{"id":86485,"date":"2026-09-18T11:53:43","date_gmt":"2026-09-18T09:53:43","guid":{"rendered":"https:\/\/www.makingscience.com\/?p=86485"},"modified":"2026-09-22T11:55:10","modified_gmt":"2026-09-22T09:55:10","slug":"el-engagement-no-sabe-si-te-quieren-o-te-odian","status":"publish","type":"post","link":"https:\/\/www.makingscience.com\/es\/blog\/el-engagement-no-sabe-si-te-quieren-o-te-odian\/","title":{"rendered":"El engagement no sabe si te quieren o te odian"},"content":{"rendered":"

En diciembre de 2025, Oxford University Press eligi\u00f3 <\/span>rage bait<\/span><\/i> como palabra del a\u00f1o. La raz\u00f3n que dio fue puramente cuantitativa: el uso del t\u00e9rmino se hab\u00eda triplicado en doce meses. Lo define como contenido dise\u00f1ado deliberadamente para provocar indignaci\u00f3n siendo frustrante, provocador u ofensivo.<\/span><\/p>\n

A pesar de parecer un t\u00e9rmino nuevo, llevamos vi\u00e9ndolo desde los inicios de internet. Trolls que buscaban provocar una reacci\u00f3n visceral de su audiencia, que evolucion\u00f3 en los \u2018\u2019click bait\u2019\u2019 de la prensa digital. Ell rage bait funciona porque la m\u00e9trica con la que evaluamos a los creadores no sabe distinguir entre alguien que aplaude y alguien que insulta.<\/span><\/p>\n

El rage bait es un (mal) incentivo del sistema<\/b><\/h2>\n

Conviene quitar de en medio la lectura f\u00e1cil. El rage bait es una decisi\u00f3n editorial consciente, pero no aparece porque haya creadores dispuestos a molestar a su audiencia: aparece porque el entorno lo remunera. Los algoritmos de distribuci\u00f3n premian la interacci\u00f3n sin evaluar su carga emocional, y un comentario airado y uno entusiasta emiten exactamente la misma se\u00f1al.<\/span><\/p>\n

Que la negatividad capta m\u00e1s atenci\u00f3n es algo demostrado y anterior a las redes sociales. El estudio <\/span>Negativity drives online news consumption<\/span><\/i>, publicado en Nature Human Behaviour en 2023, analiz\u00f3 unas 105.000 variantes de titulares sometidas a test aleatorizado sobre m\u00e1s de 370 millones de impresiones. El resultado: cada palabra negativa adicional en un titular de longitud media aumentaba el CTR un 2,3%, mientras que las palabras positivas lo reduc\u00edan.<\/span><\/p>\n

Trasladado al feed, el incentivo es transparente. Si el sistema reparte alcance en funci\u00f3n del volumen de interacci\u00f3n, y la negatividad genera m\u00e1s interacci\u00f3n, el contenido que incomoda tiene una ventaja estructural sobre el que agrada. No hace falta mala fe para que el equilibrio se desplace: basta con optimizar.<\/span><\/p>\n

D\u00f3nde falla la m\u00e9trica<\/b><\/h2>\n

El engagement rate \u2014el ER% que aparece en cualquier informe de campa\u00f1a\u2014 se calcula dividiendo el total de interacciones entre las impresiones o las visualizaciones. As\u00ed lo define el Estudio Anual de Influencer Marketing 2026. El numerador es una suma, y una suma no tiene signo.<\/span><\/p>\n

Esto significa que el ER% mide con precisi\u00f3n cu\u00e1nta gente reaccion\u00f3, y no dice absolutamente nada sobre qu\u00e9 reacci\u00f3n tuvieron. Un perfil que genera debate hostil y otro que genera adhesi\u00f3n pueden aparecer en el mismo tramo de un ranking de engagement. Si la selecci\u00f3n de creadores se resuelve mirando esa columna, las dos opciones son indistinguibles.<\/span><\/p>\n

A eso se a\u00f1ade un segundo problema: el ER% se maneja habitualmente como si existiera un umbral de referencia universal, un \u00abbuen engagement\u00bb v\u00e1lido para cualquier marca. El propio estudio desmonta esa idea al medir el engagement rate por sector y por plataforma, con diferencias notables entre categor\u00edas. No hay una cifra buena en abstracto: hay cifras que tienen sentido dentro de un sector, una plataforma y un formato concretos.<\/span><\/p>\n

Alcance y calidad de la interacci\u00f3n se mueven por separado<\/b><\/h2>\n

Hay una prueba de esto en el mismo estudio. Al comparar Reels amplificados con pauta frente a Reels org\u00e1nicos, los tres indicadores se separan en direcciones opuestas:<\/span><\/p>\n\n\n\n\n\n\n
Indicador<\/b><\/td>\nContenido amplificado<\/b><\/td>\nContenido no amplificado<\/b><\/td>\n<\/tr>\n
Engagement rate medio por Reel<\/span><\/td>\n0,18%<\/span><\/td>\n2,48%<\/span><\/td>\n<\/tr>\n
Interacciones medias por Reel<\/span><\/td>\n2.140<\/span><\/td>\n5.640<\/span><\/td>\n<\/tr>\n
Comentarios positivos (media)<\/span><\/td>\n77,2%<\/span><\/td>\n82,2%<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Fuente: Estudio Anual de Influencer Marketing 2026, 3\u00aa edici\u00f3n. El dato de comentarios positivos procede de an\u00e1lisis automatizado de comentarios mediante tecnolog\u00eda de an\u00e1lisis de sentimiento.<\/span><\/i><\/p>\n

El contenido amplificado llega a mucha m\u00e1s gente y, aun as\u00ed, interact\u00faa peor y recibe comentarios de peor calidad: cinco puntos porcentuales menos de comentarios positivos. El caso es otro \u2014amplificaci\u00f3n, no contenido pol\u00e9mico\u2014, pero la lecci\u00f3n sirve igual: alcance, volumen de interacci\u00f3n y sentimiento pueden divergir dentro de una misma pieza, y ninguno de los tres sirve como aproximaci\u00f3n de los otros dos.<\/span><\/p>\n

El estudio lo resuelve incorporando el an\u00e1lisis de sentimiento como una capa m\u00e1s de medici\u00f3n. Cualquier marca que eval\u00fae creadores deber\u00eda hacer lo mismo.<\/span><\/p>\n

Lo que realmente se compra en una colaboraci\u00f3n<\/b><\/h2>\n

Cuando una marca activa a un creador no est\u00e1 comprando espacio publicitario: est\u00e1 comprando una transferencia de credibilidad, que a su vez depende del contexto. Un contenido patrocinado no se consume aislado, sino dentro de un perfil, con su historial y su hilo de comentarios. Si la conversaci\u00f3n que rodea a ese creador es de confrontaci\u00f3n, la marca aparece en el terreno emocional que ese perfil ha construido. El n\u00famero de interacciones sube igual. Lo que no sube es la disposici\u00f3n favorable de quien las lee.<\/span><\/p>\n

Aqu\u00ed hablamos de eficiencia: parte del engagement que est\u00e1s pagando puede estar trabajando en contra del objetivo de la campa\u00f1a sin que ninguna m\u00e9trica del informe lo se\u00f1ale. Evitarlo exige separar cuatro dimensiones que el ER% comprime en un \u00fanico n\u00famero:<\/span><\/p>\n

    \n
  • Volumen<\/b>: \u00bfcu\u00e1nta interacci\u00f3n genera este perfil en relaci\u00f3n con su alcance?<\/span><\/li>\n
  • Signo<\/b>: \u00bfesa interacci\u00f3n es de adhesi\u00f3n, de indiferencia o de conflicto?<\/span><\/li>\n
  • Naturaleza<\/b>: \u00bfson reacciones pasivas o comentarios, guardados y compartidos?<\/span><\/li>\n
  • Origen<\/b>: \u00bfel alcance es org\u00e1nico o est\u00e1 amplificado?<\/span><\/li>\n<\/ul>\n

    Un perfil con un engagement rate alto sostenido por comentarios de confrontaci\u00f3n y otro con un engagement rate moderado y una comunidad que responde bien a sus recomendaciones producen resultados de negocio distintos. En una hoja de c\u00e1lculo ordenada por ER%, el primero suele estar por encima.<\/span><\/p>\n

    Hacia una medici\u00f3n con signo<\/b><\/h2>\n

    Superar la ceguera del ER% pasa por auditar la m\u00e9trica: preguntar de qu\u00e9 est\u00e1 compuesto ese n\u00famero antes de usarlo para decidir.<\/span><\/p>\n

    Es el trabajo que hacemos en Making Science cuando evaluamos un perfil. Analizamos el sentimiento de la conversaci\u00f3n con tecnolog\u00eda de an\u00e1lisis de lenguaje y lo cruzamos con dos cosas que el dato agregado tampoco muestra: si esas interacciones vienen de la audiencia que le importa a la marca y si el alcance es org\u00e1nico o est\u00e1 amplificado. Despu\u00e9s hace falta revisi\u00f3n humana, porque la iron\u00eda, el contexto de una pol\u00e9mica anterior o el tono habitual de una comunidad no siempre se resuelven de forma autom\u00e1tica.<\/span><\/p>\n

    Conclusi\u00f3n<\/b><\/h2>\n

    El rage bait es la consecuencia l\u00f3gica de premiar la interacci\u00f3n sin importar cual sea. Mientras la interacci\u00f3n se contabilice como una magnitud neutra, la indignaci\u00f3n seguir\u00e1 siendo una estrategia de crecimiento perfectamente racional.<\/span><\/p>\n

    La correcci\u00f3n est\u00e1 en el criterio propio, dejando de premiar la interacci\u00f3n vac\u00eda o pol\u00e9mica. Un engagement rate es un punto de partida \u00fatil y una conclusi\u00f3n pobre. Antes de decidir con qui\u00e9n colaborar, debemos entender su forma de comunicar.\u00a0<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

    En diciembre de 2025, Oxford University Press eligi\u00f3 rage bait como palabra del a\u00f1o. La raz\u00f3n que dio fue puramente cuantitativa: el uso del t\u00e9rmino se hab\u00eda triplicado en doce meses. Lo define como contenido dise\u00f1ado deliberadamente para provocar indignaci\u00f3n siendo frustrante, provocador u ofensivo. A pesar de parecer un t\u00e9rmino nuevo, llevamos vi\u00e9ndolo desde […]<\/p>\n","protected":false},"author":21,"featured_media":86486,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[898,858,862,864],"tags":[],"class_list":["post-86485","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-social-media-es","category-insight-strategy-es","category-marketing-es","category-marketing-analytics-es"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/86485","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/users\/21"}],"replies":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/comments?post=86485"}],"version-history":[{"count":1,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/86485\/revisions"}],"predecessor-version":[{"id":86487,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/86485\/revisions\/86487"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media\/86486"}],"wp:attachment":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media?parent=86485"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/categories?post=86485"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/tags?post=86485"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}