Imagina que tienes una campaña de display activa con 500,000 impresiones diarias. Tu equipo de diseño produjo tres versiones del banner. Las tres se sirven por igual, sin importar si el usuario es un ejecutivo en Bogotá a las 9am o un estudiante en Lima navegando desde el celular a medianoche.
Eso ocurre en la mayoría de campañas programáticas y es el problema que DCO resuelve.
Qué es DCO y qué no es
DCO (Dynamic Creative Optimization) es la tecnología que permite construir y servir variaciones personalizadas de un anuncio en tiempo real, basándose en señales del usuario, el contexto y el comportamiento.
La confusión más común es identificar DCO con “dynamic creative” cuando son conceptos distintos
Dynamic creative simplemente intercambia elementos según reglas fijas: si el usuario está en Argentina, muestra el precio en pesos. Si es de noche, muestra el banner nocturno. Es lógica condicional.
DCO va un nivel más arriba. En lugar de seguir reglas, aprende. El sistema analiza qué combinaciones de titular, imagen, CTA y oferta generan mejor resultado para cada segmento de audiencia y optimiza automáticamente hacia las combinaciones ganadoras. El sistema optimiza según lo que los datos indican que va a funcionar mejor para ese usuario en ese momento.
Según eMarketer, DCO ensambla componentes creativos pre-construidos (titulares, imágenes de producto, llamadas a la acción) en variaciones de anuncio basadas en datos de audiencia y reglas predefinidas, mientras que la IA generativa crea activos completamente nuevos desde cero. En la práctica, ambas capacidades están convergiendo en las plataformas modernas
Cómo funciona DCO
El flujo de DCO tiene cuatro componentes que trabajan juntos.
- La librería de assets es el punto de partida. El anunciante sube todos los elementos creativos modulares: titulares, imágenes, videos cortos, CTAs, precios, logos, fondos. Cada elemento existe de forma independiente y puede combinarse con cualquier otro.
- Las señales de datos entran en el momento de servir el anuncio. El sistema recibe información sobre la ubicación geográfica del usuario, el dispositivo, la hora del día, el comportamiento de navegación previo y el contexto de la página donde aparecerá el anuncio.
- El motor de decisión cruza esas señales con el historial de performance de cada combinación de assets y decide en tiempo real qué versión tiene mayor probabilidad de generar el resultado deseado para ese usuario específico.
- El aprendizaje continuo cierra el ciclo. Cada impresión genera datos nuevos y el motor actualiza sus predicciones constantemente, priorizando las combinaciones que demuestran mejor performance y descartando las que no funcionan.
Las señales que activan una variación diferente
Estos son los tipos de señales más comunes que DCO usa para personalizar:
- Geolocalización: No solo para mostrar el país o la ciudad, sino para adaptar el tono, la oferta o el producto. Una marca de ropa puede mostrar ropa de lluvia en Bogotá y ropa de playa en Lima si hay datos climáticos integrados.
- Comportamiento previo: Si el usuario visitó la página de un producto específico, DCO puede servir ese producto exacto en el banner de retargeting con el precio actualizado, en lugar de un banner genérico de la marca.
- Etapa del funnel: Un usuario que nunca interactuó con la marca recibe un mensaje de awareness. El mismo usuario que abandonó el carrito recibe un mensaje con el producto abandonado y quizás un descuento. Todo automático.
- Dispositivo y contexto: Un banner para desktop puede tener más texto y detalle. El mismo anuncio en mobile puede simplificarse al máximo con un CTA directo, sabiendo que el usuario tiene menos tiempo de atención.
- Datos propios conectados: Si el anunciante conecta su CRM o CDP al motor de DCO, la personalización puede ser mucho más precisa: mostrar productos relacionados con la última compra, adaptar el mensaje según el segmento de cliente, o excluir a quienes ya compraron.
El estado actual de la adopción de DCO
Según investigación de eMarketer e IAB publicada en 2025, el 83% de los ejecutivos de publicidad ya desplegaron IA en procesos creativos ese año, frente al 60% del año anterior.
Según un reporte conjunto de eMarketer y TripleLift publicado en 2025, más de la mitad de los marketers señala que la creatividad programática falla porque los assets no se actualizan con suficiente frecuencia y no se producen suficientes versiones para distintas audiencias.
Esos dos datos juntos revelan que la mayoría sabe que necesita personalización a escala, pero todavía opera de forma manual. DCO es precisamente la solución para ese gap.
Cuándo usar DCO (y cuándo no)
DCO no es para todas las campañas ni para todos los anunciantes, tiene condiciones mínimas para que pueda funcionar con todo su potencial.
| Cuándo SI usar DCO | Cuando NO usar DCO |
|---|---|
| – Cuando tienes volumen suficiente de impresiones para que el sistema aprenda. – Cuando tu audiencia tiene segmentos claramente distintos con necesidades diferentes (e-commerce con muchos SKUs, retailers con cobertura geográfica amplia, servicios financieros con múltiples productos). – Cuando ya tienes datos propios (first-party data) que puedes conectar al motor de personalización. – Cuando tu ciclo de compra es lo suficientemente largo como para que el retargeting personalizado marque diferencia. | – Campañas muy pequeñas donde no hay suficientes datos para que el sistema aprenda. – Marcas con un solo producto y una sola audiencia homogénea. – Anunciantes que no tienen datos propios estructurados y dependen completamente de datos de terceros (especialmente en el contexto post-cookie). |
DCO y First-Party Data (en LATAM)
En un ecosistema post-cookie, donde los datos de terceros son cada vez más escasos y menos confiables, los anunciantes que ya construyeron su estrategia de first-party data tienen una ventaja clara porque pueden personalizar con DCO usando datos que realmente conocen y controlan, sin depender de inferencias de terceros.
Para los anunciantes en LATAM que están pensando en cómo evolucionar su estrategia creativa, la secuencia lógica es: primero construir la infraestructura de datos propios (CDP, estrategia de first-party data), y luego conectar esos datos a un motor de DCO para maximizar la relevancia de cada impresión.
Plataformas que operan con DCO
Los tres grandes del ecosistema programático ya tienen DCO integrado de distintas formas:
- Google lanzó Ads Advisor como interfaz conversacional para optimización de campaña y expandió sus herramientas de generación de imágenes con IA.
- Meta Advantage+ incluye automatización de creatividad con consistencia de marca (logos, fuentes, paletas).
- Amazon Ads Creative Studio ofrece generación de storyboards, taglines y scripts, además de Creative Agent, su herramienta agéntica que usa datos de retail para investigar audiencias y producir anuncios.
Según eMarketer, el 64% de los anunciantes cita la eficiencia de costos como el driver principal de adopción de IA en creatividad.
Fuera de los walled gardens, plataformas independientes como Smartly.io, Celtra, Flashtalking y StackAdapt ofrecen DCO que puede conectarse a múltiples DSPs y operar en open web.
Lo que cambia cuando adoptas DCO en tu operación
Estar cerca de procesos de adopción de DCO permite ver que el cambio no es solo tecnológico, también cambia cómo trabaja el equipo creativo.
El trabajo deja de ser “diseñar el banner de la campaña” y pasa a ser “construir la librería de assets modulares y definir las reglas de personalización”.
Los diseñadores producen más piezas individuales (imágenes, fondos, tipografías) pero menos anuncios completos. Los analistas de campaña se enfocan más en evaluar qué combinaciones están ganando y por qué, en lugar de optimizar manualmente placements.
El resultado es un ciclo creativo más rápido, con mayor diversidad de mensajes activos simultáneamente y optimización continua sin intervención manual constante.
Próximos pasos
Si quieres explorar DCO para tus campañas, el punto de partida es auditar qué datos propios tienes disponibles y si están estructurados para conectarse a una plataforma de personalización.
En Programática LATAM vamos a profundizar en first-party data y CDPs en próximos artículos. Si quieres recibirlos, suscríbete al newsletter.