El popular streamer y youtuber estadounidense Darren Watkins Jr., conocido como Speed, visitó Lima el 28 de enero de este año, como parte de su gira por Sudamérica. La inesperada euforia y la masiva congregación de seguidores durante su visita sorprendió a empresas y organismos gubernamentales. 

Esta sorpresa se debió, en parte, a una subestimación de la popularidad del streamer y al desconocimiento de su capacidad para movilizar a grandes masas de seguidores. La prensa señaló que esta reacción evidenció una desconexión entre las autoridades y el público joven, sobre todo en lo referido al fenómeno de los influencers y las redes sociales.

¿Qué es la distribución divergente del contenido digital? 

La distribución divergente es un fenómeno en la publicidad y distribución de contenido digital en el que los algoritmos de segmentación muestran diferentes anuncios o noticias a distintos grupos de usuarios para optimizar la entrega con base en sus características e interacciones previas. Este fenómeno ocurre cuando los algoritmos optimizan la entrega de anuncios o noticias a usuarios específicos con base en sus interacciones, perfiles demográficos o patrones de consumo previos, lo que genera diferencias en la visibilidad y percepción de un mensaje de un segmento a otro​.

En el ámbito de los contenidos digitales en las redes sociales, la distribución divergente puede lograr que diferentes grupos de personas vean versiones distintas de una historia, lo que influye en la percepción pública de los eventos. Por ejemplo, un usuario con un historial de lectura de noticias económicas puede recibir artículos que destacan el impacto financiero de una crisis, mientras que otro usuario interesado en política podría ver contenido enfocado en sus implicaciones gubernamentales. 

Este fenómeno contribuye a la polarización, ya que distintos segmentos reciben información alineada con sus sesgos previos. En ese sentido, las métricas del impacto de una noticia pueden estar distorsionadas, pues las reacciones ya no representan a una audiencia general, sino a subconjuntos altamente segmentados. Debemos tomar en cuenta que este sesgo ha sido evidenciado recién este año. 

La distribución divergente en las redes sociales 

La desconexión de marketeros, empresas y autoridades con el público joven durante la visita de Speed a Lima se explica mediante la distribución divergente. En entornos digitales, los algoritmos de las plataformas optimizan la entrega de contenido con base en las interacciones previas de los usuarios, lo que significa que distintos segmentos reciben diferente información. Mientras el público joven seguía a Speed de cerca, mientras observaba el contenido viralizado de sus comunidades digitales en redes sociales, muchas empresas y autoridades no recibieron señales de su creciente popularidad porque no formaban parte de estos ecosistemas segmentados.

En contraste, los medios masivos tradicionales, como la radio y la televisión, difundían información de manera uniforme a una audiencia generalizada, sin la hipersegmentación de las plataformas digitales actuales. Esto permitía que tendencias emergentes fueran visibles para un espectro más amplio de la sociedad. Con la distribución divergente, los algoritmos limitan la exposición de ciertos temas a quienes no han mostrado interés previo, lo que contribuyó a que los sectores empresariales y gubernamentales no anticiparan la magnitud del fenómeno Speed.

Este sesgo algorítmico explica por qué las instituciones quedaron rezagadas en su comprensión del impacto de los influencers y las redes sociales, y subestimaran su capacidad para movilizar multitudes. Mientras los seguidores de Speed consumían contenido constante sobre su llegada, las empresas y autoridades, fuera de estos circuitos digitales, no vieron señales claras de su influencia, lo que resultó en una reacción tardía y una evidente falta de preparación ante el fenómeno.

Implicancias de este fenómeno para los directivos 

La distribución divergente en experimentos online ocurre cuando los algoritmos asignan anuncios a distintos grupos optimizados de usuarios, lo que afecta la comparación en pruebas A/B. Esta situación sesga los resultados, ya que los efectos del contenido del anuncio se confunden con la segmentación algorítmica, lo que impide inferencias causales precisas y afecta la validez de los experimentos.

Para evitar la desconexión con su grupo objetivo en un entorno de distribución divergente, los gerentes deben monitorear de forma activa el contenido y las tendencias que consumen sus audiencias en redes sociales y plataformas digitales. Esto implica no depender solo de reportes algorítmicos, sino también sumergirse en los espacios digitales clave donde interactúa su público. 

Algunas sugerencias prácticas pueden ser el seguimiento y análisis de comunidades digitales relevantes, así como las investigaciones etnográficas digitales. Así, los gerentes no dependerán de los algoritmos de las redes sociales y podrán involucrarse en las redes de su grupo objetivo para formar parte de su comunidad y evitar nuevas sorpresas. ¿Qué estrategias empleas en tu organización? Cuéntanos tu experiencia.

Aprende más sobre el tema participando en el curso Marketing analítico 2 en 1, online + offline: decisiones basadas en datos del PEE Empresarial de ESAN.

Referencias

Braun, M., & Schwartz, E. M. (2025). Where A/B Testing Goes Wrong: How Divergent Delivery Affects What Online Experiments Cannot (and Can) Tell You About How Customers Respond to Advertising [Dónde fallan las pruebas A/B: Cómo la entrega divergente afecta lo que los experimentos en línea no pueden (y sí pueden) decirle sobre cómo responden los clientes a la publicidad]. Journal of Marketing, 89(2), 71-95. https://doi.org/10.1177/00222429241275886