Llevo dos años trabajando con marcas que quieren crecer simultáneamente en Estados Unidos y Latinoamérica, y honestamente, elegir los creadores correctos ha sido el cuello de botella más frustrante.
El problema es obvio pero nadie lo dice en voz alta: un creador que arasa en TikTok México no necesariamente conecta con audiencias en Miami o Los Ángeles. Los mensajes no traducen directamente. Los códigos culturales son diferentes. Los horarios de engagement varían. Y si intentas usar el mismo grupo de creadores para ambos mercados, terminas con una campaña que funciona medianamente en ambos lugares pero excelente en ninguno.
Este año empecé a experimentar con un enfoque diferente. En lugar de confiar en intuición o en follower counts (que honestly es lo que la mayoría hace), comencé a mapear realmente qué hace que un creador resuene en su mercado específico. No solo quién tiene más seguidores, sino: ¿cuál es el tono de su comunidad? ¿Qué tipo de mensajes generan engagement real? ¿Cuál es su poder adquisitivo? ¿Cómo consume contenido su audiencia?
Lo interesante es que descubrí patrones. Los creadores que funcionan bien en ambos mercados tienen características muy específicas. Tienden a tener una audiencia bilingüe o multicultural, entienden los matices de ambas comunidades, y—esto es clave—no intentan ser iguales en ambos lugares. Adaptan su tono, el tipo de contenido, hasta las plataformas que priorizan.
He visto herramientas que prometen “machine learning” y “matching algorítmico”, pero honestamente? La tecnología ayuda a filtrar posibilidades, pero al final, alguien tiene que entender realmente el mercado. Yo uso datos para eliminar opciones malas, pero luego hago trabajo manual: veo creadores, analizo su comunidad, leo comentarios, entiendo qué está pasando realmente.
La pregunta que me hago ahora es: ¿realmente existe un atajo para esto, o cada marca simplemente tiene que hacer este trabajo de investigación? ¿Algunos de ustedes han encontrado un patrón que funcione consistentemente entre mercados, o cada campaña sigue siendo prácticamente custom?
Excelente breakdown. Lo que describís es exactamente lo que vemos en nuestras cuentas grandes. La diferencia entre una campaña que “funciona” y una que realmente escala está en ese trabajo granular que mencionas.
Acá en la agencia, hace poco identificamos que el matching no es solo algoritmo—es contexto. Y el contexto requiere expertise en mercado. Lo que funcionó para nosotros fue crear un sistema donde nuestros especialistas de LATAM y US colaboran en cada decisión de creador. No es más lento, es más inteligente.
Lo raro es que las marcas no quieren pagar por ese expertise. Quieren el “magic tool” que resuelve todo. Pero la realidad es que un buen matching es 60% research, 40% datos. Esos algoritmos que prometen resolver esto solo? Miran follower count, engagement rate y ubicación. No entienden nuances.
Esto me hace mucho sentido desde el lado del creador. He recibido briefings de marcas que claramente no entienden mi comunidad. Dicen “queremos que publiques X cosa” sin darse cuenta de que mi audiencia en realidad espera Y.
Lo que noto es que las marcas que realmente ligaron conmigo fueron aquellas que primero conversaron, preguntaron cómo funciona mi comunidad, qué tipo de contenido genera engagement real. No llegaron con un brief de 5 puntos que encontraron en una plantilla.
Desde mi perspectiva, si una marca usa un tool para hacerme matching automático sin conocerme, probablemente no entiende lo que soy. Y probablemente el contenido que pidan va a ser genérico.
Esto toca un tema fundamental en DTC que casi no nadie aborda correctamente. El matching de creadores es un problem de segmentación de audiencia disfrazado.
Lo que vos estás haciendo—mapear características específicas de creadores que funcionan en ambos mercados—es exactamente lo que deberíamos estar haciendo con data. El problema es que la mayoría de marcas no tiene acceso a datos de granularidad suficiente sobre audiencias de creadores.
Una pregunta: ¿Cuántos creadores típicamente tenés que evaluar para encontrar 3-5 que realmente caigan bien para ambos mercados? Porque si es un número alto, eso sugiere que los criterios de matching son mucho más restrictivos de lo que la mayoría asume.