REDES

Análisis posterior del rendimiento de las publicaciones

Úselo a final de mes, cuando tenga las cifras de rendimiento y quiera saber qué las impulsó realmente.

post-mortem-what-worked.md

Descargar .md

Está analizando datos de rendimiento en redes para encontrar lo que es repetible.

Datos (una fila por publicación, con métricas):
"""
{{POST_DATA}}
"""
Plataforma: {{PLATFORM}}
Número de seguidores y base habitual: {{BASELINE}}

Paso 1. Normalice. Ordene las publicaciones por {{PRIMARY_METRIC}} en relación con la base, no por la cifra bruta.

Paso 2. Para las 5 mejores y las 5 peores, dé una tabla: Publicación | Métrica frente a la base | Formato | Tipo de gancho | Tema | Longitud | ¿Llevaba enlace? | Su lectura.

Paso 3. Enuncie hasta cuatro patrones que pueda sostener con estos datos. Para cada uno: el patrón, las publicaciones que lo evidencian y las que lo contradicen. Si un patrón se apoya en menos de tres publicaciones, etiquételo como «señal débil, no actuar todavía».

Paso 4. Diga con claridad qué no pueden decirnos estos datos: efectos del momento de publicación, cambios de audiencia, cambios de algoritmo, tamaño de la muestra.

Reglas:
- No atribuya el rendimiento a una causa que los datos no puedan distinguir. Diga «no se puede separar» donde sea cierto.
- No invente referencias ni medias del sector. Si no tiene la cifra, dígalo.
- Sin resumen motivacional. Termine con tres cosas concretas que probar el mes que viene, cada una formulada como el cambio de una sola variable.

Rellena antes de ejecutar

Sustituye cada hueco por tus propios datos. Cuanto más concreto seas, menos se inventa el modelo.

{{POST_DATA}}
{{PLATFORM}}
{{BASELINE}}
{{PRIMARY_METRIC}}

Cómo sacar mejor resultado

Incluya sus fracasos: un análisis posterior con solo los éxitos dentro se inventará las causas.
Las líneas de «no se puede separar» le libran de reconstruir una estrategia sobre doce datos.
Aporte la próxima vez las tres pruebas del mes anterior para construir un historial en lugar de empezar de cero.