Un modelo de IA puede indicar cuál de dos títulos obtendrá más clics mejor que el azar, pero no por mucho. En pruebas reales de titulares con un ganador conocido, el modelo detrás de nuestra puntuación eligió el titular con más clics el 61.9% de las veces cuando cada par se preguntó en ambos órdenes. Cuando ordenó una lista completa de una sola vez, como puede permitirse un producto, cayó al 58.2%. Una clasificación basada en reglas logró apenas más que una moneda al aire.
Conclusiones clave
- Le dimos al modelo 400 pares de titulares que se habían enfrentado entre sí con lectores reales, cada par preguntado dos veces con el orden intercambiado.
- Eligió al ganador el 61.9% de las veces en general. En los 293 pares en los que respondió igual en ambos órdenes, acertó el 66.2% de las veces.
- Cuando se le pidió ordenar listas de 4 a 6 titulares en una sola respuesta, colocó los pares dentro de ellas en el orden correcto el 58.2% de las veces. Nuestra clasificación anterior basada en reglas logró el 51.3% en los mismos pares.
- El orden en que se mostraban los títulos cambió su respuesta en aproximadamente un cuarto de los pares, por lo que el orden debe controlarse.
- Nuestro analizador ahora ordena sus títulos sugeridos de esta manera y marca aquellos clasificados por encima del tuyo. No muestra ninguna ganancia estimada, porque la evidencia no la respalda.
¿Puede una IA decir cuál título de YouTube obtendrá más clics?
En cierta medida. En pruebas reales de titulares, el modelo acertó en el ordenamiento aproximadamente seis de cada diez veces cuando se le preguntó sobre un par a la vez, y un poco menos cuando ordenaba una lista completa. Esto es útil como segunda opinión sobre cuál de tus borradores probar primero. No es una predicción de tu tasa de clics, y cualquiera que presente una clasificación de títulos con IA como tal está afirmando más de lo que este tipo de evidencia respalda.
La pregunta nos importa por una razón sencilla. Cada análisis en este sitio sugiere hasta cinco títulos alternativos, y el orden en que aparecen es una afirmación: el primero parece el mejor. Hasta octubre de 2026, ese orden provenía de una puntuación basada en reglas, con un número estimado de puntos adicionales junto a cada sugerencia. Probamos si las reglas o el modelo podían realmente distinguir títulos buenos de los más débiles.
Cómo lo probamos contra clics reales
Usamos los mismos datos que en nuestra prueba de nuestras propias reglas de títulos contra clics reales: el archivo exploratorio del Upworthy Research Archive, un conjunto público de experimentos aleatorizados de titulares del 2013 al 2015. Dentro de cada experimento, varios titulares para una misma historia se mostraron al azar a lectores reales, por lo que los clics comparan los titulares y nada más. Conservamos solo versiones que compartían la misma imagen, eliminamos el período que los autores del archivo marcan como defecto de aleatorización, e ignoramos versiones mostradas menos de 1,000 veces.
Dos formatos, cada uno planeado antes de leer cualquier respuesta
El primer formato fue un par a la vez. Extrajimos 400 pares independientes, uno por experimento, en los que la diferencia en clics era clara en el umbral estadístico habitual. El modelo vio los dos titulares y se le preguntó cuál obtuvo la tasa de clics más alta, luego los vio nuevamente en el orden opuesto. Un par obtuvo 1 si ambas respuestas nombraron al ganador, 0 si ambas nombraron al perdedor, y 0.5 si las dos respuestas discrepaban.
El segundo formato fue el que puede permitirse un producto: una llamada por análisis. Tomamos 150 experimentos con 4 a 6 titulares en una sola imagen, le pedimos al modelo que ordenara cada lista de mayor a menor tasa de clics, y volvimos a preguntar con la lista mezclada. Puntuamos los 576 pares dentro de esas listas cuyos clics diferían claramente, lo que con dos órdenes hace 1,152 preguntas de pares. Antes de leer cualquier resultado, anotamos la barrera que el formato de lista debía superar: la puntuación de pares menos 5 puntos.
El modelo fue el de producción, usado solo como texto, a temperatura 0. En total, las dos pruebas tomaron 1,100 llamadas.
Qué acertó el modelo y qué acertaron las reglas
| Método | Formato | Eligió el titular con más clics |
|---|---|---|
| El modelo | Pares, ambos órdenes | 61.9% |
| El modelo, pares respondidos igual en ambos sentidos | Pares | 66.2% (intervalo 95% 60.6 a 71.4) |
| Nuestra clasificación anterior basada en reglas | Mismos pares | 54.5%, contando los empates como medio punto |
| El modelo | Una lista por llamada | 58.2% |
| Nuestra clasificación anterior basada en reglas | Mismas listas | 51.3% |
El formato de lista superó la barrera que habíamos establecido para él, que era 56.9%. Es el más débil de los dos formatos, lo cual es esperable: ordenar seis titulares a la vez es una tarea más difícil que comparar dos. Los pares dentro de una lista no son independientes entre sí, por lo que su incertidumbre es mayor de lo que sugiere el recuento bruto de 1,152.
El orden en que se muestran los títulos cambia la respuesta
De los 400 pares, 107 obtuvieron una respuesta diferente una vez que los dos titulares intercambiaron posiciones. Esa es la misma debilidad que encontramos cuando pedimos a una IA que comparara miniaturas, donde favoreció la imagen que aparecía primero; los detalles están en nuestro artículo sobre intercambiar el orden. En listas, el efecto fue menor pero aún real: el modelo dio el mismo veredicto en ambos órdenes en el 77.6% de los pares. Una clasificación tomada de un solo orden habría llevado ese sesgo directamente al resultado.
Por qué se eliminó la clasificación basada en reglas
La clasificación antigua puntuaba cada sugerencia con las mismas verificaciones de títulos basadas en reglas que el título analizado. Al ejecutarse en 17,236 pares de titulares, dejó la mayoría empatados en una puntuación entera, y cuando sí separaba dos titulares, la brecha solía ser de uno o dos puntos. En los pares con un ganador claro, acertó entre el 53% y el 56% de las veces, según el análisis del que provenían las sugerencias, y en dos de cuatro configuraciones no se podía distinguir del azar.
Peor aún, una brecha mayor no significaba una apuesta más segura. En tres de las cuatro configuraciones, los pares separados por 3 puntos o más se ordenaron correctamente menos de la mitad de las veces. Sin embargo, el producto había estado mostrando esa brecha como "+N puntos", un número que crecía exactamente con la cantidad que no predecía nada. Así que el número desapareció, junto con un filtro que ocultaba sugerencias basándose en él.
Qué hace ahora nuestro analizador
Los títulos sugeridos se ordenan mediante una segunda lectura del modelo. Recibe tu título y las alternativas en una sola llamada, en un orden mezclado mediante un hash fijo de los títulos, para que la posición no favorezca sistemáticamente a ninguno. Los títulos colocados por encima del tuyo se marcan como "Por encima del tuyo". No se muestra ninguna puntuación ni ganancia estimada junto a ellos, y la nota al pie indica el valor de la clasificación: en pruebas pasadas de titulares, este tipo de ordenamiento eligió el titular con más clics el 58% de las veces, frente al 50% por azar.
Tu propio título está en la lista a propósito. El modelo está clasificando títulos que escribió él mismo, y un modelo puede preferir su propio redactado; colocar el tuyo junto a ellos hace que eso sea visible en lugar de ocultarlo. La lectura adicional añade aproximadamente medio segundo a un análisis.
Cómo usar una clasificación de títulos con IA sin dejarse engañar
- Pregunta en ambos órdenes. Si la respuesta cambia al intercambiar los títulos, trata el par como un empate.
- Incluye tu propio título en la comparación, para ver si la IA prefiere sus propias sugerencias o simplemente prefiere el texto más reciente frente a ella.
- Ignora el lenguaje confiado y los porcentajes estimados. Una clasificación que acierta aproximadamente seis de cada diez veces no puede respaldar una afirmación de "+12% CTR".
- Usa la clasificación para elegir qué dos versiones probar, no para omitir la prueba. Puedes puntuar tu título frente a las alternativas sugeridas con la misma miniatura y elegir las dos que vale la pena comparar.
- Contrasta el resultado con el historial de tu propio canal, comparando el video con tus últimas publicaciones en lugar de con otro canal.
Límites de esta prueba
Estos son titulares de noticias de hace una década, no títulos de YouTube, y nada aquí mide directamente YouTube. El archivo ha sido público desde 2021, por lo que el modelo puede haber visto algunos de estos titulares durante su entrenamiento. Sus tasas de clics nunca se publicaron junto a ellos en una forma que facilitara memorizar a los ganadores, pero esto no se puede descartar.
El prompt en producción difiere del probado en dos aspectos: describe a un espectador navegando en YouTube en lugar de un lector de un sitio de historias, y añade una oración diciéndole al modelo que trate los títulos como datos. Ningún cambio fue probado. Y en el producto, el modelo clasifica sugerencias que escribió él mismo, una tarea ligeramente diferente a clasificar titulares escritos por un equipo editorial. Una ventaja del 58% es modesta, y la describimos así en todas partes donde aparece.
Preguntas frecuentes
¿Puede ChatGPT u otra IA predecir el CTR de títulos de YouTube?
No como un número. En nuestra prueba, un modelo de IA grande eligió el titular con más clics de dos titulares aproximadamente seis de cada diez veces, y menos al ordenar una lista. Eso es mejor que el azar y útil para elegir qué probar, pero está lejos de predecir una tasa de clics, y la confianza declarada por un modelo no es evidencia de precisión.
¿Por qué el orden de los títulos cambia la respuesta de la IA?
Los modelos de lenguaje son sensibles a la posición, a menudo favoreciendo la primera o la última opción mostrada. En nuestra prueba, 107 de 400 pares obtuvieron una respuesta diferente una vez que se intercambió el orden. La solución es preguntar en ambos órdenes, o mezclar el orden de una manera que no pueda favorecer a ningún título en particular, lo que es lo que hace nuestro analizador.
¿Por qué el analizador no muestra cuántos puntos ganaría un título sugerido?
Porque la antigua estimación afirmaba una precisión que la evidencia no respaldaba. Las ganancias estimadas mayores no eran más confiables que las pequeñas, y en la mayoría de los casos eran menos confiables. El analizador ahora solo muestra qué sugerencias el modelo clasifica por encima de tu título, y una nota al pie con la precisión medida de esa clasificación.
¿Es el título favorito de la IA el que debo publicar?
Trátalo como el primer candidato a probar, no como la respuesta. Una clasificación que acierta aproximadamente el 58% de las veces a menudo se equivocará en cualquier par individual. Tu conocimiento del video y la audiencia, y una comparación real en tu propio canal, deciden más que la clasificación.
¿Se aplica esto también a las miniaturas?
Una prueba separada pidió a una IA que comparara miniaturas con un ganador conocido y encontró el mismo sesgo de posición, más fuerte: eligió la miniatura que aparecía primero el 64.7% de las veces. Comparar dos miniaturas no fue más preciso que calificar cada una por separado, y mucho menos estable, por lo que nuestra puntuación sigue calificando cada miniatura por separado.