Propuesta inicial para comunicación con jóvenes 18-35 del Sur Global
Contexto: Respuestas a las preguntas de INTPA sobre percepción de la UE en jóvenes de 18-35 años con educación media/superior en países beneficiarios de ayuda europea. Enfoque didáctico usando el stack GEO (GEOradar, Prompt Atlas, SAM).
La "imagen" suele ser un mix de atributos: oportunidades, credibilidad, coherencia, burocracia, influencia. Lo clave es medir qué atributos asocian espontáneamente y cuáles pesan más en su valoración (drivers).
Con GEOradar podemos ver qué dice la IA generativa cuando se le pregunta por la UE en distintos contextos (país, idioma, tema), y qué fuentes cita. Eso da una foto de qué "imagen por defecto" está instalándose.
No solo "positivo/negativo": hay matices como confianza, esperanza, distancia, sospecha, orgullo, indiferencia. Lo importante es detectar qué temas activan qué emoción (empleo, visados, educación, clima, conflictos, migración).
Podemos cruzar monitorización de IA con social listening para ver dónde hay "carga emocional" y qué lenguaje usar o evitar.
Suele haber un gap grande entre lo que la UE hace y lo que se sabe. Por ejemplo, programas de becas, inversión en infraestructura o acuerdos comerciales pueden ser desconocidos o atribuidos a otros.
Con Prompt Atlas diseñamos preguntas específicas por país y tema para ver qué sabe (o cree) la IA, y dónde hay vacíos o errores.
Para jóvenes digitales, la IA (ChatGPT, Gemini, Copilot…) está empezando a ser una fuente directa de información, especialmente para preguntas tipo "qué es / qué hace / qué opinar de". También redes (TikTok, YouTube, Instagram), creadores locales y medios tradicionales tienen peso, pero el mix varía mucho por país.
GEOradar permite auditar qué dicen los principales LLMs sobre la UE y qué fuentes citan. Así sabemos si la IA está "amplificando" ciertos mensajes.
Pueden ser medios estatales de terceros países, creadores con agenda, o simplemente contenido viral mal contextualizado. Lo importante es detectar:
GEOradar muestra qué fuentes cita la IA para cada tema y país, lo que permite identificar influencias.
Tres palancas principales:
SAM ayuda a alinear contenido semánticamente para que sea "encontrable" por los modelos de IA.
Depende de si llegan a la audiencia objetivo. Muchas veces los medios propios (webs, boletines, cuentas oficiales) tienen alcance limitado en jóvenes del Sur global. Sirven más como "fuente de verdad" para que otros citen.
El reto es hacer que el contenido propio sea citado por IA, medios locales y creadores. Para eso hay que medir: ¿aparecen las fuentes de la UE cuando la IA responde? GEOradar responde esa pregunta.
Medios pagados (publicidad, patrocinios) pueden dar alcance, pero la credibilidad suele venir del contenido orgánico y earned. En públicos jóvenes, el "paid" muy evidente puede generar rechazo.
Lo útil es medir si el paid genera conversación orgánica posterior y si cambia las respuestas de la IA a medio plazo.
En este tipo de públicos, el earned (medios locales, creadores creíbles) suele pesar mucho más en percepción. Lo importante es medir calidad, no solo volumen: tono, tema, autoridad del emisor y si se instala como narrativa recurrente.
Suele depender del contexto local. En muchos casos la percepción simbólica (lo que representa) puede dominar, incluso si hay acciones positivas.
Por eso es clave no "discutir" el marco, sino: escuchar, reconocer matices cuando aplique, y conectar acciones concretas con necesidades locales (con protagonismo local).
GEOradar permite detectar qué framing aparece por defecto en IA y qué "pruebas" usa.
Puede ayudar mucho en tres frentes:
Con un sistema tipo "IA listening": ejecutar de forma recurrente baterías de preguntas (por país/tema/idioma), ver respuestas, tono y fuentes citadas, y detectar cambios.
Eso se complementa con social listening y señales de medios/creadores. El valor está en convertirlo en insights accionables: qué corregir, qué explicar, qué reforzar y dónde publicarlo.