Modelado Predictivo de Compromiso en Instagram: Machine Learning Aplicado al Sector de Juegos

Beatriz Shida Diliberti; Adriana Camargo de Brito

DOI: 10.22167/2675-6528-202602719

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

Las redes sociales son canales estratégicos para las marcas, especialmente en la industria de los videojuegos, donde el engagement en Instagram es una métrica crucial. Se investigó la capacidad predictiva de características estructurales, temporales, textuales y visuales sobre el engagement de publicaciones de videojuegos en Instagram, utilizando técnicas supervisadas de machine learning en un enfoque progresivo y multimodal. La investigación utilizó datos administrativos de 2.125 publicaciones de dos perfiles oficiales de juegos, enfocados en los públicos brasileño y latinoamericano. La tasa de engagement se operacionalizó como una clasificación binaria basada en la mediana. Se evaluaron los algoritmos Regresión Logística, Random Forest y XGBoost en tres clasificaciones progresivas, incorporando datos estructurales, atributos visuales perceptuales vía OpenCV y representaciones semánticas del modelo CLIP ViT-B/32. En la clasificación con datos estructurales, Random Forest obtuvo un AUC-ROC de 0,84 y un F1-score de 0,78, indicando una capacidad predictiva limitada. Con la inclusión de atributos visuales perceptuales y semánticos, el AUC-ROC se elevó a 0,88 y el F1-score a 0,81. Los resultados demostraron que el contenido visual ejerce un papel central en la predicción del engagement y que la integración de múltiples modalidades es fundamental para modelar con mayor precisión la respuesta del público en contextos de videojuegos.

Palabras clave: Clasificación multimodal; Instagram; machine learning; marketing de videojuegos; predicción de engagement.

1. Introducción

Las redes sociales han transformado la forma en que las marcas y los consumidores interactúan, convirtiéndose en canales estratégicos para la comunicación y el marketing digital. En América Latina, Instagram es una de las plataformas de mayor relevancia. Según el informe Digital 2024: Brazil (2024), Brasil cuenta con más de 110 millones de usuarios activos, posicionándose como el segundo mercado más grande de la red en el mundo. En el escenario regional, Instagram actúa como un canal central de descubrimiento de contenido, influyendo directamente en el comportamiento de consumo y la lealtad a la marca. Esta relevancia es aún mayor en el sector de los videojuegos, donde editoras y desarrolladoras utilizan la plataforma para promocionar tráileres, actualizaciones y campañas promocionales.

En este entorno competitivo, la evaluación del rendimiento de las publicaciones se vuelve fundamental, y el engagement asume un papel central en el análisis del rendimiento digital. El engagement en redes sociales puede entenderse como la respuesta conductual del público ante un estímulo de contenido, manifestada a través de acciones observables como me gusta, comentarios, compartidos y guardados. Aunque el concepto posee dimensiones cognitivas y emocionales, las revisiones de la literatura indican que, en el contexto empírico de las plataformas digitales, el engagement se operacionaliza predominantemente a través de estas interacciones medibles (Trunfio y Rossi, 2021). Además, el fenómeno presenta un carácter multifactorial, siendo influenciado por factores como la exposición obtenida por la publicación, las características visuales y textuales del contenido, el momento de la publicación y los mecanismos algorítmicos de distribución. Estudios sobre difusión de contenido demuestran que las métricas de popularidad digital tienden a presentar una distribución altamente asimétrica y una dinámica temporal acumulativa, en la que las interacciones iniciales pueden influir en la trayectoria futura de crecimiento del contenido (Cheng et al., 2014). Así, el engagement no debe interpretarse como una métrica aislada, sino como el resultado de la interacción entre múltiples determinantes que varían a lo largo del tiempo y del contexto competitivo de la plataforma. La base de cálculo del rendimiento también ha evolucionado, siendo la eficacia de una campaña medida de forma más fidedigna a través del alcance, que contabiliza el número de usuarios únicos impactados (Kwai Mui y Tong Ming, 2020), y no solo por el número total de seguidores. Esta normalización es crucial para comparar el rendimiento entre diferentes perfiles. El engagement, sin embargo, ha pasado por una redefinición a lo largo de los años, con estudios más recientes que sugieren que acciones de mayor profundidad, como el compartir y guardar publicaciones, son indicadores fundamentales de la conexión del consumidor con la marca, yendo más allá de las métricas tradicionales centradas solo en me gusta y comentarios (Alvarez-Milán et al., 2018; Kotler y Keller, 2013).

Para lidiar con esta complejidad, se han aplicado técnicas de machine learning a la predicción de engagement en redes sociales, permitiendo identificar patrones en grandes volúmenes de datos y capturar relaciones no lineales entre variables. Estudios demuestran que la integración de datos textuales y contextuales es esencial para identificar patrones de popularidad (Moro et al., 2016; Xu et al., 2025). Más recientemente, enfoques multimodales que combinan información textual y visual han demostrado ganancias expresivas de rendimiento predictivo en relación con modelos basados exclusivamente en metadatos estructurales (Philp et al., 2022; Meghawat et al., 2018). Como red orientada a la estética, Instagram motiva el uso de enfoques multimodales (Baltrušaitis et al., 2017), integrando texto e imagen. Modelos avanzados de representación visual, como el Contrastive Language-Image Pretraining (CLIP), desarrollado por OpenAI (Radford et al., 2021), permiten capturar aspectos de composición y estilo que impactan el engagement, especialmente en el sector de los videojuegos, donde la calidad visual del contenido es un elemento central de la comunicación con el público (Kruk et al., 2019). A pesar del creciente interés académico en la predicción de engagement en redes sociales, estudios que adopten un enfoque progresivo y multimodal, evaluando la ganancia incremental de cada modalidad de dato, aún son escasos en la literatura, especialmente en el sector de los videojuegos en el contexto latinoamericano (Philp et al., 2022; Moro et al., 2016).

Ante este contexto, la escasez de estudios que exploran la capacidad predictiva de múltiples modalidades de datos en un enfoque progresivo en el sector de los videojuegos y en el escenario latinoamericano justifica la relevancia de esta investigación. El objetivo de este estudio es investigar la capacidad predictiva de características estructurales, temporales, textuales y visuales sobre el compromiso de publicaciones de videojuegos en Instagram, a través de técnicas supervisadas de machine learning en un enfoque progresivo y multimodal. El alcance del análisis se centra en contenidos relacionados con juegos del género battle royale para plataformas PC y Consola, con enfoque en el público brasileño y latinoamericano.

2. Material y Métodos

La presente investigación se caracterizó como un estudio de naturaleza aplicada, con enfoque cuantitativo y objetivos descriptivos y explicativos, con el fin de analizar el rendimiento de publicaciones de videojuegos en Instagram y evaluar el potencial predictivo de variables estructurales, temporales, textuales y visuales sobre la participación del público (Gil, 2008). La ejecución del estudio se realizó en lenguaje Python (versión 3.x), en el entorno Google Colab, utilizando bibliotecas como Pandas (McKinney, 2010) y NumPy (Harris et al., 2020) para la manipulación de datos, y Scikit-learn (Pedregosa et al., 2011) para la implementación de modelos y métricas.

El estudio se estructuró en dos enfoques complementarios de modelado predictivo: predicción continua de la tasa de participación y clasificación binaria de la participación, utilizando datos multimodales derivados de las publicaciones. Inicialmente, se llevó a cabo una etapa exploratoria de regresión continua para estimar directamente la tasa de participación a partir de variables estructurales, temporales y textuales. Posteriormente, el problema se reformuló como una tarea de clasificación binaria, distinguiendo publicaciones de alta y baja participación basándose en la mediana del conjunto de entrenamiento, debido a la distribución asimétrica de la variable en entornos digitales (Cheng et al., 2014; Moro et al., 2016).

La etapa de clasificación se desarrolló en un enfoque progresivo y multimodal, incorporando diferentes tipos de datos de forma incremental. En primer lugar, se utilizaron variables estructurales, temporales y textuales. A continuación, se incorporaron atributos visuales perceptuales extraídos a través de OpenCV. Finalmente, se incluyeron representaciones semánticas obtenidas mediante el modelo CLIP. Esta estrategia permitió evaluar la ganancia incremental de cada modalidad de dato en la capacidad predictiva de los modelos (Philp et al., 2022; Meghawat et al., 2018; Baltrušaitis et al., 2017).

Los datos fueron recolectados a partir de dos perfiles oficiales de videojuegos del género “battle royale”, pertenecientes a una misma publicadora, siendo un perfil enfocado al público latinoamericano y otro al público brasileño. La recolección se basó en datos administrativos primarios extraídos de la plataforma Instagram, por medio de informes disponibles en el “Meta Business Suite”. Para asegurar la correspondencia entre metadatos y archivos multimedia, cada publicación fue identificada por un código único (post_id).

La extracción de los datos se llevó a cabo en dos frentes complementarios. Los metadatos de las publicaciones, que contienen información estructural, temporal y textual, se exportaron en formato JSON. Los informes de rendimiento de las publicaciones, incluyendo métricas de alcance e interacciones, se obtuvieron en formato CSV. Los archivos JSON se procesaron mediante las bibliotecas zipfile y json de Python, con consolidación vía Pandas (McKinney, 2010), mientras que los CSV se cargaron directamente.

Para integrar las dos fuentes de datos, se aplicó el procedimiento de “matching”, técnica de correspondencia entre registros provenientes de bases distintas (Christen, 2012; Rahm y Do, 2000). La correspondencia se estableció por medio de la fecha de publicación (day_key) y de un identificador textual derivado de los primeros caracteres de la leyenda de cada publicación (caption_key). Las leyendas pasaron por corrección de codificación de caracteres para garantizar la integridad del texto (Rahm y Do, 2000).

Después de filtrar inconsistencias y eliminar duplicados, se obtuvo una base analítica compuesta por 2.125 publicaciones para la clasificación con datos estructurales. Un proceso de filtrado inicial eliminó 795 publicaciones sin datos de alcance. Posteriormente, se eliminaron 1.655 publicaciones en el proceso de “matching” y filtrado de inconsistencias, lo que resultó en la base final de 2.125 publicaciones.

A partir de los datos brutos recolectados, se extrajeron y derivaron las variables utilizadas en el estudio. De la fecha de publicación, se obtuvieron la hora (hora) y el día de la semana (dia_semana). De la leyenda, se calcularon el tamaño del texto (tam_legenda), la cantidad de hashtags (qtd_hashtags) y la presencia de CTA (presenca_cta). Del alcance y de las interacciones, se calculó la tasa de engagement (eng_rate), definida como la razón entre el total de interacciones (me gusta y comentarios) y el alcance de la publicación. Del número de diapositivas, se obtuvo la variable qtd_slides. La variable referente al formato de la publicación (imagen, carrusel o video) fue recolectada, pero excluida de los modelos predictivos debido a inconsistencias en la distribución temporal (Bergmeir y Benítez, 2012).

De las imágenes estáticas, disponibles en 1.416 de las 2.125 publicaciones, se extrajeron atributos visuales perceptuales vía OpenCV (Bradski, 2000) y representaciones semánticas vía CLIP (Radford et al., 2021). Las imágenes estáticas fueron seleccionadas para las clasificaciones visual perceptual y semántica, excluyendo vídeos y publicaciones sin archivo de imagen asociado. Este filtro resultó en la reducción de la base a 1.416 publicaciones con imágenes estáticas válidas.

Los atributos visuales perceptuales extraídos vía OpenCV incluyeron brillo (intensidad media de los píxeles en escala de grises), contraste (variación de tonos de la imagen, desviación estándar de los píxeles), entropía (complejidad visual vía Entropía de Shannon, 1948), bordes (densidad de bordes vía detector de Canny, 1986) y nitidez (nivel de nitidez vía varianza del operador Laplaciano, Marr e Hildreth, 1980). Estas métricas se calcularon sobre la versión en escala de grises de cada imagen.

Las representaciones semánticas fueron extraídas por el modelo CLIP ViT-B/32 (Radford et al., 2021). Cada imagen fue redimensionada a 224×224 píxeles y segmentada en “patches” de 32×32 píxeles, procesados por el “encoder” visual del modelo para generar un vector de “embedding” con 512 dimensiones (Dosovitskiy et al., 2021). Estos vectores fueron reducidos a 10 componentes mediante Análisis de Componentes Principales [PCA] (Jolliffe, 2002), resultando en las variables `clip_pca_0` a `clip_pca_9`.

Para la modelización predictiva por regresión continua, se evaluaron los modelos Ridge, Random Forest Regressor y XGBoost Regressor. El rendimiento se evaluó mediante las métricas Error Absoluto Medio [MAE], Raíz del Error Cuadrático Medio [RMSE] y Coeficiente de Determinación [R²] (Chicco et al., 2021). La validación fue temporal, con el 80% de los datos para entrenamiento y el 20% para prueba (Bergmeir y Benítez, 2012).

En la clasificación binaria, las publicaciones se clasificaron como de alto compromiso (valor 1) si la tasa de compromiso superaba la mediana del conjunto de entrenamiento, y de bajo compromiso (valor 0) en los demás casos. Se evaluaron tres algoritmos de clasificación supervisada: Regresión Logística, Random Forest Classifier y XGBoost Classifier (Breiman, 2001; Chen y Guestrin, 2016; Fávero y Belfiore, 2024).

Para mitigar el riesgo de desequilibrio entre los grupos de alto y bajo compromiso, en la Regresión Logística y en el Random Forest, se utilizó el parámetro “class_weight=balanced” (Pedregosa et al., 2011). En XGBoost, el ajuste equivalente se realizó mediante el parámetro “scale_pos_weight” (Chen y Guestrin, 2016). Las variables de entrada de la Regresión Logística se estandarizaron por “z-score” antes del entrenamiento (James et al., 2013).

La estrategia de división entre entrenamiento y prueba varió según la clasificación. Para la clasificación con datos estructurales (2.125 publicaciones), se adoptó validación temporal (80% entrenamiento, 20% prueba). En las clasificaciones visual perceptual y semántica (1.416 publicaciones con imágenes estáticas), se utilizó el “split” estratificado en la proporción 80/20, asegurando que publicaciones de alto y bajo compromiso estuvieran representadas en la misma proporción (James et al., 2013; Pedregosa et al., 2011).

Para medir el rendimiento de los modelos de clasificación binaria, se adoptaron métricas como el Área bajo la curva ROC [AUC-ROC], la puntuación F1, la precisión, la revocación y la matriz de confusión (Chicco et al., 2021; Willmott y Matsuura, 2005). El AUC-ROC fue la métrica principal, por ser robusta al desequilibrio entre los grupos y por medir la capacidad discriminatoria del modelo independientemente del umbral de decisión (Fávero y Belfiore, 2024).

Para verificar que los resultados obtenidos reflejan asociaciones genuinas entre las variables analizadas y el engagement de las publicaciones, se realizó una prueba de permutación sobre el subconjunto de las clasificaciones visual perceptual y semántica. El procedimiento consistió en barajar aleatoriamente las etiquetas de alto y bajo engagement de las publicaciones y repetir el entrenamiento del modelo Random Forest en 20 iteraciones independientes (Ojala y Garriga, 2010; Molnar, 2022).

3. Resultados y Discusión

Los resultados de la investigación se presentan en una secuencia de cuatro etapas, siguiendo el enfoque predictivo y multimodal delineado en la metodología. Inicialmente, se exploró la regresión continua, seguida por la clasificación binaria del compromiso con datos estructurales. Posteriormente, se incorporaron atributos visuales perceptuales y, finalmente, representaciones semánticas. Esta estructura permite un análisis detallado de la ganancia incremental en la capacidad predictiva de los modelos a medida que se integra cada nueva modalidad de dato, ofreciendo una comprensión profunda de los factores que influyen en el compromiso en publicaciones de videojuegos en Instagram.

Análisis de la tasa de participación

Inicialmente, se presentó el comportamiento de la tasa de engagement, variable dependiente del estudio. Sobre la base de 2.125 publicaciones analizadas, la media de engagement fue del 2,71%, mientras que la mediana registró el 1,18%. Esta diferencia significativa entre los valores indica que pocas publicaciones concentran la mayor parte de las interacciones, mientras que la mayoría exhibe niveles más bajos de engagement. Tal patrón es consistente con la literatura sobre redes sociales, que describe una distribución desigual de las interacciones entre contenidos, fenómeno conocido como desigualdad de atención (Bakhshi et al., 2014; Lerman y Hogg, 2010; Zhu y Lerman, 2016). La distribución de la tasa de engagement reveló una asimetría positiva, con la mediana y la media distantes, confirmando que el engagement no se distribuye uniformemente entre las publicaciones.

Regresión continua

En la etapa exploratoria de regresión continua, los modelos evaluados — Ridge, Random Forest Regressor y XGBoost Regressor — demostraron un bajo rendimiento predictivo. En todos los casos, el coeficiente de determinación (R²) fue negativo, lo que indica que los modelos no lograron predecir el engagement de manera más eficaz que un enfoque basado simplemente en la media del conjunto de entrenamiento. Por ejemplo, el modelo Ridge obtuvo un Error Absoluto Medio (MAE) de 0,0221 y una Raíz del Error Cuadrático Medio (RMSE) de 0,0284, mientras que el Random Forest Regressor y el XGBoost Regressor presentaron MAE de 0,0249 y 0,0246, y RMSE de 0,0409 y 0,0499, respectivamente. Estos resultados sugieren que las variables estructurales aisladas no fueron suficientes para explicar el engagement en el conjunto de prueba.

Este rendimiento limitado no representa una falla metodológica, sino una característica de fenómenos con alta variabilidad y ruido, como se observó en estudios anteriores (Cheng et al., 2014; Moro et al., 2016). El compromiso en redes sociales está influenciado por factores contextuales y latentes que no son capturados por variables estructurales simples, como la hora de publicación o el tamaño de la leyenda. Dada esta limitación, el problema se reformuló como una tarea de clasificación binaria, distinguiendo publicaciones de alto y bajo compromiso basándose en la mediana del conjunto de entrenamiento, un enfoque predictivo más adecuado para la predicción de popularidad en redes sociales (Philp et al., 2022). Se observó que incluso modelos no lineales, como Random Forest y XGBoost, no superaron el rendimiento del modelo lineal Ridge en esta fase inicial, lo que refuerza la necesidad de incorporar nuevas dimensiones de datos.

Clasificación con datos estructurales

Con la reformulación del problema a clasificación binaria, los modelos fueron reevaluados utilizando exclusivamente datos estructurales, temporales y textuales. El algoritmo Random Forest obtuvo el mejor rendimiento general, registrando un Área bajo la Curva ROC (AUC-ROC) de 0,84 y un F1-score de 0,78. El XGBoost presentó resultados muy cercanos, con AUC-ROC de 0,84 y F1-score de 0,77. La Regresión Logística, aunque con un rendimiento ligeramente inferior, alcanzó una AUC-ROC de 0,80 y F1-score de 0,76, indicando que incluso un modelo más simple puede identificar patrones entre las variables estructurales y el compromiso.

El análisis de la matriz de confusión del modelo Random Forest, considerando un conjunto de prueba de 425 publicaciones, reveló que 174 fueron identificadas correctamente como de alto compromiso y 157 como de bajo compromiso. Se observaron 94 clasificaciones incorrectas, siendo 56 falsos positivos (publicaciones de bajo compromiso clasificadas como altas) y 38 falsos negativos (publicaciones de alto compromiso clasificadas como bajas). Esta distribución sugiere una tendencia del modelo a sobreestimar las publicaciones de alto compromiso. Aunque moderado, este rendimiento representa un avance significativo en comparación con la regresión continua, donde los modelos no lograron superar una predicción basada en la media.

La AUC-ROC de 0,84, obtenida con variables exclusivamente estructurales, temporales y textuales, demuestra que metadatos operacionales de las publicaciones, como la hora de publicación, el tamaño del pie de foto y la presencia de Call to Action (CTA), poseen una capacidad predictiva real, pero limitada. Este hallazgo está en consonancia con estudios anteriores que indican el poder explicativo restringido de metadatos estructurales aislados en la predicción de engagement, reforzando la necesidad de integrar dimensiones adicionales de contenido para mejorar el rendimiento predictivo de los modelos (Moro et al., 2016; Philp et al., 2022).

Clasificación con datos visuales perceptuales

La incorporación de variables visuales perceptuales, extraídas vía OpenCV, a las variables estructurales, temporales y textuales resultó en una ganancia expresiva en el rendimiento de los modelos. El Random Forest se mantuvo como el algoritmo de mejor rendimiento, alcanzando una AUC-ROC de 0,88 y un F1-score de 0,81. Este resultado representa un aumento de 0,04 puntos en la AUC-ROC en relación a la clasificación anterior, con datos estructurales. El XGBoost también presentó mejora, alcanzando AUC-ROC de 0,87 y F1-score de 0,80. La Regresión Logística, por su parte, alcanzó AUC-ROC de 0,83 y F1-score de 0,76.

Las características visuales de bajo nivel, como brillo, contraste, entropía y densidad de bordes, extraídas directamente de los píxeles de la imagen sin interpretación semántica, contribuyeron de manera relevante a la predicción del engagement. La matriz de confusión del Random Forest para esta fase indicó que el modelo clasificó correctamente 114 publicaciones de bajo engagement y 116 de alto engagement. Se registraron 28 falsos positivos y 26 falsos negativos, evidenciando una reducción en el volumen de errores en comparación con la clasificación basada solo en datos estructurales. Esta ganancia informacional corrobora estudios que asocian propiedades de luminosidad y complejidad visual al rendimiento de publicaciones en redes sociales (Kruk et al., 2019; Meghawat et al., 2018).

Clasificación con datos semánticos

En la clasificación semántica, las variables visuales perceptuales fueron sustituidas por representaciones semánticas, obtenidas por el modelo CLIP ViT-B/32 y reducidas a diez componentes mediante Análisis de Componentes Principales (PCA). Los resultados demostraron un rendimiento equivalente al de la clasificación visual perceptual para los algoritmos Random Forest y XGBoost. Ambos alcanzaron un AUC-ROC de 0,88 y un F1-score de 0,81, confirmando la robustez de la inclusión de información visual. La Regresión Logística, sin embargo, presentó la mayor ganancia incremental entre las etapas, alcanzando un AUC-ROC de 0,86 y un F1-score de 0,79, lo que sugiere que las representaciones semánticas de alta dimensionalidad capturan patrones más linealmente separables que atributos perceptuales simples.

La matriz de confusión del Random Forest para la clasificación semántica mostró 119 publicaciones de bajo engagement y 112 de alto engagement clasificadas correctamente. Se identificaron 23 falsos positivos y 30 falsos negativos. Se observó una leve inversión en el patrón de errores en relación con la clasificación visual perceptual, con un volumen ligeramente mayor de falsos negativos. Esto indica que las representaciones semánticas del CLIP capturan de forma más consistente los patrones asociados al bajo engagement, aunque pueden no capturar integralmente elementos subjetivos que determinan el alto engagement en contextos de juegos electrónicos (Radford et al., 2021; Ohme et al., 2024).

Los resultados obtenidos confirman que la incorporación de información visual, ya sea perceptual o semántica, produce una ganancia consistente de rendimiento predictivo en relación con el uso exclusivo de metadatos estructurales. El algoritmo Random Forest se destacó como el más robusto a lo largo de las tres clasificaciones, manteniendo una AUC-ROC de 0,84 con datos estructurales y elevándola a 0,88 en las clasificaciones visual perceptual y semántica. El XGBoost también demostró un rendimiento competitivo, especialmente en la clasificación semántica, mientras que la Regresión Logística, aunque inicialmente inferior, aprovechó significativamente las representaciones semánticas del CLIP, evidenciando su capacidad de adaptación. Estos hallazgos son consistentes con la literatura sobre predicción de engagement en redes sociales, que señala ganancias expresivas al incorporar información visual a los modelos predictivos (Philp et al., 2022; Baltrušaitis et al., 2017).

Para asegurar la validez de los hallazgos, se realizó una prueba de permutación en el subconjunto de las clasificaciones visual perceptual y semántica. El modelo Random Forest se entrenó 20 veces con etiquetas de compromiso barajadas aleatoriamente, lo que resultó en una AUC-ROC promedio de 0,50, un valor cercano al azar. Este resultado contrasta fuertemente con la AUC-ROC de 0,88 obtenida por los modelos entrenados con las etiquetas reales, lo que confirma que el rendimiento observado no es producto de sobreajuste o de patrones espurios en los datos. La diferencia expresiva entre los escenarios valida que las asociaciones identificadas entre las variables predictoras y el compromiso son genuinas en el contexto analizado (Ojala y Garriga, 2010).

En resumen, el presente estudio analizó la capacidad predictiva de características estructurales, temporales, textuales y visuales sobre el engagement de publicaciones de videojuegos en Instagram, utilizando un enfoque progresivo y multimodal con técnicas de machine learning supervisadas. Los resultados demostraron que la incorporación de información visual al conjunto de variables predictoras produjo ganancias consistentes de rendimiento, respondiendo directamente al objetivo propuesto. Metadatos estructurales aislados presentaron capacidad predictiva real, pero limitada, con una AUC-ROC de 0,84 en la clasificación con datos estructurales. La inclusión de atributos visuales perceptuales vía OpenCV elevó este valor a 0,88, evidenciando la relevancia de propiedades como luminosidad, contraste, complejidad y nitidez de la imagen para el engagement en plataformas visuales como Instagram.

Las representaciones semánticas extraídas por el modelo CLIP ViT-B/32 mantuvieron el rendimiento para los modelos Random Forest y XGBoost, mientras que proporcionaron la mayor ganancia incremental para la Regresión Logística, lo que sugiere que los embeddings semánticos capturan patrones complementarios a los atributos perceptuales. La prueba de permutación confirmó que los resultados reflejan asociaciones reales entre las variables predictoras y el engagement, y no son artefactos del proceso de modelado. Sin embargo, es importante considerar las limitaciones del estudio, como el análisis restringido a publicaciones de solo dos perfiles oficiales de un único género de videojuegos, lo que puede restringir la generalización de los hallazgos. Además, los constantes cambios en los algoritmos de distribución de contenido de Instagram pueden alterar la relación entre las características de las publicaciones y el engagement observado a lo largo del tiempo.

4. Conclusión

El presente estudio investigó la capacidad predictiva de características estructurales, temporales, textuales y visuales sobre el engagement de publicaciones de videojuegos en Instagram, empleando técnicas supervisadas de machine learning en un enfoque predictivo y multimodal. Se verificó que el modelado inicial, basado exclusivamente en datos estructurales, temporales y textuales, presentó una capacidad predictiva real, pero limitada, con un AUC-ROC de 0,84 y F1-score de 0,78 para el algoritmo Random Forest. Sin embargo, la incorporación de atributos visuales perceptuales, extraídos vía OpenCV, elevó consistentemente el rendimiento de los modelos, alcanzando un AUC-ROC de 0,88 y F1-score de 0,81. Se observó que las representaciones semánticas, obtenidas por el modelo CLIP ViT-B/32, mantuvieron este nivel de rendimiento para los algoritmos Random Forest y XGBoost, y proporcionaron la mayor ganancia incremental para la Regresión Logística, sugiriendo que los embeddings semánticos capturan patrones complementarios a los atributos perceptuales. Una prueba de permutación confirmó que los resultados reflejan asociaciones genuinas entre las variables predictoras y el engagement, y no son artefactos del proceso de modelado.

La principal contribución de este trabajo reside en la demostración de que el contenido visual ejerce un papel central en la predicción de la participación en publicaciones de videojuegos en Instagram, y que la integración de múltiples modalidades de datos es fundamental para modelar con mayor precisión la respuesta del público. Este hallazgo ofrece perspectivas valiosas para estrategias de marketing digital en el sector de los videojuegos, permitiendo optimizar la creación de contenido para maximizar la interacción. Sin embargo, el estudio tiene limitaciones, dado que el análisis se restringió a publicaciones de solo dos perfiles oficiales de un único género de videojuegos, lo que puede restringir la generalización de los hallazgos a otros contextos y géneros. Adicionalmente, los constantes cambios en los algoritmos de distribución de contenido de Instagram pueden alterar la relación entre las características de las publicaciones y la participación observada a lo largo del tiempo. Se sugiere para estudios futuros la ampliación del análisis a otros perfiles y géneros de videojuegos, la incorporación de análisis de sentimiento de los comentarios y la aplicación de técnicas de interpretabilidad de modelos, como SHAP y LIME, para profundizar la comprensión de los patrones predictivos identificados.

Referencias Bibliográficas

Alvarez-Milán, A.; Felix, R.; Rauschnabel, P. A.; e Hinsch, C. 2018. Strategic customer engagement marketing: A decision making framework. Journal of Business Research, 92, 61-70.

Cheng, J., Adamic, L. A., Dow, P. A., Kleinberg, J., e Leskovec, J. (2014). Can cascades be predicted? WWW 2014 – Proceedings of the 23rd International Conference on World Wide Web, 925-935.

Digital 2024: Brazil. 2024. Digital 2024: Brazil. Disponível em: https://datareportal.com/reports/digital-2024-brazil. Acesso em: 19 set 2025.

Kotler, P., e Keller, K. L. 2013

Kwai Mui, C.; Tong Ming, L. 2023. A critical review on impression rate and pattern on social media sites. Journal of Digital Marketing Research, 5(1), 1–15.

Trunfio, M., e Rossi, S. 2021. Conceptualising and measuring social media engagement: A systematic literature review. In Italian Journal of Marketing (Vol. 2021, Number 3, pp. 267–292). Springer International Publishing.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy