Preguntas de entrevista Responsable de marketing digital

Empiezo con la audiencia: ¿a quién intentamos llegar, qué problemas tienen y dónde pasan tiempo online? Luego mapeo eso a la selección de canales en lugar de empezar por el canal. Para un nuevo producto, suelo recomendar un enfoque de test-and-learn en lugar de comprometer presupuesto significativo de entrada: lanzar pequeños experimentos en dos o tres canales, medir el coste por adquisición y la calidad de conversión posterior, y luego escalar lo que funciona. Defino KPIs claros antes de que cualquier campaña salga en vivo: no solo impresiones y clics, sino contribución al pipeline o ingresos donde los datos lo permiten.

Depende del objetivo de la campaña. Para campañas de notoriedad uso alcance, frecuencia y aumento de búsquedas de marca. Para generación de demanda rastro leads, coste por lead y calidad de los leads posterior. Para campañas de conversión mido el coste por adquisición, ROAS y contribución a ingresos. Siempre intento conectar las métricas de marketing con los resultados de negocio. Uso parámetros UTM de forma consistente y reviso modelos de atribución multitoque en lugar de depender del último clic. También configuro grupos de control para campañas significativas para medir incrementalidad en lugar de solo correlación.

Trato la asignación de presupuesto como una decisión dinámica, no un plan anual fijo. Empiezo con datos de rendimiento histórico para entender qué canales ofrecen el mejor retorno a qué niveles de inversión, e identifico puntos de saturación. Asigno la mayoría del presupuesto a canales probados, pero siempre reservo entre el 10 y el 15 % para probar nuevos canales o formatos. Reviso la asignación mensualmente y reequilibro según el rendimiento. Cuando hay que recortar presupuesto, corto primero las actividades de mayor coste y menor retorno en lugar de hacer reducciones uniformes.

La IA forma ya parte de la mayoría de nuestros flujos de trabajo principales. Para el contenido, la uso para generar variaciones de titulares y copies para tests A/B: lo que antes requería una sesión creativa con tres personas ahora me lleva 20 minutos trabajando sola. Para los briefs de campaña, puedo redactar un brief estructurado a partir de unos pocos puntos clave y dar al equipo algo concreto sobre lo que reaccionar en lugar de partir de una página en blanco. Para el reporting, introduzco los datos de campaña en un modelo y obtengo un resumen narrativo que adapto para las presentaciones de clientes, lo que reduce considerablemente el tiempo que dedico a los informes. Lo que cuido especialmente es la revisión editorial: todo lo que produce la IA pasa por mí antes de usarse, porque el modelo no conoce la voz de la marca como yo, y el primer borrador es casi siempre plano en cuanto al tono. La IA me da volumen y velocidad; yo aporto la dirección y el criterio.

Ejecuté una campaña de LinkedIn de pago dirigida a directores de RRHH senior para promocionar un informe. El CTR estaba muy por debajo del benchmark y el coste por descarga era tres veces nuestro objetivo. Pausé la campaña después de dos semanas en lugar de continuar gastando. El análisis posterior mostró dos problemas: el creativo era demasiado centrado en el producto para una audiencia fría, y el targeting era demasiado amplio. Reconstruí la campaña con un creativo orientado a la audiencia y un targeting más preciso. La segunda versión alcanzó nuestro objetivo de CPD. La lección principal: no escalar una campaña que no se ha demostrado con un presupuesto pequeño primero.

Nuestro presupuesto de medios de pago fue recortado un 40 % en el Q3 por una reducción de costes. En lugar de reducir uniformemente, realicé un análisis rápido para identificar qué campañas generaban más pipeline en relación al gasto y eliminé las actividades de menor rendimiento por completo. Redirigí parte del presupuesto restante de social de pago a SEO y contenido. También invertí tiempo en mejorar las tasas de conversión de las landing pages. El resultado fue que nos perdimos el objetivo de volumen de leads en un 12 %, pero el coste por lead cualificado mejoró un 8 % al eliminar el gasto ineficiente.

Llevábamos más de un año invirtiendo mucho en un boletín semanal enviado a toda nuestra base de datos. Las tasas de apertura bajaban trimestre a trimestre pero nadie lo cuestionaba. Realicé un análisis de cohortes y encontré que el 68 % de nuestra base no había abierto ningún correo en seis meses. Estábamos dañando nuestra reputación de remitente. Propuse e implementé una campaña de reactivación para el segmento inactivo, luego suprimí a los que no respondieron. Nuestra tasa de apertura aumentó un 34 % y la entregabilidad mejoró significativamente.

Empiezo con investigación de palabras clave para entender el panorama de búsqueda: qué términos usa nuestra audiencia objetivo, cuál es la intención detrás de esos términos y cuál es la dificultad competitiva para posicionarse. Priorizo palabras clave por la combinación de volumen de búsqueda, alineación con la intención y potencial realista de posicionamiento. Luego audito las bases técnicas: velocidad del sitio, rastreabilidad, experiencia móvil y datos estructurados. Construyo un plan de contenido alrededor de las brechas de palabras clave identificadas, priorizando contenido informativo que genera enlaces y construye autoridad temática.

Las pruebas A/B en marketing requieren el mismo rigor que cualquier experimento. Empiezo con una hipótesis clara y defino la métrica principal antes de que comience la prueba. Calculo el tamaño de muestra necesario para detectar una diferencia significativa con significatividad estadística. Pruebo una sola variable a la vez para aislar la causalidad. Ejecuto la prueba durante un ciclo de negocio completo (al menos dos semanas). Leo los resultados incluyendo las métricas secundarias antes de concluir: una variante ganadora que mejora el CTR pero reduce la conversión posterior no es en realidad una victoria.

La atribución es uno de los problemas más difíciles del marketing digital y la abordo con la humildad adecuada. La atribución al último clic distorsiona significativamente las decisiones de inversión al sobre-acreditar los canales de fondo del embudo. Prefiero los modelos de atribución basados en datos donde el volumen de datos lo permite, y donde no, uso un modelo lineal o de decaimiento temporal. También uso pruebas de incrementalidad para inversiones en canales principales. Presento los datos de atribución como evidencia direccional más que como verdad precisa.