🔎 Meta explica por qué ves un anuncio en Facebook Reels: qué debe revisar un anunciante
Revisado el 2 de octubre de 2026. Meta ha extendido a Facebook Reels su versión actualizada de «¿Por qué veo este anuncio?». Puede parecer un cambio pensado únicamente para el usuario, pero para un anunciante tiene otra lectura: Meta está haciendo más visible parte de la lógica que hay detrás de la entrega publicitaria basada en aprendizaje automático.
Eso obliga a mirar una campaña desde dos lados. El primero es el habitual: coste, conversiones, creatividad y retorno. El segundo es más incómodo y cada vez más importante: ¿qué explicación recibe una persona cuando pregunta por qué le hemos aparecido?
En esta guía vamos a ver qué ha cambiado, qué puede mostrar Meta, cómo encaja con los anuncios creados con IA y qué conviene revisar en una cuenta publicitaria.
Qué acaba de cambiar en Facebook Reels
Meta actualizó el 17 de septiembre de 2026 su documentación oficial para indicar que la nueva experiencia de «Why am I seeing this ad?» ya está disponible también en Facebook Reels. Antes había ido extendiéndola a otras superficies, entre ellas Instagram Feed, Instagram Stories e Instagram Reels.
La herramienta no revela el algoritmo completo ni permite reconstruir una campaña desde fuera. Lo que hace es ofrecer al usuario explicaciones más comprensibles sobre factores que pueden influir en los modelos de aprendizaje automático utilizados para seleccionar y entregar anuncios.
Meta pone ejemplos de actividad dentro y fuera de sus tecnologías. Una interacción con contenido en Facebook o la actividad relacionada con un sitio web pueden formar parte de las señales que alimentan esos modelos. Además, desde la propia explicación existen accesos hacia controles y preferencias publicitarias.
Por qué esto importa a quien compra publicidad
Durante años era fácil pensar en la segmentación como una lista cerrada: edad, ubicación, intereses, públicos personalizados y poco más. La publicidad actual de Meta depende cada vez más de sistemas automáticos que interpretan señales y deciden qué anuncio tiene más sentido mostrar.
La consecuencia práctica es que el anunciante controla los ingredientes de la campaña, pero no cada decisión individual de entrega. Precisamente por eso aumenta la importancia de entender qué señales estamos enviando al sistema.
| Elemento | Qué revisar | Riesgo habitual |
|---|---|---|
| Audiencia | Restricciones, públicos y exclusiones realmente necesarios | Segmentar demasiado y limitar el aprendizaje |
| Datos propios | Origen, calidad y permisos de las listas y eventos | Enviar datos pobres o difíciles de justificar |
| Web/app | Eventos que recibe Meta y coherencia con el embudo | Optimizar con señales incorrectas |
| Creatividad | Mensaje, promesa y variantes generadas con IA | Que el anuncio parezca desconectado de la landing |
| Landing | Correspondencia entre anuncio, oferta y página | Buen CTR pero baja conversión |
Qué puede explicar «¿Por qué veo este anuncio?»
Meta explica oficialmente que la herramienta resume en temas cómo determinada actividad puede informar sus modelos de aprendizaje automático. También incorpora ejemplos e ilustraciones para hacer más comprensible la relación entre señales y anuncios.
Esto no significa que un usuario vea una ficha técnica con todas las variables de la subasta. Tampoco debe interpretarse como una exportación del targeting configurado en Ads Manager. Es una capa de transparencia destinada a explicar de manera accesible por qué el sistema puede considerar relevante un anuncio.
La actividad fuera de Meta también cuenta
Este punto merece especial atención para empresas que usan píxel, API de conversiones, CRM o listas de clientes. Meta lleva años explicando que las empresas pueden compartir información sobre actividad en sus sitios y aplicaciones para mejorar la relevancia y la medición publicitaria.
Por eso una auditoría no debería limitarse al conjunto de anuncios. Hay que comprobar qué eventos salen de la web, cuáles llegan duplicados, qué conversiones se consideran importantes y si el consentimiento y la configuración utilizados son adecuados para cada mercado.
La segunda capa: anuncios creados o modificados con IA
La transparencia no termina en la selección del anuncio. Meta también ha desarrollado un sistema para informar cuando determinadas imágenes o vídeos publicitarios han sido creados o modificados significativamente mediante herramientas de IA generativa.
En junio de 2026 Meta anunció además el despliegue de «About this ad», un destino unificado dentro del menú de tres puntos para reunir información adicional de transparencia. La compañía explicó que su enfoque también pretende cubrir contenido publicitario moldeado por herramientas de IA de terceros, no únicamente por las herramientas creativas de Meta.
Para una marca esto convierte la procedencia de la creatividad en algo que conviene documentar. Si utilizas IA para crear fondos, transformar imágenes o generar vídeo, guarda el original, la versión modificada y el proceso utilizado. No porque toda edición vaya a mostrarse de la misma manera, sino porque la trazabilidad interna evita problemas cuando una pieza pasa por varias herramientas y personas.
Campañas de IA con una landing preparada para convertir
La automatización puede encontrar mejores oportunidades de entrega, pero no arregla una página que no explica bien la oferta. En AnunciaEnIA trabajamos campañas y landings orientadas a convertir el tráfico procedente de publicidad y asistentes de IA. El objetivo no es añadir IA porque sí, sino conectar anuncio, mensaje, página y medición.
Cómo auditar una campaña de Meta pensando en esta transparencia
1. Mira el anuncio como si fueras el usuario
No empieces por Ads Manager. Empieza por la experiencia final. Pregúntate si una persona entendería quién anuncia, qué se ofrece y por qué la landing continúa exactamente la misma promesa.
2. Revisa las señales que alimentan la optimización
Haz inventario de píxel, API de conversiones, eventos de app, listas de clientes y cualquier integración que envíe información. El objetivo es detectar eventos antiguos, duplicados o conversiones que ya no representan valor real.
3. Comprueba públicos personalizados y exclusiones
Una lista subida hace años puede seguir formando parte de procesos internos aunque ya no tenga sentido comercial. Revisa procedencia, finalidad, actualización y exclusiones. No basta con que técnicamente sea posible cargar un público.
4. Separa lo que decides tú de lo que decide el modelo
Documenta las restricciones explícitas de campaña y, aparte, las áreas donde permites expansión u optimización automática. Esta separación ayuda a entender resultados y evita atribuir al algoritmo una decisión que en realidad estaba fijada en la configuración.
5. Revisa las creatividades generadas con IA
Comprueba que una variante automática no cambie el significado de la oferta. Una imagen más llamativa no compensa un producto representado de forma incorrecta, una característica inexistente o una expectativa que la página no puede cumplir.
6. Comprueba la landing y la medición
El anuncio puede ser excelente y aun así fracasar después del clic. Revisa velocidad, versión móvil, formulario, eventos de conversión y correspondencia entre el mensaje del anuncio y el primer bloque de la página.
Un ejemplo sencillo
Imaginemos una tienda de muebles que anuncia una mesa extensible. La empresa envía a Meta eventos de visitas, productos vistos, carrito y compra. También utiliza vídeos cortos para Reels y deja parte de la entrega en manos de los sistemas automáticos.
El error sería pensar únicamente: «He elegido personas interesadas en decoración». El sistema dispone de más señales y modelos para decidir relevancia. La auditoría correcta pregunta si los eventos representan bien la intención, si la creatividad enseña realmente la mesa que se vende y si la página confirma precio, medidas y condiciones sin contradicciones.
La nueva capa de transparencia no sustituye esa auditoría, pero recuerda algo importante: la lógica publicitaria ya no es simplemente una casilla de intereses.
Lo que esta función no significa
No significa que Meta revele todos los parámetros de su algoritmo. Tampoco permite conocer exactamente por qué una impresión concreta ganó una subasta frente a todos los anuncios alternativos. Y no convierte la explicación que ve el usuario en una herramienta de diagnóstico equivalente a Ads Manager.
Es importante mantener esta distinción porque alrededor de la publicidad con IA aparecen con facilidad interpretaciones exageradas. Lo confirmado por Meta es una mayor explicación de cómo distintos tipos de actividad pueden informar los modelos utilizados para seleccionar y entregar anuncios.
Qué cambia para pequeñas empresas
Para una pyme la buena noticia es que no necesita convertirse en especialista en modelos de machine learning. Sí necesita tener ordenados cuatro elementos: datos, oferta, creatividad y medición.
Cuanto más automatizada es la compra publicitaria, más importante resulta que las señales de entrada sean buenas. Si una empresa marca como conversión acciones sin valor, mantiene eventos antiguos o mezcla objetivos incompatibles, el sistema puede optimizar perfectamente… hacia aquello que se le pidió por error.
Checklist antes de lanzar la próxima campaña
| Comprobación | Pregunta |
|---|---|
| Datos | ¿Los eventos enviados siguen siendo correctos y útiles? |
| Audiencias | ¿Las listas y exclusiones tienen una finalidad actual? |
| IA creativa | ¿La pieza representa fielmente producto y oferta? |
| Reels | ¿El anuncio funciona realmente en formato vertical y móvil? |
| Landing | ¿Continúa la promesa del anuncio sin fricción? |
| Conversión | ¿Meta recibe la señal que de verdad representa negocio? |
La dirección es más importante que el botón
La llegada de esta explicación a Facebook Reels es un cambio pequeño de interfaz, pero forma parte de una tendencia mayor. La publicidad está usando más modelos automáticos para decidir qué mostrar, mientras las plataformas añaden mecanismos para explicar al usuario cómo intervienen los datos y la IA.
Para los anunciantes, la respuesta no debería ser intentar adivinar el algoritmo. Es mejor construir campañas que puedan defenderse cuando miramos todo el recorrido: datos razonables, una segmentación coherente, creatividad fiel al producto, landing consistente y una conversión bien medida.
En un sistema cada vez más automatizado, la calidad de lo que enseñamos a la IA importa tanto como la cantidad de opciones que dejamos que optimice.
Fuentes oficiales
Meta Newsroom, «Increasing Our Ads Transparency», actualización del 17 de septiembre de 2026; Meta Newsroom, «Expanding GenAI Transparency for Meta’s Ads Products», actualización del 1 de junio de 2026. Consultadas el 2 de octubre de 2026.
Fuente oficial: transparencia de anuncios de Meta
Fuente oficial: transparencia de IA generativa en anuncios
Comentarios
Comparte tu experiencia, una opinión o una duda sobre este artículo. Los comentarios se revisan antes de publicarse para mantener una conversación útil.