Respuesta rápida

El engagement está perdiendo valor como métrica principal de marketing. Las interacciones bajan mientras crecen las audiencias, la conversación se desplaza a canales privados y muchas búsquedas terminan sin clic. Las marcas deben medir también conversiones, datos propios, CLV/CAC, búsquedas de marca, tiempo de atención y presencia en respuestas de IA. La métrica importante, mas allá de los «me gusta»,  es qué impacto tiene en la marca y el negocio.

 

Por mucho tiempo, el engagement fue la métrica favorita del marketing digital. Cuantos más «Me gusta», comentarios o compartidos recibía una publicación, mejor parecía funcionar una estrategia. Hoy esa realidad está cambiando.

El informe de marzo de 2026 de Quid, una consultora especializada en inteligencia de mercado, reveló que la tasa media de interacción en Instagram cayó al 0,30 % por publicación. Un año antes era del 0,36 %, lo que representa una disminución del 17 % en solo doce meses. Además, es el tercer año consecutivo en el que esta métrica sigue bajando.

Lo curioso es que ocurre justo cuando las redes sociales tienen más usuarios que nunca. Según DataReportal y We Are Social, ya existen 5.790 millones de perfiles en redes sociales, equivalentes al 69,9 % de la población mundial. Solo durante el último año se sumaron 294 millones de nuevas cuentas.

En otras palabras, cada vez hay más personas en las redes, pero cada publicación genera menos interacción. La pregunta es inevitable: ¿por qué ocurre esto?

Qué miden exactamente estos números

Antes de sacar conclusiones, hay que entender qué mide realmente esta cifra.

La tasa de interacción o engagement rate compara las acciones que realizan los usuarios, como dar «Me gusta», comentar, compartir o guardar una publicación, con una base de referencia, que normalmente son los seguidores o el alcance obtenido. Aquí aparece el primer gran problema. No todas las empresas utilizan la misma fórmula para calcularla.

Por ejemplo, Quid calcula la tasa de interacción usando el número de seguidores y analiza la mediana de 150 empresas distribuidas en 18 sectores. En cambio, Socialinsider estudia más de 35 millones de publicaciones y, aunque emplea una metodología similar, obtiene una tasa media del 0,45 % para Instagram durante el segundo trimestre de 2026.

Las cifras parecen hablar del mismo fenómeno, pero son diferentes porque utilizan metodologías distintas.  Por eso, comparar un porcentaje de engagement sin saber cómo fue calculado puede llevar a conclusiones equivocadas.

¿Qué ocurre en el resto de las redes sociales? Instagram no es la única plataforma donde el engagement está cambiando. El informe de Quid muestra que:

• TikTok mantiene la mayor tasa de interacción, con 2,01 %.
• Facebook prácticamente no registra cambios respecto al año anterior.
• X (antes Twitter) muestra una ligera recuperación, pasando del 0,015 % en 2024 al 0,03 % en 2025.
• YouTube aparece por primera vez en el estudio con una tasa de interacción del 0,21 %.

Aunque los porcentajes varían entre plataformas, la tendencia general apunta en la misma dirección: el engagement ya no es un indicador tan fiable como hace unos años para medir el verdadero impacto de una marca.

La hipótesis de la sobre publicación

Se creía la idea de que las marcas podían compensan la caída de interacción publicando más. Sin embargo, los datos de 2026 cuentan una historia diferente.

Quid registró la frecuencia de publicación más baja de los últimos seis años: un promedio de 3,7 publicaciones semanales en Instagram y 3,0 en Facebook. En TikTok, las marcas publicaron una media de 2 videos por semana, exactamente la misma frecuencia registrada el año anterior.

¿Significa esto que publicar más contenido ya no ayuda? Los datos de Sprinklr ofrecen algunas pistas.

Su Social Index 2026, basado en el análisis de 1.160 marcas y más de un millón de datos recopilados entre enero y diciembre de 2025, encontró una relación interesante entre la cantidad de publicaciones y el crecimiento de las cuentas.

En el sector retail, por ejemplo, las marcas que publican más de 60 veces por semana consiguen nuevos seguidores un 45 % más lento que aquellas que publican alrededor de 24 veces. En productos de consumo masivo ocurre algo parecido: las marcas líderes publican unas 4 veces por semana y obtienen mejores resultados que aquellas que publican 6 veces.

La actividad se está confundiendo con impacto.

Cuatro causas medibles de la caída

El alcance crece más que la interacción. El video corto permite llegar a mucha más gente, pero no genera interacción en la misma proporción. Socialinsider encontró que los carruseles superan a los Reels en tasa de interacción durante la mayoría de los trimestres desde 2023. Los reels, en cambio, consiguen mucho más alcance. Si el alcance crece más rápido que las interacciones, la tasa de engagement baja aunque el contenido no haya empeorado.

El consumo es cada vez más pasivo. TikTok, Instagram y YouTube recomiendan contenido según los intereses y hábitos de cada usuario, no según sus contactos. Esto favorece sesiones largas de consumo, pero no necesariamente acciones visibles como comentarios, compartidos o clics. Además, Socialinsider registró una caída del 35% en el alcance de los Reels en un año, mientras más cuentas adoptaban este formato.

Hay demasiado contenido. El State of Marketing 2026 de HubSpot, con más de 1.500 profesionales encuestados, encontró que el 80% de los responsables de marketing usan inteligencia artificial para crear contenido y el 75% para producción audiovisual. Pero producir más no significa destacar más: el 52% considera que la IA está haciendo que el contenido sea tan fácil de producir que pierde efectividad, mientras el 53% tiene dificultades para diferenciarse.

Cada vez hay más tráfico automatizado. El Bad Bot Report 2026 de Thales e Imperva señala que los bots representaron el 53% de toda la actividad web en 2025, frente al 51% del año anterior. El 40% correspondió a bots maliciosos y el 13% a automatización legítima. El tráfico humano representó apenas el 47%. Esto complica cada vez más la lectura de las métricas digitales.

Dónde se movió la conversación

El término dark social describe el contenido que las personas comparten por canales privados: mensajería, grupos cerrados, correo, aplicaciones de trabajo. Las herramientas de analítica no ven ese tráfico.

SparkToro y Really Good Data hicieron un experimento controlado con 1.113 visitas dirigidas desde 11 redes sociales para comprobar cómo las clasificaba Google Analytics. El 100% de las visitas procedentes de TikTok, Slack, Discord, Mastodon y WhatsApp llegó marcado como tráfico «directo», sin ninguna información de origen. Facebook Messenger perdió el 75% de los datos de referencia. Los mensajes directos de Instagram perdieron el 30%, LinkedIn el 14% y Pinterest el 12%.

Por ejemplo, alguien comparte una marca por WhatsApp y otra persona entra en su sitio. Google Analytics puede registrar esa visita como «tráfico directo», como si el usuario hubiera escrito directamente la dirección en el navegador.

La conversación y la recomendación ocurrió pero la métrica no la registró.

La búsqueda dejó de enviar clics

 

El segundo punto ciego está en el buscador. Cada vez más personas obtienen la respuesta que buscan sin entrar en ningún sitio web. SparkToro publicó en junio de 2026 un análisis del panel de clics de Similarweb correspondiente a las búsquedas de Google en Estados Unidos entre enero y abril: el 68,01% terminó sin ningún clic. En 2024 la cifra era 60,45%. Hace 10 años rondaba el 45%.

El Pew Research Center midió el comportamiento con datos de navegación reales: 900 adultos estadounidenses, 68.879 consultas únicas durante marzo de 2025. Cuando aparecía un resumen generado por IA, los usuarios hicieron clic en un resultado tradicional el 8% de las veces. Sin resumen, el 15%. El clic sobre las fuentes citadas dentro del resumen fue todavía más bajo: apenas 1%. Y el 26% de las sesiones con resumen terminaron ahí mismo, frente al 16% sin resumen.

Google cuestionó públicamente la metodología del estudio por considerar el conjunto de consultas poco representativo. Aun así, estudios de Ahrefs, Seer Interactive y Semrush han encontrado una tendencia similar utilizando diferentes muestras y metodologías.

En el estudio de HubSpot, cerca del 30% de los profesionales encuestados reportó caída de tráfico de búsqueda. La búsqueda sigue generando visibilidad, pero cada vez menos visitas.

Lo que el engagement nunca midió

Avinash Kaushik, exresponsable de analítica digital en Google, propuso hace más de una década un marco que sigue vigente: tasa de conversación (comentarios con contenido real), tasa de amplificación (velocidad a la que los usuarios redistribuyen el contenido) y tasa de aplauso (validación simple). Su advertencia central fue que las tres carecen de sentido si no se conectan con valor económico.

Un «me gusta» no tiene precio de mercado, en realidad nunca lo tuvo. Lo que cambió es que ahora tampoco sirve como señal indirecta de distribución, porque los algoritmos dejaron de usarlo como criterio principal de reparto.

Qué medir en su lugar

Indicador tradicional	Sustituto	Razón del cambio
Alcance e impresiones	Tiempo de atención y finalización de video	El 53% del tráfico web es automatizado (Thales, 2026)
Tasa de interacción pública	Guardados, compartidos y calidad de la conversación	Buena parte de la distribución ocurre en canales privados
Crecimiento de seguidores	Datos propios (correo, comunidad, CRM)	La plataforma decide qué ven los seguidores
Posición en buscador	Share of search y citación en respuestas de IA	El 68% de las búsquedas termina sin clic (SparkToro, 2026)
ROAS de corto plazo	Relación CLV/CAC e incrementalidad	El último clic atribuye ventas que ya iban a ocurrir

 

Vamos a ver los tres conceptos que requieren explicación.

El share of search es la proporción de búsquedas orgánicas de una marca frente al total de su categoría. Les Binet, responsable de efectividad en la agencia Adam&EveDDB, lo presentó en la conferencia EffWorks Global 2020 del IPA tras analizar automoción, energía y telefonía móvil. En las tres categorías correlacionó con la cuota de mercado y funcionó como indicador adelantado, con hasta 1 año de anticipación en automoción. James Hankins amplió el trabajo con 30 casos en 12 categorías y 7 países. Binet insiste en que no es un predictor perfecto: el precio y otros factores intervienen en la conversión.

El CLV (valor de vida del cliente) estima el beneficio total que una relación comercial genera a lo largo del tiempo. El CAC es el costo de adquirir ese cliente. La relación entre ambos indica si el crecimiento es rentable, algo que ninguna métrica de interacción responde.

La incrementalidad mide qué parte de las ventas ocurrió gracias a una campaña y qué parte habría ocurrido igual. Se calcula con grupos de control, no con atribución de último clic.

Airbnb: el experimento que puso números al problema

En el segundo trimestre de 2020, con el turismo detenido por la pandemia y la salida a bolsa aplazada, Brian Chesky ordenó cancelar la inversión en marketing de resultados. El gasto total de marketing pasó de 1.620 millones de dólares en 2019 a 545 millones en 2020.

Sin embargo, el tráfico no cayó en la misma proporción. En el primer trimestre de 2021, Brian Chesky explicó a los inversores que alrededor del 90% del tráfico de Airbnb era directo o no pagado, según recogió Marketing Week. La plataforma mantenía niveles de visitas similares a los de 2019 con aproximadamente la mitad del presupuesto de marketing.

La conclusión de Chesky: el papel del marketing debía ser educar y construir la marca, no simplemente comprar visitas. Pero hay un matiz importante. Airbnb ya era una marca reconocida cuando tomó esta decisión. Además, contaba con los efectos de red propios de un marketplace y con años de cobertura mediática. Analistas de Collective Measures señalaron que una empresa que obtiene solo el 5% de su tráfico de forma directa no podría esperar el mismo resultado al reducir su inversión publicitaria.

Por eso, Airbnb demuestra algo concreto: cuando una marca genera suficiente demanda por sí misma, parte del presupuesto destinado a conseguir clics puede estar pagando por personas que ya querían encontrarla.

Ser citado por un modelo de lenguaje

La Generative Engine Optimization (GEO) busca que una marca o contenido sea tenido en cuenta y citado por sistemas de IA que responden preguntas, como ChatGPT, Perplexity o Gemini.

El estudio fundacional, GEO: Generative Engine Optimization, fue realizado por investigadores de Princeton, Georgia Tech, IIT Delhi y el Allen Institute for AI, y presentado en ACM SIGKDD en el 2024.

El equipo creó GEO-bench, una prueba con 10.000 consultas, y evaluó nueve formas de mejorar el contenido. Las estrategias que más aumentaron la probabilidad de aparecer citado, hasta un 40%, fueron incluir estadísticas, utilizar fuentes verificables y añadir citas de expertos. En cambio, repetir palabras clave, una práctica habitual del SEO tradicional, tuvo resultados negativos.

De ahí nace el concepto de share of model, es decir, con qué frecuencia una marca aparece mencionada en las respuestas de sistemas de IA cuando los usuarios realizan consultas relacionadas con su categoría. La idea es útil, pero la medición todavía está en una etapa inicial. No existe un estándar común ni una auditoría independiente. Los resultados pueden cambiar según el modelo utilizado, la consulta, la sesión y la metodología de medición.

Por ahora, el share of model debe entenderse como un indicador en desarrollo, no como una cifra comparable entre empresas.

Los límites de estas métricas

No todo lo que se predice sobre el futuro de la búsqueda termina ocurriendo como se esperaba. En febrero de 2024, Gartner predijo que el volumen de búsquedas tradicionales caería un 25% para 2026. El plazo llegó y Google todavía conserva más del 90% del mercado de búsquedas.

Lo que cambió no fue necesariamente la cantidad de búsquedas, sino lo que ocurre después de ellas: cada vez más consultas terminan sin un clic. El dark social presenta otro problema: por definición, es difícil de medir. La privacidad que permite que las personas compartan contenido en canales privados también impide rastrear buena parte de esas acciones.

Una pregunta como «¿Cómo nos conociste?» puede recuperar parte de esa información, pero depende de lo que recuerde y declare cada usuario.

El engagement público tampoco ha muerto por completo. Sigue siendo útil para comparar una cuenta consigo misma a lo largo del tiempo. El problema aparece cuando se utiliza para comparar marcas, juntar informes con metodologías diferentes o presentar un porcentaje de interacción ante la dirección sin relacionarlo con resultados de negocio.

Conclusión

La caída del engagement público no tiene una sola causa. Los algoritmos cambiaron la forma de distribuir contenido, el video corto amplió el alcance, la producción con IA multiplicó la cantidad de contenido y el tráfico automatizado complica todavía más la lectura de los datos.

Al mismo tiempo, la conversación se trasladó a canales privados y muchas búsquedas terminan sin generar una visita a un sitio web. Por eso, las métricas más útiles son cada vez más aquellas que pueden relacionarse directamente con el negocio o con la memoria de marca: datos propios, relación CLV/CAC, incrementalidad, share of search, contenido guardado y tiempo de atención.

Son más difíciles de medir que un «Me gusta». Esa dificultad es exactamente la razón por la que el sector tardó tanto en adoptarlos.

Preguntas frecuentes