Cómo leemos un corpus.

El estudio trabaja con una pequeña marca de cosmética natural en Copenhague. Lleva cuatro años en el mercado. Tiene, en el momento de escribir esto, 3.412 reseñas repartidas entre Shopify, Junip y la migración a Yotpo que dejó a medias en 2024 y nunca terminó. Las reseñas viven en tres lugares y nunca han sido leídas, todas juntas, por una sola persona.

Un editor se sentó con el corpus completo en noviembre de 2026. El ejercicio llevó once horas a lo largo de tres días. El resultado fue un memo de 14 páginas. El memo costó menos que un solo mes de Yotpo Plus. La marca modificó nueve páginas de producto, tres flujos de email y el lenguaje de la página "Sobre nosotros" del fundador a partir de él.

Esta es una nota sobre lo que el editor hizo exactamente. No es un artículo de metodología. Se acerca más a un diario de estudio.

El primer día tuvo una sola postura: abrir un documento, pegar las reseñas en orden y leerlas todas, de la primera a la última. Sin subrayar. Sin etiquetas. Sin puntuación de sentimiento. El editor leyó 3.412 reseñas del modo en que un editor literario lee un manuscrito: despacio, en orden, con la intención de conocer a quienes escriben.

Las primeras tres horas no produjeron ninguna nota. Esto es correcto. Un editor de manuscritos no anota en la primera pasada. Está estableciendo una línea base de cómo suena la escritura, quién escribe y a qué vuelven los autores.

A la cuarta hora el editor empezó a percibir la forma del corpus. Había dos registros en la escritura. Un registro clínico, de compradores de más de cuarenta y cinco años, que hablaban de condiciones específicas de la piel e ingredientes por nombre. Un registro táctil, de compradores de veinte y treinta años, que hablaban de textura, olor y "cómo se siente el frasco en la mano". El marketing propio de la marca estaba escrito íntegramente en el registro táctil. La mitad de sus clientes que escribían estaban siendo interpelados en el idioma equivocado.

La segunda pasada comenzó el segundo día.

El editor abrió un segundo documento llamado `surprises.md` y releyó el corpus, copiando en él cualquier oración que le sorprendiera. El criterio de sorpresa era personal. Una oración sorprendente era aquella que no esperaba, que no sabía cómo interpretar de inmediato, o que contradecía algo que el marketing de la marca afirmaba.

Al final del segundo día el archivo de sorpresas tenía 84 oraciones. Algunos ejemplos.

"I bought this for my mother and she has been using it for six months. I have used three pumps total. I do not know if it works."

"The smell reminds me of the soap at a hotel in Lisbon I went to twice. I have no other comparison."

"It is the only serum I have used that I have actively been embarrassed to buy again. I keep buying it."

El texto de marketing de la marca no contenía ninguna oración como estas. El texto de marketing contenía, en cambio, afirmaciones sobre porcentajes de hidratación, listas de ingredientes y una imagen principal del fundador. El archivo de sorpresas era donde estaba la escritura real.

Un archivo de sorpresas es el instrumento de investigación más económico que el estudio ha encontrado. Cuesta la atención de un editor y un documento de texto plano. Produce, en nuestra experiencia, el mejor material en bruto para cualquier decisión de contenido que la marca tome en los próximos dieciocho meses. Esto es lo que lo que haría un editor con tu corpus tiene el aspecto en la práctica. No hay ningún modelo detrás. Hay una persona leyendo, sorprendida.

El tercer día comenzó con el editor abriendo un tercer documento llamado `claims.md` y releyendo solo el archivo de sorpresas. Cada oración se colocó bajo la afirmación que hacía de forma implícita. Una afirmación es la aserción de la que la oración es evidencia, aunque la oración no la enuncie.

La oración del hotel de Lisboa quedó archivada bajo "el aroma activa recuerdos autobiográficos específicos". La oración de la madre quedó bajo "los compradores regalan este producto y nunca lo usan ellos mismos". La oración de la vergüenza quedó bajo "el diseño visual del frasco tiene un coste social al mostrarlo". Al final del tercer día había diecisiete afirmaciones distintas, cada una respaldada por entre tres y once oraciones citadas del corpus.

Las afirmaciones no son sentimiento. Una puntuación de sentimiento habría clasificado las tres oraciones anteriores como neutrales o levemente positivas. Las afirmaciones que respaldan son más precisas, más extrañas y más útiles. "Los compradores regalan este producto y nunca lo usan ellos mismos" es, para una marca que ha estado midiendo la tasa de recompra por cuenta de comprador, un hallazgo fundamental. El comprador no es el usuario. La marca había estado optimizando para la persona equivocada.

El análisis de sentimiento no puede encontrar esto. Una taxonomía de valoraciones con estrellas no puede encontrar esto. Solo la lectura, despacio, con la intención de localizar la afirmación que cada oración hace en silencio, lo encontrará. Esta es la postura editorial que el estudio defiende.

El cuarto documento, abierto el tercer día, era una lista de palabras y frases cortas que se repetían en el corpus y estaban ausentes del marketing de la marca. Al editor no le interesaban las repeticiones obvias (los nombres de producto, la lista de ingredientes, el nombre de la marca). Le interesaban las palabras con las que la marca estaba siendo descrita sin haberlo notado todavía.

Las palabras recurrentes eran, por orden de frecuencia: "weird" (47 apariciones), "slow" (39), "expensive but" (31), "winter" (29), "I forgot" (24), "doesn't work on" (22). Ninguna de estas palabras aparecía en ningún lugar del texto de marketing de la marca. Ninguna había sido usada en ningún flujo de email. Ninguna había sido buscada, internamente, como ángulo de contenido.

Las apariciones de "weird" son especialmente reveladoras. Los compradores llamaban "weird" al olor y lo decían como un elogio. La marca había pasado dos años describiendo el olor como "refinado" y "sutil". Los propios clientes de la marca tenían una palabra mejor para ello. La marca no estaba usando su palabra. La corrección es el cambio de contenido más pequeño imaginable, no cuesta nada, y la marca llegaba cuatro años tarde.

Esta pasada es el trabajo práctico de tratar las reseñas como lenguaje. Una auditoría de inventario pregunta cuántas. Una auditoría de lenguaje pregunta qué palabras. Las dos auditorías parecen idénticas desde lejos y producen recomendaciones completamente distintas.

En ningún momento de las once horas el editor abrió un panel de datos. No hubo puntuación de sentimiento, ni distribución de valoraciones, ni nube de palabras. Las herramientas del estudio son, deliberadamente, las más económicas disponibles: tres documentos de texto plano y una mente abierta. Una hoja de cálculo se usó dos veces, para contar las apariciones de las palabras recurrentes, y solo porque contar es más rápido que estimar.

Lo que el estudio vende no son las herramientas. Es la postura. Las herramientas son lo que hace que la postura sea económica de repetir en miles de marcas, donde hoy cuesta once horas de editor y una semana de calendario. El estudio está construyendo el software que hace que las tres primeras pasadas (leer en orden, archivo de sorpresas, archivo de afirmaciones) se sientan como una sola tarde.

No hay ningún modelo para esto en la categoría de plataformas de reseñas existente. La suite de análisis de Yotpo, la pestaña de insights de Okendo, el producto de inteligencia de Bazaarvoice. Ninguno produce un archivo de sorpresas. Producen un gráfico de sentimiento. El gráfico de sentimiento es, en nuestra experiencia, el artefacto menos útil de la categoría. Le dice a la marca lo que ya sabía (la mayoría de las reseñas son de 5 estrellas, la mayoría son cortas, la mayoría son positivas) y no le dice nada sobre qué escribir después.

El archivo de sorpresas le dice a la marca qué escribir después. Esa es la asimetría alrededor de la cual el estudio está construido.

El resultado entregado a la marca fue un memo de 14 páginas en prosa larga. Comenzaba con los registros (clínico frente a táctil, y el marketing de la marca abordaba solo uno de ellos). Contenía las diecisiete afirmaciones, cada una con entre tres y once oraciones de respaldo. Contenía las seis palabras recurrentes y las ediciones de marketing propuestas para cada una. Terminaba con nueve cambios específicos en páginas de producto y una recomendación de reescribir la página "Sobre nosotros" del fundador en el registro clínico, donde los compradores mayores de la marca realmente habitan.

El memo tenía 4.200 palabras. Citaba 81 oraciones de clientes de forma completa. No contenía ni un solo gráfico. Se leía como un informe de investigación. El fundador lo leyó un domingo y llamó el lunes con tres preguntas de seguimiento, todas sobre oraciones específicas. Ninguna era sobre números agregados.

Esta es la afirmación fundamental: un corpus de escritura de clientes es un manuscrito. El resultado de leerlo bien no es un panel de datos. Es un memo. El memo cambiará lo que la marca escribe después. Eso, a su vez, es las oraciones que escribieron tus clientes convirtiéndose en el texto de marketing real de la marca. Que es, finalmente, el texto muerto despertando.

Estamos construyendo software alrededor de este ejercicio. No software que reemplace la lectura del editor (no puede, y no queremos que lo haga). Software que hace que la primera lectura sea más económica, el archivo de sorpresas más rápido de rellenar, la taxonomía de afirmaciones reutilizable a lo largo de toda la historia de la marca. El editor seguirá leyendo. El resultado seguirá siendo un memo. Habremos hecho posible producir ese memo para una marca de cualquier tamaño en pocas horas en lugar de una semana.

El trabajo siempre fue leer. Estamos haciendo que leer sea económico.