Mes: julio 2026

HubSpot Acaba de Lanzar Agent Hub: El Fin del Caos de Agentes de IA

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 30/07/2026

La mayoría de equipos no adoptó un agente de IA este año — adoptó seis, de seis herramientas distintas, sin que nadie los gobierne y sin memoria compartida entre ellos. El 23 de julio de 2026 HubSpot lanzó su respuesta a ese caos: Agent Hub y Agent Builder, ya en beta pública para todos los clientes Professional y Enterprise. La propuesta no es «aquí tienes otro agente». Es «aquí tienes el sitio para construirlos, ejecutarlos y vigilarlos todos, sobre un único registro compartido de tu cliente». Es una apuesta distinta — y más interesante. Esto es lo que se lanzó de verdad y cómo decidir si activarlo.

HubSpot · Agentes de IA

¿Qué Lanzó HubSpot con Agent Hub y Agent Builder?

HubSpot publicó dos productos conectados en beta pública. Agent Hub es la capa de gestión: un espacio único donde descubres, activas, monitorizas y organizas cada agente de IA que corre en marketing, ventas y servicio. Ves estado en vivo, resultados recientes y salidas agrupadas por objetivo de negocio — generar demanda, cerrar tratos, fidelizar clientes, escalar — en lugar de una dispersión de bots inconexos. Agent Builder es la capa de creación: un lienzo low-code donde usuarios no técnicos describen una tarea en lenguaje natural vía Breeze Assistant, conectan workflows y agentes propios, y los disparan desde horarios, cambios en registros, webhooks o integraciones de terceros.

Lo que lo hace funcionar es el contexto compartido. Cada agente lee y escribe sobre el mismo registro de cliente en HubSpot, así que dejan de trabajar a ciegas entre sí. El ejemplo de la propia HubSpot es el fallo que todos reconocemos: un agente de prospección envía un pitch a una cuenta la misma semana en que un agente de servicio gestiona una queja abierta de esa cuenta — sin que ninguno sepa del otro. Sobre un registro compartido, esa colisión no ocurre. Es el paso lógico tras el despliegue de Breeze del año pasado; si quieres la base, nuestro análisis de qué activar y qué ignorar en HubSpot Breeze sigue vigente.

¿Qué Problema Resuelve Agent Hub de Verdad?

El objetivo real es el «agent sprawl»: la proliferación descontrolada de agentes. En los últimos dieciocho meses casi todos los equipos añadieron IA a su stack herramienta por herramienta — un chatbot aquí, un agente de contenido allí, un agente de prospección de otro proveedor — y acabaron con automatización que nadie gobierna, sin visibilidad de rendimiento y sin una visión compartida del cliente. Parece productivo y crea riesgo en silencio: agentes que duplican contactos, se contradicen o actúan sobre datos caducados.

Agent Hub ataca eso por tres frentes. Gobierno: una pantalla muestra qué corre, qué hace y quién responde, para que los agentes dejen de operar en los rincones oscuros de tus operaciones. Visibilidad: los resultados se organizan por resultado de negocio, no por herramienta, así que por fin puedes preguntar «¿este agente genera pipeline?» y obtener respuesta. Contexto: como todo vive sobre el registro de HubSpot, la acción de un agente se informa del historial completo del cliente, no del trozo que su proveedor alcanzaba a ver.

Por eso este lanzamiento importa más que un agente vistoso suelto. El cuello de botella de la mayoría de equipos en 2026 no es «¿podemos hacer que un agente haga una tarea?» — es «¿podemos correr diez sin que se pisen entre ellos y con nuestros clientes?». Una torre de control es un producto menos glamuroso que un bot mágico, y mucho más útil.

Agent Builder: ¿Para Quién Es la Creación Low-Code de Agentes?

Agent Builder baja el listón para crear un agente a medida. Describes lo que quieres en lenguaje natural, lo conectas a tus workflows y datos de HubSpot, y defines qué lo dispara. Eso ayuda de verdad a un responsable de RevOps o a un manager de marketing a automatizar una tarea real — enrutado, enriquecimiento, borradores de seguimiento, preparación de reuniones — sin esperar a un desarrollador.

Pero «low-code» no es «sin criterio». Un agente que montas en una tarde sigue actuando sobre datos vivos de clientes, y aplica la misma disciplina que a una contratación humana: un trabajo acotado, límites claros y una forma de revisar su labor. Los que se quemen serán quienes traten Agent Builder como un juguete y suelten cinco agentes mal configurados sobre su base de datos. Los que ganen acotarán cada agente a un trabajo que puedan medir. Es la misma lección de nuestro análisis sobre qué están reemplazando los agentes de IA en marketing B2B: la herramienta vale lo que el trabajo que le das.

Algo que revisar antes de construir:
Los agentes a medida consumen Créditos de HubSpot cuando ejecutan acciones configuradas. Los créditos vienen incluidos en Professional y Enterprise, pero «gratis de crear» no es «gratis de ejecutar» — acota cada agente a trabajos que justifiquen los créditos que gastarán.

¿Cómo Deberías Desplegarlo de Verdad?

Trata la beta como un piloto controlado, no como una carrera por ocupar terreno. Un despliegue sensato en cuatro pasos.

1. Inventaria lo que ya corre. Antes de añadir nada, usa Agent Hub para ver cada agente ya activo en tu portal. A la mayoría de equipos les sorprende lo que hay encendido. No puedes arreglar una dispersión que no ves.

2. Empieza por un trabajo de alto valor y bajo riesgo. Elige una tarea con dueño claro y métrica obvia — enrutado de leads, preparación de reuniones, un borrador de seguimiento que aún envía un humano. Evita lo que dé la cara al cliente y sea irreversible hasta que confíes en el resultado.

3. Conecta el contexto compartido con intención. El valor son agentes que saben qué han hecho otros agentes y comerciales. Asegúrate de que tus datos y propiedades estén lo bastante limpios para que «contexto compartido» signifique contexto correcto, no contexto erróneo con seguridad.

4. Fija una cadencia de revisión. Revisa cada semana los resultados de cada agente frente al objetivo para el que lo contrataste, y frente al gasto de créditos. Apaga los que no se ganen el sueldo. Un agente que nunca auditas es un pasivo con credenciales.

La Idea Clave

El producto real de Agent Hub no es otro agente — es gobierno, visibilidad y contexto compartido para los agentes que ya corres. Adóptalo como torre de control y acota cada agente a un trabajo medible.

El low-code baja el listón para construir. No baja el listón del criterio.

¿No sabes qué agentes de tu portal se están ganando el sueldo?

Ayudo a equipos de HubSpot a auditar su stack de agentes, eliminar la dispersión y desplegar Agent Hub en torno a trabajos que se pueden medir — con la higiene de datos que hace fiable el «contexto compartido».

Auditar mis agentes de HubSpot →

En Resumen: ¿Deberías Activar Agent Hub Esta Semana?

Si estás en Professional o Enterprise y ya tienes más de un agente corriendo, sí — pero primero como herramienta de auditoría, no de construcción. Abre Agent Hub, mira todo lo que está activo y organízalo antes de crear nada nuevo. La mayor victoria de la primera semana es la visibilidad: saber qué le está haciendo tu automatización a tus clientes.

El patrón de fondo es el que recorre todo lo que lanzaron las plataformas este año. La IA abarató hacer la tarea; la habilidad escasa ahora es la orquestación — decidir qué trabajos automatizar, evitar que colisionen y leer si funcionan. HubSpot apuesta a que los equipos ganadores no serán los que tengan más agentes, sino los que los gestionen como un equipo y no como un montón de scripts.

Encender un agente ya es trivial. Gobernar una flota entera es el trabajo de verdad. Construye primero la torre de control.

Convierte el stack de agentes de HubSpot en un sistema que controlas

Ayudo a consultores, agencias y equipos B2B a desplegar HubSpot Agent Hub como toca — un inventario de lo que corre, agentes acotados a trabajos medibles, datos limpios para que el contexto compartido sea fiable, y una cadencia de revisión que corta la dispersión antes de que te cueste clientes o créditos.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas HubSpot & CRM, IA & Automatización

Blog post

HubSpot Just Launched Agent Hub: The End of AI Agent Sprawl

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 30/07/2026

Most go-to-market teams didn’t adopt one AI agent this year — they adopted six, from six different tools, with no one owning them and no shared memory between them. On July 23, 2026 HubSpot shipped its answer to that mess: Agent Hub and Agent Builder, now in public beta for every Professional and Enterprise customer. The pitch isn’t «here’s another agent.» It’s «here’s the place to build, run and watch all of them, on one shared record of your customer.» That’s a different — and more interesting — bet. Here’s what actually launched and how to decide whether to turn it on.

HubSpot · AI Agents

What Did HubSpot Just Launch with Agent Hub and Agent Builder?

HubSpot released two connected products in public beta. Agent Hub is the management layer: a single workspace where you discover, activate, monitor and organise every AI agent running across marketing, sales and service. You see live status, recent results, and outcomes grouped by go-to-market goal — building demand, winning deals, delighting customers, scaling growth — instead of a scatter of disconnected bots. Agent Builder is the creation layer: a low-code canvas where non-technical users describe a task in plain language through Breeze Assistant, wire workflows and custom agents together, and trigger them from schedules, record updates, webhooks or third-party integrations.

The unlock underneath both is shared context. Every agent reads and writes to the same HubSpot customer record, so they stop working blind to each other. HubSpot’s own example is the failure mode everyone recognises: a sales prospecting agent emails a warm pitch to an account the same week a service agent is handling that account’s open complaint — neither aware of the other. On a shared record, that collision doesn’t happen. This is the logical next step after last year’s Breeze rollout; if you want the groundwork, our take on what to activate and skip in HubSpot Breeze still holds.

What Problem Does Agent Hub Actually Solve?

The real target is agent sprawl. Over the last eighteen months most teams bolted AI onto their stack tool by tool — a chatbot here, a content agent there, a prospecting agent from a point vendor — and ended up with automation nobody owns, no clear performance visibility, and no shared view of the customer. It feels productive and quietly creates risk: agents duplicating outreach, contradicting each other, or acting on stale data.

Agent Hub attacks that on three fronts. Ownership: one screen shows what’s running, what it’s doing and who’s accountable, so agents stop operating in the dark corners of your ops. Visibility: results are organised by outcome, not by tool, so you can finally ask «is this agent producing pipeline?» and get an answer. Context: because everything sits on the HubSpot record, an agent’s action is informed by the customer’s full history, not just the slice its vendor happened to see.

This is why the launch matters more than a single flashy agent would. The bottleneck for most teams in 2026 isn’t «can we get an agent to do a task» — it’s «can we run ten of them without them stepping on each other and on our customers.» A control tower is a less glamorous product than a magic bot, and a far more useful one.

Agent Builder: Who Is Low-Code Agent Creation Really For?

Agent Builder lowers the floor for making a custom agent. You describe what you want in plain language, connect it to your existing HubSpot workflows and data, and set what fires it. That genuinely helps a RevOps lead or a marketing manager automate a real task — routing, enrichment, follow-up drafting, meeting prep — without waiting on a developer.

But «low-code» is not «no-judgement.» An agent you can build in an afternoon is still an agent acting on live customer data, and the same discipline you’d apply to a human hire applies here: a narrow job, clear guardrails, and a way to check its work. The teams that get burned will be the ones who treat Agent Builder as a toy and let five half-configured agents loose on their database. The teams that win will scope each agent to one job they can measure. It’s the same lesson from our look at what AI agents are actually replacing in B2B marketing — the tool is only as good as the job you give it.

One thing to check before you build:
Custom agents run on HubSpot Credits when they perform configured actions. Credits are included at Professional and Enterprise tiers, but «free to create» is not «free to run» — scope agents to jobs worth the credits they’ll spend.

How Should You Actually Roll This Out?

Treat the beta as a controlled pilot, not a land-grab. A sane rollout in four moves.

1. Inventory what’s already running. Before you add anything, use Agent Hub to see every agent already active in your portal. Most teams are surprised by what’s on. You can’t fix sprawl you can’t see.

2. Start with one high-value, low-risk job. Pick a task with a clear owner and an obvious metric — lead routing, meeting prep, a first-draft follow-up that a human still sends. Avoid anything customer-facing and irreversible until you trust the output.

3. Wire in the shared context deliberately. The value is agents that know what other agents and reps have done. Make sure your data and properties are clean enough that «shared context» means accurate context, not confidently wrong context.

4. Set a review cadence. Check each agent’s results weekly against the outcome it was hired for, and against credit spend. Kill the ones that don’t earn their keep. An agent you never audit is a liability with a login.

The Takeaway

Agent Hub’s real product isn’t another agent — it’s ownership, visibility and shared context for the agents you already run. Adopt it as a control tower, and scope every agent to one measurable job.

Low-code lowers the floor for building. It doesn’t lower the bar for judgement.

Not sure which agents in your portal are actually earning their keep?

I help HubSpot teams audit their agent stack, kill the sprawl, and roll out Agent Hub around jobs you can measure — with the data hygiene that makes «shared context» trustworthy.

Audit my HubSpot agents →

The Bottom Line: Should You Turn On Agent Hub This Week?

If you’re on Professional or Enterprise and you already have more than one agent running, yes — but as an audit tool first, not a build tool. Open Agent Hub, see everything that’s active, and organise it before you create anything new. The single biggest win in the first week is visibility: knowing what your automation is actually doing to your customers.

The wider pattern is the one running through everything the platforms shipped this year. AI made it cheap to do the task; the scarce skill is now orchestration — deciding which jobs to automate, keeping them from colliding, and reading whether they’re working. HubSpot is betting the winning teams won’t be the ones with the most agents, but the ones who manage them like a team instead of a pile of scripts.

Turning on an agent is now trivial. Running a fleet of them well is the actual job. Build the control tower first.

Turn HubSpot’s agent stack into a system you control

I help consultants, agencies and B2B teams roll out HubSpot Agent Hub the right way — an inventory of what’s running, agents scoped to measurable jobs, clean data so shared context is trustworthy, and a review cadence that kills the sprawl before it costs you customers or credits.

Let’s talk →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas AI & Automation, HubSpot & CRM

Entrada de Blog

El Giro Creativo de LinkedIn Ads: Por Qué Cinco Variantes Ya Ganan a Una en 2026

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 21/07/2026

Durante años el manual de LinkedIn Ads fue el mismo: escribe un anuncio redondo, métele presupuesto y reza. El 1 de julio de 2026 LinkedIn dejó ese manual obsoleto sin hacer ruido. Lanzó una suite creativa completa dentro de Campaign Manager — Brand Kit, Draft with AI, Personalización de Anuncios, variantes con IA y Creación Flexible de Anuncios — y la acompañó de un dato que debería cambiar cómo repartes el presupuesto: las campañas con cinco o más variantes de anuncio consiguen más de un 20% más de CTR que las que corren un solo anuncio. Si sigues publicando una creatividad por campaña, estás dejando rendimiento medible sobre la mesa. Esto es lo que cambió y cómo montar un sistema de testeo creativo alrededor.

LinkedIn Ads · Creatividad

¿Qué Acaba de Cambiar LinkedIn en Campaign Manager?

El 1 de julio de 2026 LinkedIn desplegó un conjunto conectado de herramientas creativas que viven dentro de Campaign Manager, para que dejes de saltar entre el archivo de diseño, el documento de copy y el creador de anuncios. Cinco piezas importan para quien pone anuncios.

Brand Kit guarda tus logos, tipografías y colores una vez y los aplica a cada anuncio, de modo que una campaña hecha con prisas siga siendo coherente con tu marca. Draft with AI genera copy a partir de un prompt corto o de tu landing, dándote primeros borradores en vez de un recuadro en blanco. Las variantes con IA cogen un concepto ya aprobado y sacan múltiples versiones — distintos titulares, ángulos, enfoques — en unos clics. La Personalización de Anuncios adapta elementos del anuncio al miembro que lo ve. Y la Creación Flexible te deja aportar un conjunto de recursos que LinkedIn ensambla y testea según el emplazamiento.

LinkedIn también añadió Auto-targeting y Draft with AI pensados para pymes, bajando el listón técnico para equipos sin un comprador de medios dedicado. Leído en conjunto, el lanzamiento tiene una intención clara: LinkedIn quiere que produzcas y testees más creatividad, porque sus propios datos dicen que el volumen de variantes ya es una palanca de rendimiento, no un extra.

¿Por Qué Cinco Variantes Ganan a Una?

La diferencia del 20% de CTR no es magia — es cómo funciona la entrega de LinkedIn. Cuando le das a la subasta un solo anuncio, el sistema no tiene nada entre lo que optimizar; se lo enseña a toda tu audiencia, funcione el ángulo o no. Dale cinco y el algoritmo puede emparejar el mensaje correcto con el miembro correcto, desplazando presupuesto hacia la variante que cada segmento responde mejor. Más variantes significan más superficie para que el sistema encuentre encaje.

Hay un segundo efecto, más lento: la fatiga creativa. En las audiencias B2B de LinkedIn — pequeñas y de alta frecuencia — un solo anuncio se quema rápido: los mismos decisores lo ven una y otra vez y dejan de fijarse. Una rotación de cinco mantiene fresca la impresión más tiempo, así que tu CTR se degrada de forma más suave a lo largo de la campaña en lugar de desplomarse en la segunda semana.

El matiz es que «cinco variantes» solo funciona si son de verdad distintas. Cinco titulares casi idénticos no le dan a la subasta nada que elegir. El sentido de las nuevas herramientas de IA es hacer que la variación real — ganchos, formatos y propuestas de valor distintos — sea lo bastante barata como para que producir cinco deje de ser excusa para saltarte el test.

La palanca real es la variedad, no el volumen:
Cinco variantes ganan a una porque le dan a la subasta y a la audiencia algo que elegir. Cinco copias de la misma idea siguen siendo, en la práctica, un solo anuncio.

¿Cómo Montas un Sistema de Testeo Creativo en LinkedIn?

Trata las nuevas herramientas como una cadena de montaje, no como un botón mágico. Un sistema repetible gana a los arrebatos ocasionales de inspiración.

1. Pon las barreras primero. Carga tu Brand Kit antes de tocar Draft with AI. Si la IA va a generar copy y variantes, quieres los colores, tipografías y logo bloqueados para que cada versión automática siga pareciéndose a ti — no a una plantilla genérica.

2. Testea ángulos, no adjetivos. Construye tus cinco alrededor de ideas de verdad distintas: una sobre el resultado central, una sobre un dolor, una sobre una prueba o un dato, una sobre la objeción que tus compradores realmente ponen, una sobre una tesis a contracorriente. Así aprendes qué responde tu mercado — no haciendo A/B de dos versiones de la misma frase.

3. Usa la IA para el primer borrador y a una persona para el corte final. Draft with AI y las variantes con IA son excelentes produciendo volumen y rompiendo la parálisis del folio en blanco. Son mediocres en matiz, posicionamiento y el lenguaje concreto de tu nicho. Genera diez, quédate con las cinco que una persona aprobaría de verdad y edítalas para que no suenen al copy de IA de todos los demás.

4. Dale aire al test y luego lee la métrica correcta. No mates una variante al día siguiente. Deja que la entrega de LinkedIn reparta impresiones y juzga por la métrica que encaja con tu objetivo — CTR para notoriedad y engagement, pero coste por lead o pipeline para cualquier cosa de fondo de embudo. Un anuncio con mucho CTR que trae leads basura no es un ganador. Justo por eso tu marco de medición tiene que estar debajo del test creativo, no al lado.

La Idea Clave

Publica cinco ángulos de verdad distintos por campaña, deja que la IA los redacte y una persona los apruebe, y juzga cada uno por la métrica que encaja con tu objetivo — no solo por el CTR.

Las herramientas quitaron la excusa. Producir cinco variantes fuertes ya es barato; correr una sola es ahora una decisión de rendir menos.

¿Corres LinkedIn Ads con una sola creatividad por campaña?

Ayudo a equipos B2B a montar un sistema de testeo creativo en LinkedIn — un Brand Kit que mantiene la salida de IA fiel a la marca, un marco de cinco ángulos, y la medición para distinguir un ganador real de uno de métrica vanidosa.

Arreglar mi creatividad en LinkedIn →

En Resumen: ¿Qué Deberías Hacer Esta Semana?

Coge una campaña activa y convierte su único anuncio en cinco ángulos distintos con las nuevas herramientas — Brand Kit bloqueado, Draft with AI para la primera pasada, tu propia edición para el corte final. Dale dos semanas y compara CTR y coste por lead contra el anuncio único que venías corriendo. Los números de LinkedIn dicen que deberías ver la diferencia; tu cuenta te dirá si se sostiene para tu audiencia.

El patrón de fondo es el mismo que atraviesa todo lo que las plataformas lanzaron este año: la IA abarata la producción, y eso mueve la ventaja de quién sabe hacer un anuncio a quién testea y lee resultados bien. El mismo giro está cambiando cómo captan leads los equipos B2B de entrada. Los que ganen no serán los que generen más creatividad — serán los que tengan un sistema para convertir ese volumen en aprendizaje.

El volumen ya es gratis. El criterio es la parte escasa. Monta el sistema que lo aporta.

Convierte las nuevas herramientas creativas de LinkedIn en pipeline

Ayudo a consultores, agencias y equipos B2B a montar un sistema de testeo creativo en LinkedIn Ads que de verdad mueve el coste por lead — barreras de marca, un marco de cinco ángulos, producción asistida por IA con corte final humano, y medición que separa ganadores reales de métricas vanidosas.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Blog post

The LinkedIn Ads Creative Shift: Why Five Variants Now Beat One in 2026

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 21/07/2026

For years the standard LinkedIn Ads playbook was to write one tight ad, put real money behind it, and pray. On July 1, 2026 LinkedIn quietly made that playbook obsolete. It shipped a full creative suite inside Campaign Manager — Brand Kit, Draft with AI, Ads Personalization, AI ad variants and Flexible Ad Creation — and paired the launch with a number that should change how you budget: campaigns running five or more ad variants see more than 20% higher click-through rates than campaigns running a single ad. If you’re still shipping one creative per campaign, you’re now leaving measurable performance on the table. Here’s what changed and how to build a LinkedIn creative-testing system around it.

LinkedIn Ads · Creative

What Did LinkedIn Just Change in Campaign Manager?

On July 1, 2026 LinkedIn rolled out a connected set of creative tools that sit directly inside Campaign Manager, so you no longer bounce between a design file, a copy doc and the ad builder. Five pieces matter for advertisers.

Brand Kit lets you store your logos, fonts and colours once and apply them across every ad, so a rushed campaign still looks on-brand. Draft with AI generates ad copy from a short prompt or your landing page, giving you first drafts instead of a blank box. AI ad variants take one approved concept and spin out multiple versions — different headlines, angles, framings — in a few clicks. Ads Personalization tailors elements of the ad to the member seeing it. And Flexible Ad Creation lets you supply a pool of assets that LinkedIn assembles and tests per placement.

LinkedIn also added Auto-targeting and Draft with AI specifically for small and medium businesses, lowering the skill floor for teams without a dedicated media buyer. Read together, the release has one obvious intent: LinkedIn wants you producing and testing more creative, because its own data says volume-of-variants is now a performance lever, not a nice-to-have.

Why Do Five Ad Variants Beat One?

The 20% CTR gap isn’t magic — it’s a function of how LinkedIn’s delivery works. When you give the auction one ad, the system has nothing to optimise between; it shows that ad to everyone in your audience whether the angle lands or not. Give it five, and the algorithm can match the right message to the right member, shifting spend toward whichever variant each segment responds to. More variants means more surface area for the system to find fit.

There’s a second, slower effect: creative fatigue. On LinkedIn’s comparatively small, high-frequency B2B audiences, a single ad burns out fast — the same decision-makers see it repeatedly and stop noticing. A rotation of five keeps the impression fresh for longer, so your CTR degrades more gently over the campaign’s life instead of falling off a cliff in week two.

The catch is that «five variants» only works if they’re genuinely different. Five near-identical headlines don’t give the auction anything to choose between. The point of the new AI tools is to make real variation — distinct hooks, formats and value propositions — cheap enough that producing five is no longer a reason to skip the test.

Variety, not volume, is the real lever:
Five variants beat one because they give the auction and the audience something to choose between. Five copies of the same idea are still, functionally, one ad.

How Do You Build a LinkedIn Creative-Testing System?

Treat the new tools as an assembly line, not a magic button. A repeatable system beats occasional bursts of inspiration.

1. Set the guardrails first. Load your Brand Kit before you touch Draft with AI. If the AI is generating copy and variants, you want brand colours, fonts and logo locked so every machine-made version still looks like you — not a generic template.

2. Test angles, not adjectives. Build your five around genuinely different ideas: one on the core outcome, one on a pain point, one on a proof point or stat, one on the objection your buyers actually raise, one on a contrarian take. That’s how you learn what your market responds to — not by A/B testing two versions of the same sentence.

3. Use AI for the first draft, a human for the final cut. Draft with AI and AI ad variants are excellent at producing volume and breaking blank-page paralysis. They’re mediocre at nuance, positioning and the specific language your niche uses. Generate ten, keep the five that a human would actually approve, and edit them so they don’t read like everyone else’s AI copy.

4. Give the test room to breathe, then read the right metric. Don’t kill a variant after a day. Let LinkedIn’s delivery distribute impressions, then judge on the metric that matches your objective — CTR for awareness and engagement, but cost-per-lead or pipeline for anything down-funnel. A high-CTR ad that produces junk leads isn’t a winner. Which is exactly why your measurement framework has to sit underneath the creative test, not beside it.

The Takeaway

Ship five genuinely different angles per campaign, let AI draft them and a human approve them, and judge each on the metric that matches your goal — not on CTR alone.

The tools removed the excuse. Producing five strong variants is now cheap; running one is now a choice to underperform.

Running LinkedIn Ads with a single creative per campaign?

I help B2B teams build a LinkedIn creative-testing system — a Brand Kit that keeps AI output on-brand, a five-angle testing framework, and the measurement to tell a real winner from a vanity-metric one.

Fix my LinkedIn creative →

The Bottom Line: What Should You Do This Week?

Pick one active campaign and turn its single ad into five distinct angles using the new tools — Brand Kit locked, Draft with AI for the first pass, your own edit for the final cut. Give it two weeks, then compare CTR and cost-per-lead against the single-ad baseline you were running. LinkedIn’s own numbers say you should see the gap; your account will tell you whether it holds for your audience.

The wider pattern is the same one running through everything the platforms shipped this year: AI is making production cheap, which moves the advantage from who can make an ad to who tests and reads results well. The same shift is changing how B2B teams capture leads in the first place. The teams that win won’t be the ones generating the most creative — they’ll be the ones with a system for turning that volume into learning.

Volume is now free. Judgement is the scarce part. Build the system that supplies it.

Turn LinkedIn’s new creative tools into pipeline

I help consultants, agencies and B2B teams set up a LinkedIn Ads creative-testing system that actually moves cost-per-lead — brand guardrails, a five-angle framework, AI-assisted production with a human final cut, and measurement that separates real winners from vanity metrics.

Let’s talk →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas AI & Automation, Marketing Digital

Entrada de Blog

El Panorama de Conectores MCP para Marketing en 2026: Cuáles Existen y Cuáles Usar

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 14/07/2026

Hace dos años, conectar tus cuentas publicitarias a cualquier cosa exigía un programador, una API key y una semana de tu vida. En 2026 abres Claude o ChatGPT y preguntas, en español y sin rodeos, «¿qué campaña de Google Ads se está comiendo el presupuesto?» — y recibes una respuesta sacada en vivo de la cuenta. Lo que lo hace posible es el conector MCP: una forma estándar de que los asistentes de IA lean — y cada vez más, escriban en— las plataformas que ya gestionas. El problema es que ahora hay decenas, son de calidad muy desigual, y algunos modifican tus campañas en producción sin pestañear. Aquí tienes cuáles existen de verdad, en cuáles confiar, y cómo usarlos sin darle a una IA las llaves de las cuentas de tus clientes.

Conectores · MCP

¿Qué es un conector MCP y por qué debería importarle a un marketero?

MCP — el Model Context Protocol — es un estándar compartido que permite a un asistente de IA hablar con una herramienta externa a través de un pequeño servidor. En lugar de que cada aplicación invente su propio plugin a medida, MCP le da a Claude, ChatGPT, Gemini, Cursor y compañía un mismo enchufe común. Un «conector» no es más que el servidor MCP de una plataforma concreta: un conector de Google Ads, uno de Meta Ads, uno de HubSpot.

Para un marketero, la ganancia práctica es que la capa de reporting y trabajo repetitivo se desmorona. Dejas de exportar CSVs y reconstruir la misma tabla dinámica cada lunes, y empiezas a hacer preguntas: qué conjuntos de anuncios bajaron de un ROAS de 2x la semana pasada, qué deals de HubSpot se enfriaron, qué términos de búsqueda están quemando presupuesto. La IA consulta la cuenta directamente y responde. El giro de 2026 es que esto dejó de ser una demo y se convirtió en infraestructura: Meta adoptó MCP como método de integración principal de sus Ads AI Connectors, y las grandes plataformas ya publican servidores oficiales en vez de dejarlo en manos de aficionados.

¿Qué conectores MCP de marketing existen de verdad en 2026?

El panorama se divide en dos bandos con límites claros: los servidores oficiales que publican las propias plataformas, y los servidores de terceros que envuelven varias plataformas o añaden acciones de escritura que los oficiales se reservan. Los dos tienen su sitio.

Los oficiales (empieza por aquí). Google liberó su propio servidor MCP de Google Ads a principios de 2026 — es deliberadamente de solo lectura, con listado de cuentas y consultas GAQL para diagnóstico y analítica. Google también publica un servidor oficial de GA4 con más de 200 dimensiones y métricas, para que interrogues tráfico, conversiones y audiencias conversando. Y el servidor MCP remoto de HubSpot pasó a disponibilidad general el 13 de abril de 2026: da acceso de lectura y escritura a los registros clave del CRM — contactos, empresas, negocios, tickets, líneas de producto — además de actividades como llamadas, correos, notas y tareas, todo sobre una conexión OAuth 2.1 que respeta los permisos que ya tiene cada usuario. Sus límites honestos: nada de objetos personalizados, y si tu portal tiene la protección de datos sensibles activada, los objetos de actividad quedan bloqueados.

Los de terceros (rellenan los huecos). Donde los oficiales se quedan en solo lectura, los independientes añaden control. El MCP de Meta Ads de Pipeboard es el servidor de Meta de plataforma única más maduro, con lectura/escritura completa de campañas, conjuntos de anuncios, creatividades, segmentación y presupuestos. Conectores comerciales unificados como Ryze (Google Ads, Meta, GA4 con escrituras que exigen confirmación, ~89 $/mes) o Synter (14 plataformas de ads, desde ~199 $/mes) cambian una suscripción por un único enchufe para todo tu stack. Y Markifact lanzó un MCP de Google Ads alojado el 13 de julio de 2026 que añade acciones de escritura sobre la cuenta — pero solo con un humano aprobando cada cambio. Para extracciones de datos puras entre más de 350 fuentes, un conector de reporting como Windsor.ai sigue siendo la opción pragmática.

La distinción que más importa:
Los conectores de solo lectura solo pueden contarte cosas. Los de escritura pueden cambiar cosas — pausar una campaña, mover un presupuesto, editar un negocio. Esa única línea decide cuánto deberías fiarte de un servidor y cuánta supervisión necesita.

¿Lectura o escritura? Cómo elegir el conector adecuado

Ajusta el conector al trabajo, no al hype. Para reporting, diagnóstico y preguntas del tipo «qué pasó la semana pasada», un servidor oficial de solo lectura es casi siempre la elección correcta — no puede romper nada, así que puedes enchufarlo a todas las cuentas de tus clientes sin perder el sueño. Ahí vive el 80% del valor del día a día, y es el sitio más seguro para empezar.

Recurre a un conector con escritura solo cuando el flujo necesite de verdad actuar — pausar en bloque conjuntos que pierden, empujar negative keywords, actualizar etapas de negocio después de una llamada. Y cuando lo hagas, la función innegociable es el paso de aprobación humana: la IA propone el cambio, tú lo confirmas, y entonces se ejecuta. Es exactamente el modelo sobre el que Markifact construyó su lanzamiento de julio, y es la diferencia entre un copiloto y un becario sin supervisión con tu presupuesto de ads.

Dos filtros más antes de conectar nada a la cuenta de un cliente. Primero, autenticación: prioriza conectores que usen OAuth como es debido y respeten los permisos que el usuario ya tiene, como el servidor oficial de HubSpot — evita cualquiera que te pida pegar una API key de larga duración en un archivo de configuración. Segundo, mantenimiento: un conector vale lo que su cuidado. Un servidor open-source bien mantenido y con commits activos gana a uno abandonado, y un servidor comercial alojado gana a ambos si prefieres no vigilar actualizaciones.

La Regla De Oro

Solo lectura por defecto, escritura solo con un humano en el bucle. Empieza por el servidor oficial de la plataforma; añade uno de terceros solo cuando necesites una acción que el oficial no realiza.

El mejor conector no es el que tiene más herramientas. Es el que puedes apuntar con seguridad a la cuenta de un cliente y olvidarte.

¿No sabes qué conectores es seguro enchufar a tu stack?

Ayudo a equipos a elegir los conectores MCP adecuados para sus cuentas de ads y CRM, integrarlos en un flujo de reporting y optimización, y poner los límites para que nada cambie sin que un humano diga que sí.

Mapear mi stack de conectores →

En resumen: ¿cuáles deberías usar de verdad?

Si gestionas Google Ads, Meta y un CRM, un stack sensato para arrancar en 2026 tiene esta pinta: los servidores oficiales de solo lectura de Google Ads y GA4 para reporting y diagnóstico, el servidor oficial de HubSpot para lecturas de CRM y la escritura supervisada ocasional, y un único conector de ads con escritura — Pipeboard para cuentas muy de Meta, o un servidor comercial unificado como Ryze o Synter si quieres un solo enchufe — estrictamente con la aprobación humana activada. Manén un conector de reporting como Windsor.ai para las extracciones cross-channel que no encajan en ninguna plataforma.

Es el mismo hilo que atraviesa todo lo que las plataformas lanzaron este año: las herramientas corren más rápido que los límites de seguridad. Es la razón por la que la IA está reescribiendo cómo captas leads, y la misma por la que la puja automática te sigue quitando decisiones de las manos. Los conectores devuelven parte de ese control — si los eliges con criterio.

No conectes todo porque puedas. Conecta los pocos servidores que se ganan su acceso, manén a un humano en las acciones de escritura, y deja que la IA haga el reporting que nunca ibas a disfrutar de todos modos.

Monta un stack de marketing conectado a IA que sea de verdad seguro

Ayudo a consultores, agencias y equipos B2B a conectar sus plataformas de ads y su CRM a asistentes de IA de la forma correcta — servidores oficiales primero, escritura bloqueada tras aprobación humana, y una capa de reporting que por fin se ejecuta sola. Sin apuestas de open-source abandonado, sin llaves entregadas a un bot sin supervisión.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Blog post

The Marketing MCP Connector Landscape in 2026: Which Ones Actually Exist, and Which to Use

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 14/07/2026

Two years ago, connecting your ad accounts to anything meant a developer, an API key and a week of your life. In 2026 you can open Claude or ChatGPT and ask, in plain English, «which of my Google Ads campaigns is bleeding budget?» — and get an answer pulled live from the account. The thing making that possible is the MCP connector: a standard way for AI assistants to read from, and increasingly write to, the platforms you already run. The catch is that there are now dozens of them, they are wildly uneven, and some will happily change your live campaigns. Here’s which ones actually exist, which to trust, and how to use them without handing an AI the keys to your client accounts.

Connectors · MCP

What Is an MCP Connector, and Why Should a Marketer Care?

MCP — the Model Context Protocol — is a shared standard that lets an AI assistant talk to an external tool through a small server. Instead of every app inventing its own bespoke plugin, MCP gives Claude, ChatGPT, Gemini, Cursor and the rest one common socket. A «connector» is simply the MCP server for a specific platform: a Google Ads connector, a Meta Ads connector, a HubSpot connector.

For a marketer, the practical payoff is that the reporting and busywork layer collapses. You stop exporting CSVs and rebuilding the same pivot every Monday, and start asking questions: which ad sets dropped below a 2x ROAS last week, which HubSpot deals went quiet, which search terms are wasting spend. The AI queries the account directly and answers. The 2026 shift is that this stopped being a demo and became infrastructure — Meta adopted MCP as the primary integration method for its Ads AI Connectors, and the major platforms now ship official servers rather than leaving it to hobbyists.

Which Marketing MCP Connectors Actually Exist in 2026?

The landscape splits cleanly into two camps: official servers shipped by the platforms themselves, and third-party servers that wrap several platforms or add write actions the official ones withhold. Both have a place.

The official ones (start here). Google open-sourced its own Google Ads MCP server in early 2026 — it’s deliberately read-only, exposing account listing and GAQL queries for diagnostics and analytics. Google also ships an official GA4 server covering 200-plus dimensions and metrics, so you can interrogate traffic, conversions and audiences by conversation. And HubSpot’s remote MCP server went generally available on April 13, 2026: it gives read and write access to core CRM records — contacts, companies, deals, tickets, line items, products — plus activities like calls, emails, notes and tasks, all over an OAuth 2.1 connection that respects each user’s existing permissions. Its honest limits: no custom objects, and if your portal has sensitive-data protection on, activity objects are blocked.

The third-party ones (fill the gaps). Where the official servers stop at read-only, independents add control. Pipeboard’s Meta Ads MCP is the most mature single-platform Meta server, with full read/write for campaigns, ad sets, creatives, targeting and budgets. Unified commercial connectors like Ryze (Google Ads, Meta, GA4 with confirmation-gated writes, ~$89/mo) or Synter (14 ad platforms, from ~$199/mo) trade a subscription for one socket across your whole stack. And Markifact launched a hosted Google Ads MCP on July 13, 2026 that adds write actions to the account — but only with a human approving each change. For pure data pulls across 350-plus sources, a reporting connector like Windsor.ai remains the pragmatic choice.

The one distinction that matters most:
Read-only connectors can only tell you things. Write-enabled connectors can change things — pause a campaign, move a budget, edit a deal. That single line decides how much you should trust a given server, and how much supervision it needs.

Read or Write? How to Choose the Right Connector

Match the connector to the job, not to the hype. For reporting, diagnostics and «what happened last week» questions, a read-only official server is almost always the right call — it cannot break anything, so you can wire it up across every client account without losing sleep. This is where 80% of the day-to-day value lives, and it’s the safest place to start.

Reach for a write-enabled connector only when the workflow genuinely needs to act — bulk-pausing losing ad sets, pushing negative keywords, updating deal stages after a call. When you do, the non-negotiable feature is a human-approval step: the AI proposes the change, you confirm it, then it executes. That’s exactly the model Markifact built its July launch around, and it’s the difference between a co-pilot and an unsupervised intern with your ad budget.

Two more filters before you connect anything to a client account. First, authentication: prefer connectors that use proper OAuth and honour the permissions the user already has, like HubSpot’s official server — avoid anything asking you to paste a long-lived API key into a config file. Second, maintenance: a connector is only as good as its upkeep. A well-maintained open-source server with active commits beats an abandoned one, and a hosted commercial server beats both if you’d rather not babysit updates.

The Rule Of Thumb

Read-only by default, write only with a human in the loop. Start with the platform’s official server; add a third-party one only when you need an action the official one won’t perform.

The best connector isn’t the one with the most tools. It’s the one you can safely point at a client account and forget about.

Not sure which connectors are safe to plug into your stack?

I help teams pick the right MCP connectors for their ad and CRM accounts, wire them into a reporting and optimisation workflow, and set the guardrails so nothing changes without a human saying yes.

Map my connector stack →

The Bottom Line: Which Ones Should You Actually Use?

If you run Google Ads, Meta and a CRM, a sane 2026 starting stack looks like this: Google’s official read-only Google Ads and GA4 servers for reporting and diagnostics, HubSpot’s official server for CRM reads and the occasional supervised write, and a single write-capable ad connector — Pipeboard for Meta-heavy accounts, or a unified commercial server like Ryze or Synter if you want one socket — strictly with human approval switched on. Keep a reporting connector like Windsor.ai for the cross-channel data pulls that don’t fit any one platform.

This is the same thread running through everything platforms shipped this year: the tooling is racing ahead of the guardrails. It’s the reason AI is reshaping how you capture leads, and the same reason automated bidding keeps taking decisions out of your hands. Connectors give some of that control back — if you choose them deliberately.

Don’t connect everything because you can. Connect the few servers that earn their access, keep a human on the write actions, and let the AI do the reporting you were never going to enjoy anyway.

Build an AI-connected marketing stack that’s actually safe

I help consultants, agencies and B2B teams connect their ad platforms and CRM to AI assistants the right way — official servers first, write access gated behind human approval, and a reporting layer that finally runs itself. No abandoned open-source gambles, no keys handed to an unsupervised bot.

Let’s talk →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas AI & Automation, Marketing Digital

Entrada de Blog

Google AI Mode Ya Es el Modo por Defecto. Así Consigues que te Citen, no que te Salten

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 08/07/2026

Durante veinte años, «posicionar en Google» significó una sola cosa: conseguir un enlace azul cerca de lo alto de una página llena de enlaces azules. En 2026 esa página casi no existe. AI Mode — la experiencia de respuesta de Google al estilo ChatGPT, impulsada por Gemini — dejó de ser una pestaña opcional y se convirtió en silencio en la forma por defecto en que busca una parte creciente de la gente. A la vez, un regulador británico obligó a Google a dar a los editores un interruptor para salirse, y un core update despiadado reordenó quién aparece citado. Tres movimientos, una dirección: el resultado de búsqueda se está convirtiendo en una respuesta, y tu trabajo ya no es posicionar en la página — es ser la fuente con la que se construye esa respuesta.

SEO · GEO

¿Qué Cambió Realmente en Google en 2026?

Pasaron tres cosas casi seguidas y, juntas, importan mucho más que cualquiera por separado. Primero, AI Mode se convirtió en la experiencia de respuesta por defecto, no en un experimento de laboratorio que había que activar. En vez de diez enlaces, cada vez más búsquedas devuelven una respuesta sintetizada con un puñado de fuentes citadas debajo — y la mayoría de la gente nunca baja de ahí. El clic por el que competías, muchas veces, ya no se produce.

Segundo, el core update de mayo de 2026 terminó de desplegarse el 2 de junio tras doce días — y pegó más fuerte que el de marzo. El patrón fue nítido: las webs que recopilan, reformulan o resumen ligeramente lo que ya existe perdieron terreno, mientras que las marcas, las fuentes oficiales y las páginas con datos propios y experiencia real ganaron. Google premia cada vez más lo único que una IA no puede generar sola — sustancia original y verificable.

Tercero, y lo más ignorado, los editores consiguieron un interruptor. El 3 de junio de 2026, la autoridad de competencia del Reino Unido (CMA) emitió una orden legalmente vinculante — la primera de su tipo — obligando a Google a permitir que las webs se salgan de sus funciones de IA. El resultado es un control en Google Search Console, en Ajustes → Search generative AI, que entró en vigor el 17 de junio. Cada propiedad se puede poner en Incluir, Excluir o Heredar, decidiendo si tu contenido puede aparecer en AI Overviews, AI Mode y AI Overviews en Discover — sin dejar de estar indexado en los resultados normales. De momento es solo para Reino Unido, con despliegue global prometido pero sin fecha.

El titular silencioso:
Search Console también empezó a reportar tus impresiones y clics desde las superficies de IA. Por primera vez puedes ver con qué frecuencia te citan dentro de las respuestas de IA — lo que convierte la visibilidad en IA en una métrica que puedes gestionar, no en una caja negra que adivinas.

¿Deberías Usar el Nuevo Interruptor para Salirte?

Para casi todo el mundo, no — y conviene entender por qué el interruptor es más trampa que regalo. En la superficie suena empoderador: saca tu contenido de las respuestas de IA de Google para que no lo «resuman gratis». El instinto se entiende. Si los AI Overviews responden la pregunta sin un clic, ¿para qué alimentar a la máquina que se come tu tráfico?

Porque salirte no te devuelve los clics de antes — solo te hace invisible en la superficie que crece mientras sigues visible en la que se encoge. AI Mode y AI Overviews se están convirtiendo en donde ocurre la búsqueda. Excluirte significa que la respuesta se escribe igual; solo que se escribe con el contenido de tu competencia en vez del tuyo. No proteges tu autoridad escondiéndote del lugar donde ahora lee la gente — se la regalas a quien se quedó.

Hay una excepción estrecha. Si tu modelo de negocio depende de verdad de la monetización en página — impresiones de anuncios, contenido de pago, clics de afiliación que solo pagan cuando alguien aterriza en tu web — y tienes datos que demuestran que las citas de IA canibalizan en vez de ayudar a ese modelo, el interruptor es una palanca legítima que probar. Pero para consultores, agencias, SaaS y marcas B2B cuya web es un motor de credibilidad y captación, que te citen por nombre dentro de una respuesta de IA es el equivalente moderno a salir primero. Eso no es una fuga que tapar. Es el objetivo.

¿Cómo Consigues de Verdad que la IA te Cite?

Aquí está la parte tranquilizadora que Google repite, y es cierta: «optimizar para la búsqueda generativa con IA es optimizar para la experiencia de búsqueda — sigue siendo SEO». No hay una disciplina GEO aparte con palancas secretas. Lo que cambió es el peso. Las señales que te hacen citable para un modelo de lenguaje son una versión afilada de las que ya te hacían posicionar. En concreto:

1. Responde la pregunta en las dos primeras frases. Los sistemas de IA extraen respuestas autocontenidas. Empieza cada sección con una respuesta directa e independiente a una pregunta real, y luego ampía. Las conclusiones enterradas no se citan — las que van por delante, sí. Estructura las páginas en torno a las preguntas que tus clientes realmente escriben, con la respuesta justo debajo del encabezado.

2. Aporta datos propios y un punto de vista. El core update de mayo fue un referéndum sobre la originalidad. Números propios, pruebas que hiciste, un experto con nombre y opinión, un marco que construiste — son las cosas que un modelo no puede sintetizar de la nada, así que cita a la fuente. Agregar lo que ya dijeron todos los demás ahora se penaliza activamente, no solo se ignora.

3. Ponle fácil el trabajo a la máquina. Estructura limpia, encabezados descriptivos, schema de FAQ y How-To, nombres de entidad claros y coherencia factual en toda tu web suben las probabilidades de extracción. No se trata de hacer trampas — se trata de ser inequívoco. Y trata AI Mode y AI Overviews como dos audiencias, no una: los análisis sugieren que solo una pequeña parte de las citas coincide entre ambas, así que la amplitud de páginas bien estructuradas y realmente útiles gana a un solo artículo estrella.

4. Vigila el nuevo informe. Ahora que Search Console muestra impresiones y clics de las superficies de IA, trátalo como cualquier otro canal: mira qué páginas entran en las respuestas, qué tienen en común, y haz más de eso. La visibilidad en IA dejó de ser inmedible en el momento en que Google te dio el panel.

El Cambio en Una Línea

Ya no compites por una posición en la página. Compites por ser la fuente con la que se ensambla la respuesta — y la entrada cuesta sustancia original que un modelo no puede fingir.

Pensar en ranking optimiza una página. Pensar en citas optimiza para que te citen. En 2026, solo lo segundo compone.

¿Sabes si la IA te cita a ti o a tu competencia?

La mayoría de las marcas no tiene ni idea de cuántas veces aparece dentro de las respuestas de IA de Google — ni qué páginas hacen el trabajo. Ayudo a equipos a leer los nuevos informes de IA de Search Console y a reestructurar su contenido para que los citen, no para que los salten.

Audita tu visibilidad en IA →

En Resumen: Optimiza para que te Citen, no Solo para Posicionar

AI Mode por defecto, un core update que premia la originalidad y un interruptor para salirse que casi nadie debería tocar — leídos juntos, describen un buscador que dejó de ser una lista de enlaces para convertirse en una máquina de respuestas. Las marcas que ganen la siguiente fase no están peleando ese cambio ni escondiéndose de él. Se están convirtiendo en la fuente más citable de su categoría: datos propios, respuestas directas, estructura limpia, un punto de vista real.

Es la misma disciplina que hay detrás de que te citen los motores de respuesta en general — el argumento que hice sobre AEO e IA agentica — y está aguas abajo de una deriva mayor: las plataformas hacen sus datos cada vez más efímeros y sus algoritmos más opacos, el mismo patrón detrás del recorte silencioso de retención de datos de Google. La página en la que solías posicionar pierde importancia. La fuente detrás de la respuesta la gana.

No te salgas del futuro de la búsqueda. Conviértete en aquello con lo que se construye.

Haz que tu marca sea la fuente que cita la IA

Ayudo a consultores, agencias y equipos B2B a convertir su contenido en algo que las respuestas de IA de Google citan por nombre — auditando tu visibilidad en las superficies de IA, reestructurando páginas para la extracción y construyendo la sustancia original y respaldada por datos que premian los core updates de 2026. Práctico, medible y sin humo GEO.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Blog post

Google AI Mode Is the Default Now. Here’s How to Get Cited, Not Skipped

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 08/07/2026

For twenty years, «ranking on Google» meant one thing: earning a blue link near the top of a page of blue links. In 2026 that page barely exists. AI Mode — Google’s Gemini-powered, ChatGPT-style answer experience — stopped being an opt-in tab and quietly became the default way a growing share of people search. At the same time, a UK regulator forced Google to hand publishers an opt-out switch, and a brutal core update reshuffled who gets cited. Three moves, one direction: the search result is turning into an answer, and your job is no longer to rank on the page — it’s to be the source the answer is built from.

SEO · GEO

What Actually Changed in Google Search in 2026?

Three things happened in quick succession, and together they matter far more than any single one. First, AI Mode became the default answer experience rather than a lab experiment you had to switch on. Instead of ten links, more searches now return a synthesised answer with a handful of cited sources underneath — and most people never scroll past it. The click you used to compete for often no longer gets made.

Second, the May 2026 core update finished rolling out on June 2 after twelve days — and it hit harder than March’s. The pattern was unambiguous: sites that compile, rephrase or lightly summarise what already exists lost ground, while brands, official sources and pages with genuine first-hand data and expertise gained. Google is increasingly rewarding the thing an AI can’t generate on its own — original, verifiable substance.

Third, and most overlooked, publishers got a switch. On June 3, 2026 the UK’s Competition and Markets Authority issued a legally binding order — the first of its kind — forcing Google to let sites opt out of AI features. The result is a toggle in Google Search Console, under Settings → Search generative AI, that took effect June 17. Each property can be set to Include, Exclude or Inherit, controlling whether your content can appear in AI Overviews, AI Mode and AI Overviews in Discover — while staying fully indexed in ordinary results. It’s UK-first for now, with a global rollout promised but undated.

The quiet headline:
Google Search Console also started reporting your impressions and clicks from AI surfaces. For the first time you can see how often you’re cited inside AI answers — which means AI visibility just became a metric you can manage, not a black box you guess at.

Should You Use the New Opt-Out Toggle?

For almost everyone, no — and it’s worth understanding why the switch is more trap than gift. On the surface it sounds empowering: pull your content out of Google’s AI answers so it can’t be «summarised for free.» The instinct is understandable. If AI Overviews answer the question without a click, why feed the machine that’s eating your traffic?

Because opting out doesn’t bring the old clicks back — it just makes you invisible in the surface that’s growing while you stay visible only in the surface that’s shrinking. AI Mode and AI Overviews are becoming where the search happens. Excluding yourself means the answer still gets written; it just gets written from your competitors’ content instead of yours. You don’t protect your authority by hiding from the place people now read — you hand it to whoever stayed.

There’s a narrow exception. If your business model is genuinely built on on-page monetisation — ad impressions, gated content, affiliate clicks that only pay when someone lands on your page — and you have data showing AI citations cannibalise rather than assist that model, the toggle is a legitimate lever to test. But for consultants, agencies, SaaS and B2B brands whose site is a credibility and lead-generation engine, being cited by name inside an AI answer is the modern equivalent of ranking first. That’s not a leak to plug. It’s the goal.

How Do You Actually Get Cited in AI Answers?

Here’s the reassuring part Google keeps repeating, and it’s true: «optimising for generative AI search is optimising for the search experience — it’s still SEO.» There is no separate GEO discipline with secret levers. What changed is the weighting. The signals that make you quotable to a language model are a sharpened version of the signals that already made you rank. Concretely:

1. Answer the question in the first two sentences. AI systems extract self-contained answers. Lead each section with a direct, standalone response to a real question, then expand. Buried conclusions don’t get quoted — front-loaded ones do. Structure pages around the questions your buyers actually type, with the answer sitting right under the heading.

2. Bring first-hand data and a point of view. The May core update was a referendum on originality. Proprietary numbers, tests you ran, a named expert with an opinion, a framework you built — these are the things a model can’t synthesise from thin air, so it cites the source. Aggregating what everyone else already said is now actively penalised, not just ignored.

3. Make the machine’s job easy. Clean structure, descriptive headings, FAQ and How-To schema, clear entity names, and factual consistency across your site all raise the odds of extraction. This isn’t about gaming anything — it’s about being unambiguous. And treat AI Mode and AI Overviews as two audiences, not one: analyses suggest only a small share of citations overlap between them, so breadth of well-structured, genuinely useful pages beats one hero article.

4. Watch the new report. Now that Search Console shows AI-surface impressions and clicks, treat it like any other channel: see which pages get pulled into answers, what they have in common, and make more of that. AI visibility stopped being unmeasurable the moment Google gave you the dashboard.

The Shift In One Line

You’re no longer competing for a position on the page. You’re competing to be the source the answer is assembled from — and the entry fee is original substance a model can’t fake.

Rank-thinking optimises a page. Citation-thinking optimises to be quoted. In 2026, only the second one compounds.

Do you know whether AI is citing you or your competitor?

Most brands have no idea how often they show up inside Google’s AI answers — or which pages are doing the work. I help teams read the new Search Console AI reports and restructure their content so they get quoted, not skipped.

Audit your AI visibility →

The Bottom Line: Optimise to Be Quoted, Not Just Ranked

AI Mode as default, a core update that rewards originality, and an opt-out toggle most people shouldn’t touch — read together, they describe a search engine that has stopped being a list of links and become an answer machine. The brands that win the next phase aren’t fighting that shift or hiding from it. They’re making themselves the most quotable source in their category: first-hand data, direct answers, clean structure, a real point of view.

This is the same discipline behind getting cited by answer engines generally — the argument I made about AEO and agentic AI — and it sits downstream of a bigger drift: the platforms keep making their data more ephemeral and their algorithms more opaque, the same pattern behind Google’s quiet data-retention cut. The page you used to rank on keeps losing importance. The source behind the answer keeps gaining it.

Don’t opt out of the future of search. Become the thing it’s built from.

Make your brand the source AI cites

I help consultants, agencies and B2B teams turn their content into something Google’s AI answers quote by name — auditing your AI-surface visibility, restructuring pages for extraction, and building the original, data-backed substance the 2026 core updates reward. Practical, measurable, no GEO snake oil.

Let’s talk →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas AI & Automation, Marketing Digital

Entrada de Blog

Google Acaba de Recortar Tus Datos de Anuncios de 11 Años a 37 Meses. Esto Es Lo Que No Te Cuentan

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 01/07/2026

En noviembre de 2024, Google hizo una promesa: once años de datos de reporting de Google Ads, guardados y consultables. Dieciocho meses después, el 1 de junio de 2026, dio marcha atrás en silencio. Los datos granulares — las cifras por hora, día y semana que de verdad usas para diagnosticar una campaña — ahora viven solo 37 meses. Google lo archivó bajo «actualización de la política de retención de datos», la frase más somnífera de su vocabulario. Y ahí está la clave. Un cambio disfrazado de limpieza técnica casi nunca es limpieza técnica. Lee entre líneas y verás una decisión sobre quién es dueño de la memoria de tus campañas — y la respuesta por defecto acaba de dejar de ser tú.

Google Ads · Medición

¿Qué cambió realmente el 1 de junio de 2026?

La versión sin adornos. Desde el 1 de junio de 2026, Google Ads parte los datos de reporting en dos cubos con vidas muy distintas. Los datos granulares — todo lo medido a resolución por hora, día o semana — se retienen 37 meses. Los datos agregados — resúmenes mensuales, trimestrales y anuales — conservan el horizonte de once años que Google anunció en noviembre de 2024. Las métricas de alcance y frecuencia llevan una correa aún más corta: tres años, y después desaparecen tanto de la interfaz como de la API.

Sobre el papel suena ordenado. En la práctica, el cubo que recortaron es el que importa. Nadie diagnostica una campaña con un resumen anual. Diagnosticas con datos a nivel de día y de semana — justo la resolución ahora limitada a 37 meses. Así que aunque Google pueda decir técnicamente «seguimos guardando once años de datos», los datos que buscarías en un análisis real son precisamente los que ahora caducan primero.

La señal:
Cuando una plataforma conserva el titular («¡11 años!») pero acorta en silencio la resolución que de verdad consultarías, el titular es para la nota de prensa y la letra pequeña es para ti. La ventana de retención no se encogió. Tu ventana útil se encogió alrededor de dos tercios.

¿Por qué recortaría Google de 11 años a 3 en 18 meses?

Es la pregunta que el anuncio no responde, así que respondámosla con honestidad. Google citará el coste de almacenamiento y la «simplificación». Puede ser. Pero no montas una promesa de retención de once años a finales de 2024 y la vacías año y medio después porque te sorprendió la factura del almacenamiento. Algo cambió en la estrategia, y el momento lo delata.

Mira qué más pasó en esa misma ventana. Google se pasó 2025 y 2026 empujando con fuerza a los anunciantes hacia Smart Bidding, Performance Max y la automatización con IA — sistemas que deciden a dónde va tu dinero sin enseñarte los cálculos. Todo el discurso es «confía en el algoritmo». Ahora piensa para qué sirve un historial largo y granular: es la materia prima con la que auditarías de forma independiente si ese algoritmo de verdad rinde, con la que reconstruirías por qué se movió el rendimiento, con la que calibrarías tus propios modelos de atribución o de mix de marketing contra la caja negra de Google.

Acorta ese historial y debilitas en silencio cada uno de esos controles. Es más difícil demostrar que PMax rindió mal el año pasado si los datos a nivel de día de ese año ya no están. Es más difícil cuestionar una recomendación de puja cuando no puedes sacar la base granular de la que se desvía. Menos historial independiente significa menos formas de cuestionar la automatización — lo que significa más dependencia de la automatización. No es una teoría de la conspiración; es simplemente hacia dónde apunta el incentivo.

La lectura incómoda

La plataforma que más te empuja hacia la automatización de caja negra acaba de acortar justo los datos históricos que necesitarías para auditar esa automatización. Sea intencionado o simplemente conveniente, el efecto es idéntico: menos memoria en tus manos, más confianza exigida hacia las suyas.

No hace falta asumir mala fe para tomar la medida defensiva. Solo hace falta ser dueño de tus propios datos.

¿A quién perjudica — y quién ni se enterará?

La mayoría de anunciantes con un par de campañas de Search no notarán nada en años. Si nunca miras más allá de una ventana de 90 días, un límite de 37 meses es invisible. Por eso justo el cambio pasó casi sin ruido — a quienes perjudica son una minoría, pero una minoría que importa.

Quién	Qué pierde
Anunciantes estacionales y retail	Necesitas 3–4 años de datos a nivel de día para comparar Black Fridays o picos de temporada de forma equiparable. Con 37 meses apenas sostienes tres ciclos comparables — y el más antiguo ya se está desmoronando.
Agencias y consultores	Las auditorías forenses de cuenta y las investigaciones de «qué pasó en el Q3 de hace dos años» dependen de un historial granular que ahora caduca bajo tus pies.
Equipos de datos y analítica	Los modelos de atribución y MMM se calibran contra bases largas y granulares. Recorta la base y tus modelos se vuelven más ruidosos justo cuando dirección pide más rigor de medición.
SaaS B2B con ciclos largos	Cuando un deal tarda 6–12 meses en cerrar, atar los ingresos de hoy a los datos granulares del anuncio que los originó se complica a medida que esos datos de origen caducan.

Fíjate en el hilo común: los perjudicados son precisamente quienes intentan hacer medición rigurosa e independiente — los que tienen más probabilidad de pillar una automatización rindiendo mal. El anunciante casual que solo confía en las recomendaciones no pierde nada, porque nunca estuvo auditando nada. El cambio es regresivo de una forma muy concreta: penaliza el escrutinio.

¿Sabes de verdad qué está caducando en tus cuentas?

La mayoría de equipos tienen más de tres años de historial granular de Google Ads envejeciendo en silencio hacia la salida — y ninguna exportación montada. Ayudo a agencias y equipos in-house a montar un almacén de datos sencillo y automatizado para que la memoria de tus campañas sobreviva a los recortes de retención de Google en vez de evaporarse.

Protege tus datos publicitarios →

¿Qué deberías hacer antes de que caduque tu historial?

La medida defensiva es aburrida, barata y urgente: deja de dejar que Google sea el único custodio del historial de tus campañas. Si tu única copia de datos granulares vive dentro de Google Ads, has externalizado tu propia memoria a una empresa que acaba de demostrar que acortará el contrato de alquiler cuando su estrategia cambie. Esta es la secuencia práctica.

1. Exporta ya lo que está en riesgo. Todo lo anterior a unos 34 meses está en la zona de peligro. Saca los informes a nivel de día de campaña, grupo de anuncios, keyword y términos de búsqueda hasta donde la cuenta permita, antes de que caigan los tramos más antiguos. Es un rescate único que no puedes hacer de forma retroactiva — una vez desaparece, desaparece.

2. Monta un flujo continuo. Conecta Google Ads a un almacén — BigQuery es la vía nativa, pero un conector hacia cualquier store que controles sirve — y programa una exportación diaria o semanal de los datos granulares. El objetivo es simple: tu propia copia se va acumulando en paralelo, para que los límites de retención nunca toquen las cifras de las que dependes. Sí, hay una leve ironía en que la solución te empuje más hacia el propio BigQuery de Google; la respuesta es aterrizarlo en un sitio que controles de verdad, en un formato portable.

3. Trátalo como parte de tu estrategia de datos de primera parte, no como una tarea secundaria. Ser dueño de tu historial publicitario es la misma disciplina que ser dueño de tus datos de cliente — el argumento de infraestructura que hice en Datos de Primera Parte en la Era IA. Las plataformas están haciendo sus datos cada vez más efímeros y sus algoritmos cada vez más opacos. La contrajugada es construir una capa duradera e independiente que sea tuya, para que tu medición y tu poder de negociación no dependan de sus ajustes de retención.

Nada de esto es caro ni difícil. Un pipeline básico de exportación es una tarde de configuración y unos pocos euros al mes de almacenamiento. Lo que te compra es independencia — la capacidad de auditar, de comparar entre años y de rebatir una recomendación automatizada con tu propia evidencia. En un mundo de cajas negras, eso no es un lujo. Es el juego entero.

En resumen: lee la letra pequeña, sé dueño de los datos

El recorte de 37 meses de Google es un cambio pequeño con una señal enorme. No es el fin del mundo, y para la mayoría de anunciantes ni siquiera es un mal día. Pero es una señal clara de hacia dónde van las plataformas: menos transparencia, memoria más corta, más «confía en la IA y punto». Los updates que más importan casi nunca son los vistosos con keynote — son los que se archivan bajo «política» y se publican un lunes cualquiera.

Los anunciantes que prosperarán en esta siguiente fase no son los que pelean contra la automatización — ese barco ya zarpó. Son los que guardan sus propios recibos: su propio historial granular, sus propias bases, su propia capacidad de revisar el trabajo de la plataforma. Exporta tus datos, sé dueño de tu medición, y conservas lo único que el algoritmo no puede optimizar para quitártelo — el poder de negociación.

Google acortó el alquiler de la memoria de tus campañas. La solución no es quejarse. Es tener tu propia copia de las llaves.

Construye una capa de datos de Google Ads que sea tuya de verdad

Ayudo a agencias y equipos in-house a rescatar sus datos históricos en riesgo y a montar un pipeline de exportación automatizado — para que los recortes de retención nunca toquen tus bases, tus auditorías ni tus modelos de atribución. Un rescate único más un flujo continuo, sobre infraestructura que tú controlas.

Hablemos →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas IA & Automatización, Marketing Digital

Blog post

Google Just Cut Your Ad Data From 11 Years to 37 Months. Here’s What They’re Not Telling You

Autor de la entrada Por Nacho Hernandez
Fecha de la entrada 01/07/2026

In November 2024, Google made a promise: eleven years of Google Ads reporting data, kept and queryable. Eighteen months later, on June 1, 2026, it quietly walked most of that back. Granular performance data — the hourly, daily and weekly numbers you actually use to diagnose a campaign — now lives for just 37 months. Google filed it under «data retention policy update,» the most sleep-inducing phrase in its vocabulary. That’s the point. A change framed as housekeeping is almost never housekeeping. Read between the lines and this is a decision about who owns the memory of your campaigns — and the default answer just stopped being you.

Google Ads · Measurement

What Actually Changed on June 1, 2026?

Here’s the plain version. Starting June 1, 2026, Google Ads splits reporting data into two buckets with very different lifespans. Granular data — anything measured at hourly, daily or weekly resolution — is retained for 37 months. Aggregated data — monthly, quarterly and annual roll-ups — keeps the eleven-year horizon Google announced back in November 2024. Reach and frequency metrics get an even shorter leash: three years, after which they vanish from both the interface and the API.

On paper it sounds tidy. In practice, the bucket that got cut is the one that matters. Nobody troubleshoots a campaign using an annual roll-up. You troubleshoot with day-level and week-level data — the exact resolution now capped at 37 months. So while Google can technically say «we still keep eleven years of data,» the data you’d reach for in a real analysis is the data that now expires first.

The tell:
When a platform keeps the headline number («11 years!») but quietly shortens the resolution you’d actually query, the headline is for the press release and the fine print is for you. The retention window didn’t shrink. Your useful retention window shrank by roughly two-thirds.

Why Would Google Cut From 11 Years to 3 in 18 Months?

This is the question the announcement doesn’t answer, so let’s answer it honestly. Google will cite storage cost and «simplification.» Maybe. But you don’t stand up an eleven-year retention promise in late 2024 and gut it a year and a half later because the storage bill surprised you. Something in the strategy changed, and the timing is the giveaway.

Look at what else happened in the same window. Google spent 2025 and 2026 pushing advertisers hard toward Smart Bidding, Performance Max and AI-driven automation — systems that decide where your money goes without showing you the working. The entire pitch is «trust the algorithm.» Now consider what long, granular history is for: it’s the raw material you’d use to independently audit whether that algorithm is actually delivering, to reverse-engineer why performance shifted, to calibrate your own attribution or marketing-mix models against Google’s black box.

Shorten that history and you quietly weaken every one of those checks. It’s harder to prove PMax underperformed last year if last year’s day-level data is gone. It’s harder to challenge a bidding recommendation when you can’t pull the granular baseline it’s deviating from. Less independent history means fewer ways to question the automation — which means more reliance on the automation. That’s not a conspiracy theory; it’s just the direction the incentive points.

The Uncomfortable Read

The platform pushing you hardest toward black-box automation just shortened the exact historical data you’d need to audit that automation. Whether it’s intentional or convenient, the effect is identical: less memory in your hands, more trust demanded of theirs.

You don’t have to assume malice to take the defensive move. You just have to own your own data.

Who Gets Hurt — and Who Won’t Even Notice?

Most advertisers running a couple of Search campaigns will feel nothing for years. If you never look past a 90-day window, a 37-month cap is invisible. That’s exactly why the change slid through with barely a ripple — the people it hurts are a minority, but it’s a consequential minority.

Who	What they lose
Seasonal & retail advertisers	You need 3–4 years of day-level data to compare Black Fridays or peak seasons like-for-like. At 37 months you can barely hold three comparable cycles — and the oldest one is already crumbling.
Agencies & consultants	Forensic account audits and «what happened in Q3 two years ago» investigations depend on granular history that’s now expiring underneath you.
Data & analytics teams	Attribution and MMM models calibrate against long, granular baselines. Cut the baseline and your models get noisier exactly when leadership wants more measurement rigor.
B2B SaaS with long cycles	When a deal takes 6–12 months to close, tying today’s revenue back to the granular ad data that sourced it gets harder as that source data ages out.

Notice the through-line: the losers are precisely the people trying to do rigorous, independent measurement — the ones most likely to catch an automation underperforming. The casual advertiser who just trusts the recommendations loses nothing, because they were never auditing anything. The change is regressive in a very specific way: it taxes scrutiny.

Do you actually know what’s expiring in your accounts?

Most teams have three-plus years of granular Google Ads history quietly aging toward the exit — and no export in place. I help agencies and in-house teams set up a simple, automated data warehouse so your campaign memory survives Google’s retention cuts instead of evaporating.

Protect your ad data →

What Should You Do Before Your History Expires?

The defensive move is boring, cheap and urgent: stop letting Google be the sole custodian of your campaign history. If your only copy of granular performance data lives inside Google Ads, you’ve outsourced your own memory to a company that just proved it’ll shorten the lease whenever its strategy shifts. Here’s the practical sequence.

1. Export what’s already at risk, now. Anything older than roughly 34 months is inside the danger zone. Pull day-level campaign, ad group, keyword and search-term reports going back as far as the account allows, before the oldest slices drop off. This is a one-time rescue you can’t do retroactively — once it’s gone, it’s gone.

2. Stand up an ongoing pipe. Connect Google Ads to a warehouse — BigQuery is the native path, but a connector into any store you control works — and schedule a daily or weekly export of granular data. The goal is simple: your own copy accrues in parallel, so retention limits never touch the numbers you rely on. Yes, there’s a mild irony in the fix nudging you deeper into Google’s own BigQuery; the answer is to land it somewhere you genuinely control, in a portable format.

3. Treat this as part of your first-party data strategy, not a side chore. Owning your ad history is the same discipline as owning your customer data — the infrastructure argument I made in First-Party Data in the AI Era. The platforms are steadily making their data more ephemeral and their algorithms more opaque. The counter-move is to build a durable, independent layer you own, so your measurement and your leverage don’t depend on their retention settings.

None of this is expensive or hard. A basic export pipeline is an afternoon of setup and a few dollars a month in storage. What it buys you is independence — the ability to audit, to compare across years, and to challenge an automated recommendation with your own evidence. In a world of black boxes, that’s not a nice-to-have. It’s the whole game.

The Bottom Line: Read the Fine Print, Own the Data

Google’s 37-month cut is a small change with a big tell. It’s not the end of the world, and for most advertisers it’s not even a bad day. But it’s a clear signal of where the platforms are heading: less transparency, shorter memory, more «just trust the AI.» The updates that matter most are rarely the flashy ones with a keynote — they’re the ones filed under «policy» and released on a quiet Monday.

The advertisers who’ll thrive in this next phase aren’t the ones who fight automation — that ship has sailed. They’re the ones who keep their own receipts: their own granular history, their own baselines, their own ability to check the platform’s work. Export your data, own your measurement, and you keep the one thing the algorithm can’t optimize away — leverage.

Google shortened the lease on your campaign memory. The fix isn’t to complain. It’s to hold your own copy of the keys.

Build a Google Ads data layer you actually own

I help agencies and in-house teams rescue their at-risk historical data and set up an automated export pipeline — so retention cuts never touch your baselines, your audits, or your attribution models. A one-time rescue plus an ongoing pipe, built on infrastructure you control.

Let’s talk →

Nacho Hernández
Marketing & Business Consultant · Studio Ideago
LinkedIn →

Etiquetas AI & Automation, Marketing Digital

¿No sabes qué agentes de tu portal se están ganando el sueldo?

Convierte el stack de agentes de HubSpot en un sistema que controlas

Not sure which agents in your portal are actually earning their keep?

Turn HubSpot’s agent stack into a system you control

¿Cómo Montas un Sistema de Testeo Creativo en LinkedIn?

¿Corres LinkedIn Ads con una sola creatividad por campaña?

En Resumen: ¿Qué Deberías Hacer Esta Semana?

Convierte las nuevas herramientas creativas de LinkedIn en pipeline

How Do You Build a LinkedIn Creative-Testing System?

Running LinkedIn Ads with a single creative per campaign?

The Bottom Line: What Should You Do This Week?

Turn LinkedIn’s new creative tools into pipeline

¿Lectura o escritura? Cómo elegir el conector adecuado

¿No sabes qué conectores es seguro enchufar a tu stack?

En resumen: ¿cuáles deberías usar de verdad?

Monta un stack de marketing conectado a IA que sea de verdad seguro

Read or Write? How to Choose the Right Connector

Not sure which connectors are safe to plug into your stack?

The Bottom Line: Which Ones Should You Actually Use?

Build an AI-connected marketing stack that’s actually safe

¿Sabes si la IA te cita a ti o a tu competencia?

Haz que tu marca sea la fuente que cita la IA

Do you know whether AI is citing you or your competitor?

Make your brand the source AI cites

¿Sabes de verdad qué está caducando en tus cuentas?

Construye una capa de datos de Google Ads que sea tuya de verdad

Do you actually know what’s expiring in your accounts?

Build a Google Ads data layer you actually own

Recent Posts

Recent Comments

Archives

Categories