Este post de febrero de 2015, segunda parte de mi crónica de SES London, explicaba por qué los equipos de adquisición de un medio miden el contenido por volumen y esfuerzo, y cómo unificar los datos entre departamentos. Sigue siendo relevante: la idea de tratar el contenido como producto, con coste y beneficio por pieza, es la base de cualquier medición seria hoy. Lo que ha caducado son algunas herramientas y tácticas, que comento en los bloques de cambio y en la sección final.
Los equipos de adquisición de un medio no clasifican el contenido por volumen y engagement, sino por volumen y esfuerzo necesario para conseguir tráfico. Es la continuación de mi post anterior sobre #SESLON, donde hablé de los equipos de producción y de su necesidad de datos. Aquí cambio de equipo y, con él, de forma de mirar el mismo contenido. Idea de fondo: un mismo contenido significa cosas distintas según quién lo mire.
Se clasifica en un gráfico de dos ejes: abajo a la izquierda, poco tráfico y fácil de conseguir; arriba a la derecha, mucho tráfico potencial y muy difícil. En un medio, «muy difícil» no refleja solo métricas como el KEI o los enlaces de la competencia. También incluye la competencia por tipo de contenido.
Hoy la dificultad de un término no se mide solo con KEI y enlaces. Buena parte de las consultas se resuelven en el propio buscador, con módulos de respuesta y resúmenes generados por IA, y el clic al medio ya no está garantizado. Conviene medir también si tu contenido es citado por asistentes como ChatGPT, Gemini o Perplexity, además de su posición en Google.
Los términos masivos los copan cada vez más perfiles sociales, clubs de fans y programas de televisión, no solo otros medios. Ken Doctor, autor de Newsonomics, habló del usuario como «gatekeeper»: antes los periodistas definían qué pasaba y qué era digno de compartir; hoy todos hacemos de editor jefe para nuestros amigos. Algunos, como Kim Kardashian, son prácticamente una publicación en sí mismos, con millones de seguidores en Instagram o Twitter y capacidad de movilizar un millón de interacciones en un día. Más contexto en el artículo de Nieman Lab sobre el paso del editor-gatekeeper a la búsqueda colectiva.
Taboola y Outbrain siguen existiendo, pero el coste de la captación de pago ya no es «prácticamente cerrado y definido»: depende de subastas, del formato y de la saturación de cada audiencia. Tampoco es seguro asumir que Zemanta funcione hoy como en 2015. Compruébalo con tus propios datos antes de presupuestar.
Las de guías y belleza tienen menores barreras de entrada, porque se pueden mover fácilmente por redes sociales o con plataformas como Taboola, Outbrain o Zemanta, a precios casi cerrados y definidos. Hay además categorías con forma de valle, que dejé para la planificación estratégica. No entré en acciones de captación concretas: el objetivo de la sesión era definir modelos de contenido y que los equipos fueran conscientes de cómo se estructuran las decisiones.
Lo pierde porque el contenido nuevo, mejor situado en la navegación, lo canibaliza. Un medio genera mucho contenido y cada pieza trae tráfico al principio y cada vez menos con el tiempo. Pasado un año, si todo va bien, se mantiene un 10–20% del tráfico respecto al contenido generado en el año en curso.
Los enlaces cuentan la historia contraria: hay muchísimos más apuntando a contenidos viejos. Es decir, estás posicionando contenido nuevo por filtrado contra contenido viejo enlazado. No es el mejor caso.
Actualizar contenido evergreen se ha consolidado como práctica habitual. Google ha insistido en el contenido útil y fiable, y hoy lo normal es combinar la actualización con fechas de modificación honestas y datos estructurados correctos. Actualizar sin aportar nada nuevo no funciona.
Hay al menos dos vías: redirigir a niveles superiores o actualizar los contenidos. La primera sigue los patrones SEO de los clasificados. Rob, responsable SEO de la BBC, dijo que hoy no lo hace por razones editoriales, aunque sí lo hizo en el pasado. La segunda suena fatal para las redacciones, pero los resultados dicen otra cosa.
Glamour actualiza algunos contenidos de dos maneras: galería continua y post como blog (de esto último hablaré en otro post). Consiste en ampliar de forma recurrente una URL, creada en 2012 en el ejemplo que mostré, para que mantenga sus enlaces y crezca con normalidad. Esa pieza estaba en primera posición para «nail art».
Lo ven en términos de volumen y dinero, y bajo ese marco todo vuelve a cambiar. La tipología de contenido, como branded content o contenido patrocinado, determina si puedes posicionarlo en Google News o trabajarlo en Facebook. También se saca más dinero de unos contenidos por acuerdos comerciales y menos de otros.
El problema suele estar en cómo se analiza el rendimiento del contenido, porque olvidamos que el contenido es un producto que estamos vendiendo.
Hay que medir usuario, sección, autor, coste de la pieza, coste de adquisición de la visita y gestión del contenido, como si fuera un producto de ecommerce. Xavier Colomes (de Conversion Garden) decía que no se puede comparar la analítica de ecommerce con la de medios, y tenía razón: en ecommerce trabajamos con muchos más datos por producto. Aun así, siempre podemos añadir a un contenido variables de ecommerce y obtener información útil. Estas son las que proponía:
La idea es poder decir «esta captación me sale por un coste unitario de X y un beneficio de Y». Con eso haces números sabiendo el beneficio de cada autor y de cada tipo de contenido, extenso o corto.
Lo necesita para que todos los departamentos tengan la información hablando el mismo idioma. El objetivo es construir un mapa unificado de los datos.
Como conclusión del user profiling:
Continuará en Tácticas de Usuarios.
Llevaría las variables de este post (autor, sección, coste de la pieza, coste de adquisición de la visita) a un data layer estándar y las enviaría a una CDP, idealmente compuesta sobre el data warehouse (con herramientas como Segment, RudderStack o Hightouch como ejemplo). Así unificas por persona el consumo de contenido, la suscripción y el consentimiento, que pasa a ser un dato más. El coste y el beneficio por autor o por tipo de pieza dejan de ser un Excel y se convierten en una vista que consultan producción, adquisición y planificación.
Un agente de IA puede detectar piezas con enlaces y caída de tráfico, proponer una actualización y preparar el test, siempre con revisión de la redacción antes de publicar. Mediría cada actualización contra piezas comparables sin tocar, para saber si el tráfico recuperado es incremental. Las redirecciones o cambios de cabecera en piezas antiguas los haría en el edge, con Cloudflare Workers, para no depender de un despliegue de la web ni del CMS.
La conclusión del post, «un lenguaje común y un uso individual», la aplicaría con un diccionario de métricas compartido y un único modelo de datos. Añadiría una capa nueva: contenido estructurado y claro para que lo citen asistentes de IA, con llms.txt como apoyo y control del acceso de rastreadores de IA desde el edge. Medir cuánto tráfico y cuántas citas aporta esa vía exige experimentación: comparar secciones con y sin cambios y mirar el incremento, no solo el total.
Asociando a cada pieza su coste de producción, su coste de adquisición de visitas y el beneficio que genera. Con variables como autor, sección, formato y tipo de usuario puedes calcular el retorno por pieza, por autor o por formato, y comparar contenidos extensos y cortos con el mismo criterio.
Porque las piezas nuevas, mejor colocadas en la navegación, canibalizan a las antiguas. Según lo que conté en 2015, tras un año el contenido anterior puede mantener solo un 10–20% del tráfico del contenido del año en curso, aunque acumule muchos más enlaces.
Sí, si la actualización aporta información nueva y mantiene la URL y sus enlaces. En 2015 Glamour lo hacía con galerías y posts ampliados de forma recurrente, y una pieza de 2012 estaba en primera posición para «nail art». Conviene medir el resultado frente a piezas comparables.
Cuéntame dónde estás y vemos cómo encaja en tu estrategia de crecimiento.