La mayoría de campañas de prospección que llegan a nuestra mesa para revisión tienen el mismo síntoma: una hoja de cálculo enorme y una tasa de respuesta del 1,2%. Y casi siempre el problema no está en el copy del correo. Está tres pasos antes, en el momento en que alguien decidió que scraping estratégico para outreach significaba «sacar todos los dominios que pueda del nicho».
¿Qué pasa cuando inviertes el orden? Que la herramienta manda sobre el criterio. Extraes lo que la herramienta sabe extraer, no lo que necesitas para conseguir una mención editorial real. En los últimos cuatro años hemos auditado 68 campañas de prospección de clientes nacionales, y en 51 de ellas el filtro de calidad se aplicó después de la extracción. Ese detalle explica casi todo lo demás.
Aquí no vas a encontrar un tutorial de selectores CSS. Vas a encontrar la lista de errores que nos ha costado dinero cometer, y el orden que usamos ahora para no repetirlos.
El error de empezar extrayendo datos en lugar de definiendo el criterio
El scraping estratégico aplicado a captación de enlaces consiste en definir primero una regla de exclusión escrita y verificable, validarla contra una muestra pequeña revisada a mano, y solo entonces automatizar la extracción sobre las fuentes que esa muestra demostró productivas. No es una técnica de descubrimiento masivo: es un método de escalado de algo que ya funciona.
Total, que la secuencia habitual es la contraria: alguien abre una herramienta, pega un footprint, exporta 4.000 URLs y luego se pregunta a quién de esos le interesa lo que tiene que ofrecer. Al revés. Siempre al revés.
Nuestra regla de selección actual se escribe antes de tocar nada, y ocupa entre cinco y ocho líneas. Tipo de medio, temática del último contenido publicado, existencia de autor identificable, frecuencia mínima de publicación, y una condición de encaje: qué gana esa web al enlazarnos. Si no puedes rellenar esa última línea, el candidato no entra. Punto.
Por qué un umbral de métricas no sirve como filtro
Un DR 40 no es una regla de selección, es un umbral, y los umbrales son lo más fácil de falsificar del mercado. En marzo de 2023 revisé una lista de 320 dominios que un cliente había comprado ya filtrada por DR 35+: 94 de ellos compartían la misma plantilla, el mismo aviso legal y tres direcciones IP. Umbral cumplido, criterio inexistente (y sí, alguien lo había firmado como auditoría).
El filtro útil es descriptivo, no numérico: «blogs de gestoría o asesoría fiscal, con autor firmando cada pieza, que hayan publicado algo en los últimos 60 días y cuya audiencia sea autónomos españoles». Eso sí se puede verificar a mano en cuarenta segundos por candidato.
El coste de no tenerlo escrito
Cuando la regla vive solo en la cabeza de quien prospecta, cambia a mitad de proyecto. Lo hemos medido: en dos trabajos de 2022 comparamos las primeras 100 filas con las últimas 100 de la misma lista y el perfil de medio seleccionado era distinto. Nadie lo había decidido. Simplemente se fue relajando.
Por qué las listas de 5.000 contactos rinden peor que las de 80
Hay un número que repito mucho en formaciones internas: 80. Es el tamaño medio de las listas que mejor nos funcionan en captación de enlaces editoriales nacionales. No porque 80 sea mágico, sino porque es el máximo que una persona puede revisar con criterio en una jornada y media.
Con 5.000 filas ocurre algo previsible. Nadie las revisa. Se envía en masa, se personaliza con variables de plantilla, y la tasa de respuesta cae a territorio de ruido. Nuestros datos internos de 2024: envíos de menos de 120 candidatos, 21% de respuesta y 9% de enlaces conseguidos. Envíos de más de 1.000 candidatos, 2,4% de respuesta y 0,6% de enlaces. Esa segunda cifra puede parecer tolerable en términos absolutos, hasta que cuentas las horas invertidas y los buzones de envío quemados por el camino.
- 120 candidatos revisados a mano: 11 enlaces, 14 horas de trabajo
- 1.400 candidatos automatizados: 8 enlaces, 22 horas y dos buzones inutilizados
- Coste por enlace: 1,3 horas frente a 2,7 horas
Lo que casi nadie filtra: señales de que un prospecto nunca va a responder
La cualificación previa consiste en comprobar, antes de buscar ninguna dirección, si detrás de la web hay actividad humana reciente: autoría firmada, publicaciones de los últimos meses, canales de contacto operativos y un volumen razonable de enlaces salientes. Ninguna métrica de herramienta mide eso, y es la variable que más correlaciona con la respuesta en todo lo que hemos medido.
Estas son las señales que descartan a un candidato en nuestro flujo antes de buscar ningún contacto:
- Sin publicaciones en los últimos 8 meses
- Todos los artículos firmados por «Admin» o sin firma
- Página de contacto con formulario roto o sin respuesta técnica
- Sección de «colaboraciones» con tarifas públicas
- Comentarios cerrados y redes sociales inactivas desde 2021
- Más de 40 enlaces salientes por artículo
La cuarta merece un comentario aparte. Una tarifa pública no es mala señal por lo que cuesta, sino por lo que revela: ese medio ya tiene un flujo de solicitudes industrializado, y tu correo entra en una cola donde el criterio editorial dejó de operar hace tiempo.
La trampa de los footprints clásicos y los directorios reciclados
Los footprints tipo «escribe para nosotros» + [nicho] siguen circulando en cursos que se venden hoy. Funcionaban razonablemente bien hasta 2018. Ahora devuelven, sobre todo, webs que llevan siete años recibiendo el mismo correo de miles de personas.
Mi hipótesis inicial cuando empezamos a medirlo era que el problema sería la saturación de bandeja. Después de contrastar 40 candidatos obtenidos por footprint clásico contra 40 obtenidos por rastreo de menciones sectoriales, el resultado fue otro: los del primer grupo respondían casi igual (18% frente a 23%), pero el enlace conseguido tenía cinco veces más vecinos comerciales en la misma página. El daño no estaba en la respuesta. Estaba en la calidad del sitio donde acababas.
Con los directorios reciclados pasa lo mismo elevado al cubo. Una base de datos que se vende, se comparte o se hereda ya ha sido explotada. Si la compras, compras el agotamiento.
Fuentes de prospección que envejecen peor y mejor
Las que envejecen mal: directorios de guest posting, listas de Google Sheets compartidas en grupos, footprints públicos, agregadores de «sitios que aceptan colaboraciones». Las que envejecen bien: perfiles de enlaces de competidores directos, participantes en eventos sectoriales, autores citados en informes de asociaciones, ponentes de webinars del gremio.
La diferencia es sencilla de explicar. Las primeras existen porque alguien quiere vender enlaces. Las segundas existen porque alguien hace su trabajo y escribe sobre él. Si vas a apoyarte en la segunda vía, conviene tener listo el material con el que te presentas: en nuestra guía sobre cómo crear contenido pensado para outreach desarrollamos justo esa parte, la de tener algo que un editor real quiera enlazar sin que se lo pidas dos veces, y que sostenga la conversación cuando responde.
Extraer no es lo mismo que poder usar: dónde se rompe el encaje legal
Que un dato de contacto sea accesible públicamente no significa que puedas usarlo para enviar comunicaciones comerciales. En España el marco aplicable es el RGPD, que exige una base jurídica para el tratamiento, informar en el primer contacto y facilitar la oposición. La pregunta relevante no es si extraer es legal, sino si el uso posterior lo es.
Aquí soy prudente y lo digo abiertamente: no soy jurista, y en cada proyecto con volumen contamos con asesoría externa. Pero hay tres cosas que cualquiera que prospecte en España debería tener claras antes de exportar un CSV.
La primera: un correo corporativo genérico y el correo personal de un redactor no tienen el mismo tratamiento. La segunda: el interés legítimo en comunicación comercial B2B tiene condiciones, y una de ellas es que el destinatario pueda darse de baja sin fricción. La tercera: los términos de servicio de la web de origen y las condiciones técnicas del sitio también cuentan, aunque casi nadie los abra.
Lo que sí puedes documentar sin depender de opiniones
Guarda registro de origen de cada contacto: URL exacta, fecha de recogida y fuente. Cuando alguien te pregunte de dónde ha salido su dirección, y algún día alguien lo hará, la diferencia entre una respuesta concreta y un «lo compramos» es enorme. En nuestros proyectos ese campo es obligatorio en la hoja de trabajo desde 2021.
Campos mínimos de trazabilidad por prospecto
URL de origen del dato, fecha, método de obtención, tipo de dirección (genérica o nominal), y casilla de baja aplicada. Cinco columnas. Añadirlas cuesta veinte minutos de configuración y ahorra conversaciones desagradables.
El fallo silencioso: cómo una lista sucia quema el dominio de envío
El outreach acaba en spam por la calidad de la lista mucho antes que por el contenido del mensaje. Los rebotes duros, las direcciones caducadas y las trampas sembradas en páginas de contacto antiguas deterioran la reputación del remitente en cuestión de horas. Este es el capítulo que más caro nos ha salido: un dominio de envío tarda entre tres y seis semanas en calentarse bien y se destruye en una tarde.
Los números con los que trabajamos, salidos de nuestros propios registros y no de ningún estudio publicado: por encima del 4% de rebote duro en un envío, la entregabilidad empieza a degradarse de forma medible; por encima del 8%, en nuestra experiencia el proveedor acaba tomando medidas. Y una lista extraída sin validación nos ha arrojado históricamente entre el 12% y el 25% de direcciones inválidas, según lo antigua que fuera la fuente. Hubo semanas, en 2020, en que perdimos dos subdominios seguidos por no aplicar esta comprobación.
Lo peor no es el rebote. Son las spam traps: direcciones que existen solo para detectar envíos no solicitados y que están sembradas justo en los directorios y páginas de contacto antiguas que más aparecen en cualquier extracción masiva (que a esas alturas ya no era una lista, era un cementerio con formato CSV). Una sola puede bastar para entrar en una lista negra.
Señales de alarma que deberían detener una campaña antes de lanzarla
Antes de dar el botón, revisamos siete indicadores. Si dos o más se cumplen, el envío no sale.
- Más del 30% de direcciones con formato info@ o contacto@
- Dominios repetidos con distintas URLs de origen
- Coincidencia de IP en más del 15% de la lista
- Tasa de validación por debajo del 88%
- Ningún nombre propio identificado en más de la mitad de las filas
- Fuente de datos con más de seis meses de antigüedad
- Imposibilidad de explicar en una frase el encaje editorial del candidato medio
La última es la más subjetiva y la que más veces ha frenado un lanzamiento en nuestro equipo. Si nadie es capaz de decir por qué a ese perfil de medio le interesaría el contenido, no hay campaña. Hay envío.
El orden correcto: criterio, muestra pequeña, validación y solo después volumen
Vamos a lo práctico. Este es el flujo que usamos ahora en autoridadigital.net para cualquier proyecto de captación nacional, y el que recomendamos a los equipos internos de nuestros clientes.
Fase 1: regla escrita y cerrada
Cinco a ocho líneas descriptivas, firmadas por quien lidera el proyecto (sí, con bolígrafo, porque lo que se firma se relee). Incluye la condición de encaje editorial. No se modifica durante el proyecto; si hace falta cambiarla, se cierra el envío y se abre otro. Tiempo: entre 40 minutos y dos horas.
Fase 2: muestra manual de 25 prospectos
Sin herramientas. A mano, buscando como buscaría un lector. Este paso parece un desperdicio de tiempo y es exactamente lo contrario: la muestra revela si la regla devuelve medios reales o solo teoría. En un proyecto de seguros de salud en 2023 descubrimos en esta fase que el 70% de los medios que encajaban no tenían blog, tenían newsletter. Cambió toda la estrategia de contacto antes de gastar un euro.
Fase 3: extracción acotada a la fuente validada
Ahora sí entra la automatización, y entra limitada: solo las fuentes que la muestra manual demostró productivas. Aquí el raspado de datos deja de ser un método de descubrimiento y se convierte en lo que debería haber sido siempre, una herramienta de escalado de algo que ya sabes que funciona. Objetivo de volumen: entre 3 y 5 veces la muestra, no cien veces.
Fase 4: validación técnica y limpieza
Verificación de direcciones, deduplicación por dominio, detección de patrones de red, y descarte de todo lo que no supere el 90% de fiabilidad. En nuestros últimos doce proyectos este paso elimina de media el 31% de la lista. Duele y es exactamente el punto donde se decide si el dominio de envío sobrevive.
Fase 5: envío por tandas con lectura de datos
Tandas de 30 a 40 correos diarios por buzón. Primera tanda como test: si el rebote supera el 3% o la respuesta baja del 8%, se para y se revisa la lista, no el copy. Recuerdo perfectamente la primera vez que apliqué esta regla y encontré el problema en la fuente de datos, no en el asunto del correo. Llevaba dos años reescribiendo plantillas.
Preguntas frecuentes
¿Es legal extraer direcciones de correo para hacer outreach?
Extraer un dato publicado no es en sí mismo ilícito, pero el uso posterior con fines comerciales sí está regulado. En España necesitas base jurídica para el tratamiento, informar en el primer mensaje y permitir la oposición sin trabas. La distinción práctica más importante es entre buzón corporativo genérico y dirección nominal de una persona concreta.
¿Cómo se extraen datos de una web sin saber programar?
Existen extensiones de navegador y herramientas visuales que permiten seleccionar elementos de una página y exportarlos sin escribir código. La cuestión relevante es otra: sin una regla de exclusión definida antes, esas herramientas solo aceleran la generación de una lista inservible. Primero el filtro, después la interfaz.
¿Cuál es la mejor herramienta para captar contactos?
Ninguna, si la pregunta se formula así. Las diferencias entre las plataformas del mercado son menores que la diferencia entre una lista filtrada y una lista masiva. En nuestros proyectos el rendimiento ha cambiado al modificar el orden de trabajo, nunca al cambiar de software.
¿Cómo se cualifica un contacto antes de escribirle?
Comprobando actividad real: fecha de la última publicación, autoría firmada, canales de contacto operativos y volumen de enlaces salientes por pieza. Son cuarenta segundos por candidato y descartan más filas que cualquier umbral de métricas. Si no puedes explicar en una frase qué gana ese medio al enlazarte, no está cualificado.
¿Por qué mis correos de prospección acaban en spam?
Casi siempre por la lista, no por el mensaje. Un porcentaje alto de rebotes duros, direcciones caducadas o trampas antispam sembradas en directorios antiguos deteriora la reputación del remitente en pocas horas. Validar antes de enviar y trabajar por tandas pequeñas resuelve la mayoría de estos casos.
Conclusión
Si tuviera que resumir doce años en una frase: el volumen es la última decisión, nunca la primera. Todo lo que hemos contado aquí es una forma elaborada de retrasar el momento de exportar datos hasta que sabes exactamente qué buscas y por qué alguien te respondería.
¿Funciona siempre? No. Hay nichos donde el encaje editorial es tan estrecho que 80 candidatos ya son todo el mercado disponible, y ahí este flujo no escala. Pero incluso en esos casos, el orden protege lo único que no se puede recomprar: la reputación del dominio con el que envías y la de la marca que representas.
