Por qué el audio eleva el engagement 1,5–2,5 veces

Por Yutaro Sasao, director ejecutivo de MediaLeap Inc. y experto en análisis de editores.

"El tráfico está creciendo, pero los ingresos no".

Los equipos comerciales de editores me trajeron versiones de ese problema a lo largo de mis años en tecnología publicitaria y operaciones de medios. Más visitas a la página no crean automáticamente impresiones valiosas. Intervienen la ubicación, la visibilidad, el tiempo de visualización, la demanda y la experiencia de lectura.

Los artículos de audio añaden otra variable: un visitante puede seguir escuchando después de que sus ojos y manos se mueven hacia otra parte. En todas las implementaciones de editores en las que he trabajado, las sesiones que utilizaban audio a menudo mostraron una participación mucho más prolongada. Esa observación sólo es útil cuando sus condiciones son visibles.

Lo que mide la cifra de 1,5 a 2,5x

El conjunto de datos cubre más de 30 propiedades de clientes de MediaLeap que acordaron medir entre 2024 y 2026. Utilizamos el tiempo de participación promedio GA4 y separamos las sesiones que iniciaron el audio del artículo de las sesiones en conjuntos de artículos comparables que no reproducían audio. Se examinaron los índices dentro de cada propiedad porque la combinación de tráfico y la participación inicial variaban marcadamente.

En todas las propiedades participantes, la proporción de sesiones observada estuvo generalmente en el rango de 1,5 a 2,5. Algunos artículos extensos con mucho texto produjeron valores atípicos más grandes, incluido un caso cerca de 11 veces el promedio de las sesiones sin juego.

Este no fue un ensayo controlado aleatorio. Es posible que las personas que presionan reproducir ya tengan más interés, más tiempo disponible o preferencia por contenido de formato largo. Las categorías de artículos, dispositivos, posiciones de los jugadores y ventanas de medición diferían. La cifra no significa que agregar un jugador multiplicará la participación en todo el sitio entre 1,5 y 2,5.

También se observó un aumento de la frecuencia de retorno del 32 % y un aumento del 19 % en las visitas a la página en los datos de antes y después para un subconjunto de implementaciones. La estacionalidad, el volumen de publicación y los cambios de audiencia no fueron completamente aislados, por lo que esas cifras deben tratarse como observaciones direccionales de los clientes, no como puntos de referencia universales de productos.

La secuencia de implementación detrás de estas pruebas se describe en la guía de publicación de audio de cinco pasos.

Por qué escuchar puede prolongar una sesión

Para leer se necesita la pantalla, los ojos y, normalmente, una mano. Llega un tren, comienza una tarea del hogar u otra pestaña exige atención. La escucha puede continuar a través de algunas de esas transiciones.

Convince & Convert informó un patrón similar después de introducir versiones de audio en 2019: los usuarios que reprodujeron audio pasaron un promedio de nueve minutos en el sitio, en comparación con cuatro minutos para los usuarios de solo texto (Convince & Convert). Esa proporción de 2,25x es un estudio de caso externo, no una prueba de que todas las publicaciones la reproducirán.

En nuestras implementaciones, las columnas y explicaciones largas a menudo mostraban la diferencia más clara. Mi interpretación es que estos artículos contienen atención no realizada: los lectores quieren el argumento pero no pueden terminarlo en la pantalla. No mantuvimos constante la longitud del artículo en todas las propiedades, por lo que la explicación sigue siendo una hipótesis de trabajo.

<figura> <img src="https://images.media-leap.com/blog/2026/07/1784643289858-24q6h5u9.png" alt="Ilustración del tiempo de lectura y tiempo de escucha continua" /> <figcaption>La escucha puede continuar durante actividades que interrumpen la lectura de la pantalla. La autoselección del oyente también es parte de la diferencia observada.</figcaption> </figura>

Un compromiso más prolongado puede afectar los ingresos de tres maneras

La primera ruta es el inventario visible. Según la definición del Media Rating Council, una impresión de pantalla es visible cuando al menos el 50% de sus píxeles están en la pantalla durante al menos un segundo continuo. Más tiempo no hace que una impresión ya visible sea "más visible". Sin embargo, puede aumentar la posibilidad de que ubicaciones inferiores entren en la ventana gráfica.

El segundo camino es el tiempo a la vista y la actualización elegible. Los compradores que utilizan señales de atención pueden valorar el inventario que permanece visible por más tiempo. Actualizar puede crear impresiones adicionales solo cuando sigue las políticas de la plataforma, las reglas de actividad del usuario y los requisitos de calidad de la demanda. Un archivo de audio que se reproduce en una pestaña de fondo no es automáticamente una base válida para una actualización interminable.

El tercer camino son los ingresos por sesión. Si un visitante llega a más ubicaciones u otro artículo, los ingresos por sesión pueden aumentar. Esto no está garantizado. Un reproductor fijo en la parte superior de una página puede extender la duración del audio sin crear otra impresión de anuncio visible.

Pasé años observando esta tensión tanto desde la posición del SSP como del editor. Agregar inventario puede aumentar los ingresos a corto plazo y debilitar la confianza de los usuarios. El audio no debe convertirse en una excusa para agregar actualizaciones agresivas u otro anuncio obligatorio.

El techo comercial es visible en el mercado internacional de publicidad en audio, pero el audio del lado del editor comienza con el comportamiento de escucha, no con la inserción de anuncios.

El diseño del jugador cambia el tamaño de la oportunidad.

En todas las propiedades que observé, los jugadores adyacentes a los titulares se notaron con más frecuencia que las ubicaciones en la barra lateral o el pie de página. Una pequeña interfaz con reproducción, pausa, progreso y una etiqueta clara de "Escuchar este artículo" generalmente creaba una prueba más limpia que un reproductor con muchas funciones.

En un subconjunto de cambios de clientes, agregar una copia explicativa coincidió con un aumento relativo del 20% al 30% en la tasa de reproducción. Las pruebas no estaban estandarizadas en todos los sitios, por lo que no se trata de una mejora prometida. Es una hipótesis de prueba A/B razonable.

La tasa de reproducción es importante porque una tasa de participación alta entre el 1% de las sesiones puede tener poco efecto en todo el sitio. Una proporción menor entre el 10% de las sesiones puede importar más. Informe tanto el resultado condicional para los oyentes como el resultado combinado para todas las sesiones elegibles.

Donde el audio funciona mal

Los gráficos, galerías, mapas e instrucciones visuales pierden información esencial cuando se convierten sin adaptación. Las noticias breves de última hora pueden consumirse más rápido como texto que como audio. Las publicaciones especializadas también necesitan un diccionario de pronunciación actualizado; un nombre incorrecto puede dañar la confianza.

El costo es otra limitación. La síntesis bruta puede ser económica, pero la ingeniería del reproductor, la accesibilidad, la revisión editorial, el análisis y el mantenimiento de la pronunciación son trabajos recurrentes. El precio de la API pública para 2026 sugiere un amplio rango de ¥1,600 a ¥4,000 por millón de caracteres, mientras que una construcción personalizada limitada subcontratada en Japón podría estimarse en ¥500,000 a ¥1,5 millones. Ambos rangos dependen en gran medida del proveedor y el alcance.

El papel más amplio de la escucha en la publicación web se explora en el futuro de TTS para editores.

Una prueba debe separar la correlación del impacto.

Elija artículos de hoja perenne comparables y defina la medida antes del lanzamiento. Realice la prueba durante al menos un mes, o más para publicaciones con poco tráfico. Registro:

• sesiones elegibles y ritmo de juego;
• finalización de audio;
• Tiempo de participación de GA4 para sesiones de juego y no juego;
• participación combinada en todas las sesiones elegibles;
• impresiones visibles e ingresos por sesión;
• tiempo de corrección editorial.

Segmente por dispositivo, fuente de tráfico, categoría de artículo y visitante nuevo versus visitante recurrente. Si es posible, aleatorice la visibilidad de los jugadores entre tráfico comparable. Ese diseño producirá una estimación más sólida que una simple comparación entre oyentes y no oyentes.

Estoy construyendo PUBVOICE para reducir el costo de ejecutar esta prueba, no para convertir un índice de observación en una garantía. El número que vale la pena conservar es el que un editor puede reproducir bajo sus propias condiciones editoriales y de audiencia.