Caso de estudio

OIM
ONU
Organización
Internacional
para las Migraciones

Hilos que
nos Unen

Campaña digital de contenido + social listening para mapear la xenofobia en México: 10 piezas, 5 ciudades, y +32 millones de impresiones en Meta — 163% del objetivo planteado.

+32M
Impresiones en Meta
163%
Del objetivo cumplido
+19K
Interacciones
5
Ciudades de México

El reto

Hacer visible lo invisible: la xenofobia cotidiana en México

La OIM necesitaba entender cómo piensa la sociedad mexicana sobre la xenofobia — y necesitaba hacerlo a escala, en contextos geográficos distintos. El reto no era solo difundir un mensaje: era provocar una conversación auténtica para, con los datos generados, diseñar intervenciones más precisas.

ONG · ONU Causa social Social Listening Paid Media Análisis de sentimiento

La solución

Contenido que provoca, datos que transforman

Diseñamos 10 piezas de contenido social — cada una narra una situación cotidiana donde la xenofobia podría estar presente. La pauta en Meta no buscaba solo alcance: buscaba comentarios reales. Combinando paid media y social listening, construimos el primer mapa de sentimiento sobre xenofobia para la OIM en México.

CDMX Monterrey Puebla Villahermosa Oaxaca

Metodología

Paid media + social listening:
una campaña que escucha

La estrategia tuvo dos fases que se retroalimentan: primero generamos el volumen de conversación, luego lo analizamos con social listening para extraer inteligencia accionable.

01
Producción de 10 piezas de contenido
Cada pieza narra una situación cotidiana con un personaje identificable: Uriel, Sofía, Román, Mamá, Novias… Situaciones donde el color de piel, el acento, la religión o la apariencia generan discriminación. Diseño, copy y concepto producidos por Zebras.
02
Pauta secuencial en Meta (Facebook + Instagram)
Cada pieza corrió durante 4 días en CDMX, MTY, PUE, VHM y OAX. La campaña de alcance (objetivo: impresiones) fue complementada con una campaña de engagement (objetivo: interacciones) para retargeting de los usuarios que ya habían visto el contenido.
03
Social listening y análisis de sentimiento
Con SentiOne analizamos en tiempo real los comentarios generados por cada pieza — clasificando el sentimiento (positivo, negativo, neutro), extrayendo las narrativas dominantes y midiendo el impacto de variables como género del personaje, color de piel y tema del post.
04
Sistematización de resultados e insights accionables
Entregamos a la OIM un reporte completo con hallazgos por pieza, análisis de audiencia, recomendaciones para futuras campañas y un mapa de los patrones de xenofobia más prevalentes en la conversación pública mexicana.

Resultados de campaña

163% del objetivo de impresiones,
más de 19,000 interacciones reales

El objetivo de alcance era 20 millones de impresiones. La campaña entregó 32.9 millones — con un CPM de $4.53 MXN, significativamente más eficiente que el estándar del mercado.

+32M
Impresiones Meta
vs 20M objetivo → 163%
163%
Del objetivo cumplido
Campaña de alcance
+19K
Interacciones
Campaña de engagement
$4.53
CPM Meta (MXN)
Eficiencia máxima de pauta
10
Piezas de contenido
Situaciones cotidianas reales
5
Ciudades de México
CDMX, MTY, PUE, VHM, OAX


Social Listening — Hallazgos

Lo que México dice
cuando nadie cree que está siendo filmado

El análisis de sentimiento reveló patrones consistentes sobre cómo opera la xenofobia en la conversación pública mexicana. Estos hallazgos son la materia prima para campañas de awareness más precisas.

La religión como justificación
~78% de los mexicanos se identifica como católico (INEGI). El contenido sobre comunidad LGBTQ+ recibió comentarios intolerantes justificados con argumentos religiosos. La cosmovisión religiosa funciona como verdad casi absoluta para una porción significativa de la audiencia.
👤
Rasgos físicos como detonador
Los posts con personajes cuyo color de piel o apariencia física era prominente (Uriel, Román) generaron los comentarios más xenófobos. El post de Sofía, que no mencionaba etnia, recibió empatía mayoritaria — confirmando que los rasgos físicos activan respuestas negativas automáticas.
🧠
La xenofobia no se auto-reconoce
Palabras como "xenofobia", "homofobia", "discriminación" o "aporofobia" no aparecieron en la nube de términos más frecuentes en los comentarios. Las personas que practican estas conductas las tienen tan normalizadas que no se reconocen como parte del problema.
💬
Troll behavior vs empatía silenciosa
Los usuarios que aprueban el contenido dejan un "like" — los que están en desacuerdo escriben comentarios negativos para obtener validación social de otros trolls. Esto distorsiona el sentimiento aparente: el silencio es mayoritariamente positivo, pero invisible.

Sentimiento por pieza de contenido

Las piezas con mayor sentimiento negativo fueron las que más provocaron conversación — y, por tanto, las más valiosas para la OIM como fuente de datos.

Pieza Negativo Positivo Tema principal
Novias
57%
35%
Identidad de género / LGBTQ+
Uriel
73%
15%
Color de piel / apariencia
Religión
32%
60%
Creencias religiosas alternativas
Huracán
8%
89%
Cambio climático / negacionismo
Acento
2%
87%
Discriminación por acento
Sofía
1%
98%
Empatía / experiencia migratoria
Mamá
0%
100%
Familia / vínculos transnacionales

¿Tienes un proyecto de comunicación social?

Construimos campañas que
mueven opiniones

Estrategia, contenido, paid media y análisis de datos — para marcas, instituciones y causas que quieren impacto real, no solo impresiones.

Hablemos de tu proyecto