La inteligencia artificial está redefiniendo el panorama del marketing digital al actuar en dos frentes críticos: la producción de contenido y la forma en que los consumidores buscan información. Esta dualidad obliga a las marcas a repensar sus estrategias para sobrevivir en un entorno donde la eficiencia algorítmica y la experiencia del usuario son los nuevos pilares del éxito comercial.
Nos encontramos en medio de dos revoluciones simultáneas que cambiarán la forma en que las empresas compiten por los clientes. Una tiene que ver con la forma en que los consumidores buscan información. La otra, que acaba de empezar, tiene que ver con quién toma las decisiones de compra.
La gestión del marketing siempre ha consistido en hacer que las personas avancen por el embudo, desde el conocimiento hasta la consideración y la compra. Ese recorrido depende de cómo los consumidores aprenden sobre el mercado, y ese proceso de aprendizaje es precisamente donde estas revoluciones están teniendo mayor impacto. Durante décadas, los profesionales del marketing han creado conciencia a través de los medios de comunicación y luego han captado la demanda a través de los motores de búsqueda, pero la IA conversacional —sistemas como ChatGPT y Gemini que interactúan con los usuarios utilizando lenguaje natural— está ahora generando disrupción en ambas etapas a la vez.
Lo que sigue se basa en las investigaciones académicas más recientes sobre este tema. Los detalles específicos cambiarán, por supuesto, pero la dirección del cambio es clara.
La primera revolución: aprender sin sitios web
Los chatbots con IA están asestando un doble golpe a los minoristas. Piense en el modelo antiguo: alguien busca en Google, obtiene una lista de enlaces, hace clic en varios sitios web, compara opciones y, finalmente, compra. Pero ahora los consumidores recurren a los chatbots para obtener información. Cuando alguien pide recomendaciones de productos a ChatGPT o Claude, obtiene una respuesta completa sin siquiera ver la presencia web cuidadosamente diseñada de una marca, y el chatbot menciona muchas menos opciones de las que mostraría una página de resultados de búsqueda tradicional.
La respuesta de Google a ChatGPT empeoró las cosas para muchos minoristas. ¿Esas descripciones generales de IA que aparecen en la parte superior de los resultados de búsqueda? Muchos usuarios las leen y nunca se desplazan hacia abajo para ver los enlaces que hay debajo. Las marcas que han dedicado años a construir su presencia en los motores de búsqueda están viendo cómo se erosiona su tráfico. La gente encuentra lo que necesita a través de los chatbots y nunca llega a visitar una página web. Los datos agregados, tal y como se comentó el año pasado en The Economist, lo confirman: los patrones de tráfico web están cambiando rápidamente. La IA está acabando con la web.
Cuando los consumidores de hoy en día piden recomendaciones a un chatbot, obtienen una respuesta seleccionada basada en datos de entrenamiento y algoritmos. Las marcas que aparecen en estas respuestas obtienen una visibilidad desproporcionada, y todas las demás podrían no existir.
Los investigadores han comenzado a cuantificar estos cambios. Por ejemplo, un estudio de la Universidad de Boston analizó Stack Overflow, una plataforma muy popular entre los desarrolladores de software. Tras el lanzamiento de ChatGPT, el tráfico de la plataforma se desplomó. ¿Por qué? Porque los desarrolladores se dieron cuenta de que podían obtener respuestas de ChatGPT y no necesitaban preguntar a otras personas.
Pero aquí es donde las cosas se ponen interesantes: los investigadores también analizaron Reddit, otra plataforma social popular entre los desarrolladores, y allí no encontraron un efecto comparable en los subreddits (o comunidades) populares entre los desarrolladores. La diferencia radica en el propósito: las personas acuden a Stack Overflow en busca de información específica, algo que los chatbots también pueden proporcionarles, mientras que acuden a Reddit en busca de comunidad, debate y la experiencia de interactuar con otras personas, algo que los chatbots no pueden ofrecerles. La implicación estratégica de esta división emergente es clara: las marcas basadas principalmente en la difusión de información están expuestas, mientras que las basadas en la comunidad, la conexión emocional o la experiencia tienen más protección.
Un estudio realizado por investigadores de la London Business School y la UCLA profundizó en esta línea de investigación. Utilizando el Panel de Comportamiento Web de ComScore, un conjunto de datos con más de un millón de usuarios y datos de navegación a nivel de URL, hicieron un seguimiento del comportamiento individual y descubrieron, tras controlar las variables de confusión, que las búsquedas en línea se reducen aproximadamente un 20 % después de que las personas adoptan ChatGPT. Los sitios web más pequeños son los que más sufren, ya que carecen del reconocimiento de marca que los promueve, y el efecto es más fuerte entre los usuarios con alta actividad minorista. El resultado es que los clientes más valiosos están cambiando su comportamiento más rápidamente.
Del SEO al GEO
Estos cambios van a exigir un replanteamiento de la estrategia digital. Las técnicas que funcionaban en la era de los motores de búsqueda no se traducirán necesariamente en la IA conversacional. La optimización de palabras clave, la creación de enlaces, el refinamiento de metadatos… nada de eso se corresponde directamente con el funcionamiento de los chatbots. En cambio, lo que está ocurriendo es que estamos pasando de una era de optimización de motores de búsqueda, o SEO, a otra de optimización de motores generativos, o GEO.
El problema es que todavía nadie entiende realmente el GEO. Las reglas aún se están redactando, y las empresas que descubran pronto estrategias GEO eficaces tendrán una ventaja real antes de que se difundan las mejores prácticas. La clave estará en comprender algo importante: que la optimización para la IA conversacional no es un ejercicio técnico de SEO. Requiere comprender cómo estos sistemas procesan y sintetizan la información, qué fuentes prefieren y cómo construyen las respuestas. Significa replantearse por completo la estrategia de contenido, no solo lo que se dice, sino cómo se estructura la información para que los sistemas de IA puedan analizarla, contextualizarla y recomendarla. Los datos estructurados, la categorización clara y el contenido completo que responde directamente a las consultas comunes probablemente sean más importantes que las señales de autoridad basadas en enlaces que han dominado el SEO. (En 2024, en un artículo para HBR.org, hicimos un primer intento de explicar por qué los chatbots eligen mencionar las marcas que mencionan).
Dónde se sitúa la IA conversacional en el embudo
Para anticipar hacia dónde se dirige esto, es necesario comprender cómo generará ingresos la IA conversacional. Considere las diferencias entre los dos grandes canales de marketing digital. Meta y otras empresas de redes sociales monetizan la atención: publicidad en feeds, dirigida por datos demográficos y comportamiento. Se trata de marketing en la parte superior del embudo, que crea conciencia entre personas que no están buscando activamente nada en particular. Google, por otro lado, monetiza la intención. Al escribir una consulta, usted ha mostrado un interés activo, lo que le sitúa mucho más adelante en el proceso de compra. Esa intención hace que los anuncios de búsqueda sean valiosos para impulsar las conversiones.
En un nuevo artículo junto con Erik Hermann y David Schweidel, defendemos que la IA conversacional se sitúa entre esos dos extremos. Los usuarios expresan su interés a través de prompts, lo cual es más específico que desplazarse pasivamente por las redes sociales, pero a menudo eso ocurre en una fase más temprana del proceso de decisión que, por ejemplo, una búsqueda de información en Google. Alguien que pregunta a un chatbot sobre un tema relevante para una categoría de productos puede estar interesado en ella, pero probablemente tampoco esté listo para comprar.
Los datos recientes parecen confirmar esta hipótesis. Investigadores de Alemania utilizaron datos propios de más de mil sitios web y analizaron el valor de las referencias, incluidas las de ChatGPT, que constituían un pequeño porcentaje del total. Descubrieron que las referencias de ChatGPT generan unos ingresos por sesión que se sitúan entre los de las referencias de las redes sociales (parte superior del embudo, baja intención) y los de las búsquedas (alta intención).
Esa posición intermedia crea una dinámica interesante. Para las marcas, supone un nuevo punto de contacto en el que los consumidores se muestran interesados y curiosos, pero aún no han desarrollado una intención de compra específica. Se trata de un espacio muy valioso en el recorrido del cliente. Por eso, la batalla publicitaria por la IA conversacional va a ser muy reñida.
OpenAI anunció recientemente que la publicidad llegará a ChatGPT, una medida que la empresa debe tomar si desea seguir ofreciendo un plan gratuito a cientos de millones de usuarios. La empresa también publicó sus principios publicitarios, que, según afirma, están diseñados para dar prioridad a la confianza de los consumidores y evitar el daño que ha causado la publicidad en las redes sociales. Los principios son admirables, pero esa posición intermedia en el embudo crea fuertes incentivos para impulsar aún más la intención de compra, lo que, a su vez, probablemente conduzca a tácticas más agresivas. Va a ser difícil resistir la tentación de captar más miradas.
La segunda revolución: los bots como clientes
La revolución de las búsquedas ya es lo suficientemente disruptiva, pero se avecina una segunda transformación que podría ser aún más importante. Para comprenderla, es necesario empezar a distinguir entre dos términos que los profesionales del marketing suelen utilizar indistintamente: cliente y consumidor.
Un cliente es alguien que toma una decisión de compra, mientras que un consumidor es alguien que utiliza un producto. A veces son la misma persona, pero otras veces no: los padres compran para sus hijos, los médicos recetan a sus pacientes, los directores de aprovisionamiento adquieren suministros para otros departamentos. Esta distinción es importante ahora porque los agentes de IA están empezando a tomar decisiones de compra. La pregunta ya no es solo «¿Quién es su cliente?», sino también«¿Qué es su cliente?», porque su cliente podría ser un algoritmo. En la era de los agentes de IA, es posible que el responsable de la toma de decisiones y el usuario final ya no sean la misma entidad. El marketing tendrá que atender a ambos.
Imagine a un profesional ocupado que le dice a su asistente de IA: «Necesito un nuevo ordenador portátil para trabajar. Mi presupuesto es de dos mil dólares. Me importa la duración de la batería y la calidad de la pantalla. Pídame uno». El agente de IA investiga las opciones, sopesa las ventajas y desventajas y realiza la compra. Nadie ha visitado la página del producto ni ha leído ninguna reseña. Todo el proceso de compra se ha desarrollado dentro de un algoritmo.
Cuando un agente de IA pueda investigar opciones, evaluar alternativas, negociar precios y completar compras por una persona, el marketing tal y como lo conocemos tendrá que reconstruirse. Nos encontramos en las primeras etapas de esta transición. Comienza con la solicitud de recomendaciones, pero evolucionará hacia las transacciones. Los agentes de IA ya cuentan con la mayoría de las capacidades técnicas para realizar este trabajo autónomo. Lo que falta es infraestructura, marcos de confianza y adopción. Pero la trayectoria es obvia: al igual que los teléfonos inteligentes obligaron a pasar de un pensamiento centrado en los ordenadores de sobremesa a uno centrado en los móviles, los agentes de IA obligarán a muchos profesionales del marketing a pasar a una estrategia centrada en las máquinas y los clientes. Las empresas que empiecen a prepararse ahora estarán listas cuando el mercado madure.
Diseñar para clientes-máquina
Nuestra infraestructura web se creó para las personas. Navegamos por interfaces visuales, haciendo clic en pestañas, desplazándonos por menús y seleccionando opciones. Esto funciona porque somos criaturas visuales con habilidades motoras finas. Pero los agentes de IA son diferentes. Para que un bot pueda utilizar un sitio web típico, necesita una visión artificial sofisticada y una simulación de interacción. Alternativamente, el bot podría leer de forma mucho más eficiente formatos de datos estructurados que pueda analizar directamente. Por lo tanto, la web del futuro dependerá en gran medida de archivos densos y datos estructurados que los agentes de IA puedan navegar sin fingir ser navegadores humanos.
Mientras tanto, las marcas se enfrentan a un problema práctico: mantener una presencia en la web que funcione tanto para las personas como para los agentes de IA. Se necesitarán cambios arquitectónicos para garantizar que la información sobre los productos, los precios y la disponibilidad se muestren en formatos accesibles para ambos públicos.
La mayoría de las empresas no están preparadas para ello. Sus sitios web dan por sentado que quien navega es una persona. En sus procesos de pago dan por sentado que quien hace clic es una persona. Y sus sistemas de atención al cliente dan por sentado que al otro lado hay una persona. Adaptar todo esto a los clientes máquinas requerirá una inversión significativa y un cambio de mentalidad que muchas organizaciones ni siquiera han comenzado.
El campo emergente de la psicología de los bots
Cuando las personas eran los únicos clientes, los especialistas en marketing se basaban en gran medida en la psicología para comprender el impacto de los sesgos cognitivos, los desencadenantes emocionales, las heurísticas de decisión, la influencia social y diseñar estrategias de comercialización y mensajes relacionados. Si los bots se convierten en clientes, los especialistas en marketing también tendrán que comprender la psicología de los bots.
Eso será más complicado de lo que parece. Los sistemas de IA tienen patrones de comportamiento consistentes, pero esos patrones suelen ser sorprendentes, inconsistentes entre los distintos modelos y contrarios a la intuición. La investigación sobre este tema acaba de comenzar, pero los resultados deberían poner nerviosos a todos los profesionales del marketing. En un estudio, se pidió tanto a personas como a la IA que redactaran textos publicitarios y, a continuación, se pidió a ambos que calificaran los resultados. Los investigadores descubrieron lo que denominan «sesgo IA-IA»: los sistemas de IA calificaron el contenido generado por la IA mejor que el contenido generado por personas. Piense en lo que eso significa. En un mundo en el que los agentes de IA toman las decisiones de compra, el marketing creado por personas podría salir perdiendo, no porque sea peor, sino por los sesgos estructurales en la forma en que la IA evalúa la información. Llevamos décadas preocupándonos por los sesgos humanos en la toma de decisiones y creando sistemas para contrarrestarlos. Ahora también tenemos que preocuparnos por los sesgos de las máquinas.
Investigadores de Columbia y Yale, en colaboración con una start-up de IA, crearon un entorno de pruebas para estudiar cómo se comportan los agentes en las plataformas de comercio electrónico. Lo que descubrieron revela un panorama complicado. Al igual que las personas, los agentes de IA tienen efectos de posición, es decir, favorecen los productos que se muestran en determinadas ubicaciones. Esas preferencias varían enormemente entre los distintos modelos. Los investigadores probaron GPT, Claude y Gemini y descubrieron que los tres prefieren los productos que se muestran en la fila superior. ¿Pero dentro de esa fila? GPT favorece claramente la primera posición, Claude prefiere la del medio y Gemini favorece la derecha. Si usted es un minorista que intenta optimizar el diseño de la página, buena suerte para averiguarlo.
Los investigadores también descubrieron que los agentes de IA penalizan las etiquetas «patrocinadas», premian los respaldos y descartan la información cuando detectan influencia comercial. En cierto modo, los bots se comportan de forma más racional que las personas, que son famosas por ser susceptibles a la publicidad incluso cuando saben que se trata de publicidad. Los agentes de IA también responden a las valoraciones de precio y calidad, pero la ponderación varía según el modelo. Ante los mismos productos y la misma información, los diferentes modelos de IA tomaron decisiones de compra sustancialmente diferentes.
Qué deben hacer ahora los responsables de marketing
Estos cambios son desconcertantes y aterradores, porque están ocurriendo muy rápido y por el rumbo que parecen estar tomando. Entonces, ¿cómo deben responder los líderes de marketing? Estos son los pasos que pueden seguir para navegar por las dos revoluciones:
Empiecen por evaluar su exposición a la revolución de las búsquedas.
¿Qué porcentaje del tráfico y las conversiones proviene de los motores de búsqueda? ¿En qué medida su estrategia digital depende de que las personas hagan clic en su sitio web? Una alta dependencia del tráfico de búsqueda de información implica un alto riesgo a corto plazo.
Adquiere experiencia en la optimización generativa de motores de búsqueda.
Es un campo joven y en rápida evolución. Experimente con la estructuración del contenido para mejorar la visibilidad del chatbot. Realice un seguimiento de cómo aparece su marca en las respuestas de la IA. Desarrolle conocimientos internos antes que sus competidores.
Aproveche al máximo lo que la IA no puede replicar fácilmente.
El hallazgo de Stack Overflow frente a Reddit es importante aquí: la comunidad, la conexión emocional y la experiencia son más difíciles de desplazar que la entrega de información. Piense en cómo su marca puede profundizar en esas dimensiones.
Prepárese para los clientes de IA.
Empiece a pensar en cómo un algoritmo evaluaría sus productos. ¿Qué datos estructurados necesitaría? ¿Cómo se traduciría su propuesta de valor en los factores que ponderan los sistemas de IA?
Esté atento a las investigaciones.
Los académicos y analistas están generando nuevos hallazgos rápidamente. Desarrollar la capacidad para realizar un seguimiento y actuar en función de estos conocimientos dará un payoff.
Reconsidere la estrategia de contenido para una audiencia dual.
Su contenido debe resonar en los lectores humanos y, al mismo tiempo, estar estructurado de manera que los sistemas de IA puedan procesarlo y citarlo. Esto no significa escribir para máquinas en lugar de para personas. Significa reconocer que el mismo contenido se consumirá a través de vías muy diferentes.
Trate esto como una cuestión de liderazgo, no como un problema del departamento de marketing.
Estas transformaciones afectan a la forma en que las empresas se relacionan con los clientes a todos los niveles. Requieren coordinación entre la tecnología, el contenido, el producto y la experiencia del cliente. Las organizaciones que mantengan estas capacidades aisladas tendrán dificultades, mientras que aquellas que las integren a nivel ejecutivo avanzarán más rápidamente.
. . .
El marketing ha sobrevivido a transiciones disruptivas anteriormente: de la impresión a la radiodifusión, de la radiodifusión a lo digital, del ordenador de sobremesa al móvil. Cada una de ellas creó ganadores y perdedores. Esta transición es aún más profunda. No solo estamos cambiando la forma en que el marketing llega a los responsables de la toma de decisiones, sino también, potencialmente, quiénes son esos responsables. Las primeras pruebas sugieren que nos espera un camino difícil, dadas las variaciones en el comportamiento de los agentes de IA entre los distintos modelos y la opacidad de cómo los chatbots ponderan la información. Nos dirigimos hacia un período de incertidumbre y experimentación.
Pero la incertidumbre es donde residen las oportunidades. Las empresas que desarrollen experiencia en marketing conversacional con IA y que descubran cómo optimizar tanto para los clientes humanos como para los máquinas obtendrán grandes recompensas.
Stefano Puntoni es profesor de marketing en la Wharton School de la Universidad de Pensilvania y codirector de Wharton Human-AI Research.
Fuente: Harvard Business Review
