¿Qué es el social listening (escucha social)?

En la investigación sobre comunicación, Margaret C. Stewart y Christa L. Arnold describieron en 2017, en el International Journal of Listening, la escucha social como un tipo de escucha que sirve para obtener información sobre otras personas e inteligencia social. En marketing, el término se usa para la escucha que hace una marca de lo que se dice sobre ella.

La diferencia práctica con la monitorización está en qué se hace con los datos. La monitorización registra menciones una a una: cuántas hay, dónde aparecen, cuáles necesitan respuesta. La escucha mira el conjunto: qué temas se repiten, qué quejas crecen, cómo cambia el tono después de un lanzamiento. La misma mención sirve a las dos. Para la monitorización, una queja sobre un envío retrasado es un caso que alguien debe contestar hoy. Para la escucha, es la tercera queja del mes sobre el mismo transportista, y eso es una decisión de logística.

El social listening encuentra también lo que la marca no controla: el contenido generado por el usuario que no la etiqueta, la mención de marca sin enlace en un foro o una conversación sobre un competidor. Es, por eso, una pieza de la parte de medición del marketing en redes sociales.

El trabajo tiene tres pasos: acceder a los datos, construir la consulta y clasificar lo encontrado.

El acceso depende de cada plataforma, y las condiciones cambian. Estado a 27 de octubre de 2026, según la documentación de cada una: - X: la API se paga por uso, sin suscripción; leer una publicación cuesta 0,005 dólares, con un límite de 3 millones de lecturas por ciclo mensual. Por encima hace falta un plan Enterprise. - Meta: CrowdTangle dejó de estar disponible el 14 de agosto de 2024. En la misma página, Meta remite a su Meta Content Library, que solo admite instituciones académicas u organizaciones sin ánimo de lucro con fines de investigación (página actualizada el 30 de abril de 2026). - Reddit: el uso comercial de su Data API exige un acuerdo aparte con Reddit (condiciones revisadas el 20 de julio de 2026). - TikTok: la Research API no está abierta a creadores, anunciantes ni usuarios comerciales (preguntas frecuentes actualizadas el 1 de septiembre de 2026). - YouTube: la Data API asigna por defecto 10.000 unidades diarias, con un cupo aparte de 100 búsquedas al día.

El Reglamento de Servicios Digitales obliga a las plataformas muy grandes a dar acceso a sus datos públicos, pero solo a investigadores que estudien riesgos sistémicos en la Unión (artículo 40.12). No es una vía para el marketing. Lo que puede ver una herramienta de escucha depende, por tanto, de los acuerdos que tenga con cada plataforma, y conviene preguntar qué fuentes cubre de verdad.

La consulta decide qué entra. Incluye el nombre de la marca, sus variantes y errores de escritura, los productos, los perfiles y los hashtags propios. Igual de importantes son las exclusiones. Una marca de coches llamada Jaguar necesita excluir el animal: ("Jaguar" OR #jaguar) -zoo -selva -felino. La documentación de la API de X fija algunas reglas que valen como ejemplo de sintaxis: - El guion antepuesto excluye publicaciones con ese término. - Los paréntesis agrupan operadores. - Un grupo entero no debe negarse: en lugar de esquí -(nieve OR día), se escribe esquí -nieve -día. - Un operador negado no puede ir solo. - La consulta tiene un límite de longitud, entre 512 y 4.096 caracteres según el tipo de búsqueda y de acceso.

Antes de dar una consulta por buena, se revisa a mano una muestra de resultados para ver qué se cuela y qué falta.

La escucha da datos que ninguna encuesta pregunta: el vocabulario real de los clientes, los problemas que se repiten y lo que dicen de la competencia. Pero tiene un límite que conviene conocer antes de mirar un gráfico de sentimiento.

El análisis automático del sentimiento falla con la ironía. Riloff y otros lo describieron en 2013: palabras con polaridad fuerte usadas de forma sarcástica pueden engañar con facilidad al análisis de sentimiento. «Genial, otra vez sin batería» lleva una palabra positiva y una queja. En la tarea 3 de SemEval-2018, una competición académica de detección de ironía en tuits en inglés con 3.834 tuits de entrenamiento y 784 de prueba, el mejor sistema alcanzó un F1 de 0,71 al decidir si un tuit era irónico y de 0,51 al distinguir tipos de ironía. F1 combina precisión y exhaustividad; 1 sería perfecto. Un porcentaje de menciones positivas sin revisión manual de una muestra dice poco.

La protección de datos también cuenta. Una publicación con nombre de usuario es un dato personal aunque sea pública, y analizarla necesita una base legal del RGPD (artículo 6). Si la base es el interés legítimo, el RGPD exige que no prevalezcan los intereses y derechos de las personas afectadas (artículo 6.1.f). Si el análisis deduce datos de categorías especiales, como salud u opiniones políticas, se aplican las condiciones del artículo 9.

• Separar la monitorización, con respuesta diaria, del análisis de escucha, con informe periódico.
• Escribir las exclusiones antes de lanzar la consulta y revisarlas con una muestra.
• Comprobar qué plataformas cubre la herramienta y con qué acceso.
• Revisar a mano una muestra del sentimiento cada periodo.
• Guardar solo los datos personales necesarios para el análisis.

• Llamar escucha a un recuento de menciones.
• Lanzar una consulta sin exclusiones para un nombre ambiguo.
• Tomar el sentimiento automático como cifra exacta.
• Suponer que la herramienta ve todas las redes por igual.
• Tratar las publicaciones públicas como datos libres de RGPD.