Semana 2: ¿Cómo encuentran la gente a los influyentes?
Si recuerdas la última actualización, tuvimos nuestro primer choque real: Node.js vs Python. La democracia habló en LinkedIn y el ganador fue Node.js, así que esta semana seguimos con una sola pila principal aunque yo sigo haciendo experimentos y análisis en Python, perdón no perdón. Quería también compartir la actividad de los posts Build in Public: Day Zero superó 1.5k vistas, la Semana 1 casi llega a 600 y entre ambos trajeron comentarios y reacciones interesantes. Mi blog personal en datobra.com ganó dos seguidores nuevos, lo que cuento como un logro en una era donde gran parte del texto en internet lo generan modelos y atraer lectores humanos se está volviendo cada vez más difícil. A veces parece que los blogs ahora los leen más agentes de IA que personas reales, así que si la IA nos reemplaza, al menos tendré una audiencia fiel.
Hay una parte de esto que nadie te advierte: cuando construyes algo propio, ya sea una herramienta open source, una startup o un blog, la codificación o la redacción ocupa quizá la mitad de tu tiempo en una buena semana. El resto se convierte en investigación, planificación, posicionamiento, marketing, decisiones de marca y el bucle infinito de quien es realmente el público objetivo. Por eso esta semana hicimos lo obvio pero evitado: hablamos con un marketer real que gestiona campañas de influencers, le hicimos las preguntas aburridas pero críticas para entender cómo buscan, qué herramientas usan, qué les parece fiable y qué es una pérdida de tiempo. Spoiler: es mucho menos automático de lo que imaginábamos y más trabajo de detective.
Qué funciona mejor: pago o influencer marketing? Ambas funcionan pero para cosas distintas. Las publicaciones de influencers convierten mejor cuando el producto es claro y directo. Los anuncios pagos se sienten como lanzar dardos a oscuras y esperar que el algoritmo tenga piedad ese día.
Cómo clasifican a los influencers: principalmente por número de seguidores. Las categorías aproximadas son micro menos de 10K, mid 10 50K, macro 50 100K y creadores con más de un millón. Curiosamente, las colaboraciones por debajo de 100K convierten a menudo mejor porque son lo bastante grandes como para importar y lo bastante humanas como para generar confianza.
Cómo encuentran realmente a los influencers: búsquedas por hashtags en Instagram, agregadores como LiveDune o PopularMetrics y la página Explorar de Instagram. Para comprobar si un influencer es real o está inflado revisan cuánto varía el alcance de sus publicaciones, porque números idénticos en todas las publicaciones suelen indicar manipulación; también leen los comentarios, que deben tener sentido para el post y no ser solo emojis o oleadas repentinas en publicaciones normalmente tranquilas; y los activity chats donde creadores compran o intercambian comentarios son una amenaza real.
Uso de plataformas según el país: la popularidad depende totalmente de la región. En algunos sitios Facebook parece un museo, en otros sigue siendo el primer lugar donde buscan creadores. TikTok da muchas vistas en casi todas partes, pero esas vistas no siempre se traducen en compras mucho alcance y menos intención de compra y suele ser más barato.
Cómo descubren nuevas herramientas: a través de los trendsetters del mundo del marketing, personas cuyas publicaciones, reseñas o menciones casuales despiertan la atención. Una herramienta aparece en un TikTok, en LinkedIn, en un newsletter o en un anuncio de Google, gana impulso y de repente todos la prueban.
Qué aprendimos y qué sigue: tras repasar el proceso quedó claro que descubrir influencers es trabajo manual y evaluar la calidad es aún más manual. Nuestra suposición de trabajo es que cerca del 90 por ciento de este flujo puede automatizarse o semi automatizarse sin perder el juicio humano que importa. En cuanto a precios de herramientas existentes, son ambiciosos: herramientas básicas desde 30 50 USD al mes, plataformas de nivel medio para pymes 200 500 USD al mes y suites empresariales personalizadas desde 1000 USD al mes, así que hay espacio para algo más flexible y amigable para fundadores.
De cara al futuro este proyecto tiene dos cerebros distintos: uno para encontrar influencers automáticamente y otro para evaluar si esos influencers son realmente buenos. Esta semana nos centramos en el descubrimiento automático y probamos varios enfoques que seguirán en el próximo capítulo. Las semanas 3 y 4 pasarán a la fase de verificarlos es real o solo muy comprometido con fingir. Prepararé un notebook Jupyter, escogeré un influencer evidentemente falso y uno normal y compararé sus métricas lado a lado para identificar diferencias medibles en los datos.
Métodos automáticos que probamos: ChatGPT Claude y búsquedas en Google vía el servidor MCP de Bright Data dieron resultados inconsistentes con datos desactualizados enlaces ruidosos y cuentas a veces inventadas. En la práctica necesitamos datos más frescos y recuperables, lo que implica una búsqueda de Google muy limitada o un modelo que funcione en línea como Perplexity. Probamos varias variantes: consultas estrictas tipo site instagram com con el dataset de Google SERP de Bright Data, un modo AI Google que genera la consulta desde un prompt en lenguaje natural, Perplexity integrado en la librería de Web Scrapers y llamadas directas a Perplexity con control total del modelo. Una estrategia efectiva fue dividir el trabajo en dos pasos pedir primero hashtags relevantes y después solicitar creadores activos bajo esos hashtags. Convertimos las variantes más fuertes en endpoints API dentro de nuestro prototipo para poder probarlos.
Si te interesa cómo aplicar inteligencia artificial y agentes IA en procesos reales o necesitas desarrollar soluciones robustas para detectar fraudes en redes sociales o automatizar la búsqueda y evaluación de audiencias, en Q2BSTUDIO ofrecemos experiencia en desarrollo de aplicaciones a medida y software a medida así como en implementación de inteligencia artificial para empresas. Además podemos integrar servicios cloud aws y azure y soluciones de servicios inteligencia de negocio como Power BI para convertir datos en acciones concretas. Si tu objetivo es construir una herramienta interna o un producto que automatice la detección y evaluación de influencers podemos ayudarte a diseñar la arquitectura y desarrollar los conectores necesarios, combinando servicios de software a medida con capacidades de Inteligencia artificial para empresas.
No olvides que la seguridad es crítica cuando trabajas con datos de terceros y autenticaciones de plataformas, y en Q2BSTUDIO también cubrimos ciberseguridad y pentesting para que tus integraciones sean robustas y cumplan normativas. Si lo que buscas es despliegue y escalado podemos gestionar servicios cloud aws y azure y ofrecer automatización de procesos y soluciones de inteligencia de negocio y power bi para que los equipos tomen decisiones basadas en datos. Para proyectos que combinan agentes IA, análisis y seguridad tenemos la experiencia para llevar ideas desde el notebook Jupyter hasta una plataforma productiva y segura.
En resumen estamos optimistas: hay mucha manualidad hoy pero una gran oportunidad para automatizar con criterio humano. En las próximas entregas mostraremos notebooks de prueba comparativas y métricas que permitan distinguir cuentas reales de cuentas manipuladas, y seguiremos compartiendo el proceso de construcción de este producto público mientras aprendemos de la comunidad.
Q2BSTUDIO especialistas en aplicaciones a medida software a medida inteligencia artificial ciberseguridad servicios cloud aws azure servicios inteligencia de negocio ia para empresas agentes IA y power bi
