Llevamos un tiempo experimentando con la idea de que no deberíamos estar eligiendo creadores “a ojímetro”. La mayoría de nuestras decisiones históricamente fueron: “Vi que este creador está en tendencia” o “Mi colega lo recomendó” o directamente “Tiene el nombre del nicho en su bio”.
Así empezamos a mapear esto más sistemáticamente. Recogimos data de nuestros creadores: tamaño de audiencia sí, pero también: composición demográfica, intereses declarados vs reales (grande la diferencia), historial de partnerships, tasa de engagement, tipos de content que publican, en qué plataformas son realmente fuertes.
Del lado de la marca, definimos nuestros requerimientos: ¿Qué edad es nuestro customer ideal? ¿En qué plataformas actúa? ¿Qué tipo de contenido resuena? ¿Cuál es nuestro budget? ¿Necesitamos expertise en cierta categoría o es más sobre reach?
Luego hicimos algo simple: filtramos creadores que matched en al menos 5-6 criterios clave y probamos. El resultado fue tan diferente a nuestro “gut feeling selection” que casi no lo podía creer.
Un creador que no hubiéramos considerado (no tenía “presencia” obvvia en nuestro nicho) generó 3x mejor ROI que uno que parecía perfect on paper. ¿Por qué? Su audiencia era más pequeña pero exactamente nuestro customer. Otro creador famoso que recomendaron mil veces fue un completo desperdicio de presupuesto porque su audiencia es “aspiracional” pero no compradora.
Lo raro es que esto funciona diferente en US vs LATAM. En LATAM, la verificación de datos es más complicada porque menos creadores tienen analytics públicos. En US tienes acceso a casi todo.
Mi pregunta honesta: ¿Están verdaderamente usando datos para matchmaking o es más que “tengo una lista de creadores que me caen bien”?
Este es un cambio fundamental en cómo debería funcionar influencer marketing y la mayoría de la industria aún no lo hace.
Desde mi perspectiva de data, el matchmaking data-driven funciona fundamentalmente porque elimina sesgo. El gut feeling es rapido pero incorrecto sistemáticamente. Tu ejemplo del creator no obvio que outperformed: eso es normal cuando empezás a matchear en audiencia demográfica real.
Lo que recomiendo:
-
Define tu Ideal Influencer Profile (IIP): No solo características, sino comportamientos. ¿Tu audiencia sigue este tipo de creador? ¿Engagedece o solo scrollea?
-
Quantify cada atributo: Engagement rate, audience composition (gender, age, geo, interests), posting frequency, brand safety score, partnership history. Todo scoreable.
-
Build a simple scoring model: Podes hacerlo en un spreadsheet. Asigna peso a cada variable según importancia para tu marca.
-
Validate post-campaign: ¿El creador que matched highest según el modelo también performó mejor? Si no, tu modelo necesita ajuste.
-
Account for region: US creators tienen mas data available, LATAM menos. Necesitas diferentes approaches o los datos están incompletos.
El dato interesante que mencionás sobre verification en LATAM: es verdad. Menos transparencia. Pero eso es exactamente por qué el data-driven selection es CRÍTICO en LATAM. Los creadores que reportan bien y transparentemente está ya filtrado de los que no.
Pregunta para ti: ¿Estás comprando data de terceros (Instagram audits, tools de analytics) o construyendo tu propia data?
Totalmente de acuerdo con la validación final. En la agencia lo llamamos “gut vs data showdown” y data gana 70% de las veces. Ese 30% donde gut gana es donde hay serendipity, pero no puedes escalar un negocio en serendipidad.
Nuestro proceso es similar al tuyo pero añadimos una capa: una vez que identificamos creadores que matchean bien, los auditamos de verdad. Verificamos:
- Historial real de partnerships (pedimos referencias, vemos posts anteriores)
- Engagement real vs fake (comentarios de bots vs engagement orgánico)
- Alignment cultural (porque una demographic match sin valores similares falla)
En LATAM específicamente hemos encontrado una diferencia clave: muchos creadores LATAM son más auténticos pero menos “professionales”. Un creador US te da una media kit pulida, un creador LATAM te manda un DM. Eso hace más difícil dataficar, pero también significa que si verificas y confías, muchas veces generan mejor ROI porque la audiencia siente esa autenticidad.
Para matchmaking cross-market (US + LATAM), hemos visto que las marcas que funcionan mejor son las que pueden “traducir” su audience profile de un mercado a otro. Un audience US de 25-34 años, urban, purchasing power medio-alto puede tener equivalente en LATAM pero los intereses diferirán. No puedes simplemente copiar el creator list.
Mi recomendation: empieza con 10-15 creadores bien matched, mide performance, y usa eso para refinar el modelo.
Como creadora, puedo decirte exactamente qué pasa del otro lado: muchas marcas me contactan pero no tienen ni idea de quién soy realmente. Leen el bio, ven que en teoría matcheo, y boom, propuesta genérica.
Cuando una marca REALMENTE entiende su audiencia y ve que yo encajo porque mis followers son sus customers, la conversación es tan diferente. Es clara, específica, saben qué tipo de contenido necesitan, y honestamente les digo que sí aunque cobre más porque siento que es genuino.
Lo que me molesta como creadora es que muchas veces marca dice “matcheo” pero en realidad necesita cualquier cuerpo con X followers. Eso se siente, la audiencia lo siente, y falla.
Desde mi lado LATAM, también es verdad que menos de nosotros somos “públicamente auditables”. Yo comparto algunos números pero no todo. No es porque esconda nada, es porque los tools que existen son caros y no todos los necesitamos. Una marca que verdaderamente hace matchmaking bien conmigo va a ver mi stories, va a ver cómo interactúo con mi comunidad, va a sentir si es real o no.
Es casi como dating. Si solo miras el per fil, ves un resumen. Si hablas, ves si es match. Muchas marcas saltan la conversación.