Cómo Construimos un Sistema de Distribución de Contenido AI (X, Facebook y SEO)

Tres fallos que seguimos encontrando en el enfoque ingenuo de publicar en todas partes:

1. Publicar una vez, fantasma en todas partes. El mismo texto copiado y pegado en X, Facebook y un blog es ignorado en al menos dos de los tres. El formato que gana en un hilo de 6 tuits se lee como una introducción divagante en una publicación de blog. Cada plataforma tiene su propio ritmo, norma de longitud y estilo de gancho: no puedes compartir un solo artefacto en todas ellas y esperar que alguna de ellas funcione.

2. La publicación manual se limita a ~5 piezas por semana. Incluso con la redacción de IA, el costo por pieza (formateo, programación, subtitulado, etiquetado, tamaño de imagen, seguimiento de enlaces) toma alrededor de 30-45 minutos por plataforma. Tres plataformas × cinco piezas × 30 minutos = un día completo de trabajo por semana de pura sobrecarga de envío, antes de que la calidad disminuya.

3. Sin retroalimentación instrumentada = sin aprendizaje. Las publicaciones se envían, revisas el compromiso seis horas después, olvidas qué encuadre ganó y cuál fracasó para el viernes. Sin atribución por publicación conectada a tus análisis, no puedes saber si los 'hilos de IA' ganaron por el tema, el titular, la hora o el formato, por lo que el siguiente lote sigue siendo una suposición.

Dejamos de tratar la distribución como un evento ('publicar la publicación') y comenzamos a tratarla como un sistema con cuatro etapas nombradas. El gráfico de Mermaid a continuación muestra el bucle. El texto después del gráfico recorre cada etapa con lo que automatizamos y lo que no.

Una idea, tres artefactos específicos de la plataforma. El mismo contenido subyacente; diferente forma por canal.

Sitio web (SEO): página estructurada de 800-1,500 palabras, jerarquía H2 escaneable, enlaces ancla a páginas internas. Palabra clave de cola larga dirigida, indexada por Google.

X (Twitter): hilo de 6-12 tuits, el primer tuit es el gancho más fuerte (sin preámbulo), cada tuit subsiguiente se sostiene por sí solo. Visuales en los tuits 1, 3 y el último.

Grupos de Facebook: publicación única de 200-400 palabras que comienza con una pregunta u observación, no un enlace. Formato primero en comentarios: el objetivo son las respuestas, no los clics. El enlace, si lo hay, va en el primer comentario.

Usamos un LLM para redactar los tres a partir de una fuente. El LLM recibe la especificación de formato específica de la plataforma como aviso del sistema; revisamos y ajustamos la voz antes de programar. La redacción es automatizada; la voz es humana.

El mayor impulso que obtuvimos fue cambiar de 'publicar en todas partes' a 'publicar en comunidades específicas con ajuste temático.' Ejemplos de nuestro propio calendario de publicaciones:

- Las publicaciones de traducción de clips de películas van a grupos de cinéfilos y de aprendizaje de idiomas, no a los grupos genéricos de herramientas de IA.
- El contenido de subtítulos bilingües va a comunidades de profesores de ESL, no al canal de los comercializadores.
- Los ensayos de estrategia de IA van a comunidades de hackers independientes y fundadores de pymes, no a los subs de desarrolladores.

El mismo contenido, diferente segmentación, 5-10× el compromiso. La compensación: las comunidades de nicho tienen reglas estrictas sobre la autopromoción. No puedes dejar un enlace y salir; necesitas participar en la comunidad durante unas semanas antes de publicar, y la publicación en sí debe ser útil en el hilo de comentarios, no solo un enlace.

La programación es automatizada a través de franjas horarias agrupadas por hash (el mismo patrón que Curify usa para su pipeline de autopublicación en Twitter + Facebook: consulta la documentación de autopublicación de curify_background). La selección de canales no es automatizada. Elegir la comunidad adecuada para una pieza de contenido es una decisión humana que vale la pena hacer por pieza, no por canal.

Sin atribución por publicación, cada pieza de contenido se ve idéntica en el panel de análisis. Adjuntamos una etiqueta UTM por publicación a cada enlace saliente (enlace de biografía de X, enlace de comentario de publicación de Facebook, enlaces internos del blog), luego agrupamos por ID de publicación en nuestro panel de administración.

Lo que instrumentamos:

- Impresiones por publicación: nos dice el alcance por canal. Superficies si un canal está prohibido o perdiendo alcance con el tiempo.
- Tasa de clics por publicación: nos dice qué encuadre ganó. El gancho, no el tema.
- Tasa de rebote vs. tasa de acción en la página de destino: nos dice si el clic fue honesto. Alta CTR + alta tasa de rebote = gancho clickbait; el segundo mejor encuadre generalmente tiene una mejor conversión total.

La agrupación del panel se ejecuta cada noche. El viernes por la tarde, miramos las 3 mejores y las 3 peores de la semana por conversión (no solo CTR) y escribimos una nota de un párrafo: qué tenían en común, qué cambió respecto a la semana pasada. Ese párrafo es la entrada para la Etapa 4.

La nota del viernes de la Etapa 3 alimenta tres decisiones concretas para la próxima semana:

- Rotación de formatos: los formatos top-3 obtienen más espacios la próxima semana; los bottom-3 se retiran o reescriben. A lo largo de un trimestre, esto reduce la biblioteca de formatos a lo que realmente funciona.
- Priorización de temas: los temas que impactan en múltiples canales van a la cola de generación de páginas de cola larga de SEO (SEO es el activo acumulativo: cada pieza ganadora se convierte en una página de destino permanente).
- Rebalanceo de canales: los canales con alcance orgánico en colapso (X ha sido volátil, Grupos de Facebook estables) reciben menos presupuesto; los canales con acumulación estable (SEO, comunidad de nicho + Substack) reciben más.

SEO es el ancla a largo plazo. Las plataformas sociales son volátiles: cambios de algoritmo, prohibiciones de cuentas, deriva de audiencia. Las páginas de SEO, una vez clasificadas, siguen acumulándose durante meses. Usamos los canales sociales para probar qué encuadres funcionan, luego comprometemos a los ganadores a páginas de SEO de formato largo que capturan la demanda de búsqueda para el mismo tema.

Después de ejecutar este bucle durante unos trimestres, las observaciones que se mantuvieron a través de al menos tres meses de datos:

Contenido visual + estructurado gana. Tarjetas, plantillas, infografías: cualquier cosa con una jerarquía visual clara superó al texto sin procesar por 2-3× en cada canal que medimos. El mismo tema con una imagen de tabla comparativa frente a un escrito de texto plano generalmente obtuvo 5-8× más guardados.

Contenido bilingüe multiplica el alcance sin multiplicar el esfuerzo. Las publicaciones que incluían tanto inglés como un segundo idioma (chino en nuestro caso) consistentemente obtuvieron un 30-50% más de compromiso porque la audiencia del segundo idioma tenía menos competencia. El mismo contenido, ~10% de esfuerzo adicional de traducción, alcance significativamente mayor.

La repetición supera a la novedad. Reutilizar un formato ganador con nuevos temas produjo más acumulación que inventar constantemente nuevos formatos. El cuartil inferior de nuestras publicaciones casi siempre eran experimentos únicos; el cuartil superior casi siempre era un formato conocido aplicado a un tema actualmente popular.

La distribución es más difícil que la generación. Generar 100 piezas de contenido mediocre con IA es fácil. Hacer que cualquiera de ellas sea vista por la audiencia adecuada, en el canal adecuado, en el formato adecuado, con retroalimentación conectada: ahí es donde está el 80% del trabajo real. Aprendimos esto de la manera difícil después de un trimestre de tratar la generación de IA como el cuello de botella y subinvertir en distribución.