Modelado de ROAS por cohortes: Euronews alcanza 1,9x

Para una app monetizada con publicidad, el número más peligroso del dashboard es el ROAS que ves en las primeras semanas de una campaña. Es real, es preciso — y es una fracción de la verdad. Así construimos un modelo de ROAS por cohortes para Euronews, la app de noticias paneuropea, y por qué cambió todas las decisiones de presupuesto posteriores.

Primero, los resultados

• Cohortes instaladas en 2024: ROAS de 0,99x a 12 meses → 1,58x a 24 meses. Un año que parecía de equilibrio resultó, con un segundo año de ingresos publicitarios, cómodamente rentable.
• Cohortes 2025: 1,22x a 12 meses → 1,89x a 24 meses, con un payback de medios que pasó de 12,2 a 9,2 meses de un año a otro.
• Cada euro de rendimiento medido provino solo de las vistas de anuncios — antes de cualquier suscripción o valor adicional.

El problema: las apps financiadas con publicidad parecen no rentables demasiado pronto

Una app de suscripción cobra gran parte del valor del usuario por adelantado. Una app de noticias monetizada con publicidad lo gana en miles de pequeñas impresiones repartidas a lo largo de meses de lectura. Juzgada con las ventanas de atribución estándar de 7 o 30 días, casi todas las campañas de esta cuenta parecían perder dinero — porque la mayor parte de los ingresos simplemente aún no había ocurrido.

Al día 30, una cohorte ha generado aproximadamente el 14 % de lo que ganará en dos años. Al día 90 — el horizonte sobre el que optimizan la mayoría de los equipos de UA — apenas una cuarta parte. Esperar a que la verdad llegue sola significa tomar dos años de decisiones de presupuesto a ciegas. Modelarla significa tomarlas pronto.

Lo que construimos

A partir de los datos de atribución y las tasas de monetización de Euronews, reconstruimos el rendimiento en torno a la cohorte de instalación: cada usuario agrupado por su mes de instalación, cada vista de anuncio valorada a la tarifa del mes en que ocurrió, cada cohorte seguida a lo largo de su propia curva de acumulación. Tres capas de modelado hicieron que los datos tempranos fueran aptos para decidir:

• Múltiplos de maduración. Las cohortes maduras revelaron una relación estable entre la acumulación temprana y el valor del primer año. Esa curva convierte los ingresos parciales de una cohorte de 90 días en una previsión defendible a 12 meses — con un margen de error que se estrecha cada mes.
• Un horizonte de 24 meses. Estos usuarios siguen viendo anuncios bien entrado el segundo año, añadiendo cerca de un 58 % sobre los ingresos del primero. Cualquier objetivo de ROAS que se detenga en el mes 12 infravalora sistemáticamente el canal.
• Correcciones de brechas de atribución. Las reglas de privacidad de iOS ocultan una gran parte de las instalaciones de pago; las redes autodeclarantes dejan de contar los ingresos de cohorte en el día 180. Ambas se modelaron explícitamente y se declararon como ajustes, no se ocultaron.

Lo que reveló la lente de cohortes

Las medias anuales esconden la información útil. En las cohortes mensuales de 2025, el ROAS a 12 meses osciló entre 0,86x y 2,22x — una brecha de 2,6x dentro de un mismo buen año. En esa dispersión vive la estrategia:

• Reasignación por países. Dos mercados devolvían sistemáticamente múltiplos de los demás con costes de instalación idénticos, mientras el mercado más grande absorbía el mayor presupuesto en el punto de equilibrio. La vista por cohortes hizo el cambio evidente y cuantificado.
• Escalar con confianza. Las mejores cohortes coincidieron con los mayores volúmenes de la cuenta — prueba de que la cuenta escaló sin perder eficiencia, lo que justificaba invertir más en lugar de frenar.
• Detección de anomalías en semanas, no en trimestres. Como cada cohorte se lee contra una curva esperada, un error de configuración del tracking afloró a las pocas semanas — visible como una cohorte cayéndose de su curva, mucho antes de aparecer en un informe trimestral.

El marco guía ahora las decisiones en tiempo real: las nuevas cohortes se leen contra su curva de acumulación esperada desde sus primeras semanas, en lugar de juzgarse — y malinterpretarse — por sus retornos brutos iniciales.

Claves para recordar

1. Para las apps monetizadas con publicidad, el ROAS temprano no es un veredicto — es un punto en una curva.
2. Modela la curva con tus propias cohortes maduras; los benchmarks del sector no sobreviven al contacto con una audiencia concreta.
3. Extiende el horizonte a 24 meses — los ingresos publicitarios del segundo año son dinero real que la mayoría de los objetivos ignora.
4. La brecha entre cohortes, no la media, es de donde salen las decisiones de presupuesto.
5. Un modelo por cohortes funciona además como sistema de alerta temprana ante rupturas de tracking y brechas de atribución.

Preguntas frecuentes

¿Qué es el modelado de ROAS por cohortes?

Agrupar a los usuarios por mes de instalación y proyectar los ingresos de cada grupo a lo largo de curvas de acumulación observadas, para convertir datos tempranos parciales en una previsión fiable del ROAS a 12 y 24 meses.

¿Por qué no juzgar las campañas por el ROAS a 30 días?

Para las apps monetizadas con publicidad, una ventana de 30 días captura aproximadamente una séptima parte de los ingresos de dos años — las decisiones tomadas sobre ella matan sistemáticamente campañas rentables.

¿Desde cuándo se puede leer una cohorte?

Con una curva de maduración ajustada, existe una previsión direccional desde el día 30 aproximadamente, que se consolida claramente en los días 90 y 180.

¿Quieres medir tu UA por lo que tus usuarios valen realmente? Habla con Scalebay.