HASHTRACKER

Analítica de X y Twitter 3 min de lectura

Analítica de Twitter, dos cosas y solo una escala

La analítica de Twitter es la pestaña de tu cuenta o medir una conversación que no es tuya. Responden a preguntas distintas y piden datos distintos.

Portada dibujada como un gráfico de columnas

Analítica de Twitter significa dos cosas distintas, y la confusión le cuesta mucho tiempo a la gente. Una es la pestaña de tu cuenta. La otra, medir una conversación ajena.

Una es la pestaña de tu propia cuenta. La otra es medir una conversación que no es tuya. Responden a preguntas diferentes y solo una escala.

Qué cubre la pestaña de analítica

Tus propias publicaciones, sus impresiones, su engagement y algo de información de audiencia. Es gratis, es exacta y se acaba en el borde de tu cuenta. Con eso basta para saber si lo que publicas funciona. No puede responder nada sobre un hashtag, una campaña con más gente dentro, un competidor o un evento.

Si necesitas lo segundo, es lo que hacemos, dentro de las normas de compliance de Twitter.

Si necesitas lo segundo

Qué métricas existen, y cuáles importan

Un informe completo sobre datos de X se divide en unos pocos grupos: volumen, ratios, concentración, rankings de publicaciones y de cuentas, composición y movimiento en el tiempo. El volumen es el más fácil y el menos útil por sí solo. Los ratios son donde un informe empieza a decir algo, porque enfrentan dos cifras en bruto.

La concentración es la que más informes se saltan y la que cambia decisiones. Dice si un puñado de publicaciones lo sostuvo todo o si la carga estaba repartida.

Por qué cada cifra debería poder contarse

Todo lo que sale de contar, sumar, dividir u ordenar las publicaciones se puede comprobar. Todo lo que produce un modelo, no. Las impresiones las cuenta la plataforma. El engagement se cuenta. Los ratios son aritmética sobre cosas contadas.

El alcance estimado, los temas automáticos y los porcentajes de sentimiento son salida de un modelo. Pueden ser útiles, pero pertenecen a otra categoría y deberían etiquetarse como tal en cualquier informe que alguien vaya a cuestionar.

La medición que más se hace mal

Dividir el engagement entre seguidores en vez de entre impresiones. Produce un número mayor y más simpático que responde a una pregunta que nadie hizo: cómo se comportó tu audiencia teórica. Dividir entre impresiones responde a cómo se comportó la gente que de verdad vio la publicación, que es lo que importa ahora que los timelines son algorítmicos.

Qué cambia al medir una conversación ajena

La escala, sobre todo. Tu cuenta produce unos cientos de publicaciones al año. Un hashtag puede producir eso en una hora. Eso convierte el trabajo de leer publicaciones en analizar un dataset, y cambia lo que necesitas: todas las publicaciones que encajan con sus cifras, ni una muestra ni una estimación.

También mete en juego los términos de la API, que regulan qué se puede recoger y almacenar. Todo lo que entregamos se recoge siendo Twitter compliant, que es lo que lo mantiene utilizable para informes de cliente y para investigación.

Por dónde empezar

Elige una pregunta. Si la campaña funcionó, quién te está amplificando de verdad, cómo te comparas con un competidor. Después coge las tres o cuatro métricas que la responden e ignora el resto. Un informe montado alrededor de una pregunta le gana a un cuadro de mando que enseña cuarenta.

Elige un plan y recibes el informe y el dataset que lo sostiene, así que cualquier número se puede rehacer.

Elige un plan

Cuál te conviene

Todas las suscripciones traen exactamente lo mismo. Lo único que decides es cuántos tweets necesitas.

Ver las suscripciones