Cómo medir el rendimiento de un creativo: el protocolo de 4 niveles

Medir un creativo es comparar variantes en condiciones idénticas, no leer una cifra absoluta. Se apilan cuatro niveles: atención (hook rate = visualizaciones de 3 s ÷ impresiones en Meta, 2 s en TikTok), retención (hold rate a los 15 s), acción (CTR de salida, CVR) y coste (CPA por creativo). Cada cifra solo es válida con el mismo emplazamiento, la misma temperatura de audiencia y la misma ventana temporal, y por encima de un volumen mínimo. Por debajo, lo que lees es ruido. El resto de este artículo explica los mínimos, las condiciones de comparabilidad y la ficha de decisión que convierte esos cuatro niveles en un veredicto: kill, iterar o escalar. En cuanto a TikTok, el centro de ayuda de TikTok Ads Manager define las visualizaciones a 2 segundos como el número de veces que tu vídeo se reproduce al menos 2 segundos durante una sesión de impresión, sin contar las repeticiones.

¿Por qué un hook rate del 35 % no demuestra nada por sí solo?

Porque el hook rate no es una propiedad del vídeo: es el producto de un vídeo, un emplazamiento y una audiencia. Cambia uno de los tres y la cifra se mueve diez puntos sin que se haya tocado un solo fotograma.

El dato más útil que hemos leído este año viene de AdSights (análisis de 2025, recogido por Sepia Lab en 2026): en prospección en frío, el thumbstop se sitúa entre el 18 y el 28 %, con una mediana en torno al 22 %. En retargeting caliente, la misma medida sube al 30-45 %, con una mediana del 36 %. Catorce puntos de diferencia. Debidos a la audiencia, no al creativo.

Ponlo al lado del umbral que todo el mundo repite, «por encima del 30 %, es un buen creativo», y entenderás el problema. Un creativo mediocre servido a una audiencia que ya conoce la marca supera el umbral. Un creativo sólido servido en frío, en una cuenta que escala, se queda por debajo. Los dos están mal juzgados. En las auditorías de cuentas que hacemos antes de asumir una producción, es el error más frecuente: rankings de creativos construidos sobre líneas que no se emitían ni en el mismo sitio ni ante las mismas personas.

Las tres contaminaciones más habituales

• La temperatura de la audiencia. Retargeting, lookalike 1 %, broad: tres regímenes de thumbstop distintos. Comparar un creativo de remarketing con uno de prospección es comparar un sprint cuesta abajo con uno cuesta arriba.
• La mezcla de emplazamientos. Feed, Reels, Stories y Audience Network no tienen el mismo comportamiento de reproducción automática ni el mismo coste de atención. Un creativo con el 60 % de sus impresiones en Audience Network mostrará un hook rate que nadie sabrá interpretar. Según L'Année Internet 2025 de Médiamétrie, recogido por CB News, el móvil representa el 80 % del tiempo que los franceses pasan en Internet, frente al 66 % en 2020.
• Advantage+ y la distribución no controlada. Cuando el algoritmo decide por sí solo cómo repartir el presupuesto entre assets, el creativo que recibe el 70 % del gasto no es necesariamente el mejor: es el que ganó las primeras horas de exploración. Es un sesgo de asignación, no un veredicto.

Añade un último detalle que muchos ignoran: Meta no publica ningún benchmark oficial de hook rate. Los 25 %, 30 % o 40 % que circulan son una convención de profesionales, agregada por herramientas de terceros (AdSights, Sepia Lab, Benly, Hawky) sobre sus propias carteras de cuentas. Es útil. No es una norma.

Si quieres el detalle de los propios ratios y de cómo calcularlos en el gestor, ya hemos escrito sobre los tres ratios que medir en Meta Ads vídeo. Este artículo trata el nivel superior: en qué condiciones una cifra tiene derecho a entrar en una decisión.

Un umbral absoluto sin condición de comparabilidad es una opinión con un decimal.

¿Cuáles son los 4 niveles de medición de un creativo y en qué orden hay que leerlos?

Atención, retención, acción, coste, en ese orden y nunca en otro. El orden no es estético: cada nivel filtra el volumen disponible para el siguiente. Si 100 personas ven la impresión y 20 se quedan 3 segundos, tu hold rate se calcula sobre 20 personas, no sobre 100. Leer el CTR antes que el hook es diagnosticar una fuga mirando la factura del agua.

Nivel 1: la atención

El hook rate mide una sola cosa: cuánta gente no ha hecho scroll. Nada más. Un hook rate alto no dice nada sobre la venta, y uno bajo condena todo lo demás, porque reduce la base de cálculo de los tres niveles siguientes. Aquí no volvemos sobre cómo se fabrica un hook; es el tema de nuestro artículo sobre la definición y el coste de un hook de vídeo publicitario. En el estudio TGI 2025 de Kantar Media, recogido por The Media Leader, el 47 % de los encuestados afirma no ver nunca los anuncios que se emiten en redes sociales.

Nivel 2: la retención

Hold rate = visualizaciones de 15 s ÷ visualizaciones de 3 s. Indica siempre la fórmula que usas, porque circulan tres definiciones: sobre las visualizaciones de 3 s, sobre las impresiones, o expresada como porcentaje de finalización. Las cifras no son comparables entre las tres. Nosotros trabajamos con la primera (AdSights, guía de 2026) y la escribimos en letras bien claras en cada informe.

Nivel 3: la acción

Primero el CTR de salida, después el CVR. El CTR de salida (y no el CTR «todos los clics», que cuenta las expansiones del pie de foto y los clics en el nombre de la página) mide si la promesa ha generado movimiento. El CVR mide si esa promesa era sostenible. Cuando el CTR es bueno y el CVR se desploma, el problema casi nunca es el vídeo: es la distancia entre lo que promete y lo que muestra la página.

Nivel 4: el coste

El CPA por creativo es la única cifra que te interesa de verdad, y también la más lenta en volverse fiable. El ROAS, por su parte, no es una métrica de asset. Es una métrica de cuenta, y a lo sumo de campaña. Atribuírselo a un vídeo en un entorno Advantage+ equivale a acreditar a un jugador el resultado del equipo. Tratamos los rangos realistas en qué ROAS esperar en creative ads; aquí quédate solo con que un «ROAS de este creativo: 2,4» en un informe es una frase que hay que cuestionar.

¿Qué umbrales tomar como referencia en 2026 por plataforma y de dónde salen realmente?

Los umbrales de mercado sirven para detectar una anomalía, no para validar un creativo. Úsalos como un detector de humo: por debajo de la mediana de tu plataforma, probablemente hay un problema estructural. Por encima, todavía no sabes nada; hay que comparar con tu propia línea base.

Para la retención, Adlibrary (2025/2026) indica para tráfico frío una zona sana del 15 al 25 % a los 15 segundos, o del 8 al 15 % al 75 % de finalización. Por debajo del 10 %, el medio del vídeo tiene un problema estructural: demasiado largo antes de la prueba, demasiado contexto, pocas razones para quedarse. El best-in-class DTC se mueve entre el 25 y el 30 %.

La corrección de TikTok que casi nadie aplica

Mismo creativo, mismo montaje, misma voz: la retención en TikTok es estructuralmente más baja que en Meta (Adlibrary, 2026), porque el swipe es casi un reflejo y el coste de salida es nulo: el vídeo se repite en bucle y el usuario pasa al siguiente por sí solo, muy pronto. Hemos visto más de una vez a equipos concluir que «el UGC no funciona en TikTok» al comparar un hold rate de TikTok con un umbral de Meta. Mal diagnóstico, mala decisión, un batch entero a la basura.

Dos fuentes serias, dos verdades: el ejemplo del CTR en apparel

Sepia Lab, en sus Video Ad Benchmarks by Industry 2026, da para apparel en vídeo de Meta: CTR 2,25 %, CVR 1,46 %, CPA 36,76 $, ROAS 2,18. Trendtrack, sobre la misma vertical en 2025, da CTR 1,24 %, CVR 4,11 %, CPA 10,98 $, ROAS 2,30. El doble en el CTR, el triple en el CPA. Según el balance Total Vidéo de Kantar Media del primer trimestre de 2026, la moda destina el 52 % de su inversión publicitaria en vídeo al Paid Social en Francia, una proporción muy superior a la media del mercado.

Ninguna de las dos miente. No tienen ni el mismo panel de cuentas, ni el mismo ticket medio, ni la misma definición de «clic». Conclusión operativa: el benchmark externo nunca sustituye a tu línea base interna. Sirve para acotar un orden de magnitud cuando empiezas, y nada más. Como referencias de mercado: WordStream/LocaliQ (Facebook Ads Benchmarks 2025) publica, para campañas de tráfico de todos los sectores, un CTR medio de en torno al 1,7 % y un CPC medio de en torno a 0,70 $; los paneles de e-commerce como Triple Whale sitúan por su parte el CPM de Meta en torno a 15 $ en el último año móvil, un orden de magnitud procedente de un panel privado, que conviene comprobar en el informe original. Estos importes están en dólares estadounidenses, tal como los publican las fuentes.

¿A partir de qué volumen se puede juzgar un creativo?

Cada nivel tiene su mínimo, y un nivel que no lo ha alcanzado no se lee en absoluto, no se lee «con cautela». Es la disciplina más difícil de mantener internamente, porque una cifra mostrada en el gestor siempre da la ilusión de ser información.

Los mínimos de abajo son los que aplicamos en las cuentas de nuestros clientes. No son umbrales publicados por Meta ni por TikTok: son una convención de trabajo, calibrada para que el ranking de creativos deje de reordenarse de un día para otro. Tus propios umbrales pueden diferir si tu tasa de conversión es muy alta o tu ticket muy bajo.

La regla contra el kill prematuro cabe en una línea: nunca se corta un creativo por el nivel 4 antes de haber gastado 3 veces el CPA objetivo en ese asset. Por debajo, decides al azar. En cambio, sí puedes cortarlo muy pronto por el nivel 1: un hook rate del 11 % sobre 10 000 impresiones en frío no se va a corregir solo, y no hay razón para pagar por comprobarlo.

Este ritmo D+3 / D+7 / D+30 depende también del caudal de producción que haya detrás. Una marca que saca 4 creativos al mes no puede mantener el mismo ritmo de decisión que una que saca 25: hemos detallado el cálculo en cuánto tiempo hace falta para ver resultados en creative ads.

«¿Tenemos suficientes datos?» La respuesta correcta no es una sensación. Es un mínimo escrito antes de lanzar el test, y respetado incluso cuando la cifra apetece.

¿Cómo normalizar dos creativos para que sean realmente comparables?

Cinco condiciones deben ser idénticas: el emplazamiento, la temperatura de la audiencia, la ventana temporal, el régimen presupuestario y el objetivo de campaña. Si solo una difiere, el ganador designado es una ilusión estadística.

Las 5 condiciones de comparabilidad

• Emplazamiento. Un solo emplazamiento por test, o como mínimo un desglose por emplazamiento en el informe. Reels y Feed no se mezclan en una media.
• Temperatura. Frío contra frío. Los 14 puntos de diferencia de AdSights bastan para invertir un ranking.
• Ventana. Mismo periodo del calendario, mismos días de la semana. Un test lanzado el viernes y otro el martes no se enfrentan a la misma competencia en la subasta.
• Régimen presupuestario. O todas las variantes con presupuesto de conjunto de anuncios igual, o todas en la misma campaña CBO. Nunca una mezcla de ambos.
• Objetivo y evento de optimización. Un creativo optimizado para «añadir al carrito» y otro optimizado para «compra» no reciben el mismo tipo de tráfico.

El protocolo de test que aplicamos

Un conjunto de anuncios dedicado al test, separado de la estructura que escala. Entre 3 y 6 variantes como máximo, porque más allá el presupuesto se diluye y ninguna alcanza su mínimo de conversiones. Presupuesto calculado a la inversa: número de variantes × 3 veces el CPA objetivo = presupuesto del test. Duración fijada de antemano, 7 o 14 días. Ninguna intervención durante las primeras 72 horas, periodo en el que el algoritmo explora y produce cifras inestables.

Y sobre todo: una sola variable modificada entre las variantes. Hook distinto, cuerpo idéntico. O cuerpo distinto, hook idéntico. Si cambias el hook, la voz y el CTA a la vez, sabrás cuál gana pero nunca por qué, y no podrás replicar nada en el batch siguiente.

La misma lógica de línea base interna se aplica a los costes de medios: construir tu propia referencia siempre vale más que importar la de otro mercado. El modo de empleo está en construir tu propio benchmark de CPM en 14 días.

¿Qué hacer cuando los niveles se contradicen?

Una contradicción entre dos niveles es el diagnóstico más útil que vas a obtener: localiza el fallo con precisión de segundo. Un creativo «normalito en todo» no te enseña nada. Un creativo con un 42 % de hook y un 7 % de hold te dice exactamente qué rehacer.

El perfil «hook débil, hold fuerte» es el que más buscamos en nuestros clientes de e-commerce, porque es el más barato de corregir. El cuerpo del vídeo ya está validado por los espectadores que aguantaron 15 segundos. Solo queda rodar cuatro aperturas de 3 segundos. Coste marginal casi nulo, ganancia potencial sobre todo el volumen de impresiones.

Un caso que no aparece en la tabla, porque responde a otro diagnóstico: todos los niveles se degradan poco a poco tras dos semanas sin que haya cambiado nada. Ahí ya no se trata de un problema de calidad creativa sino de desgaste de la audiencia, que tratamos en nuestro artículo sobre la fatiga publicitaria en vídeo y sus falsos diagnósticos.

¿Cómo pasar de la medición a la decisión: kill, iterar o escalar?

Tres salidas posibles y una sola regla: la decisión debe escribirse antes de mirar las cifras. Si no, siempre encontrarás un ángulo de lectura que salve el creativo en el que más energía has puesto.

La ficha de decisión

• Kill a D+3. Hook rate por debajo del 15 % en frío con 10 000 impresiones alcanzadas. Sin discusión, sin «démosle una oportunidad».
• Iterar a D+7. Hook correcto, siguiente nivel con fallos. Se devuelve a producción con una instrucción precisa extraída de la tabla de diagnóstico de arriba. Cambia una sola variable.
• Escalar a D+14 o D+30. CPA por debajo del objetivo con un mínimo de 25 a 30 conversiones. Se sube el presupuesto por tramos del 20 al 30 %, y se preparan ya las variaciones, porque un ganador se desgasta.
• Guardar en reserva. La cuarta salida, pocas veces formalizada: un creativo mediocre en adquisición puede rendir muy bien en retargeting. No tires el archivo, cámbialo de nivel de audiencia.

La scorecard creativa: de 5 a 7 métricas, no una

Las scorecards que se sostienen en el tiempo ponderan entre 5 y 7 métricas (Hawky.ai, 2026). Una ponderación tipo dada por Benly.ai en 2026: hook rate 25 %, hold rate 20 %, y el resto repartido entre tasa de finalización, CTR de salida y CVR. Nosotros añadimos siempre una línea de volumen: un creativo cuya puntuación se apoya en 4000 impresiones se marca como «no juzgable», sea cual sea su puntuación.

Cuidado con la trampa inversa. Una puntuación única tranquiliza al comité de dirección y oculta justo la información que sirve para producir. Un creativo con 72/100 no le dice a nadie qué rodar de nuevo la semana que viene. Conserva siempre el detalle por nivel junto a la puntuación.

La tasa de ganadores, la métrica que de verdad miramos

A nivel de dispositivo, el rendimiento individual de un creativo cuenta menos que el rendimiento del batch. ¿Cuántos creativos hay que producir para obtener uno que baje del CPA objetivo y se mantenga ahí 30 días? Es el coste por creativo ganador, y es la única línea que conecta tu presupuesto de producción con tu cuenta de resultados. Detallamos el cálculo en el coste real por creativo ganador en e-commerce.

Lo que no sabemos y nos negamos a fingir: no existe una tasa de ganadores universal. En nuestras cuentas varía muchísimo según la madurez de la cuenta, la amplitud del público objetivo y la naturaleza del producto. Una marca con una oferta fuerte y una audiencia amplia encuentra ganadores mucho más rápido que un producto de nicho con ticket alto. Mide la tuya sobre tres batchs consecutivos antes de convertirla en un objetivo.

¿Qué métricas exigir en un informe de creativos y cuáles rechazar?

Exige métricas desglosadas por asset, por emplazamiento y por temperatura; rechaza cualquier media de cuenta presentada como rendimiento creativo. Un informe que te da el ROAS global y tres capturas de pantalla de vídeos no es un informe de creativos, es una presentación.

Las cuatro líneas que hay que imponer en la tabla del informe: identificador del asset, emplazamiento, temperatura de la audiencia, volumen alcanzado en cada nivel. Sin estas cuatro columnas, las cifras de rendimiento que siguen no son interpretables, aunque sean exactas.

Una cifra que citamos con reservas: Motion, recogido por Jetfuel Agency en 2026, sostiene que el 73 % de los vídeos publicitarios de e-commerce fracasan en los tres primeros segundos. La propia fuente señala límites metodológicos a esta medición. Tómala como un orden de magnitud sobre la importancia del nivel 1, no como una estadística para citar en el comité.

Un informe de creativos sin columna «volumen» es un informe de opiniones. Dejamos de enviarlos en 2024.

¿Por dónde empezar si hoy mides mal?

Coge tus últimos treinta creativos y reclasifícalos por emplazamiento y temperatura antes de mirar ni una sola cifra. Es media jornada de trabajo y, en la mayoría de las cuentas que asumimos, solo con esa clasificación se invierten dos o tres rankings que se habían establecido.

Después, escribe tus mínimos. No tus umbrales de rendimiento: tus mínimos de volumen. Cuántas impresiones antes de hablar del hook, cuántas conversiones antes de hablar del CPA. Muéstralos en el mismo documento que el informe. Mientras esas dos cifras no estén fijadas, saber cómo medir el rendimiento de un creativo sigue siendo un ejercicio teórico, porque cada reunión volverá a abrir la pregunta «¿tenemos suficientes datos?».

Un último punto, y es el que escuece: un protocolo de medición impecable sobre un caudal de producción demasiado bajo no sirve de nada. Si sacas tres creativos por trimestre, nunca tendrás suficientes variantes para que la comparación diga algo. La medición es función del volumen testado. El número de variaciones que producir por ángulo lo hemos cuantificado en la regla de 3 y luego de 5 a 8 variantes, y probablemente sea la palanca que más cambie tus cifras este año, antes de cualquier mejora de tu panel de control.

Preguntas frecuentes

¿Cuál es la diferencia exacta entre hook rate y thumbstop?

En el uso corriente, ambos designan lo mismo: el porcentaje de impresiones que generan una visualización de 3 segundos en Meta, 2 segundos en TikTok. «Thumbstop» viene del vocabulario anglosajón; «taux d'accroche» es el equivalente francés. Comprueba siempre la duración que usa tu herramienta: algunos dashboards calculan el thumbstop a 2 segundos incluso en Meta.

¿Se puede atribuir un ROAS a un creativo concreto?

No, no de forma fiable en un entorno Advantage+ o CBO, donde el algoritmo reparte el gasto entre assets según señales que no controlas. El ROAS es una métrica de campaña o de cuenta. A nivel de asset, trabaja con el CPA y la parte del gasto recibida, indicando siempre el volumen de conversiones que hay detrás de la cifra.

¿Cuántas impresiones hacen falta antes de juzgar un hook rate?

Aplicamos un mínimo de 8000 a 10 000 impresiones por asset antes de leer el hook rate, y de 25 a 30 conversiones antes de leer un CPA por creativo. Son convenciones de trabajo, no umbrales publicados por las plataformas. Por debajo, el ranking de creativos se reordena de un día para otro y la decisión se vuelve aleatoria.

¿Por qué mi hold rate es más bajo en TikTok que en Meta con el mismo vídeo?

Según Adlibrary en 2026, la retención en TikTok se sitúa estructuralmente de 5 a 10 puntos por debajo de la de Meta con un creativo idéntico, porque la aplicación pasa al vídeo siguiente hacia el quinto segundo. Comparar un hold rate de TikTok con un umbral de Meta produce un falso diagnóstico. Construye una línea base distinta por plataforma antes de concluir.

¿Publica Meta un benchmark oficial de hook rate?

No. Los umbrales del 25 %, 30 % o 40 % que circulan proceden de herramientas de terceros y de agregaciones de profesionales (AdSights, Sepia Lab, Benly, Hawky, Billo), cada una sobre su propia cartera de cuentas. Sirven para detectar una anomalía, no para validar un creativo. Tu línea base interna, medida en tus emplazamientos y con tus audiencias, sigue siendo la referencia.

¿Hace falta una puntuación única para clasificar los creativos?

Una puntuación única facilita la lectura en el comité, pero destruye la información útil para la producción. Las scorecards operativas ponderan de 5 a 7 métricas según Hawky.ai en 2026, con, por ejemplo, un 25 % para el hook rate y un 20 % para el hold rate en Benly.ai. Conserva siempre el detalle por nivel junto a la puntuación agregada.