Tenemos acceso a un motor de descubrimiento que se supone está optimizado para mercados bilingües—puede analizar influencers rusófonos y estadounidenses simultáneamente. Teóricamente, esto debería hacer que encontrar candidatos relevantes en ambos mercados sea más rápido.
Pero aquí está mi realidad: el motor a menudo me sugiere influencers que tienen todas las métricas correctas, pero cuando realmente analizo sus campañas pasadas o cómo interactúan con marcas similares, veo inconsistencias. Un influencer puede tener mucho engagement en Rusia pero casi ninguno cuando lanzan campañas en inglés. O viceversa.
Lo que me da miedo es que esto significa que el motor no está realmente entendiendo qué significa “relevancia” en cada mercado específico. Simplemente está combinando datos de ambos lados y esperando que funcione.
He pasado semanas verificando manualmente los candidatos que sugiere, y honestamente, no sé si la herramienta está realmente acelerando mi trabajo o solo me estoy ocultando detrás de ella diciendo “bueno, la IA lo sugirió”.
¿Alguien más está teniendo esta experiencia? ¿Cómo están validando realmente que los influencers que el motor sugiere van a funcionar antes de comprometerse con una campaña?
Perfectamente dicho. Y esto es exactamente por qué hemos dejado de usar herramientas genéricas bilingües y hemos comenzado a mantener dos listas separadas de influencers vetados: una para mercado ruso, otra para estadounidense.
Lo que encontramos es que un influencer que domina en un mercado no transfiere automáticamente al otro. Diferentes plataformas tienen diferentes dinámicas. El engagement en VK o TikTok ruso no predice Instagram estadounidense. La IA de multimercado típicamente no calibra eso lo suficientemente bien.
Nuestro nuevo proceso: usamos la herramienta para encontrar candidatos, pero luego separamos por mercado y evaluamos con criterios específicos del mercado. Una puntuación de encaje combinada es prácticamente inútil.
Y sobre el “miedo a estar ocultándose detrás de la IA”—es válido. Eso es exactamente lo que ves cuando equipos confían demasiado en herramientas sin entender sus limitaciones. Yo cada vez insisto más en que nuestro equipo entienda qué está haciendo la IA, no solo confíe en los resultados. Hemos visto demasiadas campañas fracasar porque alguien dijo “pero la IA lo recomendó” sin verificar el trabajo.
Tienes razón en sospechar. Un motor de descubrimiento bilingüe genérico está cometiendo un error conceptual fundamental: está asumiendo que la “relevancia” es una propiedad consistente entre mercados. No lo es.
En Rusia, ciertos tipos de influencers dominan en nichos específicos (belleza, tech, lifestyle) con patrones de audiencia muy distintos a EE.UU. Una herramienta que simplemente ejecuta el mismo algoritmo en ambos lados va a producir recomendaciones que se sienten bien estadísticamente pero se rompen cuando enfrentas la realidad del mercado.
Prueba esto: toma 10 influencers que tu herramienta sugirió. Para cada uno, revisa sus últimas 3 campañas de marca. Mira no solo el engagement total sino la calidad de comentarios, si el público realmente resono con el producto, tasas de conversión si tienes acceso a eso. Luego compara eso con lo que la herramienta predijo. La brecha entre predicción y realidad te dirá exactamente qué está perdiendo el motor.
Mi hipótesis: va a estar perdiendo contexto cultural. No porque sea “mala” IA, sino porque la IA está intentando resolver un problema (encontrar influencers relevantes) sin suficientes datos sobre qué significa “relevancia” en cada mercado específico.