Descripción general de la solución
¿Qué son las pruebas de adopción de formatos de anuncio?
Ya sea que tu app se base en ingresos híbridos o en ingresos publicitarios, la adopción de diferentes formatos del anuncio puede ser complicada.
No todos los formatos de anuncio son adecuados para todas las app, y algunos pueden tener un mejor rendimiento según las propiedades de la app. Cuando implementas un nuevo formato de anuncio, podría preocuparte que tenga un impacto negativo en la experiencia del usuario o en la retención, pero también es posible que sientas curiosidad por el potencial de aumentar los ingresos y la participación si un nuevo formato de anuncio se instrumenta correctamente.
![Gráfico que compara la retención y los ingresos publicitarios de diferentes formatos de anuncio con una mayor frecuencia de anuncio](https://firebase.google.cn/static/docs/tutorials/test-ad-format-adoption/images/overview_optimal-ad-format-graph.png?authuser=2&hl=es-419)
Para despejar estas dudas, Firebase ofrece herramientas que te ayudan a hacer pruebas y tomar decisiones basadas en datos sobre la adopción de nuevos formatos de anuncio:
Con Firebase, puedes realizar prueba A/B del rendimiento de un nuevo formato de anuncio con un subconjunto pequeño de usuarios.
Puedes observar los resultados de la prueba y revisar las recomendaciones de Firebase sobre si el nuevo formato del anuncio tiene un mejor rendimiento que el existente.
Una vez que estés seguro de que los cambios probablemente tendrán un impacto positivo, puedes lanzarlos para más usuarios con un solo clic.
Caso empresarial y valor
En promedio, los desarrolladores y publicadores que usan las herramientas de Google AdMob y Firebase para agregar un nuevo formato del anuncio obtienen importantes aumentos en los ingresos (hasta 10 veces*) y mantienen una tasa de retención estable.
* Aumento de los ingresos en función de los resultados de 8 publicadores grandes en 2020
![]() |
Pomelo Games usa Firebase para aumentar sus ingresos hasta un 35% sin perder jugadores. |
![]() |
Qtonz usa Firebase para cuadruplicar sus ingresos publicitarios y obtener un aumento del 190% en ARPDAU. |
Implementa la solución
Para implementar esta solución, puedes seguir nuestro instructivo paso a paso (obtén una descripción general de este instructivo más adelante en esta página).
En este instructivo de múltiples pasos, aprenderás a usar Firebase para probar un nuevo formato de anuncio de Google AdMob en tu app. A modo de ejemplo, usaremos un anuncio intersticial recompensado como caso de prueba, pero puedes extrapolar y seguir estos mismos pasos para otros formatos de anuncio.
En este instructivo, supondremos que ya usas AdMob en tu app y deseas probar si agregar otra unidad de anuncios (con un nuevo formato de anuncio) tendría un impacto en los ingresos de la app o en otras métricas. Sin embargo, no te preocupes si aún no usas AdMob en tu app. Los pasos que se indican en este instructivo también pueden ayudarte a comprender si el solo hecho de agregar una unidad de anuncios a tu app tendría algún impacto en las métricas.
Productos y funciones que se usan en esta solución
Google AdMob Google AdMob permite crear variantes de unidades de anuncios que se publicarán en tu app. Cuando vinculas AdMob con Firebase, AdMob envía información sobre los ingresos publicitarios a Firebase para mejorar la optimización de la estrategia de anuncios. Google Analytics Google Analytics proporciona estadísticas sobre la participación de los usuarios, la retención y las métricas de monetización, como el total de ingresos, los ingresos de AdMob, los ingresos por compras y mucho más. También permite crear segmentos y públicos de usuarios. |
Firebase Remote Config Firebase Remote Config permite cambiar y personalizar de forma dinámica el comportamiento y el aspecto de tu app para los segmentos de usuarios que desees, todo sin publicar una versión nueva de tu app. En este instructivo, usarás parámetros de Remote Config para controlar si se muestra una nueva unidad de anuncios a tus usuarios. Firebase A/B Testing Firebase A/B Testing proporciona la interfaz y la infraestructura para ejecutar experimentos de productos y marketing en tu app. Se encarga de distribuir variantes de experimentos a los usuarios y, luego, realiza análisis estadísticos para determinar si una variante del experimento supera al grupo de control con base en la métrica clave que seleccionaste, como los ingresos o la retención de usuarios. |
Descripción general del instructivo de soluciones
Ir directamente al instructivo paso a paso
Usa AdMob a fin de crear una nueva variante de unidad de anuncios para las pruebas
Crea una nueva unidad de anuncios intersticiales recompensados en AdMob.
Implementa la posición de la unidad de anuncios en el código de tu app.
Configura una prueba A/B en Firebase console
Define los aspectos básicos de las pruebas, la segmentación y los objetivos con los que se ejecutará la prueba.
Define las variantes de prueba y configura el parámetro de Remote Config que controlará si se muestra la nueva unidad de anuncios a los usuarios que participen en la prueba.
Maneja los valores de los parámetros de Remote Config en el código de tu app
Usa el parámetro de Remote Config en tu app.
Implementa la lógica necesaria para que se muestre la unidad de anuncios según el valor del parámetro.
Comienza la prueba A/B y revisa los resultados en Firebase console
Después de comenzar la prueba y permitir que se ejecute por algunos días o semanas, verifica en Firebase console si la prueba A/B tiene una variante ganadora según el objetivo principal de la prueba.
Revisa el impacto en las métricas secundarias para cada variante a fin de asegurarte de que no causaron efectos negativos no deseados en esas métricas.
Decide si vas a lanzar el nuevo formato de anuncio
Si A/B Testing determina que la variante ganadora es la que muestra el nuevo formato del anuncio, puedes comenzar a mostrar el formato del anuncio a todos los usuarios a los que se orienta el experimento, a todos los usuarios de la app o a un subconjunto de usuarios.
Si aún no se determina una ganadora clara, puedes seguir ejecutando el experimento para recopilar más datos o finalizarlo si ya se ejecutó por un período prolongado con resultados no concluyentes.