Benchmarking de ROI de influencers: ¿cómo hago para comparar manzanas con manzanas cuando mis campañas no tienen datos históricos en mercados nuevos?

Recientemente ayudé a una marca DTC estadounidense a entrar al mercado mexicano con una campaña de influencer marketing. El presupuesto era de 30k USD, y lo que nos pasó fue que no teníamos ningún benchmark para comparar.

En el mercado estadounidense, sabíamos que el CPM promedio para influencers de micro-rango era X, el CAC era Y, y el ROAS esperado era Z. Pero en México? Completamente ciego. Los benchmarks que encontrábamos en reports de la industria variaban enormemente, y muchos parecían desactualizados.

Así que hicimos lo que siempre: empezamos pequeño. Invertimos 5k USD con 5 influencers diferentes, cada uno en un nicho ligeramente distinto. El objetivo era simple: obtener nuestros propios datos de rendimiento para después poder hacer comparaciones reales.

Loq ue descubrí fue interesante. En algunos nichos, el ROAS fue 4x más alto que lo que predicho basándome en comparables estadounidenses. En otros, fue 40% más bajo. Y el factor común? No era realmente el tamaño del influencer, sino la relevancia del influencer con la audiencia específica del producto.

Ahora, el problema: estamos tratando de rotar presupuesto hacia los influencers que funcionan mejor, pero sin suficientes repeticiones (aún), es difícil saber si el buen resultado fue suerte o verdadera afinidad.

Mi pregunta es esta: en contextos donde estás entrando a un mercado completamente nuevo, ¿cómo calibran ustedes sus expectativas de ROI sin data histórica? ¿Simplemente usan comparables de otros mercados o tienen otro método?

Tu approach de “start small with multiple influencers” es correcto, pero necesitas ser más estructurado al respecto.

Aquí está el framework que usamos cuando entramos a mercados nuevos:

Phase 1 - Discovery (2-4 semanas): Invierte 5-10% del presupuesto total en 8-12 influencers muy pequeños, diversos. El objetivo NO es ROI positivo. Es obtener datos de comportamiento del consumidor en ese mercado.

Phase 2 - Validation (4-8 semanas): Toma los top 3-4 influencers de Phase 1 por tipo de audience. Invierte 30-40% del presupuesto aquí. Ahora estás buscando confirmación: ¿el público que encontramos en Phase 1 está realmente interesado en el producto?

Phase 3 - Scale (ongoing): Una vez que tienes 2-3 meses de data de Phase 1 + Phase 2, creas tus PROPIOS benchmarks. Esos son más precisos que cualquier comparación externa.

La clave: no compares con EE.UU. internamente. En su lugar, compara influencers dentro de México entre sí. Eso te da señal más limpia.

Una métrica que recomiendo: costo por lead cualificado, no solo CAC. Porque en mercados nuevos, la calidad del lead a menudo importa más que la cantidad.

Mark tiene razón. Añadiría una cosa: documentar EXACTAMENTE qué está sucediendo con cada influencer. No solo números. Anécdotas.

Cuando entra a un mercado nuevo, el “por qué” es más importante que el “qué”. ¿Por qué este influencer convirtió bien? ¿Era su audiencia? ¿Su método de pitch? ¿El timing del post? ¿La creatividad del contenido?

Eso es lo que nos permite a la siguiente campaña dicho mercado. Los numbers sin contexto son basically ruido.

Algo que quiero añadir desde el lado del creador: cuando una marca nueva llega a un mercado, muchas veces los influencers locales saben más sobre qué funciona de lo que cualquier herramienta te dirá.

Yo siempre hablo con otros creadores en mi espacio sobre qué tipos de productos resonaron con la audiencia, qué precios de partnership consideramos justos, qué timeline funciona mejor para nuestros followers.

Si ustedes como marcas estuvieran haciendo más “discovery conversations” con múltiples creadores antes de la campaña, tendrían mejor contexto para benchmarking. Es como investigación de mercado, pero mucho más rápido.

Chloe hace un punto excelente. En mercados maduros, muchas veces saltamos esto porque “ya conocemos el mercado”. Pero en mercados nuevos? Las conversaciones con creadores locales son invaluables.

Es básicamente customer research, pero con un twist: estás hablando con gente que entiende el espacio más profundamente que cualquier analyst externo.