Estoy en el proceso de armar una campaña para 2026 y, honestamente, siento que la industria está en un punto de quiebre. Las herramientas que usaba hace un año ya no me dan las respuestas que necesito, especialmente cuando intento predecir qué creador va a funcionar realmente en ambos lados del océano.
He experimentado con herramientas que usan engagement rate, followers, sentimiento de comentarios—todo el stack estándar. Pero cuando realmente presiono sobre los datos, me doy cuenta de que estoy usando las mismas métricas que todos, lo que significa que estoy persiguiendo a los mismos influencers que todas las otras marcas.
Para las campañas bilingües, tengo un problema adicional: los datos de comportamiento en el mercado ruso son diferentes a los estadounidenses. Un creador que tiene 500k seguidores en Telegram no necesariamente va a brillar en TikTok global. Las métricas no se traducen directamente.
He empezado a mirar datos que la mayoría de agencias ignora: historial de colaboraciones, cómo el creador ha manejado controversias, velocidad de respuesta en negociaciones, incluso información sobre si el creador realmente vive en el mercado que dice representar. Pero esto requiere mucho trabajo manual y no escala.
¿Cómo están ustedes prediciendo realmente quién va a funcionar en 2026 sin quedarse atrapados en las métricas obvias que todos ven?
Aquí está lo que he aprendido trabajando con presupuestos grandes: la mayoría de predicciones de IA se entrenaron en datos históricos de campañas que resultaron bien. El problema es que esos datos son retrospectivos—estás prediciendo el futuro basándote en lo que funcionó en el pasado, pero los mercados cambian.
En nuestras campañas, estamos experimentando con lo que llamamos “feature engineering dinámico”: en lugar de confiar solo en engagement, estamos mirando velocidad de cambio de engagement, estabilidad de audiencia, frecuencia de colaboraciones fallidas, incluso el tono de cómo el creador habla sobre marcas anteriores.
Para mercados bilingües específicamente, necesitas modelos separados por región que luego se validen cruzadamente. Si la IA dice “este creador va a ser excelente en ambos mercados”, verifica si realmente perfila igual en ambos modelos. Si no, es false positive garantizado.
Un consejo práctico: no confíes en herramientas que te dan una puntuación general. Pregunta: ¿cómo esta herramienta está prediciendo específicamente el comportamiento del mercado estadounidense? ¿Y por separado, el ruso? Si la respuesta es algo genérico, es un red flag. Las mejores herramientas que he visto tienen modelos casi obsesivos sobre quirks regionales.
Desde la perspectiva de agencia, lo que estamos haciendo es armar nuestro propio “banco de datos” de creadores bilingües donde rastreamos por años quién realmente entrega. Herramientas como IA son útiles para descubrimiento inicial, pero nada reemplaza tener relaciones establecidas.
Para 2026, mi estrategia es: usa IA para expandir tu reach inicial, pero valida con gente que ya conoces cómo funciona en ambos mercados. Los creadores auténticos bilingües van a ser más valorados porque simplemente hay menos de ellos. Invertir en construir relaciones ahora con los buenos va a ser tu ventaja competitiva.