Sociología digital aplicada

La dispersión no es accidente.
Es topología.

Plataforma de análisis que mide cómo se propaga realmente el contenido político en redes sociales — más allá de likes y seguidores, basada en diez leyes derivadas de investigación académica.

¿Cómo me beneficia?

Una herramienta para quienes deciden en política digital.

Sabes quién dispersa de verdad

No quién tiene más seguidores: quién logra que el mensaje viaje.

Comparas con la misma vara

Candidatos, partidos y voceros sobre métricas equivalentes, no anécdotas.

Decides dónde invertir

Presupuesto digital guiado por evidencia, no por intuición ni vanity metrics.

¿Por qué es importante?

Diez leyes que explican por qué la mayoría está midiendo lo equivocado.

Por qué un share vale más que mil likes. Por qué la ira no viraliza. Por qué seguir al "influencer" más grande puede ser la peor decisión estratégica.

I

Resonancia de la carga emocional

La neutralidad es el cementerio del engagement; alegría, sorpresa, ira y miedo rompen la inercia del scroll.

Nevatia et al., 2024; Atayeva, 2024

II

Centralidad de influencia (Bonacich)

El poder real no es alcance: conectar con nodos dependientes pesa más que sumar seguidores periféricos.

Ntalianis et al., 2015; Bakshy et al., 2011

III

Trayectoria de Máxima Probabilidad Restringida (RMPP)

Las rutas cortas concentran la masa de probabilidad; un solo borde nuevo por trayectoria mantiene la submodularidad.

Chaoji et al., 2012

IV

Temporalidad y explotación algorítmica

La intervención temprana decide: los primeros minutos de interacción detonan la proyección masiva.

Nevatia et al., 2024; Ntalianis et al., 2015

V

Peso desigual de la interacción

Una interacción de un actor con alta centralidad de autovector pesa más que mil de usuarios periféricos.

Ntalianis et al., 2015

VI

Predominancia del formato visual y dinámico

Foto y video no son opcionales: son requisitos primordiales para multiplicar la re-compartición.

Bruni, Francalanci & Giacomazzi, 2012

VII

Conectividad por relevancia (Interés vs. Amistad)

Las redes centradas en contenido superan al Friend-of-Friend hasta 90× en dispersión efectiva.

Chaoji et al., 2012

VIII

Personalización algorítmica

El feed se entrena con cada interacción directa; alinear el contenido reduce la fricción al descubrimiento.

Eslami et al., 2016

IX

Credibilidad y transparencia

Los usuarios comparten lo que creen; rota la credibilidad, la cadena de dispersión se detiene por rechazo social.

Roring, s.f.

X

Bots y factor humano

Los bots difunden verdad y falsedad al mismo ritmo; la atracción humana por la novedad es lo que concreta el contagio.

Vosoughi, Roy & Aral, 2018

¿Qué hace la plataforma?

Tres capacidades, una misma vara para medir.

Ley IV · VI

Importación multi-plataforma

Facebook, Instagram, TikTok y YouTube en un mismo timeline. Rangos de fechas precisos, sin duplicar lo ya importado.

Diálogo para agregar una fan page de Facebook con tarjetas de perfiles políticos al fondo mostrando días, posts y shares.

Ley II · V

Comparativa por contienda

Pon lado a lado a los candidatos de una misma elección y mide quién dispersa más con el mismo criterio.

Diálogo de nueva contienda electoral con selección de estado, puesto, etapa y dropdown de partidos políticos mexicanos.

Ley I · IX

Sentimiento y dispersión

Series de tiempo de shares, sentimiento agregado y un índice de dispersión que separa volumen de alcance real.

Tabla de posts con métricas de shares, likes, comentarios y reacciones, junto a un selector de sentimiento con etiquetas positivo, dinámica, crítica, neutral y otro.

¿En qué se basa? ¿Es seguro?

Basado en investigación.

Cada ley remite a un cuerpo de literatura revisada por pares. No inventamos métricas: aplicamos un marco académico al contexto político.

  • §Bonacich, P. (1987). Power and Centrality. AJS 92(5).
  • §Kempe, Kleinberg & Tardos (2003). Maximizing influence. KDD '03.
  • §Chaoji et al. (2012). Recommendations to boost spread. WWW '12.
  • §Ntalianis et al. (2015). Social computing & user influence.
  • §Li & Smith (2019). Emotions in viral marketing. JCR 46(4).
  • §Nevatia et al. (2024). Determinants of content virality.
Ver todos los estudios →

Tus datos están protegidos.

La seguridad no es un módulo: es una decisión de arquitectura. Mira lo que no hacemos.

  • Solo páginas públicas

    Analizamos fan pages y perfiles públicos. Nunca pedimos credenciales personales.

  • No publicamos en tu nombre

    Lectura únicamente. Cero acciones de escritura sobre tus redes.

  • No vendemos datos

    Tu información de análisis es tuya. Acceso por invitación, sin marketplaces de datos.

¿Es fácil?

Tres pasos. Sin instalación. Sin configuración técnica.

01

Pega el link

Copia la URL pública de la fan page, perfil o cuenta que quieres analizar.

02

Elige el rango

Selecciona las fechas. Te avisamos si ya importaste algo de ese periodo.

03

Recibe la dispersión

Gráficas de shares, sentimiento y comparativas listas para presentar.

Mide la dispersión real.

Deja de competir por likes. Empieza a entender la topología que mueve tu mensaje.

Asistido por inteligencia artificial. Algunos análisis, resúmenes de sentimiento y descripciones de contenido en esta plataforma son generados por modelos de IA a partir de datos públicos. La información es referencial y debe interpretarse junto con criterio humano y contexto político. No constituye asesoría electoral, periodística ni legal. Leer aviso completo →