AIREITERLa selección de creadores desde el lado del anunciante suele seguir siempre el mismo guion: abrir el marketplace, fijar un rango de seguidores, añadir categoría y región, y elegir entre los rostros conocidos de los varios cientos de resultados.
El problema no es que los filtros sean poco precisos, sino que se parte de la pregunta equivocada. Seguidores, categoría y región son etiquetas estáticas: describen quién es el creador. Lo que realmente necesitas saber es si la estructura de sus contenidos se parece a la de las creatividades que ya has validado como efectivas. Y ambas respuestas, muchas veces, no guardan relación entre sí.
Antes, un límite claro: el directorio de creadores, los términos sugeridos y los rankings de assets que se usan aquí proceden de la plataforma pública de marketing para creadores y del centro creativo, a los que se accede con tu propia cuenta iniciada, sin firmas ni mecanismos eludidos. Este enfoque consiste en convertir datos públicos en decisiones.
Los seguidores son una señal tardía y contaminada
Basar la elección en el número de seguidores falla sistemáticamente por tres motivos independientes; cualquiera de ellos basta. Primero, es una señal tardía: acumula el rendimiento histórico y solo indica que esa persona se viralizó en algún momento, no que siga funcionando este mes. Una cuenta que alcanzó un millón con un éxito hace dos años y desde entonces no ha crecido puede estar un orden de magnitud por encima de otra en ascenso, con pequeños picos en cada publicación. La segunda es la que te interesa. Segundo, es una métrica contaminada: seguidores comprados, éxitos ajenos a tu categoría y audiencias que no se solapan con la tuya quedan mezclados en una sola cifra. No puedes separar del total cuántas personas de esa audiencia son relevantes para ti. Y tercero, te empuja hacia arriba: ordenar por seguidores coloca primero a los nombres grandes y más caros, mientras que los perfiles realmente rentables suelen estar en la franja media, con la estructura adecuada, buen engagement por publicación y una tarifa que es una fracción de la de los grandes. Si el eje principal son los seguidores, esos creadores quedan enterrados antes de que llegues a verlos.
Qué filtros del directorio aportan ruido
El panel de búsqueda de creadores ofrece muchas dimensiones, que se pueden agrupar, aproximadamente, en tres tipos.
Las etiquetas de identidad incluyen rango de seguidores, región, idioma y categoría. Sirven para un primer recorte, por ejemplo para descartar idiomas o regiones claramente incompatibles, pero convertirlas en el criterio principal repite el error anterior. La categoría es especialmente engañosa: dos creadores etiquetados como "belleza" pueden dedicarse, respectivamente, a reseñas y a sketches, y solo uno de esos formatos puede servirte.
Las métricas calculadas por la plataforma, como la mediana de reproducciones y la tasa de interacción, son mejores que los seguidores porque reflejan el momento reciente, no un acumulado. Las puntuaciones compuestas, como el valor del creador o la tasa de aceptación, son cajas negras de la plataforma. Las primeras miden un resultado, no una estructura: te dicen que el contenido funciona, no por qué. Las segundas optimizan las transacciones dentro de la plataforma, no tu ROI, y no puedes ajustarlas a tu propia definición de "efectivo". Úsalas como referencia, no como eje de selección.
Lo que de verdad necesitas ni siquiera aparece en el directorio: la estructura del contenido. En qué segundo entra el gancho, si abre con un problema o con el resultado, si usa voz en off o un sketch, cómo introduce el argumento de venta. Ninguno de esos elementos está en el panel, pese a que son justo los que determinan si una creatividad puede replicarse con éxito.
Hazlo al revés: parte de las creatividades efectivas y busca creadores por estructura
El directorio de filtros no te da la estructura del contenido; por eso avanzar desde él es un callejón sin salida. La dirección correcta es la contraria. El punto de partida no es el directorio de creadores, sino tu biblioteca de assets efectivos. "Efectivo" debe definirse con datos: dónde se rompe la retención por segundo, en qué segundo aparece el pico de clics o en qué percentil está el CTR dentro de su categoría. Ese análisis se trata en el artículo sobre curvas de retención; aquí asumiré que ya dispones de un lote de assets que ha superado ese filtro.
Extrae de cada uno sus rasgos estructurales —tipo de gancho, plano de los tres primeros segundos, forma de presentar el argumento de venta, estructura narrativa— y condénsalos en fichas de características. A partir de ahí, deduce un "perfil de estructura efectiva": los elementos que comparten tus ganadores, por ejemplo, "apertura con problema + resultado primero en el segundo 5 + voz en off de una persona real". Debe reducirse a unos pocos puntos estructurales que se puedan describir, no a algo vago como "contenido de alta calidad".
El tercer paso devuelve el proceso al directorio de creadores: no filtres por seguidores; usa ese perfil para localizar creadores cuyos contenidos recientes coincidan en estructura. Lo importante es la estructura de los vídeos que realmente publica el candidato, no su cifra de seguidores. El resultado debe poder expresarse en una frase: recomienda a este creador porque sus tres últimas publicaciones emplean el mismo tipo de gancho que tu asset situado en el percentil superior, no porque tenga 500k seguidores.
Los términos sugeridos son el clustering de contenido que ya hizo la plataforma
Para reducir los candidatos a un volumen manejable, los términos sugeridos son la herramienta más útil y, a la vez, más infravalorada. La cadena de sugerencias que devuelve el buscador a partir de una palabra semilla proyecta el clustering de contenido que la plataforma ha construido con el comportamiento de todo el sitio. Estas expansiones que son realmente adyacentes al término inicial suelen ser mucho más precisas que las categorías definidas de memoria y, a menudo, incluyen una o dos direcciones que ni siquiera existen en tu propia taxonomía. Úsalas para ampliar las semillas, no como respuesta final: explora los territorios cercanos que no habías cubierto y, después, utiliza el perfil estructural para encontrar a las personas adecuadas en cada uno.
Qué modelo usar para extraer rasgos y evaluar similitud
Aquí el modelo cumple dos funciones: extraer rasgos estructurales y decidir si dos conjuntos de estructuras se parecen. Ninguna consiste en "puntuar y ordenar". No buscas una cifra de similitud de 0 a 100, sino una valoración estructurada que explique dónde coinciden y dónde no.
Las cuatro etapas exigen capacidades distintas al modelo:
Etapa | Capacidad necesaria | Elección | model id |
|---|---|---|---|
Extraer una ficha de rasgos estructurales por asset | Procesamiento masivo económico y de alta concurrencia | Claude Sonnet 5 |
|
Leer todos los vídeos recientes de un creador para elaborar un perfil | Contexto largo, capaz de absorber de una vez más de una docena de transcripciones | Kimi K3 |
|
Evaluar la similitud entre el perfil estructural y el contenido del creador | Razonamiento sólido que explique dónde está el desajuste | Claude Opus 5 |
|
Revisar la coincidencia: por qué esta recomendación resulta dudosa | Razonamiento intermedio, con explicación frente al vídeo | GPT-5.6 Sol |
|
La tercera etapa es la única en la que cambiar de modelo modifica visiblemente el resultado. Casi cualquier modelo puede extraer campos; lo difícil es "explicar el desajuste" al evaluar la similitud. Un modelo débil te devuelve una similitud alta y un párrafo que repite lo que ambos lados comparten. Uno potente dirá: "el perfil exige mostrar primero el resultado, pero los tres últimos vídeos de este creador narran el proceso paso a paso; el gancho coincide, pero la estructura narrativa no, procede con cautela". Eso es lo que buscas.
No hace falta que me creas: pruébalo. El protocolo es el mismo que se usa para elegir un modelo de identificación de familias de algoritmos en el artículo sobre ingeniería inversa: toma como control a un creador con el que hayas trabajado y sepas que rindió bien, proporciona el perfil de estructura efectiva y sus contenidos recientes a claude-opus-5 y gpt-5.6-sol, y evalúa únicamente si el juicio de similitud remite a un vídeo específico. El nivel capaz de señalar "qué vídeo y qué elemento estructural" es el que debes usar. Es el mismo criterio que la calidad de la evidencia contraria en el artículo sobre huellas de algoritmos: si se atreve a seguir cuestionando una puntuación alta.
El verdadero problema es el coste de cambiar
Cuatro niveles de tres proveedores, tres SDK, tres esquemas de autenticación y tres formatos de error. Conectar tres clientes para alternar niveles según la etapa no compensa, así que la mayoría acaba utilizando un único modelo para todo. Normalmente emplean un nivel económico para el juicio de similitud, cuando debería usarse el nivel de razonamiento, y acumulan puntuaciones imposibles de rastrear.
AIReiter aplana esa capa: una clave, una interfaz compatible con OpenAI y los cuatro niveles detrás. Para cambiar de nivel basta con modificar el campo model del cuerpo de la solicitud.
# Similarity judgment: the reasoning tier
curl https://aireiter.com/api/v1/chat/completions \
-H "Authorization: Bearer $AIREITER_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-5",
"messages": [{"role": "user", "content": "<effective structure profile + a creator recent-content list>"}]
}'
# Extract structural-feature cards in bulk: change the model field, leave the rest
# "model": "claude-sonnet-5"
Si ya utilizas el SDK de OpenAI, apunta base_url a https://aireiter.com/api/v1 y no cambies nada más. Con el SDK de Anthropic, llama a POST /api/v1/messages usando la misma clave.
En precio, los modelos Claude tienen un 30% de descuento sobre tarifa y los modelos GPT cuestan la mitad. El descuento incide directamente en el principal coste: extraer una a una las fichas de rasgos estructurales implica de cientos a miles de llamadas masivas con Claude Sonnet 5, un volumen entre uno y dos órdenes de magnitud superior al de la evaluación de similitud. Ahí se concentra la mayor parte del gasto, y el 30% de descuento cae justo sobre el paso más caro.
Pruébalo sin registrarte: evalúa manualmente primero la similitud de un creador conocido y comprueba si el resultado remite a un vídeo concreto; después decide si merece la pena integrarlo.
Una vez configurada la coincidencia, el siguiente paso es convertir la estructura efectiva en un brief de generación y entregarlo a la generación interna de imágenes y vídeo para producir assets en volumen. Todo ese flujo se explica en el artículo sobre el proceso de palabra clave a anuncio terminado, donde la selección de creadores es una etapa más.
Validación: debe remitir a un asset concreto o será una recomendación de caja negra
La diferencia entre este flujo y el enfoque de caja negra de "darle al modelo un montón de creadores para que recomiende unos pocos" está precisamente en la trazabilidad. Una coincidencia válida debe poder desglosarse así: recomienda al creador X porque la estructura de su enésimo vídeo reciente coincide con tu asset efectivo Y; X, N e Y deben ser específicos. Si falta uno, no se puede validar ni revisar cuando lleguen los datos del lanzamiento. Por eso la trazabilidad debe quedar fijada en el prompt: cada coincidencia debe indicar el asset alineado y el elemento estructural concreto; todo lo que no pueda rastrearse se descarta como ruido, por alta que parezca su similitud.
En resumen
La forma habitual de seleccionar creadores —arrastrar el filtro de seguidores y añadir categoría y región— es sistemáticamente errónea. Filtra etiquetas de identidad, cuando lo que necesitas es una coincidencia en la estructura del contenido. Hazlo al revés: extrae la estructura de las creatividades efectivas, construye un perfil y úsalo para encontrar creadores que encajen estructuralmente; además, exige que cada coincidencia remita a un asset concreto.
El directorio de filtros ofrece etiquetas estáticas; los assets que han funcionado aportan una estructura que puedes replicar. No te quedes en la columna de seguidores.