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.
Analítica para medios: datos distintos para cada equipo
El post recoge mi ponencia en SES London (10 de febrero de 2015) sobre cómo usar analítica en medios de comunicación: cada equipo (producción, adquisición y estrategia) necesita datos distintos y los informes únicos generan ruido. Sigue siendo relevante porque el principio, dar a cada persona el dato que necesita en la herramienta que ya usa, es la base de cualquier sistema de growth actual.
SEO de medios y real time: planificar con breaking news
En febrero de 2015 analizaba cómo Google se parecía cada vez más a un portal temático: con los premios BAFTA, la primera página se llenaba de módulos de noticias y datos que hacían innecesario el clic. Concluía que el SEO de medios se volvía gestión de operaciones y que el crecimiento controlado estaba en el contenido de apoyo con más vida. La tesis sigue vigente, aunque hoy el fenómeno es más extremo con las respuestas generadas por IA.
The News Hub: lecciones de montar un medio colaborativo
En diciembre de 2014 conté cómo empezamos a montar The News Hub, un periódico colaborativo y móvil impulsado por William, y por qué tiramos el plan inicial para simplificar. La tesis sigue vigente: con poco presupuesto, un producto simple, un SEO con cabeza y un canal de tráfico claro te dan más aprendizaje que un plan largo. Han cambiado las herramientas y la dependencia de plataformas como Google News, pero no la lógica.
El dilema del innovador: lecciones de Retail Savers
En julio de 2013 comentaba El dilema del innovador, de Clayton Christensen, y el caso de Retail Savers, un modelo tipo Groupon para tiendas de barrio. Sigue siendo relevante porque las empresas grandes siguen frenando la innovación que no encaja con su estructura de ingresos. Lo que ha caducado son las herramientas: hoy se prueba más rápido, con datos propios y agentes de IA.