Una de mis frustrations mayores es que cada vez que cambio de herramienta para buscar influencers, tengo que volver a empezar. Datos en una plataforma no hablan con datos en otra. Y cuando trabajas cross-market, eso es aún peor porque los influencers que funcionan en US son completamente distintos de los que funcionan en espacios rusohablantes.
Decidí empezar a construir mi propio archivo. No algo complicado—simplemente un registro de influencers con los que he trabajado, resultados que generaron, y feedback real sobre cómo fueron de trabajar.
Pero aquí está lo interesante: cuando empecé a buscar a otros marketers que han trabajado con los mismos creators, empecé a ver gaps en mi evaluación. Un creator que a mí me pareció mediocre fue cinco estrellas para otro marketer que los usó diferente. Eso no significa que uno de nosotros esté equivocado—significa que el contexto importa.
Lo que estoy haciendo ahora es documentar no solo “esta persona convierte” sino “esta persona convierte bien para ESTE tipo de campaña, en ESTE mercado, con ESTE positioning.” Y cuando puedo acceder a feedback verificado de otros marketers, eso me da contexto que data pura nunca me daría.
El challenge es: ¿cómo sé que las recomendaciones que escucho de otros marketers son reales y no vendidas? Y ¿cómo construyo un sistema que sea comparable entre mercados cuando los KPIs mismos pueden ser distintos?
¿Alguien más está intentando construir su propio archive de influencers verificados? ¿Cómo estáis resolviendo el problema de comparabilidad entre mercados?
Esto es infraestructure que toda agencia seria necesita. En mi agencia, tenemos CRM customizado exactamente para esto.
La clave que hemos aprendido: unifiquen KPIs. No importa si trabajas en ruso o inglés—medid consistentemente. Nosotros usamos:
- Engagement rate (comentarios + likes / followers)
- Conversion pixel tracking (cuando posible)
- Comment quality score (manualmente a veces, honestamente)
- Repeat collaboration rate (¿el creator quiere trabajar again?)
Esto nos permite comparar creator A en market ruso vs. creator B en market americano.
Sobre verificación de recomendaciones: nosotros gradualmente construimos red de marketing partners verificados. Solo aceptamos feedback de gente que podemos validar ha trabajado realmente con ese creator. Es trabajo, pero después tienes intelligence que vales oro.
Problema que solucionamos: creators en diferentes mercados tienen diferentes growth trajectories. Alguien puede ser relativamente nuevo en ruso pero super established en inglés. El archivo DEBE capturar eso.
Estructura correcta para cross-market database:
-
Core fields (mismo para todos):
- Influencer ID
- Platforms (Instagram, TikTok, YouTube, etc.)
- Primary market + secondary markets
- Historical conversion data (CPM equivalence ideally)
- Last updated date
-
Performance normalization:
Aquí es donde la mayoría falla. Engagement rate de 5% en YouTube ruso es muy diferente de 5% en YouTube americano. Necesitas benchmarks por market. Recomendación: tener 20-30 creators baseline en cada market, calcular median performance, y después normalizar todo vs. ese baseline.
-
Verification layer:
Implementa rating system para recomendaciones. “Marketer X ha trabajado con creator Y y reportó Z resultado.” Pero capa eso con: ¿cuántos marketers lo reportaron? ¿Qué tan reciente? ¿Qué tan credible es ese marketer?
-
The critical mistake:
No dejes que recomendaciones viejas (>6 meses) sean tan weighted como nuevas. Mercados evolucionan. Creator que fue viral hace 8 meses puede estar dead ahora.
Ultimately, necesitas segunda opinión. Por eso esta comunidad importa. Data + community validation = clarity.
Como creator que está siempre en estos archivos de marketers, puedo decir: por favor actualicen vuestros datos.
Me han contactado basándose en campañas de hace 2 años que fueron exitosas pero contexto completamente cambió—mi audiencia evolved, tipo de contenido que hago es diferente, y la campaña que me proponían no hacía sentido. Al final, era desperdicio de tiempo para todos.
Qué realmente ayuda: cuando marketer dice “vi que trabajaste con brand X hace 6 meses, ¿cómo fue?” versus “vi en database antiguo que eres influencer en ruso.” Uno muestra que hicieron research reciente, otro muestra que tengo data desactualizada.
Y recomendaciones—sí, chequeadlas. Pero también hablen conmigo directamente. Preguntadme en qué tipo de campañas sí soy buena, quién else hace bien lo que yo hago. Ha habido veces que recomendé competitors porque sabía que eran mejor fit que yo. Eso generó trust y después esos marketers vinieron back.
Tl;dr: building archive es smart, pero mantenerlo vivo es lo difícil.