FractAIllWiki FractAIllVIVA
WikiArtículos › vidIQ

vidIQ

FractAIll · actualizado 2026-07-11 · versión cruda para IAs (.md)

Una herramienta de analítica y SEO para creadores de YouTube: investiga palabras clave, espía a la competencia y mide el rendimiento para decidir qué video hacer y cómo titularlo.

División: Universo · Tipo: plataforma · Estado: 🌐 contexto

Qué es

vidIQ es una plataforma (extensión de navegador + web + app) pensada para ayudar a creadores de YouTube a tomar mejores decisiones de contenido con datos. En lugar de adivinar qué video funcionará, ofrece números: volumen de búsqueda de palabras clave, dificultad para posicionar, puntuación de títulos, "outliers" (videos que rinden muy por encima de su canal), estadísticas de competidores y tendencias.

Sus funciones típicas: investigación de keywords (qué busca la gente y qué tan difícil es competir), análisis de canales y videos (vistas, suscriptores, rendimiento), detección de outliers (los videos que se dispararon), puntuación de títulos y miniaturas, y generadores asistidos por IA de ideas, títulos y descripciones.

En esencia, vidIQ convierte la intuición del creador en métricas comparables, para apostar por los videos con más probabilidad de funcionar antes de gastar horas produciéndolos.

Por qué importa en el universo FractAIll

vidIQ es una referencia directa y un punto de comparación para IndexVid. Donde vidIQ ofrece analítica genérica para cualquier creador, IndexVid construye un cerebro propio y específico para el canal de FractAIll: el módulo de Conceptos descompone videos ganadores en piezas replicables con causa-raíz SoF, algo más profundo que un score de superficie.

Conceptos que vidIQ popularizó —outliers, dificultad de keyword, scoring de títulos— viven también dentro del ecosistema: IriX incluye su propio inspector de outliers de YouTube, y el módulo de keywords y el gate de producción de IndexVid persiguen lo mismo que vidIQ pero atado a la doctrina SoF y al conocimiento propio del público. Para SoF, vidIQ ilustra la capa de Funcionamiento de la decisión de contenido: qué señales mirar y cómo puntuarlas.

Mapa SoF · capas y componentes

Lectura fractal: tomemos un solo componente, el outlier score (qué tanto un video supera el promedio de su canal). También se descompone en seis capas: su objetivo es señalar qué video se salió de lo normal; su visión es separar suerte de patrón replicable; su estructura es una razón entre el rendimiento del video y la línea base del canal; su funcionamiento es calcularse y ordenarse para mostrar los top; su fondo son los datos de vistas e historial del canal que lo sostienen; y su distribución es aparecer como una etiqueta o ranking accionable. La misma métrica, vista de cerca, vuelve a ser seis capas.

Aprende más

Relacionado en el ecosistema

YouTubeIndexVidKeywordsFractAIll