Casi la mitad de los consumidores afirma que depende de las recomendaciones de influencers en las redes sociales para determinar sus decisiones de compra. No obstante, todos los profesionales que estamos al día en el sector sabemos que, aunque la inversión en marketing de influencers no para de crecer, la mayor parte de dicha inversión cae en saco roto debido a las estafas y a los falsos influencers.

Como comenté hace unos días en una charla sobre este tema que di en datahack, los retos del influencer marketing, frente a este panorama, van más allá de localizar a un influencer que encaje con la marca, dar con una estrategia de contenido adecuado y encontrar una forma de medir resultados. Ahora, tenemos la obligación de asegurarnos de evitar caer en las garras de los falsos influencers.

Para ello, ya no basta con fijarse en el engagement, ya que cualquiera puede comprar interacciones como compra seguidores. Incluso obligar al influencer a enlazar a nuestra web o a una landing puede no ser suficiente, porque alguien lo bastante avispado puede crear un bot que nos falsee estas estadísticas.

Usando el Big Data para combatir falsos influencers

Gracias a las herramientas de Big Data, podemos crear Bots que agreguen todas las redes delinfluencer (si tiene más de una) y analicen el número de seguidores, la proporción de seguidores-seguidos o la tasa de interacción.

Con algoritmos de machine learning, también podemos enseñar al bot a detectar seguidores falsos y a analizar la proporción de estos. Además, podemos añadir capas de análisis extra para saber si esos seguidores son de calidad. Debemos preguntarnos, entre otras cosas, si llevan inactivos más de cierto tiempo (lo cual puede ser indicativo de que han abandonado la red), si se han molestado en rellenar la imagen de perfil y algunos detalles, si tienen nombres o descripciones que podrían ser spam, si son cuentas de reciente creación (con un alto potencial de abandono), si las url de sus perfiles llevan a sitios extraños, si han puesto una ubicación correcta, si han posteado alguna vez (o si postean demasiado? o demasiado poco), si tienen muy pocos seguidores o siguen a demasiada poca gente...

Una vez hecho esto, llega el momento de segmentar a los seguidores del influencer para ver cuántos de ellos forman parte de la audiencia que queremos alcanzar. El Big Data también nos proporciona herramientas para hacer esto. Una solución con programación, por ejemplo, sería buscar, de entre la autodescripción de los seguidores del influencer, quiénes están interesados en una temática. O quiénes han posteado últimamente sobre el tema. Esto nos permitiría acotar un poco, aunque los textos de las bios son muy limitados y muchos están en las redes sin postear nada. Hay que añadir otra capa de análisis.

Análisis de grafos para detectar la influencia

Mediante el análisis de grafos, sin embargo, podemos afinar aún más detectando no solo a los que son influyentes entre los interesados en temas relevantes para nuestra campaña, sino también su grado de influencia en el sector.

Aquí, entra la palabra clave. Influencia. Porque muchos cometemos el error de pensar que un influencer lo es solo por el hecho de tener muchos seguidores, olvidándonos de la clave: que, además de tener seguidores, tenga capacidad de persuadirles. No hace falta recordar cuántos supuestos influencers, amparándose en su gran cantidad de seguidores, han lanzado productos asociados a su marca que han sumado muchos comentarios entusiastas... los cuales se han traducido en un fracaso de ventas.

Haciendo un análisis de grafos con herramientas de Big Data, podemos encontrar a los verdaderos corazones de ciertas comunidades. Y, cosa sorprendente, a veces no son los que más seguidores tienen. A veces, son usuarios con pocos seguidores pero con un alto poder de intermediación; gente que no destaca pero que influye en los que influyen. Lanzar un contenido con ellos no solo nos garantiza un gran alcance, sino un bajo gasto, ya que no están "cotizados" en el mercado.

Además, podemos detectar los caminos más cortos para crecer de forma orgánica y optimizar los esfuerzos para alcanzar a algunos públicos difíciles. E incluso hacer modelos para conocer mejor las dinámicas de cada grupo de usuarios y de esta forma predecir cómo se viralizan ciertos contenidos entre los usuarios de una red. Hay todo un mundo de posibilidades, y lo mejor es que resulta de lo más visual.

En definitiva, la lucha contra los falsos influencers ha encontrado un gran aliado en el Big Data. Gracias a estas herramientas, no solo podemos saber qué parte de la audiencia de un influencer es real y encaja con nuestra segmentación ideal, sino que podemos tener una visión global de la propia red, lo que nos permitirá encontrar a los verdaderos influencers, que muchas veces pasan desapercibidos.