El año pasado, impartí un módulo sobre marketing de contenidos en torno al modelo PESO (medios pagados, ganados, compartidos y propios). Matt Bailey me pidió que incluyera más contenido sobre personas influyentes en el módulo de este año; Bromeé diciendo que podría llevarme toda la mañana encontrar un nuevo acrónimo. Él respondió: “¿Puedes adaptarlo a un modelo DIRHAM en lugar de PESO?”
Fue entonces cuando tuve una epifanía: enterrada debajo de nuestras bromas había una idea estratégica.
Publicar contenido excelente solía ser suficiente. Escribe algo valioso, publícalo y confía en que los motores de búsqueda, las redes sociales y tu audiencia se encargarán del resto. Durante la mayor parte de la última década, esa suposición se mantuvo. Ya no es así.
Entre su contenido y su audiencia ahora hay tres poderosos guardianes, y ninguno de ellos es humano. Los sistemas de resumen de IA, como AI Overviews de Google, muestran respuestas sin generar clics. Los algoritmos de alimentación social preseleccionan lo que los usuarios encuentran, a menudo antes de que esos usuarios hayan articulado lo que quieren. Las redes de mensajería privadas transportan enormes volúmenes de contenido compartido a través de canales que son invisibles para cualquier herramienta de análisis. Si su contenido no está diseñado para pasar por estos tres filtros, la calidad se vuelve irrelevante. Simplemente no se encontrará.
En respuesta a este desafío, creé el marco DIRHAM.
Por qué los viejos marcos ya no funcionan
Los especialistas en marketing de contenidos generalmente han organizado su pensamiento en torno a PESO: medios pagados, ganados, compartidos y propios. El modelo cumplió bien su propósito como herramienta de categorización, ayudando a los equipos a asignar presupuestos y mapear campañas en todos los canales. El problema es que PESO se creó para responder a una cuestión de distribución que ya no capta el verdadero desafío estratégico. Te dijo dónde colocar el contenido. No decía nada sobre cómo hacer visible el contenido en un mundo donde los algoritmos, no los humanos, deciden lo que sale a la luz.
DIRHAM es un sistema de visibilidad más que un esquema de categorización. Está impulsado por el comportamiento y consciente de la IA, y está diseñado en torno a cómo se descubre realmente el contenido hoy en día, en lugar de cómo viajaba a través de los canales digitales hace una década. La distinción es importante porque el descubrimiento mismo se ha fragmentado en tres sistemas que operan con una lógica completamente diferente. La búsqueda se ha convertido en un motor de respuestas de inteligencia artificial que devuelve resúmenes en lugar de enlaces. Las plataformas sociales utilizan algoritmos de recomendación que predicen lo que quieren los usuarios antes de que hayan buscado algo. Y las aplicaciones de mensajería permiten compartir contenido de manera significativa a través de lo que los especialistas en marketing llaman intercambios privados y sociales oscuros que no dejan huella rastreable en su panel de análisis.
Cada uno de estos sistemas decide la relevancia de manera diferente, lo que significa que una única estrategia de distribución no puede servir a los tres. Esto, a su vez, expone el problema más profundo del pensamiento de canal primero. Preguntar “¿dónde deberíamos publicar?” ya no es el punto de partida correcto. La pregunta más productiva es cómo esta audiencia particular realmente descubre cosas y qué necesita ver cada sistema antes de ofrecerles su contenido.
Los seis pilares de DIRHAM
D: Publicidad Digital
El papel de los medios pagos ha cambiado de maneras que la mayoría de los presupuestos de campaña aún no han alcanzado. El antiguo modelo trataba la publicidad paga como un mecanismo de entrega directa: comprabas impresiones, la gente hacía clic y algunas de ellas convertían. En la era de la IA, esa lógica está incompleta. La principal función estratégica de los medios pagos ahora es generar las señales tempranas de participación que los algoritmos necesitan antes de que usted deba invertir en la distribución de su contenido de manera orgánica. Pagado ya no llega a la audiencia. Se gana la atención algorítmica que hace posible la entrega orgánica.
Este replanteamiento tiene implicaciones reales sobre cómo se deben estructurar los presupuestos y cómo se debe evaluar la creatividad antes de gastar. En lugar de comprometerse con la ejecución de una única campaña, el enfoque más eficaz es un ciclo de tres etapas: ejecutar pequeñas pruebas en múltiples variaciones creativas, utilizar herramientas de rendimiento de IA para identificar qué ejecuciones generan una señal genuina y luego escalar selectivamente a lo que realmente funciona. Pequeñas apuestas, lecturas rápidas, combustible concentrado.
La focalización ha madurado en una dirección paralela. La segmentación demográfica heredada funcionó a partir de suposiciones superficiales sobre quién era una persona en función de su edad, género y ubicación. La agrupación impulsada por IA funciona a partir de la realidad del comportamiento, rastreando lo que las personas realmente hacen, lo que leen, lo que comparten, lo que ignoran. El contenido que refleja patrones de comportamiento reales se amplifica. El contenido que grita sin coincidir con esos patrones se filtra, independientemente del presupuesto. Y una creatividad que a simple vista parece publicidad no logrará generar las señales de participación que desencadenan una distribución más amplia en primer lugar. La creatividad nativa, el contenido que se ve y se siente como contenido orgánico en el entorno de cada plataforma, no sólo es preferible desde el punto de vista estético. Es estructuralmente necesario.
I: Asociaciones de influencers
En un entorno donde el contenido generado por IA inunda todas las plataformas, la credibilidad humana se ha convertido en el filtro más eficaz contra el ruido. El público, conscientemente o no, está calibrando su atención hacia fuentes que han demostrado conocimientos genuinos o experiencia auténtica, y lejos de la voz pulida pero anónima de la marca que podría haber sido escrita por cualquier persona o cualquier cosa. Es por eso que la estrategia de influencers en el modelo DIRHAM no se trata principalmente de alcance. Se trata de confianza prestada.
La distinción es importante porque cambia a quién buscas y qué les pides que hagan. Un creador con 200.000 seguidores comprometidos que los han seguido durante tres años porque confían en su criterio es más valioso en este entorno que un creador con 2 millones de seguidores y una relación transaccional con contenido de marca. El primero ha construido la autenticidad, la coherencia y la credibilidad que, en conjunto, producen una confianza real. Este último tiene alcance sin la autoridad que hace recomendaciones terrestres.
La implicación operativa es un alejamiento de los patrocinios de campañas puntuales hacia relaciones integradas y continuas. Cuando los programas de influencers se sienten comprados en lugar de creídos, fracasan en dos niveles. No logran generar el compromiso auténtico que recompensan los algoritmos y no logran producir el tipo de transferencia de confianza que hace que la asociación sea valiosa en primer lugar. Los programas de influencia más efectivos se basan en narrativas compartidas y colaboración creativa a largo plazo, lo que produce un valor comunitario compuesto que una sola publicación patrocinada no puede lograr. Esto también significa que la selección del creador debe tener en cuenta el contexto. En las campañas del gobierno y del sector público, la credibilidad y la seguridad son los criterios principales, y el éxito se mide a través del sentimiento y la conciencia pública. En las campañas comerciales, lo más importante es el rendimiento adecuado y demostrado, y el éxito se mide a través de la conversión y la velocidad de ventas. El alcance por sí solo nunca es justificación suficiente para una asociación.
R: Contexto regional y local
Los sistemas de IA no son distribuidores pasivos. Analizan activamente el contenido para determinar para quién es, y el contenido genérico envía señales que son simplemente demasiado ambiguas para que el sistema actúe con confianza. Sin marcadores geográficos o culturales específicos, el contenido puede perder prioridad, no necesariamente porque sea de mala calidad, sino porque el algoritmo no puede categorizarlo de manera confiable o identificar la audiencia adecuada a la que ofrecerlo. El resultado contrario a la intuición es que limitar su enfoque tiende a aumentar su alcance. Anclar el contenido en una especificidad regional o local le da al sistema exactamente la señal de clasificación que necesita para ofrecer el contenido a las personas que interactuarán con él.
Uno de los errores más comunes que cometen las marcas cuando se dirigen a mercados multilingües es tratar el contenido bilingüe como un problema de traducción. No lo es. Las audiencias árabe e inglesa en los Emiratos Árabes Unidos, por ejemplo, interactúan con contenidos en las mismas plataformas a través de marcos culturales fundamentalmente diferentes. El contenido en inglés en ese mercado tiende a centrarse en la aventura, la exploración y el descubrimiento. El contenido en idioma árabe, producido por creadores con una proximidad cultural genuina, se centra en el patrimonio, la familia y los valores que se expresan mejor en el dialecto local que en el idioma traducido formal. La diferencia no es el vocabulario. Es intención y tono, y ningún proceso de traducción los produce de manera confiable. Lo que los creadores locales aportan a la distribución de contenidos es algo que debe entenderse como un contexto compartido: una comprensión intuitiva de las referencias, los matices y las expectativas de la comunidad que las marcas externas no pueden replicar ni comprar directamente. Sólo pueden acceder a él trabajando genuinamente con las personas que lo poseen.
H: Contenido híbrido
El contenido híbrido es lo que sucede cuando el consumo pasivo y la participación activa se diseñan en el mismo contenido. La razón por la que es tan importante en el entorno actual es que la participación no es simplemente una métrica de cuán interesante fue su contenido. Es el propio mecanismo de distribución. Cuando los usuarios comentan, completan un desafío, comparten contenido en su propia red o participan de otra manera en el contenido, no solo están expresando interés. Están distribuyendo el contenido en su nombre. Sin esa participación, el alcance está limitado por el presupuesto. Con él, alcance compuestos a través de la red de maneras que ninguna campaña paga puede replicar de forma aislada.
Esto cambia la cuestión de diseño del contenido. El contenido amplio, creado para una audiencia genérica y una plataforma genérica, tiende a producir un consumo pasivo. La gente lo pasa por alto o lo mira hasta el final y sigue adelante. Un contenido específico, anclado en una realidad cultural particular o en las preocupaciones de una comunidad particular, provoca una respuesta. Invita a las personas a sumarse a la historia, a discrepar o afirmar, a compartir con alguien que conocen, porque tiene suficiente especificidad como para sentirse personal. La gamificación, los desafíos fotográficos y los incentivos comunitarios funcionan en este contexto no como trucos de marketing sino como mecanismos estructurales para convertir a los miembros de la audiencia en distribuidores. Las herramientas de inteligencia artificial pueden acelerar significativamente la producción de contenido híbrido, manejando la redacción, el formato y la traducción inicial en volumen. Pero la capa editorial humana sigue siendo esencial. La resonancia, la precisión cultural y el tipo de autenticidad tonal que hace que la gente quiera participar no se pueden automatizar. El objetivo no es la publicación automatizada; es una redacción automatizada con rigurosa curación humana.
R: Visibilidad de la IA
Ser visible para los motores de respuesta de IA requiere una lógica de optimización diferente a la del SEO tradicional. La regla rectora es que los sistemas de IA premian la confiabilidad y la claridad estructural por encima de la creatividad y la inteligencia. Un titular que funciona de manera brillante para un lector humano porque es inesperado o ingenioso puede jugar en su contra en un contexto de LLM, porque la máquina no puede categorizar con confianza el contenido cuyo propósito queda oscurecido por el lenguaje figurado. El contenido claro, coherente y autorizado genera el tipo de señal que los motores de respuesta reconocen y citan con el tiempo.
La estructura es el mecanismo. Los modelos de IA analizan elementos estructurales antes de interpretar el significado, lo que significa que los encabezados claros funcionan como señales de navegación, las oraciones declarativas permiten una extracción limpia de hechos y los marcadores de credibilidad, como fuentes nombradas, investigaciones citadas y autorías identificadas, comunican autoridad al sistema de maneras que la sofisticación estilística simplemente no lo hace. Si la arquitectura del contenido no está clara, la calidad de lo que contiene no se lee.
También existe una importante brecha de medición que la mayoría de las organizaciones no han abordado. Las conversaciones de IA y LLM representan el canal de descubrimiento de más rápido crecimiento en la mayoría de las categorías de contenido, pero son casi completamente invisibles para las herramientas de SEO convencionales. Han surgido herramientas como Cairrot específicamente para rastrear las citas de marca dentro de los modelos de IA, mostrando dónde y cómo aparecen las organizaciones cuando los usuarios hacen una pregunta relevante a ChatGPT, Perplexity o Gemini. El nuevo SEO no optimiza una posición en una página de resultados de búsqueda. Se está optimizando para convertirse en la fuente en la que un sistema de IA confía lo suficiente como para citarla.
M: Medición de resultados
El último pilar de DIRHAM sigue siendo el punto donde la disciplina de la mayoría de las organizaciones colapsa y donde la brecha entre hacer DIRHAM y hacerlo bien tiende a ser más amplia. El estándar que debería regir cada decisión de medición es sencillo: si una métrica no cambia lo que usted hace a continuación, no importa. Las impresiones, el número de seguidores y el alcance bruto siempre han sido más fáciles de informar que de actuar, y en una era de producción infinita de contenido generado por IA, se han desconectado casi por completo de la influencia o el impacto.
La jerarquía que realmente sirve a las decisiones estratégicas parece diferente. Se ignoran las impresiones y las métricas de vanidad. Las señales de participación se observan cuidadosamente porque revelan qué contenido genera la respuesta algorítmica y la participación de la comunidad de la que dependen los otros pilares. El cambio de comportamiento y las decisiones se optimizan implacablemente, porque esos son los resultados que el contenido debe producir. Cada campaña realizada de esta manera se convierte en el prototipo de la siguiente. Los datos de este ciclo financian mejores decisiones en el próximo.
Para las organizaciones que tienen como objetivo estratégico la “confianza” en lugar del “efectivo”, particularmente en contextos gubernamentales y del sector público, el Trust Scorecard de Hon and Grunig proporciona un enfoque de medición cuantificable. Evalúa la confianza a través de tres dimensiones: integridad, medida en función de si las partes interesadas creen que la organización trata a las personas de manera justa y las considera en las decisiones; Confiabilidad, medida en función de si las partes interesadas creen que la organización cumple con sus compromisos; y Competencia, medida en función de si las partes interesadas creen que la organización puede cumplir lo que promete. Las partes interesadas califican estas dimensiones en una escala Likert, lo que produce una puntuación de confianza cuantificable que puede rastrearse a lo largo del tiempo y correlacionarse con el contenido y la actividad de la campaña.
DIRHAM en acción: la campaña de invierno más fresca del mundo
Los marcos abstractos ganan su lugar al explicar resultados reales. La campaña El invierno más fresco del mundo en los Emiratos Árabes Unidos, que concluyó el 2 de febrero de 2026, es un ejemplo inusualmente claro del modelo DIRHAM funcionando a gran escala, porque el marco no se aplicó después del hecho. La distribución fue el modelo desde el principio.
La estrategia de medios pagos de la campaña utilizó TikTok y Snapchat como canales principales, con videos cinematográficos de formato corto creados específicamente para el comportamiento de desplazamiento en lugar de para visualización en vivo. Formatos de experiencia instantánea conectados directamente a la reserva de destino, reduciendo la distancia entre el descubrimiento y la acción. Fundamentalmente, el gasto pagado se implementó para generar encendido algorítmico en lugar de generar impresiones. El objetivo era obtener suficientes señales de participación temprana para que el intercambio orgánico hiciera avanzar la campaña, que es exactamente lo que sucedió. Pagado encendió el fuego. Lo orgánico lo mantuvo ardiendo.
Por el lado de los influencers, la campaña evitó la trampa de centralizar su voz. En lugar de un solo portavoz, implementó misiones de influencia estructuradas en distintos segmentos de audiencia. Los creadores de estilos de vida en TikTok destacaron experiencias de aventura y entretenimiento, llegando a audiencias que buscaban algo inesperado que hacer. Voces profesionales en LinkedIn destacaron a los Emiratos Árabes Unidos como un destino para viajes familiares y de trabajo remoto, llegando a audiencias cuyas prioridades son completamente diferentes. La lógica estratégica era que la diversidad de influencia produce diversidad de alcance. La confianza se construye a través de voces locales creíbles, no a través de un mensaje corporativo pulido transmitido a escala.
La dimensión regional de la campaña reveló algo que una simple localización habría pasado por alto. El contenido en inglés se creó en torno a la aventura, las joyas ocultas y el tipo de descubrimiento activo que atrae a los visitantes que se acercan al país como viajeros. El contenido en idioma árabe se creó en torno al patrimonio, la privacidad y la familia, utilizando dialectos locales y temas centrados en la familia que resonaron entre los residentes y visitantes regionales a través de una lógica cultural completamente diferente. El mismo destino, comunicado a través de marcos completamente diferentes. Esa especificidad hizo dos cosas simultáneamente: hizo que el contenido fuera más resonante para las audiencias humanas y dio a los sistemas de descubrimiento de IA las señales categóricas claras que necesitan para ofrecer contenido a las personas adecuadas. La estrategia regional no fue sólo un esfuerzo de localización. Era una señal de autoridad.
El mecanismo de contenido híbrido en el centro de la campaña fue un sistema de pasaporte digital gamificado que invitaba a los visitantes a ganar sellos al experimentar los siete Emiratos, con desafíos fotográficos e incentivos de finalización que recompensaban el comportamiento real en lugar de la atención pasiva. Esto unió el descubrimiento de contenido digital con el comportamiento de viaje físico y reclutó participantes como creadores de contenido en el proceso. Cada visitante que compartía una fotografía o completaba un desafío generaba contenido de usuario auténtico que ningún equipo de marca podría haber producido de forma centralizada. La estrategia de visibilidad de la IA de la campaña dependía exactamente de este tipo de volumen: miles de residentes de los EAU que publicaban bajo hashtags compartidos crearon simultáneamente lo que la campaña llamó una Tormenta de Señales. Esa masa de contenido auténtico, orgánico y contextualmente rico alimentó los sistemas de descubrimiento de IA con la señal constante de alto volumen que establece la autoridad temática a escala. No se pueden fabricar pruebas sociales de este tipo. Debe diseñarse a través de una participación genuina.
Los resultados validaron el modelo. La campaña generó 12.500 millones de AED en ingresos hoteleros, atrajo a 5 millones de huéspedes, lo que representa un aumento del 5 % con respecto al período anterior, y logró una tasa de ocupación hotelera del 84 % en todo el país. Estos son resultados de comportamiento, no recuentos de impresiones. Son el resultado directo de estrategias de distribución basadas en cómo las personas realmente descubren, evalúan y actúan sobre el contenido. Cuando la distribución se alinea con el comportamiento, la visibilidad aumenta.
El flujo de trabajo integrado
Comprender cada pilar individualmente es necesario pero insuficiente. Lo que hace que DIRHAM funcione como sistema es la forma en que interactúan los pilares y dónde se rompe la interacción.
La publicidad digital sin relevancia del contenido genera clics que no producen ninguna señal que valga la pena amplificar. El alcance de los influencers sin una confianza genuina se desperdicia en una audiencia que ya ha aprendido a filtrar el contenido de marca. La especificidad regional sin participación híbrida fija el contenido en su lugar sin reclutar a la red para llevarlo más allá. La visibilidad de la IA sin claridad estructural deja el contenido autorizado invisible para los sistemas que de otro modo lo sacarían a la luz. La medición que informa sobre impresiones en lugar de cambios de comportamiento le indica lo que sucedió el último trimestre sin informarle qué debe hacer en este. Cada elemento depende de los demás. La debilidad en un área suprime los resultados en todo el sistema.
El flujo de trabajo que mantiene todo esto unido funciona como un bucle continuo. Comienza con señales pagas para ganar atención algorítmica, avanza a través de la validación de personas influyentes para establecer la confianza humana, se ancla en el contexto local para señalar relevancia tanto para los algoritmos como para las audiencias, se amplifica a través de la participación diseñando para que los usuarios se conviertan en distribuidores, optimiza la legibilidad de las máquinas, para que los sistemas de inteligencia artificial puedan analizar y citar el contenido, y cierra con la medición del impacto en el comportamiento. Luego, esa medición determina el presupuesto, la orientación y las decisiones creativas que inician el siguiente ciclo. La medición se conecta directamente a la D. El bucle es continuo en lugar de lineal, y la información que fluye desde la M hacia la D es lo que hace que el sistema mejore con el tiempo.
Conclusiones clave
Después de crear un borrador de mi curso en línea actualizado sobre marketing de contenidos, se lo envié a Bailey para que lo revisara. Bromeó: “Excelente marco. ¿Tiene derechos de autor?”
Puede adoptar DIRHAM Framework con la misma confianza. ¿Por qué? Porque William Gibson, un escritor de ficción especulativa, fue extrañamente profético cuando observó: “El futuro ha llegado, pero aún no está distribuido de manera equitativa”.
La campaña El invierno más fresco del mundo demostró cuatro principios que se aplican en contextos mucho más allá del turismo en los EAU.
- La visibilidad está diseñada. En la era de la IA, el alcance no es accidental. Está diseñado, y el diseño debe tener en cuenta los tres guardianes que ahora se interponen entre el contenido y la audiencia. La distribución ya no puede considerarse como el paso final de un proceso de contenido. Debe ser la arquitectura alrededor de la cual se construye el contenido.
- La visibilidad supera al volumen. La colocación estratégica supera la producción en masa. Una cantidad menor de contenido creado para el contexto de comportamiento específico de cada sistema de descubrimiento y cada audiencia regional superará consistentemente a un volumen mayor de contenido genérico distribuido en canales sin intención estratégica.
- Confiar sobre el esmalte. Las voces locales auténticas superan a las narraciones corporativas, y la brecha se amplía a medida que el contenido de IA inunda todas las plataformas. La credibilidad humana es el recurso más escaso en el entorno informativo actual, lo que significa que la estrategia del influencer debe evaluarse en función de la profundidad de la confianza que el creador ha construido, no del tamaño de la audiencia que ha acumulado.
- La medición cambia el comportamiento. Las métricas que no alteran las decisiones tomadas en el próximo ciclo no miden nada útil. Los únicos números que vale la pena seguir son aquellos que le indican qué hacer de manera diferente.
El modelo DIRHAM es sistémico, escalable y está diseñado para adaptarse a medida que evolucionan las plataformas y los algoritmos, porque se basa en el comportamiento de descubrimiento humano más que en la mecánica específica de cualquier plataforma en particular. El contenido compite primero en distribución. Eso siempre ha sido cierto hasta cierto punto, pero nunca ha sido tan trascendental como lo es ahora.
Más recursos:
Imagen de portada: Tetiana Yurchenko/Shutterstock
