Oportunidades de la inteligencia artificial generativa en marketing

La opinión generalizada es que los bots de IA generativa van a revolucionar la función de marketing, ya que permiten reducir drásticamente el tiempo que dedicamos a realizar la mayoría de las tareas básicas del día a día, desde escribir un correo electrónico, hacer el resumen de una reunión o analizar los datos de una encuesta hasta establecer correlaciones en una serie de datos. Parece que ha llegado para quedarse. Warren Buffett afirmaba hace unos meses: “No conozco ninguna forma de volver a meter al genio en la botella, y la IA es algo parecido”¹.

De todas formas, es importante entender que la IA generativa no produce contenidos de manera original y espontánea, sino en función de los modelos y los datos con los que ha sido “entrenada”. Una de las anécdotas que ilustran esta limitación es la que ocurrió con Gemini (la herramienta de IA generativa de Google) en febrero de 2024, cuando un usuario pidió a la aplicación que generara imágenes de soldados alemanes de 1943 para una ilustración. La respuesta de Gemini corrió rápidamente por las redes, ya que creó imágenes de soldados sin esvásticas y con diversidad racial. Este resultado se produjo porque, para el modelo con el que operaba Gemini, las personas somos diversas y no reproduce símbolos que impliquen xenofobia y violencia, como la esvástica.

En el ámbito del marketing, existen tres casos de uso que destacan sobre los demás: en un ámbito más estratégico, la capacidad de hiperpersonalizar la propuesta de valor a los clientes; en el ámbito de la comunicación, la facilidad de crear contenidos, y en el ámbito de la relación con el cliente, la posibilidad de automatizar la relación.

 

La promesa de la hiperindividualización

La personalización de las propuestas de valor ha sido una estrategia esencial en las propuestas de marketing, primero en los mercados B2B, donde el menor número de clientes ha permitido hacerlo sin grandes necesidades de tecnología. En los mercados B2C y de consumo, con muchos más clientes, esta estrategia no fue posible hasta el desarrollo de las TIC en los años ochenta del siglo XX. La inteligencia artificial generativa permite desarrollar mucho más todavía esta estrategia, incidiendo en tres aspectos clave.

 

1. Análisis de la información de los clientes. Los bots de IA generativa serán capaces de estudiar con precisión la información de los clientes de una manera multimodal, es decir, recogiéndola de fuentes muy diversas (el CRM de la empresa, datos externos de distribuidores, encuestas, redes sociales, interacciones de servicio, etc.). Será esencial tener datos correctos y comparables, así como entrenar al bot en las restricciones adecuadas para entender el peso de cada dato.

 

2. Propuesta de estrategias individualizadas. Más allá del análisis, un bot de IA generativa será capaz de entender las posibilidades de cada cliente, una vez entrenado con las restricciones de la empresa para maximizar tanto la satisfacción del cliente como los beneficios de la empresa, que son dos objetivos a menudo contradictorios que el bot deberá ser capaz de arbitrar.

 

3. Comunicación directa a los clientes. Con sus capacidades conversacionales, la IA generativa también sería capaz de transmitir la oferta personalizada al cliente de manera inmediata y “desintermediada” de cualquier interacción humana, es decir, sin tener que recibir el visto bueno de una persona.

 

Estos procesos se podrían hacer simultáneamente con todos los clientes y en tiempo real, dando a la empresa una capacidad casi mágica de llevar a cabo estrategias realmente individualizadas. Y es que, como apuntaba Arthur C. Clarke hace más de medio siglo, “cualquier tecnología suficientemente avanzada es indistinguible de la magia”².

Un primer ejemplo de este tipo de estrategias es el de la empresa americana de comida rápida Kentucky Fried Chicken, que en el año 2017 empezó a instalar en sus restaurantes en China “quioscos” para hacer pedidos equipados con reconocimiento facial³. La promesa de esta nueva manera de atención consistía en que, una vez reconocido el cliente, aparecería en la pantalla una recomendación personalizada de menú. La experiencia no fue un éxito entonces, ya que, sin una inteligencia artificial suficientemente desarrollada y entrenada, las recomendaciones eran demasiado genéricas.

Es ahora, con bots suficientemente potentes y entrenados, cuando KFC está empezando a poder cumplir su promesa, ya que no solo puede reconocer al cliente por su imagen, sino también recoger información multimodal de aspecto, expresión, hora del día, etc., y analizarla en tiempo real para entrar en un diálogo con el cliente que permita afinar la oferta. Por desgracia, aunque la hiperpersonalización sea la propuesta más impactante y espectacular de la IA generativa, todavía queda muy lejos para la mayoría de las empresas.

 

Creatividad a escala, pero con autenticidad

Uno de los casos de uso más extendidos de la IA generativa en el marketing B2B es la creación de contenidos, desde imágenes o vídeos para actividades de comunicación masiva hasta manuales de usuario o correos personalizados.

Según Mark Heitmann, profesor de Marketing en la Universidad de Hamburgo, la inteligencia artificial generativa tiene el potencial de desplazar la “frontera de productividad” de la creación de contenidos en marketing, al incidir no solo en la cantidad que se produce, sino también mejorando su calidad (ver el cuadro 1)⁴.

 

 

Este autor afirma que la IA generativa ayuda a producir contenidos con mayor calidad, ya que permite, por un lado, un mejor análisis de las necesidades y demandas de los consumidores, gracias a sus herramientas de diálogo (bots y cuestionarios) y análisis; y por otro, la iteración sencilla y rápida de mensajes para testar los mensajes más efectivos.

También se produce contenido más fácilmente, no solamente por el potencial de la IA generativa de asistir en la creatividad, sino con la creación de imágenes o vídeos de manera automática, mucho más rápida que con herramientas de diseño tradicionales, lo cual permite crear mucho más contenido.

Según Heitmann, el incremento de la productividad no solo tiene que ver con la cantidad, sino con la mayor efectividad de los contenidos generados por IA. En el cuadro 2 se documentan los resultados de un estudio que comparaba los anuncios generados de manera artesanal y con IA para la marca de automóviles eléctricos Polestar. Los resultados en términos de atención, interés y atracción (lo que se conoce como “mindset metrics”) y comportamiento (CTR) fueron superiores para los anuncios generados por IA. En concreto, el CTR fue un 17,5% superior en los anuncios generados por la IA.

 

 

A pesar de la promesa de la tesis de Heitmann, estamos asistiendo a situaciones en las que la creatividad realizada de esta manera está generando rechazo entre los consumidores.

Un ejemplo es el de la marca de moda Levi’s, que en marzo de 2023 anunció que iniciaba una colaboración con Lalaland.ai, una agencia especializada en la generación de modelos para moda con IA generativa, para ofrecer “una experiencia de compra más inclusiva, personal y sostenible”. La reacción en redes sociales fue muy negativa, con personas criticando a la marca por ser “perezosa” y “racista”. Ante estas críticas, Levi’s tuvo que explicar su decisión, intentando atajar la crisis reputacional que se había creado⁵.

En otro ejemplo similar, KFC anunció una campaña en mayo de 2024 en la que invitaba a los “fans” a generar imágenes de manos con más de cinco dedos comiendo nuggets de pollo, para promocionar un nuevo sabor. Al igual que en el caso de Levi’s, la propuesta generó una crisis en redes sociales, con numerosas críticas a la promoción del uso de estas herramientas y demandando el uso de “artistas de verdad” en las campañas.

Estos dos ejemplos parecen indicar un problema de reputación del uso de la IA generativa en el ámbito de la creación de contenidos. Un reciente estudio de los profesores Brüns y Meißner, de la Universidad Técnica de Múnich, apunta a las limitaciones del uso de las herramientas de IA en la creación de contenidos en redes sociales⁶, ya que concluyen que los consumidores perciben las marcas que lo hacen como menos auténticas. A su vez, esto desencadena actitudes y percepciones negativas hacia esas marcas, como una disminución de la confianza en las publicaciones, menor intención de conexión con la marca y pérdida de lealtad hacia la misma.

Todo ello obliga a matizar las promesas de la IA generativa en la creación de contenidos. Por un lado, como apunta Heitmann, las oportunidades de productividad son muy interesantes, pero, por otro, las percepciones de una parte del público, lo suficientemente ruidoso en redes sociales, son desfavorables a su uso. Como propuesta de compromiso, convendría que las marcas fueran transparentes en el uso de la IA generativa y enfatizaran la participación humana en ese proceso creativo.

Vale la pena tener en cuenta que en los inicios de una nueva tecnología suelen aparecer actitudes “luditas” que condenan su uso y piden su control o supresión. Cabe esperar que, a medida que vayamos usando las herramientas de IA generativa, se creen los sistemas de salvaguarda de los derechos de autor y se regule el uso de los aspectos más controvertidos, el público acepte mejor los contenidos generados con estas herramientas.

 

“La máquina sintiente”: aplicaciones en atención al cliente

Otro de los ámbitos de aplicación de la IA generativa en marketing con mayor potencial es la utilización de bots en la atención al cliente. Para muchas empresas la atención al cliente presenta un difícil dilema: es vista como esencial para la satisfacción y fidelización de los clientes, pero un buen servicio supone una considerable inversión en recursos, esencialmente en personas, que tienen que hacer un trabajo poco agradecido y sin mucha proyección. A menudo se acaba apostando por el ahorro de costes y subcontratando esta función, limitando así su capacidad de usar la atención al cliente de manera estratégica, como herramienta de fidelización.

La IA generativa ofrece la posibilidad de resolver este dilema. Podríamos tener bots eficaces en la resolución de problemas y quejas de los clientes, que evitarían grandes inversiones en personas e instalaciones. La clave está en crear lo que los académicos Ming-Hui Huang y Roland T. Rust denominan una “caring machine”, que sería un bot capaz de atender a los clientes y generar bienestar emocional⁷.

Para ello, Huang y Rust ofrecen un modelo de “viaje emocional del cliente”, que es el que recorrería para alcanzar el bienestar emocional tras su interacción con la empresa (ver el cuadro 3). Este recorrido describe las etapas que debe seguir el cliente para que la interacción le deje emocionalmente satisfecho, lo que a su vez generaría una emoción positiva hacia la marca o empresa y, por tanto, un incremento en la conexión emocional del cliente con ellas. El resultado sería la propensión a un comportamiento más leal y, por tanto, un incremento de su valor para la empresa. Según un estudio, los clientes con una conexión emocional positiva son, de promedio, un 52% más valiosos y fieles a las empresas⁸.

 

 

El primer paso en el viaje emocional del cliente es el reconocimiento de las emociones. Cuando el cliente interactúa con un bot, este debe ser capaz de identificar la emoción que el cliente está sintiendo en ese momento. Por ejemplo, si alguien llama a una compañía aérea para pedir un cambio de vuelo porque ha fallecido un familiar, el bot debería reconocer la tristeza en sus palabras y en el tono de su voz.

El segundo, la comprensión, exige demostrar empatía con el cliente en base a su estado emocional. En el ejemplo anterior, el bot debería presentarle sus condolencias y ofrecerse a ayudarle en unos momentos tan difíciles.

El tercero, la gestión de las emociones, consiste en ofrecer recomendaciones que ayuden al cliente en el proceso de la emoción que está sintiendo y expresando. Volviendo al ejemplo anterior, el bot podría ofrecer al cliente un asiento tranquilo para su vuelo y descontar el recargo habitual por cambio.

Finalmente, el proceso se cerraría con la conexión emocional, que se establece cuando el cliente percibe que la empresa se preocupa por su situación, lo que genera una reciprocidad por su parte, desarrollando emociones positivas hacia la empresa. Terminando con el ejemplo del cambio de vuelo, el cliente agradecería el trato recibido, y el bot se ofrecería a ayudarle con lo que necesitara y le desearía un buen viaje, considerando las circunstancias.

La cuestión es si un bot de atención al cliente, desarrollado con la mejor tecnología de IA en el mercado, puede ser efectivo en las cuatro fases de este recorrido.

 

Reconocimiento de emociones

Según los experimentos de Huang y Rust, un bot puede reconocer de manera precisa las emociones que expresa una persona cuando interactúa con él, en base a un entrenamiento previo con datos de cómo se expresan las personas en su día a día. El reconocimiento está basado en el contexto de la conversación, y el prompting de los clientes puede facilitarlo. Los problemas en el reconocimiento de las emociones aparecen cuando el mensaje del cliente no es honesto o es vago o contradictorio. En estos casos el bot se confundiría y no sería capaz de codificar la emoción, lo que cortocircuitaría el proceso de conexión emocional.

Una manera de solucionar este problema sería desarrollar sistemas de captura de emociones multimodales, en los que la emoción no se capture de una sola manera, texto o audio, sino combinándolos con vídeo. Así el bot tendría más información para el adecuado reconocimiento de la emoción, una vez entrenado en las “señales” emocionales en los distintos modos.

 

Comprensión de emociones

Una vez entendida la emoción, los bots son muy capaces de expresar las señales de empatía necesarias. Un estudio de 2023 indica que los pacientes consideraron las respuestas de ChatGPT un 41% más empáticas que las de los médicos⁹. Es importante destacar que los bots no sienten empatía, sino que la expresan, por lo que a veces se pueden perder los elementos de contexto y generar una respuesta inapropiada. Un ejemplo cómico se puede ver en el anuncio que Amazon hizo para la Super Bowl de 2022, con Scarlett Johansson y Colin Jost, su marido, en el que Alexa ofrecía propuestas completamente fuera de lugar.

Tal vez este es el problema más difícil de solucionar para entrenar a un bot de atención al cliente, ya que los elementos de contexto son muy específicos según la situación y la persona, y los datos para aprender “sentido común” no son fáciles de recoger de manera explícita. Aun así, se están desarrollando modelos de IA generativa que cada vez son más capaces de trabajar con “modelos del mundo” en los que contextualizar y entender las situaciones, creando un cierto sentido común.

 

Gestión de emociones

Los bots de atención al cliente son capaces de ofrecer soluciones, pero todavía lo hacen de una forma muy genérica, en base a los datos con los que han sido entrenados. Para que las soluciones o las propuestas al cliente sean más específicas, los bots tendrían que trabajar con el concepto de “segmento”, en el que establecerían propuestas en función de unas limitaciones según el tipo de cliente e interés para la empresa, algo para lo que ya se les está entrenando.

Una forma de acelerar el proceso de aprendizaje de los bots es desarrollar la ingeniería de respuestas en la interacción con el cliente. En este caso, sería el bot quien haría las preguntas adecuadas al cliente para que le vaya dando la información necesaria, y así ofrecerle las soluciones pertinentes.

En este paso de gestión de las emociones hay que destacar una ventaja de los bots respecto a las personas: con ellos no se producen los problemas de escalada emocional, que son habituales cuando los clientes expresan emociones de rabia o ira. Ante un cliente muy enfadado, descortés e incluso ofensivo, una persona tiende a reaccionar negativamente, escalando la negatividad en el intercambio, lo que limita su capacidad de gestionar adecuadamente las emociones. Esto no les ocurre a los bots, que ni sienten ni se ofenden.

 

Conexión emocional

En la última parte del proceso, la propuesta que el bot ha hecho al cliente debe generarle satisfacción. Y aquí nos encontramos con el mismo problema que en el paso anterior, ya que el bot debe ser capaz de entender las especificidades del cliente en concreto. Para ello, no solo tiene que ser entrenado en el concepto de segmento o tipo de cliente, sino que debe ser capaz de utilizar esta información para arbitrar entre el beneficio para el cliente y para la empresa. Por ejemplo, un bot debería ser capaz de reconocer a un cliente con alto potencial y ofrecerle una solución de alto coste para la empresa, y también de reconocer a un cliente con menor potencial y ofrecerle solo las soluciones que mantengan el margen de la transacción para la compañía. Este proceso requiere un entrenamiento exhaustivo del bot tanto con datos de interacción con los clientes como con restricciones de atención en función de la segmentación y del interés para la empresa.

El desarrollo de bots de atención al cliente supone una gran oportunidad para las empresas, y también requiere inversiones en tres ámbitos concretos:

• Entrenamiento específico con datos de interacciones con clientes.

• Modelos de restricción de la atención en base a segmentación de clientes y rentabilidad de la empresa.

• Tecnología de interacción multimodal con el cliente.

 

El camino por recorrer

Para desarrollar todas las posibilidades de la IA generativa no solo se requerirá una gran inversión en desarrollar modelos y recoger datos, sino que también será necesario que las empresas y la sociedad se pongan de acuerdo en dos grandes temas.

El primero es la gestión de la privacidad y seguridad de los datos de clientes que se usarán para entrenar los modelos. No se podrá desarrollar la IA generativa sin un marco claro de protección en el que empresas y personas se sientan seguras de la gestión íntegra de los datos.

El segundo es el de los derechos de autor y la atribución de la creatividad generada por estas herramientas. Es necesario que autores y bots trabajen en un entorno donde se reconozca y proteja la autoría de lo generado.

Si somos capaces de dar respuesta a estas dos cuestiones, la inteligencia artificial generativa tiene el potencial de cambiar radicalmente la forma en que haremos marketing en el futuro.

 

Referencias

1. Ma, J. “Warren Buffett warns on AI, teases succession, and hints at possible investment during Berkshire Hathaway’s annual meeting”. Fortune, 4 de mayo de 2024.

2. Clarke, A. C. Profiles of the Future: An Enquiry into the Limits of the Possible. Paperback, 1962.

3. Hawkins, A. “KFC China is using facial recognition tech to serve customers - but are they buying it?”. The Guardian, 11 de enero de 2017.

4. Heitmann, M. “Generative AI for Marketing Content Creation: New Rules for an Old Game”. NIM Marketing Intelligence Review, 16 (1), 2024.

5. “LS&Co.Partners with Lalaland.ai”. www.levistraus.com, 22 de marzo de 2023.

6. Brüns, J. D. y Meißner, M. “Do you create your content yourself? Using generative artificial intelligence for social media content creation diminishes perceived brand authenticity”. Journal of Retailing and Consumer Services, n.º  79, 2024.

7. Huang, M.-H. y Rust, R. T. “The Caring Machine: Feeling AI for Customer Care”. Journal of Marketing, nº 88 (5), 2024.

8. Magids, S., Zorfas, A. y Leemon, D. “The new science of customer emotions”. Harvard Business Review, nº 76 (11), 2015.

9. Ayers, J. W. et al. “Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum”. JAMA Internal Medicine, nº 183 (6), 2023.