Cuando el negocio es la red: analizando los MLM con datos
Noa Martínez García
Madrid, 21 de Abril de 2026
Tiempo de lectura: 10m
Si estás leyendo esto en la cafetería intentando que tenga sentido ese código en Python que lleva dándote error media hora (o intentando terminar esa práctica de R), haz una pausa.
Hoy traemos un Deep Dive un poco diferente inspirado en el análisis del podcast Financial Feminist («Inside the Cult of MLMs»). No vamos a hablar de cómo los algoritmos de BlackRock mueven billones en Wall Street, sino de algo que probablemente tengas mucho más cerca: esos mensajes en Instagram que te prometen «libertad financiera», trabajar desde el móvil y hacerte millonario vendiendo batidos o aceites esenciales.
La conclusión rápida es que los números no cuadran. Detrás de este marketing, los datos nos cuentan una historia muy distinta, una que se parece más a una estafa que a una startup.
MLM vs. Estafa Piramidal: Cuando el modelo depende de la red.
Probablemente conozcáis a alguien que se ha metido en un MLM (Marketing Multinivel). En teoría, es legal. Pero, ¿dónde está la línea técnica que los separa de las estafas piramidales (esquemas Ponzi)?
- El MLM Legal: Ganas dinero por dos vías: vendiendo un producto real (champús, mallas, suplementos) y llevándote una comisión por las ventas de la gente que reclutas (tu downline).
- La Estafa Piramidal: Ilegal y matemáticamente insostenible. No hay producto (o es una excusa carísima). El dinero que ganan los de arriba sale única y exclusivamente de la cuota de entrada que pagan los nuevos reclutados de abajo.
El problema analítico: La frontera es difusa. Si la principal fuente de ingresos de un distribuidor viene de meter a más gente en la red en lugar de vender al cliente final, el modelo colapsa. Desde la perspectiva de network science, lo interesante no es solo la legalidad del modelo, sino su estructura: cómo crece la red, cómo se distribuyen los ingresos y qué ocurre cuando el crecimiento se ralentiza.
La Magia Técnica: Progresiones Geométricas y Saturación de Red.
Para nosotros, los data enthusiasts, el fraude estructural de estos negocios es evidente. Se basan en la falacia del crecimiento exponencial infinito en una población finita.
Imagina que la matriz de reclutamiento exige que cada miembro meta a 5 personas. La suma total de miembros n en una red de n niveles con una tasa de reclutamiento r se modela mediante la serie geométrica:
Si r = 5, en tan solo 13 niveles habrías superado la población total del planeta Tierra. El mercado se satura rapidísimo, dejando a los de la base sin nadie a quien vender o reclutar.
Algoritmos sociales y diseño basado en datos
En modelos donde el crecimiento depende de la red, los datos no solo sirven para medir lo que ocurre, sino para influir en lo que ocurre después.
Al igual que en plataformas digitales, se analizan métricas como actividad, ritmo de incorporación, interacción o permanencia para entender qué participantes tienen más probabilidad de seguir activos y cuáles están a punto de abandonar. Con esa información, se pueden ajustar mensajes, incentivos o recomendaciones. No es muy distinto de cómo una app intenta recuperar a un usuario que lleva días sin abrirla.
Este enfoque se apoya en herramientas habituales de Business Analytics: segmentación de usuarios, modelos de predicción de abandono, experimentación con incentivos o análisis de engagement. El objetivo no es solo observar la red, sino diseñar intervenciones que cambien su evolución.
El Concepto Técnico clave del modelo: Valor Esperado (EV) negativo.
Si en el mundo de la gestión de riesgos la métrica reina es el VaR, para analizar si un MLM merece la pena tienes que mirar el Valor Esperado (Expected Value). El EV te dice, estadísticamente, cuánto dinero puedes esperar ganar (o perder) si participas. En un MLM, el EV es dramáticamente negativo. Lo cual deja claro el resultado esperado y más cuando la FTC (Comisión Federal de Comercio de EE.UU.) advierte que el 99% de las personas que entran en un MLM pierden dinero.
Qué nos enseñan los MLM como caso de estudio.
Más allá del debate sobre el modelo, los sistemas multinivel son un buen ejemplo para entender cómo el crecimiento de un negocio puede depender de la evolución de una red. Analizarlos obliga a mirar métricas como incorporación de nuevos participantes, retención, ritmo de expansión o señales de saturación, muy similares a las que utilizan plataformas digitales, marketplaces o productos basados en referral.
Como caso de estudio, muestran una idea clave en Business Analytics: no solo analizamos ventas o clientes, analizamos sistemas. Cuando el negocio depende de cómo interactúan las personas, los datos sobre la red se vuelven esenciales para entender el crecimiento, anticipar cambios y tomar decisiones
En BAUC3M nos encantan los negocios disruptivos, pero siempre con los datos por delante. Si un modelo te pide que monetices a tus amigos para cubrir tus pérdidas, los números no mienten: no eres el CEO, eres el cliente final.
Mantente atento a nuestros próximos eventos. ¡Nos vemos pronto!