Generé una herramienta para observar los videos que rompen la mediana de vistas de su propio canal. Esperaba que el patrón estuviera en el tema. Estaba en otro lado.
Mi primera versión agrupaba por texto: título y keywords, videos parecidos, cluster parecido, servía, pero no explicaba por qué un video del mismo tema, del mismo canal, hacía varias veces la cantidad de vistas mientras el resto se quedaba plano.
La pista apareció cuando le pasé las miniaturas a un modelo de visión y clustericé por lo visual, no por lo textual. Los outliers compartían forma: composición, contraste, cara o no cara, cuánto texto quemado. El tema era casi ruido al lado de eso.
Terminé con dos señales que antes trataba como una: qué dice el video y cómo se ve. La segunda es la que predice el pico, y es la que casi ninguna herramienta de análisis de contenido mira, porque clusterizar texto es barato y clusterizar imágenes no.
El flujo quedó desacoplado a propósito: la minería escribe JSON, el front lo lee. Cambiar el modelo de visión no toca la interfaz.