Analizar las analíticas de redes sociales con Claude o ChatGPT es una secuencia de tres pasos: exporta tus datos a nivel de publicación en forma de tabla, entrégalos con un prompt que indique la pregunta, las definiciones y el contexto de negocio, y luego trata todo lo que te devuelva como una hipótesis a verificar, no como un hallazgo. El asistente no tiene conexión en vivo con tus cuentas ni memoria de tu trimestre — solo lee lo que tú le des. Usado así, es genuinamente rápido en la parte intermedia y tediosa de una revisión mensual: agrupar ochenta filas por tipo de contenido, ordenarlas de cuatro maneras distintas y describir la forma de lo que ve.
Ya tenemos una pieza conceptual sobre dónde la IA ayuda y dónde se extralimita en las analíticas de redes sociales. Esta es la compañera práctica — las exportaciones, los prompts y las formas concretas en que este flujo de trabajo se tuerce.
Qué puede y qué no puede ver el asistente
De «solo lee lo que le pegas» se derivan tres consecuencias, y todos los errores de este flujo de trabajo se remontan a olvidar alguna de ellas.
No tiene acceso a tus cuentas. Lo que no esté en tu exportación no existe. Si le pegas el alcance pero no el número de seguidores, cualquier tasa de interacción que produzca está usando un denominador que tú no le diste — lo que significa que se lo inventó.
No conoce tu negocio. No sabe que estuviste nueve días de vacaciones en junio, que una publicación la compartió una cuenta mucho más grande, o que tu pico de abril fue un lanzamiento de producto. El contexto no declarado se convierte en una explicación adivinada.
No tiene benchmarks para tu nicho. Tiene una idea general de cómo son los números de redes sociales, que no es lo mismo que saber qué aspecto tiene «bueno» para una cuenta B2B de 4.000 seguidores en software industrial. Pídele una media del sector y normalmente obtendrás un número seguro, plausible y sin fuente.
Si el vocabulario de base todavía te falla — alcance frente a impresiones, entre qué divide realmente una tasa de interacción —, lee primero la guía de analíticas de redes sociales para principiantes y ten abierta la entrada del glosario sobre analíticas de redes sociales. El asistente usará tus términos mal con toda tranquilidad si tú lo haces.
Paso 1: exporta la tabla correcta
La mayor palanca de calidad es el grano de los datos. Una fila por publicación gana a una fila por semana, siempre. Los resúmenes semanales dejan al modelo describir una tendencia; las filas a nivel de publicación le dejan encontrar la causa.
Apunta a estas columnas, sea cual sea la fuente:
| Columna | Por qué importa |
|---|---|
| Fecha y hora de publicación | Permite agrupar por día de la semana y por franja horaria |
| Plataforma | Evita que se promedien juntas métricas de plataformas distintas |
| Formato | Reel, carrusel, estática, Short, publicación de texto — la agrupación más valiosa que tienes |
| Tema o pilar | Tu propia etiqueta, añadida a mano si hace falta; suele ser la columna más relevante para decidir |
| Alcance o impresiones | Di cuál de los dos, en la cabecera |
| Acciones de interacción | Me gusta, comentarios, compartidos y guardados como columnas separadas si los tienes |
| Clics en enlaces | Solo si la publicación llevaba un enlace |
| Número de seguidores en el momento de publicar | Si no, el crecimiento distorsiona en silencio cada comparación de tasas |
La última fila importa más de lo que la gente espera. Si ganaste seguidores durante el periodo, las publicaciones posteriores cargan con un denominador mayor, así que una tasa de interacción plana es en realidad una caída — o una mejora, según qué denominador hayas elegido. Decláralo explícitamente; nuestra calculadora de tasa de interacción muestra cuánto se mueve la respuesta según la fórmula.
Saca la exportación como te permita tu stack. Las estadísticas nativas te dan una plataforma cada vez; un programador te da las publicaciones que realmente publicaste con sus resultados adjuntos — en SocialKit, las analíticas de cada publicación están junto a su entrada en el calendario, y la API más los webhooks, incluidos en todos los planes, te dejan automatizar la extracción a una hoja de cálculo. En cualquier caso, entrega un CSV o una tabla pegada, nunca una captura de pantalla: los modelos leen los números de las imágenes de forma poco fiable, y un dígito mal leído se propaga por todos los cálculos posteriores.
Ambos asistentes aceptan la subida de archivos y pueden ejecutar código sobre una hoja de cálculo en lugar de mirarla a ojo. Los nombres y la disponibilidad según el plan van cambiando; a fecha de julio de 2026, comprueba qué incluye tu plan y prioriza la vía del código para cualquier operación aritmética que abarque más de un puñado de filas.
Paso 2: haz el briefing antes de preguntar nada
Abre con un mensaje de configuración que acote toda la conversación. Este es el párrafo con más apalancamiento de todo el flujo de trabajo, y la mayoría de la gente salta directamente a la pregunta.
Me estás ayudando a revisar un mes de rendimiento en redes sociales.
Adjunto un CSV: una fila por publicación, 63 publicaciones, del 1 al 30
de junio de 2026, solo Instagram y LinkedIn.
Definiciones que estoy usando:
- Tasa de interacción = (me gusta + comentarios + compartidos + guardados) / alcance
- El alcance son cuentas únicas, no impresiones
- «Pilar» es mi propia etiqueta temática, uno de cuatro valores
Contexto que no tienes: no publiqué nada entre el 12 y el 20 de junio
(vacaciones). El carrusel del 3 de junio lo compartió una cuenta socia con
una audiencia mucho mayor, así que trátalo como un valor atípico, no como
un resultado repetible.
Reglas para toda esta conversación:
1. Nunca des un número que no esté calculado a partir de los datos adjuntos.
2. Si te pregunto algo que los datos no puedan responder, dilo en lugar de
estimar.
3. Muestra el cálculo de cualquier cifra que reportes.
4. Señala cualquier grupo con menos de 5 publicaciones como demasiado
pequeño para sacar conclusiones.
5. Distingue «X está asociado con Y» de «X causó Y». Nunca afirmes
causalidad.
Las reglas 1 y 4 eliminan la mayoría de los modos de fallo que se comentan más abajo. La regla 3 es lo que hace posible verificar en menos de cinco minutos. Si escribes prompts con regularidad, esto no es más que un bloque de restricciones en el sentido que describe nuestra guía sobre frameworks de prompts de IA para redes sociales — rol, datos, definiciones, reglas, tarea.
Paso 3: cuatro prompts que hacen casi todo el trabajo
La revisión mensual
Resume el mes en este orden:
1. Qué se publicó: recuento por plataforma, por formato y por pilar.
2. Las cinco mejores y las cinco peores publicaciones por tasa de
interacción, con los números en bruto.
3. Cualquier agrupación donde la diferencia entre grupos sea lo bastante
grande como para merecer una investigación, con los tamaños de muestra.
4. Tres preguntas que estos datos plantean y que no pueden responder.
No recomiendes nada todavía.
Retener la recomendación es deliberado. Pide consejo en la misma frase que el resumen y obtendrás un consejo moldeado por las ideas generales del modelo sobre redes sociales en lugar de por tu tabla. El punto 4 es la sección más útil de la página — es donde aflora eso de «tus publicaciones de los jueves funcionaron bien, pero cuatro de las seis eran carruseles, así que no puedo separar el día del formato».
La pregunta del mix de contenido
Agrupa cada publicación por pilar, luego por formato, luego por pilar x
formato. Para cada grupo da: número de publicaciones, mediana de la tasa
de interacción y el rango. Usa la mediana, no la media. Dime qué grupos
son demasiado pequeños para juzgarlos. Después dime qué agrupación
individual explica más variación en el rendimiento, y cuánta confianza
tienes.
La mediana por encima de la media importa aquí. Un solo carrusel compartido por un socio arrastra la media hacia arriba e inventa un pilar de contenido que en realidad no está funcionando.
La pregunta del timing
Agrupa las publicaciones por día de la semana y por franja horaria.
Reporta el número de publicaciones y la mediana de la tasa de interacción
de cada franja. Señala explícitamente dónde el tipo de contenido esté
confundido con el horario — p. ej. si todos mis Reels salieron los mismos
dos días. No recomiendes un calendario de publicación si la muestra por
franja es menor de 5 publicaciones.
Este casi siempre devuelve «tus franjas son demasiado escasas», que es la respuesta correcta para un mes normal de publicación y la razón por la que las recomendaciones de mejor hora para publicar se construyen con muchos más datos de los que genera una sola cuenta. Trata tu propio análisis de horarios como un desempate encima de un punto de partida a nivel de plataforma, no como un sustituto de él.
El pre-mortem
Toma la afirmación más fuerte que acabas de hacer. Argumenta en contra.
¿Qué otra explicación encaja igual de bien con estos mismos datos?
¿Qué necesitaría medir para distinguir una de otra?
Pedirle a un modelo que discuta consigo mismo es el control de calidad más barato que existe. Habitualmente saca a la luz el factor de confusión que la primera respuesta pasó por alto.
Las preguntas de benchmark necesitan una fuente que aportes tú
«¿Es buena una tasa de interacción del 4,2 % en Instagram?» es la pregunta que todo el mundo hace y la que este montaje peor responde. La respuesta honesta es que los benchmarks de interacción varían enormemente según el sector, el tamaño de la cuenta, la región y — algo crítico — según qué denominador usó la fuente. Un modelo al que se le pregunta en frío producirá un número que suena documentado y no lo es.
Dos maneras de obtener una respuesta real:
- Usa tu propio historial como benchmark. Pega tres o seis meses en lugar de uno. «¿Esto es bueno?» se convierte en «¿es esto mejor que mi propia mediana, y es la diferencia mayor que el ruido de mes a mes?». Esa pregunta sí la pueden responder los datos.
- Aporta tú mismo el benchmark externo. Si tienes un informe del sector publicado, pega las cifras relevantes en la conversación junto con la definición de tasa de interacción que usa esa fuente, y pídele al modelo que compare lo comparable. Se convierte en un verificador de unidades y definiciones, un trabajo que hace bien.
Qué números merecen siquiera un benchmark es una decisión aparte — nuestro repaso a los KPI de redes sociales que de verdad importan es un mejor punto de partida que un porcentaje que alguien citó en una diapositiva.
Cinco trampas
Números inventados. El fallo más común es una cifra que aparece en la prosa pero en ninguna parte de tus datos — un total que nunca se sumó, un cambio porcentual contra una base de referencia que no proporcionaste. La regla 1 del briefing reduce esto; verificar dos números por sesión pilla el resto.
Deriva aritmética. El cálculo mental a lo largo de decenas de filas produce pequeños errores que se acumulan. Si tu asistente puede ejecutar código sobre el archivo, insiste en ello y pide ver el cálculo.
Correlación contada como una historia. «Tus publicaciones de tipo how-to rinden mejor porque tu audiencia quiere formación» son dos afirmaciones: un patrón (bien, si está en los datos) y un mecanismo (inventado). El mecanismo es la parte que parece un insight y la parte que no tiene ninguna evidencia detrás. Reescribe cada hallazgo como «X estuvo asociado con Y en junio» antes de actuar sobre él, y luego comprueba si esas mismas publicaciones se diferencian en alguna otra cosa — longitud, formato, si llevaban un enlace.
Muestras pequeñas. Cuatro publicaciones en una franja son una anécdota. Los rankings construidos sobre grupos escasos son en su mayoría ruido, y el modelo los ordenará igualmente a menos que le digas que no lo haga.
Sesgo de supervivencia y complacencia. Tu exportación contiene solo lo que publicaste, así que no puede enseñarte nada sobre formatos que nunca probaste. Y el modelo tiende a aceptar tu encuadre — pregunta «¿por qué funcionaron mejor los carruseles?» y te dará razones, aunque no fuera así. Pregunta «¿funcionaron mejor los carruseles, y por cuánto?» en su lugar. La misma categoría de error que tratar un pronóstico de rendimiento hecho por IA como un compromiso en lugar de como una dirección aproximada.
La pasada de verificación de cinco minutos
Antes de que cualquier hallazgo salga de la ventana de chat, haz esto:
- Recalcula dos números a mano. Elige una cifra principal y una cifra de apoyo. Si alguna de las dos falla, descarta la respuesta entera y empieza de nuevo por la vía del código.
- Contrasta cada afirmación con una columna. Si una frase hace referencia a algo que tú no aportaste, está generada.
- Comprueba el tamaño de muestra que hay detrás de cada recomendación. Por debajo de cinco publicaciones, es una hipótesis que probar, no un cambio que hacer.
- Elimina el lenguaje causal. «Porque» se convierte en «junto con».
- Añade lo que tú sabes y él no. Las vacaciones, el lanzamiento, la caída del servicio. Este es el paso que convierte un resumen en un análisis.
Haz eso una vez y el resultado es seguro para pegarlo en un informe. Nuestra guía para crear un informe de redes sociales cubre la estructura que esperan los clientes, y el tutorial paso a paso de cómo construir un informe de redes sociales a partir de las analíticas cubre cómo montarlo desde los números en bruto. La IA redacta los comentarios; las afirmaciones son tuyas.
Devuelve los hallazgos a lo que publicas
Un análisis que no cambia el calendario del mes siguiente es un hobby. De cada revisión deberían salir dos decisiones.
Mix de contenido. Si una combinación de pilar y formato se sostiene durante dos meses consecutivos con una muestra decente detrás, desplaza unos cuantos huecos hacia ella y marca el cambio en el calendario para que la revisión del mes siguiente pueda verlo. Un cambio cada vez, o no podrás atribuir el resultado.
Timing. Mueve un hueco, no todo el calendario, y déjalo correr un ciclo completo. En SocialKit eso es un arrastre en el calendario visual, con las recomendaciones de mejor hora para publicar como posición de partida por defecto y las analíticas de publicación al otro lado para decir si el movimiento sirvió de algo. Los planes son planos — las 11 plataformas compatibles en todos ellos, desde 29 €/mes en Solo o 17,40 €/mes con facturación anual a fecha de julio de 2026, con una prueba de 7 días. Deliberadamente no hace escucha social, benchmarking de competidores ni gestión de la bandeja de entrada, así que «por qué cambió el sentimiento» se queda completamente fuera de este bucle.
Una vez que esto sea un hábito mensual, la exportación es el paso que merece la pena automatizar: canaliza los datos de publicación a una hoja de cálculo vía la API y luego apunta el asistente a esa hoja. Esa es la versión modesta de construir tu propio dashboard de analíticas, y suele ser suficiente.
Empieza por aquí
La primera pasada lleva alrededor de una hora; todas las siguientes, veinte minutos.
- Exporta el mes pasado a nivel de publicación, una fila por publicación, con las columnas de la tabla de arriba. Añade tu propia etiqueta de pilar a mano si nada te la proporciona.
- Escribe el bloque de briefing una vez y guárdalo. Lo reutilizarás cada mes cambiando dos líneas.
- Ejecuta el prompt de revisión mensual y luego el del mix de contenido. No pidas recomendaciones todavía.
- Ejecuta el pre-mortem sobre la afirmación más fuerte.
- Haz la pasada de verificación de cinco minutos. Recalcula dos números a mano.
- Elige exactamente un cambio en el mix de contenido y uno en el timing. Escribe ambos en el calendario.
- El mes que viene, añade el archivo del mes anterior para que la comparación sea contra tu propio historial y no contra un benchmark que nadie puede citar.