De un conjunto de keywords a un presupuesto: cómo volumen, CPC y competencia se convierten en una sola cifra

Una tabla de keywords no decide un presupuesto por ti. La herramienta te devuelve volumen de búsqueda, CPC y nivel de competencia para cada término; lo que necesitas para lanzar una campaña es saber cuánto dinero debe recibir ese conjunto de keywords este mes. Convertir esas tres métricas aisladas en una cifra de inversión es el problema real. También lo es distinguir dónde un modelo puede ahorrar trabajo y dónde solo añade ruido.

Antes de entrar en materia, un límite claro: todos los datos mencionados proceden de la biblioteca pública de anuncios y del centro creativo de cada plataforma, con una cuenta propia iniciada sesión, sin firmas ni mecanismos eludidos. Se trata de transformar información pública y accesible en una decisión de presupuesto.

Tres métricas que pueden engañarte

Es habitual mirar la tabla de keywords y asumir que sus tres columnas son valores fijos. Ninguna lo es.

El volumen de búsqueda depende de la ventana temporal. Una misma palabra puede mostrar un volumen varias veces distinto en periodos de 7, 30 o 180 días, normalmente acompañado de variaciones intermensuales e interanuales. Una keyword con poco volumen pero que ha duplicado su cifra interanual transmite algo completamente distinto de otra con mucho volumen que se ha reducido a la mitad. Si solo copias la columna de volumen, ambas pueden parecer iguales.

El CPC no es un punto, sino un intervalo. El planificador devuelve un rango entre un valor bajo y otro alto. Elegir alegremente una mediana borra la incertidumbre que la propia plataforma te está señalando. Para un presupuesto conservador, usa el extremo alto; para estimar un retorno optimista, el bajo. Convertirlo en una sola cifra equivale a fingir que sabes algo que no sabes.

La competencia es una categoría relativa, no una dificultad absoluta. Ese "baja / media / alta" se asigna respecto al conjunto completo de keywords de la plataforma en el momento de aplicar el filtro. Solo indica que, entre esas palabras, está en el lado difícil; no que tenga una dificultad absoluta concreta para ganar. Si cambias de mercado o de categoría, cambia el nivel. Tratarlo como una puntuación absoluta comparable entre distintos grupos de keywords es la más sutil de las tres trampas.

El presupuesto se calcula por conjuntos, no por palabras

Una vez entendido que las tres métricas pueden inducir a error, surge la siguiente duda: ¿por qué no multiplicar "volumen x CPC" para cada palabra y sumar el resultado?

Porque los volúmenes de búsquedas de sinónimos cercanos no se suman. "Comprar X" y "precio de X" probablemente corresponden a las mismas personas durante la misma decisión de compra. Sumarlos de forma directa cuenta dos veces a un mismo usuario e infla el presupuesto sin fundamento.

Por eso, además de la vista individual por palabra, un planificador maduro ofrece una vista agregada por conjunto de keywords: envías un grupo de términos y recibes el rango de volumen de búsqueda y el rango estimado de presupuesto de todo el conjunto. Es el total después de descontar los solapamientos entre palabras, no una suma término a término. La propia plataforma proporciona el presupuesto por conjunto. Las tres columnas individuales sirven para ordenar y agrupar, no para sumarlas.

La palabra con la que defines tu producto no siempre es la que busca el mercado

Esta es la trampa más valiosa de todo el proceso, y también una de las más frecuentes: la forma en que llamas a tu producto y lo que la gente escribe en el buscador suelen ser cosas distintas.

Una palabra temática de negocio pertenece a tu lenguaje interno: el nombre del producto, de una funcionalidad o el concepto de posicionamiento de una presentación. Una keyword de búsqueda habla el idioma del usuario: suele ser más coloquial y estar más orientada al problema. Puedes trabajar en "AI video generation" y usar "AI video generation" como término temático, mientras que quienes buscan de verdad escriben "how to turn a photo into a video" o "text to video free." Ambos grupos de palabras no compiten en la misma bandeja de volumen, CPC o competencia.

Esta desconexión es especialmente perjudicial en lanzamientos entre mercados —cuando traduces literalmente el término temático y el mercado objetivo no habla así— y en categorías nuevas, donde has inventado una etiqueta mientras el mercado describe esa necesidad con términos antiguos. La solución no tiene misterio: la palabra temática es solo una semilla; las palabras que entran en la tabla presupuestaria deben crecer a partir de las búsquedas reales del mercado. Un flujo maduro separa "palabras temáticas creativas" y "palabras de búsqueda del mercado" en dos campos. La primera define de qué habla la creatividad; la segunda determina adónde va el presupuesto. Si las mezclas, acabarás comprando un lote de palabras que nadie busca, escritas en tu propio idioma.

Expansión con modelos: semillas, contexto e intención

El primer punto en el que un modelo puede ahorrar tiempo de verdad es ampliar unas pocas semillas hasta obtener una tabla de keywords que cubra las búsquedas reales del mercado. Eso sí, hay que formular bien la petición. Si pides "amplía keywords relacionadas", recibirás una pila de sinónimos sin estructura. Un buen prompt incluye el contexto de negocio y obliga al modelo a devolver tres elementos para cada palabra:

I'm doing search advertising for <one-sentence product description> in
<target market/country>.
Seeds: <3 to 10 words you already know>

Expand the keywords, and output each in the structure below, no prose:

1. Keyword
2. Intent stage it belongs to (awareness / comparison / decision / brand)
   awareness: the user is describing a problem, doesn't know the solution yet
   comparison: the user is weighing several solutions
   decision: the user is ready to buy, looking for a channel/price/alternative
   brand: the user is searching a specific brand name
3. Why it's adjacent to the seed (a different phrasing of the same need?
   the downstream next step? an adjacent need in the same scenario?)

El segundo punto es el gancho que permite convertir una palabra en presupuesto. Sin una fase de intención, una keyword ampliada no deja de ser una cadena de texto. El tercero sirve para la revisión: las palabras que el modelo ha inventado y que no tienen relación real con tu negocio suelen desmoronarse en esa columna. Esos dos campos obligan al modelo a ofrecer una estructura verificable, no una asociación que simplemente suena convincente.

Validación de retorno: las hipótesis del modelo se contrastan con volumen real

Este paso es la barrera de toda la cadena. Aquí es donde mucha gente recorta camino y termina lanzando campañas con tablas llenas de palabras alucinadas. Las keywords ampliadas por un modelo son hipótesis hasta que vuelven a pasar por la herramienta. Puede proponer una expresión gramaticalmente correcta, con una intención aparentemente lógica, que nadie busca en un mes. El modelo no dispone de volumen de búsqueda en tiempo real: evalúa si algo parece una búsqueda plausible, no si alguien realmente la busca.

El método es mecánico: devuelve cada palabra al planificador, obtén su volumen, CPC y competencia reales, y conserva únicamente los términos con volumen distinto de cero cuya etiqueta de intención encaje con las métricas reales. Que encaje significa que una palabra etiquetada como "intención de decisión" normalmente tendrá un CPC más alto y una competencia más dura. Si se clasifica como decisión pero tiene un CPC absurdamente bajo y el nivel mínimo de competencia, no has encontrado una oportunidad: la intención está mal etiquetada y debes devolverla al flujo.

La división entre "el modelo plantea la hipótesis y los datos reales deciden" sigue el mismo esquema que usar un modelo para reconocer algoritmos en código ofuscado y después filtrar sus alucinaciones mediante pruebas diferenciales en ingeniería inversa: el modelo es bueno generando candidatos, pero malo verificando hechos, y no conviene dejarle hacer ambas cosas a la vez. La "validación de retorno" de keywords es aquí la prueba diferencial, y la condición volume > 0 tiene mucha más autoridad que un modelo diciendo "esta es una buena palabra."

El presupuesto toma forma por fase de intención

La tabla de keywords validada ya tiene una estructura útil: cada término cuenta con un rango real de volumen de búsqueda, un rango de CPC, un nivel de competencia y una etiqueta de fase de intención. Solo ahora se puede calcular el presupuesto. La clave no es repartirlo por igual entre palabras, sino asignarlo según la intención:

Keywords de intención de decisión ("X price," "X alternative," "buy X"): son las más próximas a la conversión y las de mayor valor por clic, pero tienen poco volumen, una competencia más feroz y el techo de CPC más alto. Merecen alta prioridad y tolerancia a un coste elevado, aunque con un límite: solo hay un número determinado de personas listas para comprar.
Keywords de intención de comparación: se sitúan en un punto intermedio tanto en conversión como en volumen, y absorben el presupuesto que rebasa las palabras de decisión.
Keywords de intención de descubrimiento ("how to do X," "what is X"): reúnen el mayor volumen y el CPC más bajo, pero están más lejos de la conversión. Reciben una asignación baja para mantener cobertura, sin exigirles la misma conversión que a una palabra de decisión.

Dentro de cada grupo, ordena también por "rango de volumen x cuota objetivo x rango de CPC." Al final, un conjunto de keywords no se reduce a una cifra sacada de la nada, sino a una estructura presupuestaria dividida por fases de intención, con un rango para cada fase.

Qué modelo usar en cada fase

Las tareas que un modelo realiza en esta cadena requieren capacidades muy distintas. Usar un único modelo para todo o bien desperdicia dinero, o bien sacrifica precisión:

Fase	Capacidad necesaria	Elección	model id
Expansión de keywords + clasificación de intención	Razonamiento sólido, comprensión del contexto de negocio, evaluación de intención y explicación de por qué una palabra es adyacente	Claude Opus 5	`claude-opus-5`
Cargar todo el contexto antes de ampliar (conjunto de keywords + historial de lanzamiento + texto de la landing page)	Contexto largo para incluir todo el contexto de negocio sin perder detalle	Kimi K3	`kimi-k3`
Etiquetar y deduplicar de cientos a miles de palabras ampliadas por elemento	Bajo coste, alta concurrencia y capacidad para operar a escala	Claude Sonnet 5	`claude-sonnet-5`
Atribución de desviaciones tras el retorno de datos (por qué la intención del modelo no encaja con las métricas reales)	Razonamiento intermedio y capacidad de explicar a partir de cifras	GPT-5.6 Sol	`gpt-5.6-sol`

La primera fase merece especial atención: la expansión y clasificación de intención es la única en la que cambiar de modelo modifica visiblemente el resultado. Evalúa si comprende tu negocio y si es capaz de reconocer que una palabra no tiene relación con él. Un modelo más débil puede entregar una tabla exhaustiva en la que todas las intenciones aparecen como "decisión"; una pasada de validación revelará una tasa de acierto decepcionante. Un modelo de razonamiento sólido identifica por sí mismo los términos no adyacentes. Puedes comprobar la diferencia con un protocolo sencillo:

Elige un conjunto semilla de keywords, de 5 a 10 palabras cuyo contexto de negocio conozcas.
Envía las mismas "semillas + contexto de negocio" a claude-opus-5 y gpt-5.6-sol; pide a cada uno 50 palabras, con la salida "palabra + fase de intención + por qué es adyacente."
Devuelve ambos grupos al planificador para obtener volumen, CPC y competencia reales.
Revisa dos cosas: cuántas palabras ampliadas tienen volumen real distinto de cero —y no son cadenas inventadas—, y si las etiquetas de intención encajan con el CPC y la competencia reales; las palabras de decisión deberían ser más caras y competidas.
Esa tasa de acierto es tu criterio de selección. Determina directamente cuántas palabras alucinadas habrá que descartar más adelante. Una sola ronda te mostrará la diferencia de forma más directa que cualquier benchmark.

El verdadero problema es el coste de cambiar de modelo

Cuatro modelos de tres proveedores implican tres SDK, tres esquemas de autenticación y tres formatos de error. Reescribir el cliente tres veces para alternar entre expansión, etiquetado masivo y atribución no merece la pena. Por eso, la mayoría termina usando un solo modelo para todo el flujo, escoge una categoría que no resuelve bien la clasificación de intención durante la expansión y obtiene una baja tasa de acierto en la validación sin saber por qué.

AIReiter elimina esa capa: una clave, una interfaz compatible con OpenAI y las cuatro categorías disponibles detrás. Para cambiar de modelo, basta con modificar el campo model del cuerpo de la solicitud.

# Keyword expansion + intent classification: the reasoning tier
curl https://aireiter.com/api/v1/chat/completions \
  -H "Authorization: Bearer $AIREITER_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "messages": [{"role": "user", "content": "<expansion prompt + seeds + business context>"}]
  }'

# Tag hundreds of expanded words in bulk: change the model field, leave the rest
#   "model": "claude-sonnet-5"
# Post-feedback deviation attribution:
#   "model": "gpt-5.6-sol"

Si ya utilizas el SDK de OpenAI, apunta base_url a https://aireiter.com/api/v1 y no cambies nada más. Con el SDK de Anthropic, utiliza POST /api/v1/messages con la misma clave.

En precio, los modelos Claude tienen un 30% de descuento sobre la tarifa de lista y los modelos GPT cuestan la mitad. El coste principal de este flujo no está en la expansión, que requiere unas pocas llamadas de razonamiento porque un conjunto de keywords solo necesita unas cuantas rondas. Lo que realmente consume volumen es el etiquetado masivo: de cientos a miles de palabras candidatas por cada planificación, clasificadas por intención y deduplicadas elemento a elemento. Ahí encaja el procesamiento masivo de alta concurrencia de la categoría económica, y el 30% de descuento de Claude llega justo a la llamada más intensa.

Obtén una clave de API
Pruébalo sin registrarte: primero amplía manualmente un conjunto de keywords y compara la tasa de acierto tras la validación entre las palabras de ambas categorías; después decide si quieres integrarlo.

Conclusión

Una herramienta de keywords te ofrece tres métricas que pueden engañar: el volumen de búsqueda depende de la ventana temporal, el CPC es un intervalo y la competencia es una categoría relativa. Un lanzamiento necesita una estructura presupuestaria separada por fases de intención. El proceso intermedio consiste en deduplicar por conjunto en lugar de sumar palabra por palabra, partir de las búsquedas del mercado y no de los términos temáticos del negocio, pedir al modelo que amplíe palabras con su intención asociada pero validar cada una con volumen real, y asignar presupuesto por intención en vez de repartirlo por igual entre keywords. El modelo acelera la expansión y la clasificación de intención; no es quien decide el presupuesto.

Una vez calculada esta cifra presupuestaria, pasa a la fase de validación comercial del pipeline que lleva de una keyword a una creatividad publicitaria terminada: solo merece la pena avanzar hacia la selección de creadores y la generación de activos con los conjuntos de keywords cuyo presupuesto supera el umbral. La línea de decisión paralela consiste en leer la curva de retención de un anuncio segundo a segundo: una determina en qué palabras inviertes dinero; la otra, en qué creatividad lo inviertes.