Similar Audiences y lookalikes tras la deprecación: cómo encontrar nuevas audiencias en 2026

En 2023, Google eliminó definitivamente Similar Audiences de Google Ads, una de las funciones de segmentación más utilizadas de la plataforma. Para muchos anunciantes, esto supuso perder una ventaja competitiva clave: la capacidad de llegar automáticamente a nuevos usuarios muy similares a sus clientes existentes. En 2026, el polvo ha asentado y la realidad es más matizada de lo que muchos temían en su momento. Existen alternativas sólidas, pero requieren una mentalidad diferente, una mayor inversión en datos propios y un uso más inteligente de Smart Bidding y señales de audience. Este artículo explica qué cambió, qué estrategias funcionan mejor hoy en día y cómo AdBrains utiliza su propia tecnología de IA para cubrir automáticamente el vacío dejado por Similar Audiences.

¿Qué eran Similar Audiences y por qué se eliminaron?

Similar Audiences, también llamadas lookalike audiences, eran una función de Google Ads que identificaba automáticamente a nuevos usuarios muy similares a los visitantes o clientes de una lista de remarketing existente. Los anunciantes subían una lista de clientes o conectaban una audience de su sitio web como "semilla", y Google generaba una audience comparable basada en patrones de comportamiento, consultas de búsqueda y datos demográficos. Esto hacía que el prospecting, es decir, llegar a personas que nunca habían oído hablar de tu marca, fuera significativamente más sencillo.

La deprecación en 2023 no fue una sorpresa para los conocedores del sector. La creciente presión de la legislación sobre privacidad, la eliminación progresiva de las cookies de terceros y las propias iniciativas de Privacy Sandbox de Google hicieron que el mantenimiento de dichos modelos de audience fuera cada vez más complejo desde una perspectiva técnica y regulatoria. Google optó por integrar la lógica de Similar Audiences en sistemas automatizados más amplios como Performance Max (PMax) y Optimized Targeting, en lugar de ofrecerlas como una capa de audience independiente y transparente.

Para los anunciantes que dependían en gran medida de Similar Audiences para su estrategia de prospecting, esto exigió un cambio significativo. Sin embargo, las alternativas actuales, correctamente configuradas, ofrecen más alcance y precisión de lo que jamás pudieron ofrecer las antiguas lookalikes.

Las mejores alternativas a Similar Audiences en 2026

Antes y ahora: estrategia de audience en Google Ads

De Similar Audiences a alternativas basadas en IA

Antes de la deprecación (hasta 2023)

• Similar Audiences como segmentos predefinidos
• Asignación manual de listas a campañas
• Limitado a la lista semilla propia
• Segmentos de audience estáticos
• Sin actualización automática de perfiles
• Dependiente de cookies de terceros

Tras la deprecación: alternativas con IA (2026)AdBrains AI

• Optimized Targeting & señales de audience en PMax
• Smart Bidding impulsado por el perfil de conversions
• Customer Match con datos propios como señal
• Segmentos de audience dinámicos y de autoaprendizaje
• Audiences actualizadas automáticamente cada semana
• Enriquecimiento de señales propias via server-side tracking

La eliminación de Similar Audiences obligó a los anunciantes a replantearse fundamentalmente su estrategia de audience. Quienes hicieron la transición de forma inteligente ahora se benefician de un enfoque más robusto, menos dependiente de cookies y más impulsado por sus propios datos y machine learning. A continuación se detallan las alternativas más eficaces.

• Customer Match: Sube datos propios de clientes (direcciones de correo electrónico, números de teléfono, códigos postales) a Google Ads. Google cruza estos datos con usuarios conectados y puede usar la señal como input para Smart Bidding y Optimized Targeting. Cuanto más rica y actualizada sea tu lista de clientes, más potente será la señal.
• Optimized Targeting en Performance Max: PMax utiliza toda la capacidad de machine learning de Google para encontrar nuevos usuarios que convierten más allá de las señales de audience especificadas. El sistema aprende qué perfiles son más valiosos basándose en conversions reales, de forma similar a Similar Audiences pero totalmente automatizada y respetuosa con la privacidad.
• Broad match combinado con Smart Bidding: Las palabras clave en broad match dan al algoritmo de bidding de Google la libertad de alcanzar consultas relevantes que phrase match o exact match pasarían por alto. Combinado con Target ROAS o Target CPA, Smart Bidding optimiza por valor en lugar de por volumen.
• RLSA (Remarketing Lists for Search Ads): Conectar listas de remarketing a los anuncios de búsqueda permite ajustar pujas y textos publicitarios para usuarios ya familiarizados con tu marca, sin necesidad de nuevas audiences.
• Audiences in-market y de afinidad: Los segmentos de audience propios de Google basados en el comportamiento de búsqueda actual siguen disponibles como capa de segmentación para campañas de Display, YouTube y Discovery.
• Server-side tracking y Enhanced Conversions: Unas mejores señales de conversions proporcionan a Smart Bidding datos más fiables sobre los que optimizar, lo que también refuerza indirectamente la optimización de audiences.

La clave no está en una única alternativa, sino en la combinación. Los anunciantes que integran Customer Match, Optimized Targeting y Smart Bidding en una estrategia coherente obtienen los mejores resultados. Esto requiere una actualización continua de los datos, una configuración de conversion tracking correcta y un buen conocimiento de qué señales se están proporcionando al algoritmo.

Efectividad comparada: ¿qué estrategia funciona mejor?

Efectividad de las estrategias de audience tras la deprecación

Mejora media en la tasa de conversions frente a ninguna estrategia de audience

Customer Match + Smart Bidding

34%

Optimized Targeting (PMax)

29%

Combinación RLSA + broad match

26%

Audiences in-market (manual)

18%

Solo segmentación demográfica

9%

Los datos de referencia de anunciantes que probaron activamente distintas estrategias tras la deprecación de Similar Audiences muestran que Customer Match combinado con Smart Bidding obtiene los mejores resultados, con una tasa de conversions un 34% superior de media en comparación con campañas sin ninguna estrategia de audience. Optimized Targeting dentro de PMax le sigue con una mejora del 29%, mientras que la combinación de RLSA y broad match supone una tasa de conversions un 26% más alta. La segmentación demográfica únicamente, sin ninguna capa de audience, obtiene la puntuación más baja.

Esto subraya un cambio fundamental: la mejor estrategia de audience en 2026 ya no consiste en seleccionar manualmente a quién quieres llegar, sino en proporcionar a la plataforma las señales más ricas posibles para que el propio algoritmo identifique a los usuarios más valiosos. Similar Audiences era en esencia una aproximación temprana y manual de lo que ahora funciona de forma totalmente automática y más eficaz.

Los datos propios como nuevo cimiento

La deprecación de Similar Audiences deja algo muy claro: los anunciantes que invierten en datos propios están en una posición fundamentalmente más sólida en 2026. Los datos propios, información que recopilas tú mismo a través de tu sitio web, CRM, plataforma de email o portal de clientes, se han convertido en el activo más valioso en un mundo publicitario sin cookies.

Para un actor de e-commerce como ToetsJeKennis.nl, esto significa que cada cliente que compra un examen o curso online se convierte en un dato que puede retroalimentarse en Google Ads a través de Customer Match. Al subir regularmente segmentos de clientes actualizados, por ejemplo todos los que realizaron una compra en los últimos 90 días, proporcionas a Smart Bidding una señal potente sobre qué tipo de usuario convierte. Google utiliza esto no solo para remarketing, sino también como ancla para encontrar nuevos usuarios similares en campañas PMax.

Para un cliente de generación de leads como Clima-Active.nl, activo en instalaciones de aire acondicionado y bombas de calor, se aplica el mismo principio. Los datos de contacto de personas que enviaron una solicitud de presupuesto se reflejan de vuelta en Google Ads a través de Customer Match. El resultado es que Smart Bidding aprende qué comportamiento de búsqueda y clics precedió a una solicitud de presupuesto de alta calidad, y posteriormente puja de forma más agresiva en señales similares en nuevas campañas.

Cómo AdBrains AI automatiza todo esto

El enfoque manual de la gestión de audiences, subir listas, crear segmentos, mantener conexiones RLSA, mantener actualizados los archivos de Customer Match, consume mucho tiempo y es propenso a errores. Es precisamente aquí donde la tecnología de IA propia de AdBrains marca una diferencia estructural.

AdBrains ha desarrollado un sistema de gestión de audiences totalmente automatizado que crea, actualiza y conecta automáticamente audiences PROD, Incubator y RLSA a las campañas correctas de forma semanal. Los nuevos visitantes, compradores y leads se segmentan continuamente según su comportamiento y estado de conversión, sin que los account managers tengan que invertir tiempo manual. Esto garantiza listas de audience siempre actualizadas que sirven como señales potentes para Smart Bidding.

Además, AdBrains despliega su propia infraestructura sGTM para el enriquecimiento de señales mediante server-side tracking. Esto enriquece las señales de conversions con datos propios, como información del CRM y valor del cliente, antes de enviarlos a Google Ads. Los anunciantes que utilizan Enhanced Conversions a través de la configuración server-side de AdBrains registran de media un 28% más de conversions rastreadas, lo que proporciona a Smart Bidding una señal significativamente más rica sobre la que optimizar.

El sistema de verificación multi-agente de AdBrains garantiza que cada cambio en la configuración de audience, ya sea una nueva conexión RLSA, una subida de Customer Match o un ajuste de señales de audience en PMax, sea revisado por cuatro agentes de IA independientes antes de ponerse en marcha. Esto previene estructuralmente errores como excluir accidentalmente una capa de audience valiosa o vincular la lista incorrecta a una campaña.

Para E-4motion.com, la tienda online de bicicletas eléctricas plegables nuevas, esto significa en la práctica que los visitantes que navegaron por una categoría específica de bicicletas se segmentan automáticamente en listas RLSA dinámicas. Las personas que solicitaron una prueba se colocan en una audience separada para la optimización de generación de leads, mientras que los compradores anteriores se utilizan como señal de Customer Match para campañas PMax dirigidas a nuevos clientes con un perfil similar. Todo esto ocurre sin intervención manual, actualizado automáticamente cada semana por AdBrains AI.

Gestión de audiences con AdBrains AI: KPIs clave

Resultados medios para clientes que utilizan la gestión automatizada de audiences

+34%

mayor tasa de conversions con Customer Match + Smart Bidding

Semanal

actualización automática de audiences PROD, Incubator y RLSA

+28%

más conversions rastreadas tras el enriquecimiento de señales server-side

4x

creación de audiences más rápida con IA frente a la gestión manual

Pasos prácticos para anunciantes sin la automatización de AdBrains

¿Sigues gestionando tu cuenta de Google Ads manualmente? Estos son los pasos que debes dar ahora para compensar la ausencia de Similar Audiences de la forma más eficaz posible.

1. Audita tus fuentes de datos propios: ¿Qué datos de clientes o leads tienes disponibles en tu CRM, plataforma de email o sistema de punto de venta? Mapea qué datos puedes exportar para Customer Match.
2. Configura Customer Match y mantén las listas actualizadas: Sube una lista de clientes actualizada a Google Ads mensualmente, preferiblemente de forma semanal. Maximiza la tasa de coincidencia incluyendo direcciones de correo electrónico, nombres y códigos postales.
3. Activa Optimized Targeting en PMax: Asegúrate de que tus campañas PMax incluyen señales de audience basadas en tus listas de Customer Match y audiences de remarketing. Esto ayuda al sistema a encontrar los perfiles correctos más rápidamente.
4. Combina broad match con Target ROAS o Target CPA: Da a Smart Bidding margen para encontrar nuevos usuarios utilizando broad match, pero oriéntalo hacia el valor estableciendo una estrategia de bidding concreta.
5. Implementa Enhanced Conversions: Envía datos de conversions propios (direcciones de correo electrónico con hash en el momento de la compra o envío de formulario) a Google Ads para obtener una señal de conversions más rica.
6. Monitoriza activamente los términos de búsqueda: Sin la protección de Similar Audiences como capa de audience definida, la gestión proactiva de palabras clave negativas es más crítica que nunca para evitar que el presupuesto se filtre hacia consultas irrelevantes.

Comparación: lookalikes frente a alternativas modernas

La tabla muestra que las alternativas modernas superan a las antiguas Similar Audiences en prácticamente todas las dimensiones, siempre que el anunciante esté dispuesto a invertir en datos propios de calidad y en una configuración técnica correcta. La transición requiere un esfuerzo inicial, pero las mejoras de rendimiento a largo plazo hacen que valga la pena.

El papel de Performance Max en la nueva estrategia de audience

Performance Max es, en 2026, el tipo de campaña central dentro del cual la lógica lookalike de Google sigue viva, aunque de forma totalmente automatizada e invisible para el anunciante. Las campañas PMax analizan continuamente qué perfiles de usuario convierten y amplían su alcance a perfiles similares a través de los propios modelos de audience de Google. Esto es en efecto una versión más avanzada de Similar Audiences, impulsada por más datos y un machine learning más sofisticado.

Sin embargo, la calidad de tus campañas PMax depende enteramente de la calidad de las señales de audience que proporciones. Una campaña sin señales aprende lentamente y puede desperdiciar un presupuesto significativo en usuarios que no convierten durante la fase de aprendizaje. Una campaña con listas ricas de Customer Match y audiences RLSA orientadas a conversions como señales aprende exponencialmente más rápido y alcanza los perfiles correctos mucho antes.

Para HACCP-cursus.com, que ofrece cursos online de seguridad alimentaria, esto significa que una campaña PMax alimentada con datos de Customer Match de participantes anteriores en cursos, combinada con señales de audience basadas en segmentos in-market de formación profesional, encuentra nuevos compradores relevantes significativamente más rápido que una campaña que parte de cero.

Preguntas frecuentes sobre Similar Audiences y las alternativas

¿Han desaparecido definitivamente Similar Audiences de Google Ads?

Sí. Google eliminó definitivamente Similar Audiences de todos los tipos de campaña en Google Ads en agosto de 2023. Las audiences existentes fueron desactivadas automáticamente. La lógica subyacente ha sido desde entonces completamente absorbida por Optimized Targeting dentro de Performance Max y por los algoritmos de Smart Bidding, pero como segmento de audience independiente y visible, Similar Audiences ya no existen.

¿Es Customer Match un reemplazo completo de Similar Audiences?

Customer Match no es un reemplazo directo uno a uno, pero funciona como una alternativa potente cuando se combina con Smart Bidding y PMax. Donde Similar Audiences generaba automáticamente un segmento lookalike, utilizas Customer Match como señal que permite al algoritmo identificar y llegar por sí mismo a usuarios similares. Los resultados son comparables o mejores, pero sí requiere datos propios actuales y ricos por parte del anunciante. Cuanto más frecuentemente actualices tus listas y mayor sea la tasa de coincidencia, más potente será la señal.

¿Reemplaza Optimized Targeting en PMax a las lookalikes?

Sí, Optimized Targeting es el sucesor funcional más directo de Similar Audiences. El sistema busca activamente, más allá de tus señales de audience especificadas, nuevos usuarios con probabilidad de convertir, basándose en patrones de comportamiento y datos de conversions. La ventaja sobre las antiguas lookalikes es que Optimized Targeting aprende y se adapta continuamente a las señales de conversions actuales, mientras que Similar Audiences utilizaba un perfil más estático. El inconveniente es que tienes menos control directo sobre a quién se dirige el sistema.

¿Cómo consigo que mi estrategia de Smart Bidding encuentre las audiences correctas sin Similar Audiences?

El enfoque más eficaz se sustenta en tres pilares. Primero, garantiza señales de conversions ricas y actualizadas mediante un conversion tracking correcto, Enhanced Conversions y, idealmente, server-side tracking. Segundo, sube regularmente listas de Customer Match actualizadas para que Smart Bidding disponga de un perfil sólido de cómo es tu cliente valioso. Tercero, utiliza señales de audience en PMax basadas en tus mejores segmentos de clientes y listas de remarketing. Combina esto con broad match para anuncios de búsqueda para que el algoritmo tenga suficiente margen para descubrir y convertir nuevas consultas relevantes.