# Analizar redes sociales con ChatGPT: qué datos pedir antes de creer la respuesta > Un análisis útil distingue lo que muestran tus métricas de lo que el modelo supone. Qué datos, periodos y referencias pedir para tomar una decisión. ## ChatGPT necesita datos de tus cuentas Analizar redes sociales con ChatGPT consiste en darle métricas y contexto para que ayude a comparar publicaciones, identificar preguntas y proponer pruebas. Para describir tu cuenta necesita información que tú aportes o una conexión autorizada a una herramienta que la tenga. Una respuesta general sobre Instagram no demuestra que haya revisado tus publicaciones. Define primero qué decisión quieres tomar. Elegir qué tema repetir requiere información distinta de revisar si una campaña produjo consultas. «Dime cómo mejorar mis redes» deja demasiadas cosas abiertas para comprobar la respuesta. ## Qué pedir junto con la conclusión Solicita el periodo analizado, las cuentas incluidas, la definición de cada métrica y referencias a las publicaciones. Pregunta también qué datos faltan. Un resultado debería permitirte volver a los registros originales y verificar una muestra. Si el asistente compara periodos, mantén su duración y aclara cuántas publicaciones hubo en cada uno. Cuando dispongas del dato, separa contenido pagado y orgánico. Una diferencia de distribución puede cambiar el resultado sin que el contenido sea mejor. ## Un número correcto puede llevar a una conclusión débil Imagina dos publicaciones: una tiene 100 interacciones y 10.000 impresiones; otra, 60 interacciones y 2.000 impresiones. Con la fórmula interacciones divididas por impresiones, las tasas serían 1 % y 3 %. Son datos ficticios para explicar la comparación; esa fórmula no es la definición universal de engagement. La primera tiene más interacciones absolutas. La segunda tiene una proporción mayor respecto de las impresiones. Ninguna observación demuestra por sí sola cuál generó más ventas ni por qué ocurrió la diferencia. ## Un pedido que deja espacio para reconocer límites Puedes plantearlo así: «Analiza las publicaciones de esta cuenta entre estas fechas. Muestra los datos utilizados y enlaces a cada publicación. Separa observaciones, posibles explicaciones y una prueba para la próxima semana. Si una métrica no está disponible, indícalo». La estructura obliga a distinguir niveles de certeza. Después revisa dos o tres referencias antes de aceptar el resumen. Si el modelo no puede recuperar una publicación o cambia de periodo sin explicarlo, corrige la base del análisis primero. ## Usar HeyMark como contexto del análisis HeyMark muestra métricas de cuentas conectadas y permite trabajar con asistentes. La [integración con ChatGPT](/es/integrations/chatgpt/) explica la conexión; si usas Claude, ya existe una [guía para conectarlo a HeyMark](/es/guides/conectar-claude-heymark/). La disponibilidad concreta depende de la red, la conexión y los datos que exponga la herramienta. No asumas que cualquier dato comercial o histórico está incluido. Una venta, por ejemplo, necesita evidencia adicional para atribuirla a una publicación. ## Qué hacer con el resultado Elige una prueba pequeña que puedas repetir y evaluar: mantener el formato y cambiar el tema, o responder una pregunta frecuente con información más clara. Anota de antemano qué mirarás al terminar. Si estás decidiendo qué herramienta usar, aplica estas preguntas en la [evaluación de herramientas de IA para community managers](/es/guides/evaluar-herramientas-ia-community-manager/). La explicación más convincente no siempre es la mejor sustentada. Un buen análisis te deja comprobar cómo llegó a su conclusión. ## Planifica el próximo post en HeyMark. Guarda la idea, revisa el texto con tu equipo y mira cómo le fue después en las cuentas que conectaste. [Empezar gratis](https://app.heymark.ai) · [Ver cómo funciona](https://heymark.ai/es/#product) ## Recursos para desarrolladores y agentes - [Documentación MCP de HeyMark](https://heymark.ai/es/mcp/) - [llms.txt](https://heymark.ai/llms.txt) - [Contenido completo del sitio para modelos de lenguaje](https://heymark.ai/llms-full.txt) - Endpoint del protocolo MCP: `POST https://mcp.heymark.ai` - Metadatos OAuth del recurso protegido: [/.well-known/oauth-protected-resource](https://mcp.heymark.ai/.well-known/oauth-protected-resource) - MCP server card: [/server-card](https://mcp.heymark.ai/server-card)