Llevamos tres meses testando dos enfoques diferentes para entrenar un modelo que prediga brand-safety risks antes de que lancemos una campaña con un influencer.
Enfoque 1: Pusimos en el modelo datos históricos puros—información de campañas anteriores, engagement, audience demographics, historiales de controversia. Le dijimos al modelo: ‘aprende qué combinación de factores predice un brand-safety risk’.
Enfoque 2: Trabajamos con un grupo de expertos (marketers experimentados, community managers, especialistas en PR) que revisaron candidatos de influencers y dijeron: ‘este es riesgo medio porque…’ y capturamos su razonamiento. Después entrenamos el modelo con eso como referencia, combinado con datos históricos.
Los resultados fueron muy diferentes. El Enfoque 1 tuvo más precisión en paper (85%), pero falló con influencers nuevos o casos edge. El Enfoque 2 tuvo menor precisión numérica (78%), pero fue mucho más confiable en la práctica porque el modelo entendió el ‘por qué’.
¿Alguien más ha notado esto? ¿Vale la pena invertir en expertos para calibrar estos modelos o estoy complicando algo que debería ser simple?
Lo que describes es la diferencia entre ‘correlation’ y ‘causation’. El Enfoque 1 encontró correlaciones. El Enfoque 2 construyó entendimiento causal. En brand safety, la causalidad importa porque el riesgo es contextual. Un influencer puede tener un patrón de comportamiento ‘riesgoso’ pero ser perfecto para TU marca porque ya está alineado contigo. O al revés. Los expertos introducen ese contexto. Mi recomendación: mantén ambos. Usa el Enfoque 1 como señal, pero usa el Enfoque 2 como validador final. La precisión que pierdes en números la ganarás en confianza operacional.
Nosotros hacemos exactamente lo que describes en Enfoque 2. Mi head de estrategia revisa cada influencer candidato y documenta su decisión. Después, ese flujo de decisiones entrena el modelo. Es lento, pero la calidad es impresionante. Clientes confían en las recomendaciones porque saben que hay juicio humano detrás. El modelo no reemplaza expertos; amplifica su trabajo. Eso es lo que la mayoría de agencias pierden—piensan que desployas IA y desaparece el trabajo humano. No. Solo cambia.
Desde mi perspectiva como creadora: agradezco cuando hay expertos humanos en la validación. Porque mi marca no es ‘riesgo alto’ o ‘riesgo bajo’ en abstracto. Es riesgo alto para una marca de juguetes infantiles pero perfecto para una marca de ropa urbana. Un modelo puro ve mis números y mis antecedentes. Un experto entiende el fit. Ese contexto es lo que diferencía una campaña de una mala decisión.