama media recoge clics en una consulta genérica, y la misma consulta muestra tres marcas económicas de la misma categoría a la mitad de tu precio. El producto está bien. El precio pierde esa subasta concreta.

Ahora tienes opciones reales. Cambia el precio. Lleva el diferenciador al título («relleno de plumón, confort −15 °C»). Mueve el producto a una campaña con una estrategia de puja que case con su margen real. O acepta la consulta como upper-funnel y júzgala por métricas asistidas en vez de por el último clic.

3 · Decisiones de estructura y puja

Los productos que atraen consultas de alta intención merecen sus propios grupos de recursos y presupuestos. Los que solo recogen tráfico genérico van en grupos cajón de sastre con objetivos conservadores. Este informe apoya la segmentación de shopping en evidencia en vez de en intuición.

4 · Un chequeo de salud para PMax

PMax no te dice casi nada sobre búsqueda. Este informe es lo más parecido que vas a tener a una auditoría de lo que PMax de verdad compra para ti en la superficie de búsqueda, por producto.

Mírame recorrer una exportación real, paso a paso

Todo lo de arriba es el porqué. Lo que viene ahora es el cómo: qué descargas, qué miras y el número real que sale de ahí.

Los datos de esta sección salen de una segunda cuenta, una tienda online checa de tamaño medio en el segmento de precio bajo. La tienda no es el minorista de electrónica del recuadro de GA4 de arriba. Elegí esta tienda porque su catálogo es lo bastante amplio como para que cada patrón aparezca a plena escala. Saqué su informe en bruto de términos de búsqueda de Shopping con la Google Ads API a una tabla SQLite local y ejecuté las agregaciones de abajo. Primero una advertencia. El informe en bruto te da el grupo de anuncios o el grupo de productos bajo el que se sirvió la consulta, no el producto individual. Esa es precisamente la brecha que cierra el truco del UTM. Pero incluso a nivel de grupo de productos, las cifras de abajo muestran con claridad adónde va realmente el gasto.

Fuente de cada número de esta sección: informe de términos de búsqueda de Shopping de Google Ads, una cuenta de tienda online checa de tamaño medio, ~22,6 M de líneas, datos sacados en abril de 2026. Importes convertidos de CZK a un tipo de ~25 CZK/EUR.

Paso 1 · Saca el informe en bruto y mide el montón

Exporta el informe de términos de búsqueda de Shopping vía la Google Ads API (search_term_view) a cualquier sistema en el que puedas ejecutar GROUP BY, como SQLite o BigQuery. Antes de unir o filtrar nada, ejecuta un simple COUNT(*) y un par de SUM. Necesitas sentir lo grande y lo ruidoso que es el montón en bruto, porque ese único hecho recalibra todas las expectativas que siguen:

22,6 millones de líneas, 5,4 millones de consultas únicas. Ningún humano lee eso. Esas dos cifras tienen una sola función: acabar con la idea de revisar cada fila a mano. La única forma de avanzar es agrupar las líneas por la dimensión que paga las facturas.

Paso 2 · Tira el 96 % antes de analizar nada

Cuenta las líneas con cero clics y luego fíltralas. El informe de términos de búsqueda de Shopping registra cada consulta en la que tu anuncio apareció, y la mayoría de esas consultas nadie las clicó jamás. Las líneas de solo impresión no pueden costarte ni convertir. Son ruido que hace que la tabla parezca aterradora.

WHERE clicks > 0 reduce la tabla a 738.444 líneas, un tamaño con el que de verdad puedes trabajar.

El 96,7 % del número aterrador nunca fue otra cosa que ruido. Antes de analizar nada, quédate solo con las líneas con clic, y todas las agregaciones que siguen se calculan solo sobre la parte que de verdad gasta dinero.

Paso 3 · Haz la única pregunta que cambia cómo ves la cuenta

Clasifica las líneas con clic en dos grupos: las que convirtieron al menos una vez y las que nunca convirtieron. Después suma el coste de cada grupo. Esa separación es la que convierte «la cuenta está bien, el ROAS es 6,8» en «la mayor parte del presupuesto no hace nada». Calcúlala antes de cualquier idea de optimización:

El 85 % del presupuesto fluyó por combinaciones de consulta × grupo de productos que ni una sola vez convirtieron.

Eso no es un error de redondeo que optimizas más tarde. Es el mayor problema de la cuenta. Y solo pudiste verlo porque agrupaste cada consulta por el grupo de productos bajo el que se sirvió.

Paso 4 · Comprueba si el despilfarro son unos pocos villanos o toda la multitud

Ordena las líneas con clic por coste, toma el top 1 % y el top 10 % y mide su cuota del gasto total. Esto decide tu táctica. Si un puñado de términos quema el presupuesto, los pausas y listo. Si el despilfarro está muy repartido, pausar términos es inútil y necesitas arreglos estructurales:

El despilfarro está muy repartido. El top 1 % de las líneas costosas apenas supone una décima parte del gasto, así que pausar 20 términos malos no cambia nada. En vez de perseguir consultas individuales, arregla la estructura: decide qué productos van en qué campaña y con qué objetivo. Y recuerda que, de todos modos, Google ni siquiera te deja añadir una palabra clave negativa por producto.

Paso 5 · Descubre por qué gotea la larga cola: una consulta, muchos productos

Para cada término de búsqueda, cuenta bajo cuántos grupos de productos distintos se sirvió. Esto explica el despilfarro mecánicamente. Shopping empareja una consulta con las señales de todo tu feed, no con la relevancia de un solo producto. Una sola consulta gotea por rincones inconexos de tu catálogo, y pagas por cada fallo.

Un caso concreto de la cuenta. La consulta «dispositivo antiladridos» seguía quemando presupuesto, así que ejecuté COUNT(DISTINCT ad_group) sobre ella. Se había servido bajo 139 grupos de anuncios y productos distintos, por 39 € y aproximadamente cero conversiones. La consulta «lego technic» se sirvió bajo 300 grupos de anuncios y productos distintos.

Casi la mitad de las consultas están desperdigadas por varios grupos de productos, y las peores alcanzan miles. De ahí viene el lastre de cero conversiones del paso 3. Y es justo lo que por fin puedes ver una vez que cada clic lleva su ID de producto.

Paso 6 · Échale un ojo a los peores desajustes, porque son absurdos

Saca las líneas de mayor coste que nunca convirtieron y lee la consulta junto al grupo de productos bajo el que se sirvió. Las cifras agregadas cuantifican el problema. Estas son las tres filas que debes enseñarle a tu jefe:

La consulta «collar de adiestramiento para perros» se sirvió bajo el grupo de Bolsos. La consulta «dispositivo antiladridos» se sirvió bajo Productos para bebé. El grupo de productos no tiene nada que ver con la consulta. Google emparejó la consulta con señales amplias del feed, recogió el clic y cobró a la cuenta. Con consulta × producto ves esto de un vistazo; con el informe estándar de Google, nunca. (Categorías traducidas y anonimizadas.)

Paso 7 · Ahora la recompensa: el 0,25 % que paga toda la cuenta

Invierte el paso 3. Aísla solo las líneas que sí convirtieron y suma su coste e ingresos. Esta es la razón por la que todo el ejercicio importa. Una vez que puedes separar a los ganadores del lastre, proteges a los ganadores y matas de hambre al resto.

El 0,25 % de las líneas alcanza un ROAS de 46,8× y, de hecho, sostiene toda la cuenta. El otro 99,75 % arrastra el ROAS combinado hasta 6,8×. Todo el trabajo consiste en encontrar ese 0,25 %, proteger su presupuesto y reestructurar el resto para que deje de competir por el mismo dinero. Nada de eso funciona hasta que cada línea identifique el producto del anuncio en el que se hizo clic. Un único elemento aporta esa identificación: el parámetro utm_content={product_id} que configuraste al principio.

FAQ

CTA: ¿Cuáles de tus productos se ganan sus clics y cuáles solo te facturan? Añade el parámetro hoy y en una semana lo sabrás. O mándame tu cuenta y leemos el informe juntos.