🌱 Empieza aquí · Instrumentación de métricas de contenido

Publicas una pieza y, cuando quieres saber cómo le fue de verdad, cada red enseña sus números en un lugar distinto, con nombres distintos, y algunas ni siquiera te dan la métrica que te importa. Esta semilla le pone a tu asistente un instrumento de medición: uno o dos días después de publicar, recolecta las métricas reales de cada pieza —automáticas cuando las hay y capturadas a mano cuando no—, traduce la meta que te fijaste a la métrica concreta de cada plataforma y te entrega un Reporte de Rendimiento limpio: real vs. tu meta, con el delta, y comparado contra tus piezas anteriores. Y trae una regla que no se negocia: lo que no se puede medir se marca "por confirmar", nunca se inventa.

Para instalarla

Abre esta carpeta con Claude Code o Cowork y dile a tu asistente:

"Siembra esta semilla 🌱"

Con eso basta de tu parte. Tu asistente hace el resto y al final te dice cómo comprobar que quedó funcionando. Vas a ver algunas palabras en inglés en la pantalla; ni caso, él te guía.

¿Otras formas de pedírselo? "instala esta semilla", "activa la medición de mi contenido", "haz el setup de esto". Te entiende igual.

Para el asistente que siembra 🤖

Este componente es una skill (habilidad): un método que el asistente carga y aplica cuando le piden medir cómo le fue a una pieza publicada. No es un programa ejecutable ni un hook (gancho de automatización): no lleva chmod, no lleva entrada en settings.json y no ejecuta ningún script por sí solo. Se "siembra" colocando el archivo del método donde tu plataforma cargue habilidades.

Nota: el método puede leer métricas de una API de analítica (si la persona tiene una fuente automática con su credencial) o funcionar en modo 100% captura manual desde los paneles nativos. No trae ninguna integración cableada ni credenciales; usa las de la persona o le pide capturar a mano. Verifica siempre que la fuente responda antes de barrer.

1. Copia la habilidad a su lugar

El kernel trae dos archivos:

• kernel/SKILL.md — el método en sí (el instrumento de medición).
• kernel/fuentes-de-datos.ejemplo.md — una plantilla para aterrizar el método a la operación real de la persona (de dónde salen sus métricas, en qué plataformas publica, sus umbrales por etapa y dónde guarda los reportes).

Claude Code (macOS / Linux / Windows con Git Bash):

mkdir -p "$HOME/.claude/skills/funnel-instrumentation"
cp kernel/SKILL.md "$HOME/.claude/skills/funnel-instrumentation/SKILL.md"
cp kernel/fuentes-de-datos.ejemplo.md "$HOME/.claude/skills/funnel-instrumentation/fuentes-de-datos.ejemplo.md"

Las carpetas dentro de ~/.claude/skills/ se cargan como habilidades disponibles. El asistente invoca esta cuando detecta que le piden medir una pieza o armar el reporte.

Cowork: coloca la carpeta funnel-instrumentation/ (con SKILL.md dentro) en la ruta de habilidades de tu proyecto si la soporta. Si no, guarda SKILL.md dentro del proyecto y agrega en el archivo de instrucciones (CLAUDE.md) una línea que apunte a él: "Cuando te pidan medir cómo le fue a una pieza publicada, aplica el método de funnel-instrumentation/SKILL.md."

Codex: Codex lee su archivo de instrucciones AGENTS.md. Pega el contenido de SKILL.md dentro de AGENTS.md (o agrégale un puntero al archivo si lo guardas aparte), para que el método se cargue con el resto de las instrucciones.

2. Aterriza la operación de ESTA persona (recomendado)

Abre kernel/fuentes-de-datos.ejemplo.md y, con la persona, llena su contexto: cuál es su fuente de datos automática (si tiene una) y dónde vive su credencial, en qué plataformas publica y qué métrica captura a mano en cada una, sus umbrales por etapa del embudo, dónde declara el KPI de cada pieza y dónde guarda los reportes. Guarda esa versión llena junto al SKILL.md. Sin esto el método funciona igual, pero con esto el instrumento deja de medir "en general" y mide contra la meta real de la persona. Si un umbral aún no lo tiene, déjalo en blanco: se tratará como "por confirmar", nunca se inventa.

3. Verificación post-siembra (obligatoria)

a) El archivo quedó colocado (ejemplo Claude Code):

ls -la "$HOME/.claude/skills/funnel-instrumentation/SKILL.md"; echo "exit=$?"

Salida esperada: una línea que lista el archivo (con su tamaño) y exit=0. Si sale No such file or directory, la copia no se hizo; repite el paso 1.

b) El método se aplica (prueba de comportamiento, en una conversación nueva): Pídele al asistente: "mídeme cómo le fue a la última pieza y arma el reporte de rendimiento". La conducta correcta es que primero verifique que hayan pasado al menos 24h y que la pieza esté publicada, luego recolecte las métricas por plataforma, traduzca la meta a la métrica de cada red y te devuelva un reporte con el par real vs. umbral (con el delta) y la comparación contra las piezas anteriores —marcando "por confirmar" cualquier dato que no pudo obtener, sin inventarlo. Si en vez de eso suelta números sueltos sin meta, o se inventa una cifra que no pudo medir, el método no se cargó: revisa que SKILL.md esté en la carpeta de habilidades (o dentro de AGENTS.md en Codex).

Cuando ambas partes pasen, avísale a la persona en una línea qué gana con esto.

✅ ¿Cómo sé que funcionó?

De ahora en adelante, cuando quieras saber cómo le fue a una pieza, le pides a tu asistente que la mida y te trae un reporte limpio: los números reales de cada red en un solo lugar, cada uno comparado contra la meta que te fijaste, y cómo vienes contra tus últimas piezas del mismo tema. Se acabó mirar seis pantallas distintas y sacar conclusiones a ojo. Y lo que no se puede medir te lo dice claro —"por confirmar"— en vez de inventártelo. Mides para aprender, no para adornar. 🌱