Los resultados declarados caen al 13,9% y suben los que ya no lo saben
Orbit Media, la agencia de Chicago de Andy Crestodina, publicó el 8 de septiembre de 2026 su encuesta anual sobre blogs, con 1.042 profesionales de contenidos respondiendo a las mismas 24 preguntas que hace años. Search Engine Land la recogió el 10 de septiembre con una pieza firmada por Danny Goodwin. Crestodina sitúa así la antigüedad de la serie: "after 19 years of publishing and 13 years of conducting this survey", esto es, diecinueve años publicando y trece haciendo la encuesta.
La pregunta que da el titular es la última del cuestionario, sobre si el contenido da resultados, y se formula desde 2016. Durante diez años la respuesta "resultados fuertes" se movió entre el 20% y el 30%. En 2026 baja al 13,9%, el mínimo de toda la serie. Crestodina lo redondea en el texto y lo usa como referencia para el resto del informe: "14% report 'strong results.' That's six points below the previous twelve-year low. That's a huge dip", en pocas palabras, que ese 14% queda seis puntos por debajo del mínimo anterior.
La otra mitad del movimiento es la respuesta "no sé si el blog da resultados", que sube al 18,9% y marca máximo histórico después de diez años moviéndose entre el 9% y el 14%. Las dos curvas se cruzan por primera vez en 2026. El pie de la gráfica avisa de que las líneas están suavizadas entre lecturas anuales, así que los valores intermedios de la curva están interpolados y los datos reales son los puntos de cada año.
El esfuerzo declarado también se ha movido, y en la misma dirección desde hace cuatro años. El tiempo medio por artículo llegó a su máximo en 2022 con 4 horas y 10 minutos y en 2026 está en 3 horas y 20 minutos. Orbit traduce esa diferencia a 50 horas menos de trabajo al año, con una aritmética que declara en el propio informe: 57 posts anuales a 50 minutos menos cada uno. La longitud media siguió el mismo patrón, con el pico de 1.427 palabras en 2023 y 1.314 en 2026 (el cuerpo del informe dice 1.312 y su gráfica rotula 1.314).
Qué dicen los datos de la encuesta sobre la IA en el blog
La adopción es prácticamente total. El 92,4% de los encuestados usa IA para su trabajo de contenidos y el 8% no la usa, partiendo de cerca de cero hace tres años. Crestodina lo describe como "the fastest adoption curve in the history of digital marketing", la curva de adopción más rápida de la historia del marketing digital.
Sobre el efecto de esa adopción, el informe es explícito y va en sentido contrario. Crestodina escribe "Using AI does not improve content performance" y "None of the use cases for AI in the survey correlate with performance. Marketers just got faster at making the same things", es decir, que usar IA no mejora el rendimiento del contenido, que ningún caso de uso correlaciona con resultados y que lo que ha pasado es que se produce lo mismo más deprisa.
El dato que sostiene esa afirmación es la comparación directa entre grupos: quienes usan IA y quienes no declaran resultados fuertes en la misma proporción, y la diferencia aparece en la cola baja, donde los que no usan IA declaran más resultados decepcionantes. Crestodina lo resume así: "Using AI doesn't make you more likely to outperform. But not using AI appears to make you more likely to underperform."
De ahí sale la frase que cierra el bloque y abre el resto del informe: "So the use of AI doesn't explain the collapse in performance. It must be something else. To find out what, we need to look at what marketers quit doing", esto es, que el uso de IA no explica el desplome y que hay que mirar qué han dejado de hacer los profesionales. Un detalle lateral del mismo bloque: casi todos los casos de uso de la IA bajaron en 2026, con la excepción de sugerir ediciones y crear elementos visuales, y la preocupación por la precisión de los modelos cayó once puntos respecto a 2025.
Las prácticas abandonadas y las que sí correlacionan con resultados
La táctica con mejor correlación del conjunto de datos es también la más abandonada. Colaborar con expertos externos en la mayoría de los posts lo hace hoy el 7% de los encuestados, frente al 25% de 2017, y de ese 7% el 36% declara resultados fuertes, 2,6 veces la referencia del 14%. Crestodina: "Influencer collaboration is the single best predictor of success in the dataset (...). Sadly, it's also the most abandoned."
El resto de tácticas de atención ganada repiten el patrón, aunque con menos distancia: publicar roundups lo hace el 21% y el 21% de ellos declara resultados fuertes; conseguir menciones en terceros, el 26% con un 20%; escribir guest posts, el 27% con un 18%. Las caídas interanuales más fuertes están en guest blogging, que retrocede un 29%, y en la colaboración con expertos, que cae un 22%.
La investigación original va por el mismo camino. Publicar estudios propios mejora la probabilidad de declarar resultados fuertes en un 50% y su adopción está bajando tras casi una década subiendo. El argumento de Crestodina es de diferenciación: "This is something AI cannot do, so it's a highly differentiated format in the era of AI generated content", que es algo que la IA no puede hacer y por eso queda como formato diferenciado. Es la misma idea que hay detrás del information gain.
En edición pasa algo parecido. El informe compara cuatro métodos (editor formal, varios editores, edición con IA y revisión informal entre compañeros) y la edición con IA obtiene el peor resultado de los cuatro, mientras el grupo con editor humano formal casi duplica la referencia. Sustituir editores humanos por IA figura entre las prácticas que están al alza y correlacionan con resultados débiles.
Con la investigación de palabras clave el dato es menos intuitivo de lo que parece. La mejor tasa de resultados fuertes la tiene quien la hace "a veces", con un 37%, y quienes responden "siempre" se quedan en el 14% de la referencia; además, las curvas de "siempre" y "nunca" convergen en torno al 23% en 2026. Crestodina no lee eso como un funeral: "SEO is alive and well. The big change is that AIs are doing searches on behalf of buyers", el SEO sigue vivo y lo que cambia es que ahora las IA buscan en nombre del comprador.
Dos cifras más para cerrar el cuadro. Las métricas de volumen (tráfico) son las más usadas, con un 39%, y solo el 11% de quienes las miran declara resultados fuertes, por debajo de la referencia. Y la acumulación manda: con seis o más de las ocho estrategias que el informe identifica, el 39% declara resultados fuertes; con una o ninguna, el 4%. Ninguno de los 1.042 encuestados hace las ocho.
La tesis que Crestodina construye con todo ello la deja escrita en dos frases: "Performance dropped because content marketers are using the most effective strategies less often" y "The problem isn't that content marketing is less effective. The problem is that content marketers stopped doing that most effective content marketing". En pocas palabras, que el rendimiento cae porque se usan menos las estrategias efectivas, y que la disciplina sigue funcionando cuando se practica entera.
Lo que la encuesta no controla
El informe de 2026 no publica nota metodológica. No aparecen las fechas de campo, ni el país de los encuestados, ni el método de reclutamiento, ni el reparto entre B2B y B2C, ni ningún margen de error. La caracterización más detallada del reclutamiento es externa y antigua: Heidi Cohen, analizando la edición de 2020, describía a los encuestados como autoseleccionados y cercanos al autor, y avisaba de que los resultados podían estar sesgados hacia quienes comparten sus puntos de vista.
La variable dependiente es una percepción. "Resultados fuertes" es lo que declara el encuestado, sin medición detrás, y el 18,9% que dice no saber si su blog funciona degrada la fiabilidad de esa variable justo el año en que se desploma.
El diseño también limita lo que se puede concluir. Es una encuesta transversal repetida y no un panel, así que no sigue a los mismos profesionales en el tiempo y no separa el cambio de comportamiento del cambio en la composición de la muestra. Todo lo que publica son cruces de dos variables, sin regresiones ni controles por presupuesto, seniority o tamaño de equipo, y la explicación inversa encaja igual de bien: un programa que ya funciona tiene dinero para pagar a un editor, colaborar con expertos y publicar investigación propia.
El propio informe recoge además un factor externo que compite con su tesis. Crestodina escribe que "search traffic to articles that rank for information-intent phrases has been completely torched. It will never come back to previous levels", que el tráfico de búsqueda al contenido informacional se ha arrasado y no volverá a los niveles anteriores, y su serie de dificultad por canal muestra que ninguno se ha vuelto más fácil desde 2019. Una caída del tráfico por ese lado deprime la percepción de resultados sin que el comportamiento de nadie haya cambiado.
Sobre el uso del material: Orbit autoriza expresamente reutilizar sus estadísticas y gráficas con atribución y enlace a la página del estudio. Y hay un par de inconsistencias internas menores que conviene conocer si se citan cifras: el cuerpo del texto da 1.312 palabras de longitud media donde la gráfica rotula 1.314, y conviven tres marcos temporales distintos (trece años de encuesta, doce años de referencia en la prosa y una serie de resultados que arranca en 2016).