Subes tu lista de clientes a Google Ads con la esperanza de crear una audiencia potente de Customer Match. Esperas ver 20.000, 30.000, quizá 50.000 usuarios coincidentes listos para recibir tus campañas de retargeting, remarketing en YouTube o exclusiones para no gastar Search en gente que ya te compró. Y entonces Google te devuelve el número: 6.400 usuarios coincidentes de una base de 18.000. Un 35% de match rate. Piensas que es un fallo puntual, pruebas con otra lista, subes solo los compradores del último año, y el porcentaje vuelve a salir bajo. Concluyes lo mismo que la mayoría de responsables de marketing de ecommerces españoles: "esto de Customer Match no funciona bien en España".

No es eso. El match rate lo estás decidiendo tú antes de subir el archivo, con la calidad de los datos que hay en tu base. Este artículo va dirigido a responsables de paid media y marketing managers de tiendas online que gastan varios miles de euros al mes en Google Ads y ven que sus audiencias personalizadas rinden mucho por debajo de lo esperado. No va del proceso técnico de subir la lista (para eso tienes la ayuda oficial de Google), sino de por qué el número final es bajo y qué puedes hacer antes de la próxima subida para que suba entre 15 y 30 puntos.

Qué es realmente el match rate y por qué importa tanto

Cuando subes una lista de clientes a Google Ads, el sistema hashea (con SHA-256) cada email, teléfono y nombre, y los compara con los hashes de las cuentas de Google reales. Si un email de tu lista coincide con el email principal de una cuenta de Google activa, esa persona se "matchea" y entra en tu audiencia. El match rate es el porcentaje de tu lista que Google logra emparejar. Los datos de referencia que Google publica hablan de porcentajes esperables entre el 50% y el 70% en mercados europeos, y algunos anunciantes con bases muy limpias llegan al 80%.

En ecommerce español, la realidad de campo que se ve una y otra vez está entre el 30% y el 45%. Y esa diferencia no es cosmética: define cuánta gente puede realmente ver tu remarketing, cuánta puedes excluir de Search para no pagar clics de clientes que ya te compraron, y cuánta base tiene el algoritmo de Google para construir audiencias similares (lookalikes) de calidad. Un match rate del 35% en vez del 60% significa que estás sirviendo tus anuncios de retargeting solo a la mitad de tu base real, y estás alimentando al algoritmo con la mitad de señales para construir audiencias parecidas.

Las cuatro causas por las que tu match rate está en el suelo

1. Emails de "un solo uso" que nunca fueron cuentas de Google reales

Cuando un cliente compra por primera vez y pide factura, muchos ecommerces recogen dos emails distintos: el de la cuenta del comprador (a menudo la principal de Google/Gmail) y el de facturación (a menudo el de la empresa, del asesor, o un alias tipo facturas@tienda.com). Si en tu export sacas el email de facturación en vez del personal, Google no matchea porque ese email no está vinculado a una cuenta de Google Ads real. Este único problema hace caer el match rate más de 10 puntos en tiendas B2B o mixtas.

2. Emails con errores de tipeo capturados en el checkout

gmial.com, hotnail.com, outllook.com, @gmail.es (no existe), nombre.apellido@, dobles puntos, espacios en blanco al final del campo, mayúsculas mezcladas. Todos son emails sintácticamente casi correctos que pasaron el checkout porque tu formulario solo valida "@" y ".", pero que no corresponden a ninguna cuenta real. Nunca matchearán. Y no son casos aislados: en bases típicas de ecommerces españoles con checkout invitado y sin doble opt-in, entre el 3% y el 8% de los emails tienen errores de este tipo.

3. Emails caducados o abandonados

Cuentas de Gmail cerradas por inactividad, dominios corporativos de empresas que ya no existen, alias que Google desactivó tras años sin uso. Estos emails existieron en su día y quizá matchearon hace tres años, pero hoy no. Si tu base tiene contactos de 2019 o antes que nunca has revisado, un porcentaje relevante ya no matchea aunque el formato del email sea perfecto.

4. Formato incorrecto de teléfono y nombre (los otros dos identificadores)

Customer Match no matchea solo por email: también usa teléfono y nombre+apellido+país+código postal. Cuantos más identificadores válidos subas por cada fila, más probabilidades tiene Google de matchear. Y aquí los ecommerces españoles se dejan puntos gratis por no formatear el teléfono a E.164 (+34612345678 en vez de 612 345 678 o 0034612345678), por no separar nombre y apellido, o por dejar el país vacío asumiendo que Google lo infiere (no lo hace).

Un escenario ilustrativo con números

Imagina una tienda de moda española con 25.000 contactos activos en su base, que sube el listado tal cual a Google Ads Customer Match. El resultado típico:

  • Match rate observado: 40% → 10.000 usuarios coincidentes
  • Emails con errores de tipeo detectables: ~1.500 (6%)
  • Emails corporativos/facturación no personales: ~2.000 (8%)
  • Emails de más de 4 años sin actividad: ~3.000 (12%)
  • Teléfonos sin formatear correctamente: ~18.000 (no ayudan a matchear)
  • Nombres sin separar apellido: ~10.000

Ahora imagina que antes de subir el archivo la misma tienda pasa la base por un proceso de limpieza que corrige tipeos, marca los inválidos, elimina duplicados exactos y fuzzy, y normaliza teléfonos y nombres. La lista que sube tiene 22.000 contactos (2.000 menos por descartar los inválidos irrecuperables) pero con teléfono y nombre válidos en la gran mayoría.

  • Match rate esperable en ese escenario: 60% sobre los 22.000 → 13.200 usuarios coincidentes
  • Ganancia: 3.200 usuarios más en la audiencia (+32% de alcance efectivo) con una base más pequeña

Y esa diferencia se multiplica si además usas la lista limpia para crear audiencias similares: cuantos más matches "reales" alimentan al algoritmo, mejor construye Google la audiencia de personas que se parecen a tus clientes. Con audiencias semilla pequeñas o con mucho ruido, las lookalikes rinden mucho peor.

Cómo detectar si tu problema es de datos (checklist rápido)

Antes de invertir tiempo en limpiar, verifica que efectivamente estás en este escenario. Bajate el CSV que subiste la última vez y revisa:

  1. Cuántos emails contienen @gmial, @hotnail, @outllook, @gmail.es, @yaho (grep rápido). Si son más de 20 por cada 1.000 contactos, tienes problema de tipeos.
  2. Cuántos emails tienen dominio corporativo (no @gmail.com, @hotmail.com, @yahoo.es, @outlook.com, @icloud.com). Si son más del 30% en una tienda B2C, probablemente estás mezclando facturación con personal.
  3. Cuántas filas están duplicadas por email exacto o por email similar (mismo dominio, cambio de mayúsculas, espacios). Los duplicados no bajan match rate pero sí meten ruido en la audiencia.
  4. Cuántos teléfonos NO empiezan por +34. Si son más del 80%, no estás usando el segundo identificador que Google necesita.
  5. Cuántos contactos llevan más de 24 meses sin abrir ningún email o hacer ninguna compra. Ese segmento es candidato a match rate bajo y a coste por conversión alto en remarketing.

Si en dos o más de esos puntos estás mal, el problema no es Google, es tu base. Y ninguna optimización de puja, creatividad o exclusión va a compensar una audiencia semilla pobre.

Qué hacer antes de la próxima subida

La secuencia razonable, pensada para una tienda que no tiene un data engineer en plantilla, es esta:

  1. Exportar la base entera desde tu ESP (Klaviyo, Brevo, Mailchimp), tu CRM o tu ecommerce (Shopify Customers, WooCommerce, PrestaShop) en CSV.
  2. Pasar el archivo por un análisis de calidad de datos que te diga cuántos emails son inválidos, cuántos duplicados hay, cuántos teléfonos tienen formato incorrecto y cuántas filas están rotas.
  3. Decidir qué segmentos incluir: para Customer Match centrado en retargeting/remarketing, quédate con compradores de los últimos 18-24 meses; para exclusiones, con toda tu base activa; para audiencias similares, con compradores VIP (top 20% por valor).
  4. Limpiar el archivo antes de subirlo: eliminar inválidos, deduplicar, normalizar teléfono a E.164 con +34, separar nombre y apellido en columnas distintas, añadir país (ES) y código postal siempre que puedas.
  5. Subir la nueva lista a Google Ads y comparar el match rate resultante con el anterior. Si has hecho bien el paso 4, la subida debería estar entre 15 y 25 puntos por encima.

Este proceso puedes hacerlo manualmente en Excel/Google Sheets si tienes bases pequeñas y tiempo, pero para bases de más de 5.000 contactos el ratio esfuerzo/resultado empieza a no compensar. Una herramienta que analice tu CSV, te muestre el score de calidad y te devuelva el archivo limpio en unos minutos te ahorra horas de trabajo repetitivo y te da un audit trail para justificar la inversión.

Bonus: qué NO hacer

  • No subas la lista "tal cual" argumentando que Google ya la limpia por dentro. Google no corrige tipeos: hashea el email tal como lo mandas. Si mandas nombre@gmial.com, el hash de eso nunca matcheará con el hash de nombre@gmail.com.
  • No subas bases muy antiguas sin filtrar. El match rate cae con la edad de la lista y la audiencia resultante rinde peor.
  • No confíes solo en email. Sube también teléfono formateado, nombre, apellido, país y código postal. Cada identificador extra sube tus posibilidades de matchear.
  • No re-subas la misma lista sucia cada mes. Cada subida sin cambios te da el mismo resultado. Limpia una vez bien, y establece una rutina trimestral de reanálisis y actualización.

Prueba tu base antes de la próxima subida a Google Ads

En ClearRows analizamos tu CSV de clientes sin límite de filas, te devolvemos un informe con el porcentaje de emails inválidos, duplicados y teléfonos con formato incorrecto, y te decimos exactamente cuánto va a subir tu match rate si limpias la base antes de subirla. El análisis es gratuito y sin compromiso.

👉 Prueba el análisis gratuito de ClearRows y descubre qué está bloqueando el match rate de tu próxima audiencia de Google Ads Customer Match.

Preguntas frecuentes

¿Qué match rate es "normal" para un ecommerce español en Customer Match? Los datos de campo que se ven repetidamente están entre el 30% y el 45% con bases sin limpiar, y entre el 55% y el 70% con bases limpiadas y con múltiples identificadores por fila (email + teléfono + nombre + país + CP). Por encima del 70% ya es excepcional.

¿Cuánto tarda Google en calcular el match rate después de subir la lista? Habitualmente entre 24 y 48 horas. Si a las 72 horas sigue en "procesando", suele indicar un problema de formato del CSV (encabezados incorrectos, hashing mal hecho si lo hiciste manual, o columnas no reconocidas).

Si tengo la base en Klaviyo o Brevo, ¿puedo subirla directamente sin pasar por CSV? Klaviyo y Brevo tienen integraciones nativas con Google Ads que sincronizan segmentos automáticamente, pero eso no cambia el problema de fondo: si los emails que están en Klaviyo tienen errores o los teléfonos no están normalizados, el match rate desde la integración es igual de bajo que desde CSV. La limpieza tiene que hacerse en la fuente, no en el canal de subida.

¿Merece la pena limpiar solo para Customer Match o hay otros beneficios? Una base limpia mejora simultáneamente el match rate de Customer Match en Google Ads y Meta, la tasa de entrega de tu email marketing (menos rebotes, mejor reputación), la exactitud de tus segmentaciones, y reduce el gasto en contactos inválidos de tu ESP. El coste marginal de limpiar es el mismo para uno o para todos esos beneficios.

¿Puedo automatizar la limpieza para que se ejecute cada vez que subo una lista nueva? Lo razonable para la mayoría de ecommerces es una revisión trimestral manual: exportar CSV, analizar, limpiar y subir. Los ecommerces con volumen alto pueden incorporar la limpieza a su rutina mensual antes de las subidas grandes a Google Ads.