Cómo ejecutar un agente de tarifas de KOL con MCP
Actualizado
Guía de precios KOL para creadores de X: entradas, configuración MCP, prompt, plantilla, cálculo de costes, reglas de confianza y límites de datos.
En resumen: usa esto como el recorrido práctico con Skills para equipos que buscan agentes de tarifas de KOL, fijación de precios de influencers en Twitter o análisis de creadores basado en MCP.
La fijación de tarifas de KOL es un buen primer punto de referencia para los datos públicos pensados para agentes, porque la tarea es desordenada justo en la forma en que los agentes resultan útiles. No existe un único número mágico. Necesitas la identidad del creador, sus publicaciones recientes, el engagement, la afinidad temática, la cadencia de publicación, el riesgo de audiencia, el contexto de la campaña y, después, un juicio profesional.
Un panel puede mostrar métricas. Un agente puede seguir formulando la siguiente pregunta sobre el precio: por qué este creador es caro, quién es comparable, qué cambia si la campaña es de herramientas para desarrolladores en lugar de IA de consumo, qué pasa si solo queremos Twitter/X y YouTube, y qué haría la estimación más fiable.
Cuándo usar este flujo de trabajo
Usa una Skill de tarifas de KOL cuando estés preparando una preselección, validando una tarifa cotizada, comparando dos creadores o decidiendo si vale la pena contactar a un creador. No la uses como precio final de contrato, como sistema automatizado de compra de medios ni como garantía del ROI de la campaña.
| Buen encaje | Encaje débil |
|---|---|
| Estimar un rango para una publicación patrocinada antes del contacto | Decidir la cotización final exacta sin hablar con el creador |
| Comparar creadores para una audiencia de campaña específica | Fijar el precio de un creador sin actividad pública reciente |
| Construir contexto de negociación y notas de riesgo | Predecir impresiones, conversiones o ingresos garantizados |
| Enriquecer Twitter/X con contexto de YouTube, TikTok, Instagram o Reddit | Inferir datos demográficos de audiencia privada o de cuentas privadas |
Insumos que reunir antes de ejecutarlo
El agente puede hacer preguntas de seguimiento, pero la primera respuesta mejora mucho cuando aportas el contexto de la campaña. Como mínimo, proporciona la categoría de la campaña, la audiencia objetivo, la geografía objetivo si es relevante, el tipo de entregable, si necesitas una sola publicación o un paquete, y los handles de los creadores que quieres evaluar.
Un buen prompt incluye: objetivo de la campaña, buyer persona, categoría de producto, handles de los creadores, plataformas a inspeccionar, ventana temporal de las publicaciones recientes, si hay que incluir enriquecimiento entre plataformas, tolerancia al riesgo y el formato de salida que deseas.
| Insumo | Por qué importa | Ejemplo |
|---|---|---|
| Categoría de campaña | Los precios dependen del encaje con el anunciante y del esfuerzo | Herramienta de IA para desarrolladores, fintech de consumo, SaaS B2B |
| Handles del creador | Mantiene la búsqueda acotada y auditable | @example_creator, URL del canal de YouTube |
| Entregable | Una sola publicación y un hilo no son la misma petición | Publicación patrocinada, hilo, mención en vídeo, paquete |
| Ventana temporal | El engagement reciente es más útil que los promedios obsoletos | Últimos 30-90 días |
| Restricciones | Evita recomendaciones poco realistas | Solo Twitter/X, excluir creadores de alto riesgo, audiencia de EE. UU. |
El prompt de ejecución copiable
Pega esto en un agente compatible con MCP después de conectar UnifAPI MCP.
Analiza estos KOL de Twitter/X para una campaña de una herramienta de IA para desarrolladores: [handles]. Usa los datos públicos de UnifAPI a través de MCP. Consulta cada perfil público, inspecciona las publicaciones recientes, compara la calidad del engagement, la afinidad temática, la cadencia de publicación, la relevancia de la audiencia y el riesgo de colaboración. Enriquecimiento opcional: YouTube, TikTok, Instagram o Reddit si el mismo creador tiene una presencia pública clara. Devuelve una tabla ordenada con rangos de publicación patrocinada bajo/base/alto, confianza, evidencia pública, supuestos, alertas de riesgo, ángulo de contacto recomendado y preguntas de seguimiento. No afirmes la tarifa final exacta; trata la salida como preparación para la negociación.
La redacción importante no es mágica. Es la combinación de tarea, límite de datos, criterios de evaluación, forma de la salida y regla de incertidumbre. Eso le da al agente suficiente estructura para producir un brief de tarifas útil en lugar de un resumen genérico del creador.
Qué debería llamar el agente
La primera pasada suele necesitar la búsqueda del perfil de Twitter/X, las publicaciones recientes y el contexto de búsqueda. Si se conoce al creador en otras plataformas, el enriquecimiento opcional puede provenir de YouTube, Instagram, TikTok o Reddit. El agente no debería empezar raspando páginas arbitrarias cuando hay disponible un registro público nativo de la plataforma.
UnifAPI mantiene esas llamadas en una única superficie MCP. El agente usa list_operations para descubrir las operaciones disponibles, get_operation para inspeccionar parámetros y ejemplos, y call_api para obtener registros públicos. Si la lista de operaciones es grande, el prompt debería mantener el descubrimiento enfocado: empieza con la identidad del creador en Twitter/X y su contenido reciente, y enriquece solo cuando la primera pasada deje una brecha relevante para la decisión.
Una plantilla de salida útil
Una buena respuesta debería parecerse a un memorándum de tarifas, no a un solo número. El rango debe estar ligado a la evidencia visible y los supuestos deben ser fáciles de cuestionar.
| Campo | Cómo se ve un buen resultado |
|---|---|
| Ranking | Orden de creadores para esta campaña, no popularidad genérica |
| Rango bajo/base/alto | Un rango de negociación con confianza, no una cotización exacta |
| Evidencia | Publicaciones públicas recientes, calidad del engagement, afinidad temática, cadencia del creador |
| Encaje de marca | Por qué este creador encaja o no con la audiencia de la campaña |
| Alertas de riesgo | Poca actividad reciente, audiencia fuera de tema, engagement sospechoso, mal encaje |
| Ángulo de contacto | Una línea concreta de propuesta basada en la evidencia |
| Preguntas de seguimiento | Lo que el comprador debería preguntar antes de comprometer presupuesto |
Cómo pensar la estimación
La estimación debería combinar señales públicas, no pretender que una sola métrica decide el precio. Un creador con muchos seguidores pero engagement reciente débil puede merecer un rango base más bajo que un creador más pequeño con engagement concentrado y afín al tema. Un creador que habla repetidamente de herramientas para desarrolladores puede ser más valioso para una campaña de codificación con IA que una cuenta de noticias de IA más amplia con mayor alcance total.
La confianza debería subir cuando el agente encuentra una identidad estable, suficientes publicaciones recientes, engagement consistente, afinidad temática clara y evidencia entre plataformas. La confianza debería bajar cuando la cuenta es nueva, inactiva, inconsistente, difícil de emparejar entre plataformas o publica sobre todo contenido ajeno a la campaña.
Lo que los datos públicos no pueden saber
Los datos públicos dan un mejor punto de partida para la negociación; no reemplazan la negociación. Los derechos de uso, la exclusividad, el whitelisting, las revisiones creativas, el tamaño del paquete, el calendario de publicación, el historial de la relación, las condiciones de pago y la disponibilidad del creador cambian la cotización real.
El modelo debería decir lo que no sabe. Si no sabe si el creador incluye derechos de uso, debería listarlo como un supuesto. Si no puede emparejar con confianza un canal de YouTube con un handle de Twitter/X, debería evitar usar esos datos o etiquetarlos como inciertos. Si las publicaciones recientes de un creador son demasiado escasas, debería recomendar el contacto antes de fijar el precio con confianza.
Modelo de costes
El coste de ejecución del agente permanece dentro del producto de agente que ya usas. UnifAPI factura las operaciones de datos públicos con créditos de $0,001. Los registros estándar son fáciles de estimar en un crédito cada uno, y las operaciones de mayor coste publican sus créditos mínimos desde OpenAPI.
| Profundidad de ejecución | Datos extraídos habituales | Coste de datos aproximado en UnifAPI |
|---|---|---|
| Cribado ligero | 5 creadores, perfil más una pequeña muestra de publicaciones recientes | 30-60 registros, unos $0,03-$0,06 |
| Revisión de preselección | 10 creadores con publicaciones recientes y contexto de búsqueda | 100-180 registros, unos $0,10-$0,18 |
| Comparación profunda | 10 creadores más enriquecimiento entre plataformas | 200-400 registros, unos $0,20-$0,40 |
Esa separación importa. No necesitas construir y alojar una app aparte, conectar un proveedor de LLM y mantener una interfaz solo para volver a ejecutar un flujo de trabajo de tarifas. Mantén la tarea en el hilo del agente y paga por los datos públicos que realmente consume.
Lista de revisión antes de confiar en la respuesta
Antes de actuar según la salida, comprueba cinco cosas. ¿Identificó el agente a los creadores correctos? ¿Usó evidencia pública reciente? ¿Separó los rangos bajo/base/alto del precio negociado final? ¿Explicó la confianza y los supuestos? ¿Dio preguntas de seguimiento útiles en lugar de pretender que la respuesta es definitiva?
Si falta alguna de ellas, pídele al agente que vuelva a ejecutar el análisis con un alcance más estrecho. El mejor seguimiento no suele ser «hazlo mejor». Es «muestra la evidencia de los tres mejores creadores, descarta cualquier creador con emparejamiento de identidad débil y recalcula los rangos solo para una única publicación patrocinada en Twitter/X».
Ejemplo de forma de salida
Una primera respuesta útil puede ser compacta. La tabla siguiente es la forma que hay que pedir; la salida real del agente debería rellenarla con evidencia pública y notas de confianza de la ejecución.
| Creador | Encaje | Rango estimado | Confianza | Evidencia a citar | Seguimiento |
|---|---|---|---|---|---|
| Creador A | Fuerte encaje con herramientas para desarrolladores | Rango bajo/base/alto | Medio-alto | Publicaciones recientes sobre codificación con IA, respuestas consistentes de builders | Preguntar por derechos de uso y paquete de hilo |
| Creador B | Audiencia de IA amplia, encaje de comprador más débil | Rango base más bajo pese a mayor alcance | Medio | Mayor alcance pero engagement menos específico de la campaña | Probar una publicación ligera antes del paquete |
| Creador C | De nicho pero creíble | Rango más pequeño, alta relevancia | Medio | Audiencia más pequeña, alta calidad de comentarios, fuerte afinidad temática | Comprobar la presencia entre plataformas antes del contacto |
La tabla debería ir seguida de un memorándum breve. El memorándum debería explicar qué impulsó la recomendación principal, dónde es frágil la estimación y qué datos cambiarían la decisión. Si la respuesta no puede explicar el rango, el rango no es útil.
Preguntas frecuentes
¿Pueden los datos públicos producir una tarifa exacta de KOL?
No. Pueden producir un rango de partida defendible. La tarifa final depende del paquete real del creador, los entregables, los derechos, la exclusividad, los tiempos y la negociación.
¿Debería el número de seguidores ser el principal insumo de precio?
No. El número de seguidores es contexto. La calidad del engagement reciente, la relevancia de la audiencia, la afinidad temática, la credibilidad y el encaje con la campaña suelen importar más para un comprador concreto.
¿Qué pasa si el agente no encuentra suficiente evidencia?
Baja la confianza, reduce la estimación y haz preguntas de seguimiento. La evidencia escasa no es razón para inventar precisión.
¿Cuándo debería enriquecer más allá de Twitter/X?
Enriquece cuando la presencia entre plataformas cambia la decisión de compra: un canal de YouTube demuestra autoridad técnica, una cuenta de TikTok muestra alcance en una audiencia diferente, o las menciones en Reddit revelan riesgo reputacional.
Nota metodológica
Esta guía se actualizó el 2 de junio de 2026 frente al contexto de producto actual de UnifAPI, centrado en Skills, y el límite de datos públicos en vivo. Está escrita intencionadamente como un flujo de trabajo de preparación para la negociación, no como asesoramiento financiero, modelado de ROI garantizado ni compra automatizada de patrocinios.
Qué leer a continuación
Skill de tarifas de KOL - la página canónica de Skill para este flujo de trabajo.
Datos públicos de TikTok, Instagram y YouTube - añade enriquecimiento entre plataformas a la fijación de tarifas de creadores.
Conectar UnifAPI MCP - cubre la ruta de configuración antes de la primera ejecución.