Actualizado el 10 de octubre de 2026: añadimos respuestas a las preguntas que más nos hacen los usuarios de Podawaa sobre quién interactúa con sus publicaciones.
El feed de LinkedIn no se limita a contar reacciones. Se fija en quién reacciona, en si esas personas tienen relación con el tema y en si su actividad lleva la publicación a un público al que de verdad le interese. La interacción de los perfiles equivocados puede no servir absolutamente de nada. En el peor de los casos, le enseña al algoritmo que tu publicación pertenece a los feeds equivocados.
Por eso hemos rediseñado la forma en que Podawaa decide quién interactúa con cada publicación, apoyándonos en Jev, el modelo de decisión de TypeSafe AI.
El problema del "por orden de llegada"
La mayoría de las herramientas de engagement llenan una publicación con quien esté disponible. Es rápido y sencillo. Pero también es a ciegas:
- La publicación de un fundador de SaaS sobre precios recibe reacciones de reclutadores, fotógrafos y estudiantes.
- Una publicación en francés recibe comentarios de personas que no leen francés.
- El mismo grupito de cuentas aparece una y otra vez en los mismos autores, y ese patrón salta a la vista.
El volumen sube y la relevancia baja. Nosotros queríamos justo lo contrario.
Por qué Jev y no un modelo de chatbot
El emparejamiento es una decisión, no una conversación. En cada publicación tenemos que responder cientos de veces a la misma pregunta: ¿encaja esta persona bajo esta publicación?
Un modelo de lenguaje de uso general responde con texto libre. Tendríamos que analizarlo, puede salirse del formato y, con ese volumen, resulta lento y caro.
Jev funciona de otra manera. Le das una situación y una pregunta tipada, y te devuelve una respuesta tipada con una probabilidad calibrada. Nunca te devuelve una redacción. Con tres tipos de pregunta cubrimos todo lo que necesitamos:
- Puntuación: valorar algo en una escala fija ("¿qué relevancia tiene este perfil para esta publicación: ninguna, baja, media, alta?").
- Elección: escoger una opción de una lista definida ("¿qué reacción encaja mejor?").
- Sí/no: una decisión directa con su probabilidad ("¿es plausible que esta persona comente esto?").
Como las respuestas siempre siguen el esquema que definimos, no hay nada que analizar ni nada que alucinar. Y como está diseñado para ser rápido, podemos preguntar por cada candidato en cada publicación.
Paso 1: describir la publicación y al candidato
Para cada publicación, creamos una descripción compacta de la situación:
- La publicación: su texto, idioma, formato (texto, imagen, carrusel, vídeo) y tema.
- El autor: titular, cargo, sector y mercado.
- Cada candidato a interactuar (miembros que han dado su consentimiento): titular, cargo actual, sector, nivel de experiencia, los temas sobre los que publica, los idiomas que usa y la región en la que está activo.
Solo usamos lo que LinkedIn ya hace público, más los ajustes que cada miembro elige en Podawaa.
Paso 2: filtrar con reglas fijas
Antes de preguntarle nada a Jev, aplicamos las reglas que nunca deberían depender de un modelo: idioma y mercado, cuotas del plan, disponibilidad y no interactuar jamás con tu propia publicación. Jev solo ve a los candidatos que de verdad cumplen los requisitos.
Paso 3: hacerle a Jev las preguntas adecuadas
Para cada candidato apto, Jev responde a una breve serie de preguntas tipadas sobre la publicación:
- ¿Qué relevancia tiene este perfil para el tema de la publicación? (Puntuación): el núcleo de la clasificación.
- ¿Es plausible que esta persona interactúe con esta publicación en la vida real? (Sí/no): descarta los emparejamientos poco naturales.
- ¿Encaja mejor que esta persona reaccione o que comente? (Elección): elige el tipo de interacción adecuado.
- ¿Qué reacción encaja mejor con la publicación? (Elección): elige entre Recomendar, Interesante, Celebrar…
Cada respuesta viene con una probabilidad. Eso es lo que hace fiable el sistema: cuando Jev no está seguro, lo sabemos, y no tratamos un emparejamiento dudoso como si fuera uno seguro.
Paso 4: formar un grupo de aspecto natural
El mejor resultado no es el perfil con más puntuación repetido en todas partes. Es un grupo bien repartido de personas relevantes que parezcan un público real. Por eso la selección final combina las puntuaciones calibradas de Jev con:
- Diversidad: las mismas cuentas no acaban una y otra vez en el mismo autor.
- Ritmo: las interacciones llegan a un ritmo natural, no todas de golpe.
- Umbrales de confianza: un emparejamiento de baja confianza solo entra cuando se han agotado las mejores opciones.
Paso 5: aprender de lo que pasa realmente
Después de cada boost, comparamos las predicciones de Jev con lo que ocurrió: hasta dónde llegó la publicación y qué interacciones dieron pie a conversaciones reales. Esa información ajusta nuestros umbrales y ponderaciones, de modo que el emparejamiento afina cada vez más para tus temas, tu idioma y tu público.
Qué cambia para ti
- Reacciones de tu sector. Tu publicación la ve gente de tu sector, y también las interacciones que recibe.
- Comentarios con sentido. Quienes comentan se eligen porque son relevantes para tu tema.
- Las reacciones adecuadas. Un lanzamiento de producto se celebra; un análisis a fondo se marca como interesante.
- Un patrón de interacción más sano. La diversidad y el ritmo hacen que tu actividad parezca lo que debe ser: el interés de un público relevante.
Lo que no hace
Queremos dejar claro dónde está el límite:
- El emparejamiento solo utiliza miembros que han dado su consentimiento en Podawaa, y solo señales públicas o que ellos mismos han configurado.
- No lee mensajes privados ni recopila más datos de los que necesita el emparejamiento.
- No garantiza alcance. Mejora quién interactúa, pero es LinkedIn quien sigue decidiendo hasta dónde llega una publicación.
Cómo empezar
No hay nada que configurar. El emparejamiento con Jev se aplica en cada boost en cuanto está disponible en tu plan. Para ayudarle a encontrarte mejores perfiles, asegúrate de que tu titular de LinkedIn y los ajustes de idioma y mercado de tu canal en Podawaa estén al día.
Preguntas frecuentes de los usuarios de Podawaa
¿Quién da los likes y los comentarios: miembros reales o cuentas automatizadas?
Miembros reales, desde sus propias cuentas de LinkedIn. Podawaa no gestiona cuentas propias. Las interacciones en una publicación con boost proceden de miembros que han decidido interactuar con las publicaciones de otros, repartidas en el tiempo.
¿Puedo elegir el país de las personas que interactúan, por ejemplo, solo perfiles italianos o solo brasileños?
Por país, no. El emparejamiento se hace por idioma y sector, no por ubicación geográfica. Una publicación escrita en francés la atienden miembros francófonos, una en español, miembros hispanohablantes, y así sucesivamente.
¿Qué idiomas están cubiertos? Mis publicaciones están en árabe o en italiano.
El inglés, el francés y el español tienen cada uno su propio público. Las publicaciones en otros idiomas las atiende el público angloparlante, así que sus comentarios se escriben en inglés. Preferimos decirlo desde el principio.
¿Cómo se decide el idioma de un boost?
A partir del texto de la propia publicación, no de los ajustes de tu cuenta. Si tu cuenta está en inglés y publicas en francés, el boost va a miembros francófonos.
¿Puedo segmentar por mi sector o mi perfil de cliente ideal?
Por sector, sí: puedes elegir grupos de sectores para un boost, y el panel de audiencia muestra de qué sectores proceden las personas que interactúan. La segmentación por cargo o empresa no está disponible.
¿Los comentarios se copian de plantillas?
No. Los redacta una IA para cada publicación, en el idioma de la publicación. También puedes escribir tus propios comentarios manualmente.




