Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MarketingporenNirajlaDawar
era de Alexa
De la Edición (Mayo–Junio 2018)
Tomasz Walenta
Adquisición.
Con los datos de los consumidores que se utilizan ahora para crear
marketing bien orientado, la adquisición de clientes se ha vuelto cada
vez más eficiente. Aún así, el objetivo de los vendedores está lejos de
ser perfecto. Los anuncios siguen dirigidos a consumidores que no
son buenos prospectos y no llegan a todos los que puedan estar
interesados en una oferta. Incluso cuando un anuncio encuentra la
audiencia adecuada, su mensaje a menudo se ve emparejado por las
limitaciones cognitivas de los consumidores: es posible que la gente
necesite ver el anuncio muchas veces antes de registrarse o puede
olvidarlo por completo. Pueden recordar sólo las partes que les
interesan (por ejemplo, el humor) pero no el nombre del producto o la
promesa distintiva.
Esos problemas serán menos importantes en los próximos años,
cuando el objetivo principal de los miles de millones de gastos anuales
en marketing de marca pasará de consumidores olvidadizos y
sesgados a plataformas de IA que conservan hasta el último pedazo de
información. Las plataformas analizarán esos datos, teniendo en
cuenta los precios de los productos, las características, el rendimiento
pasado y las revisiones (ponderadas por autenticidad y relevancia), así
como las preferencias y el comportamiento pasado de los
consumidores. La adquisición de clientes se convertirá en una ciencia
aún más y se centrará en un solo canal, la plataforma, en lugar de en
múltiples canales.
En este universo, influir en los algoritmos de las plataformas será la
clave para ganar. Será crucial que las empresas comprendan los
criterios de compra personalizados que la IA aplica en nombre de
cada consumidor. Los vendedores probablemente tendrán que pagar
las plataformas para obtener esa información, y para ser «listados» en
ellas, de la misma manera que las marcas ahora pagan tarifas de
estantería a los minoristas de ladrillos y morteros. Los vendedores
también pueden esperar pujar por posiciones preferenciales o pagar
de otro modo extra, al igual que los hoteles hoy pujan para aparecer
en la parte superior de los resultados en Expedia, o los vendedores
compiten en las subastas de Google AdWords para llegar primero en
las búsquedas. Aunque Amazon dice que no tiene planes de añadir
publicidad a Alexa, CNBC ha informado que la compañía está
hablando con varias empresas de bienes de consumo sobre la
promoción de sus productos en la plataforma. Experimentos «en el
trabajo», dijo CNBC, permitirían a Alexa hacer recomendaciones de
productos basadas en las consultas previas de un usuario («¿Cómo
limpio las manchas de hierba?») o comportamiento de compras
pasado. Creemos que la colocación de productos y las
recomendaciones en plataformas de IA son inevitables y, con el
tiempo, serán una fuente importante de ingresos.
De diferentes maneras, todos estos pagos serán para el acceso al
consumidor. Las empresas esencialmente reasignarán a las
plataformas lo que gastan hoy en día en publicidad, tarifas de
publicación y asignación de fechas, y comisiones minoristas. Las
marcas darán forma a sus ofertas y estrategias de innovación para
conseguir que los asistentes de IA expongan sus productos.
Satisfacción.
La satisfacción del cliente impulsa la lealtad, el boca a boca, la cuota
de mercado y la rentabilidad. No es de extrañar que los vendedores
estén obsesionados en su monitoreo. Imagine, entonces, un mundo
en el que los datos de satisfacción fiables sean más fáciles de obtener
de las plataformas de IA que de los propios consumidores.
Una plataforma sirve a los consumidores anticipando constantemente
sus necesidades. Para ello, debe recopilar datos granulares sobre sus
patrones de compra y uso de productos y tratar de comprender sus
objetivos: ¿Quieren que los productos alimenticios mejoren su salud,
productos energéticos para minimizar su impacto ambiental y
productos financieros para aumentar sus rendimientos a largo plazo?
¿O sus criterios son sabor, precio y rendimiento a corto plazo? Las
sofisticadas plataformas de IA irán más allá y descubrirán las
compensaciones que los consumidores están dispuestos a hacer:
¿Cuánto más pagarán por un producto más saludable? ¿Cuánto
espacio en un coche sacrificarán para obtener una mejor eficiencia de
combustible? Las plataformas de IA sabrán incluso si es probable que
los consumidores adapten sus necesidades en diferentes contextos,
por ejemplo, si una persona a dieta hará una excepción para el postre
al celebrarlo.
Debido a todo esto, las plataformas de IA podrán predecir qué
combinación de características, precio y rendimiento es más atractiva
para alguien en un momento dado. En última instancia, los asistentes
de IA pueden satisfacer las necesidades de los clientes mejor que los
propios clientes. Los motores de recomendación relativamente
primitivos ya se están moviendo en esta dirección, sugiriendo libros,
películas y música que los consumidores no sabían que disfrutarían.
Las plataformas de IA conducirán a una clasificación y
emparejamiento más eficientes en el mercado. A los consumidores
que prefieren las Four Seasons, por ejemplo, es poco probable que se
les ofrezcan reservas en un hotel Trump por sus plataformas. Por lo
tanto, las marcas querrán afinar su posicionamiento de manera que
las plataformas se registren.
Retención.
Los vendedores asumen que las compras repetidas indican la
satisfacción del cliente y son un signo de fidelidad a la marca. Sin
embargo, muchos clientes siguen comprando un producto no porque
les deleite, sino porque no pueden molestarse en explorar alternativas
si una marca está funcionando adecuadamente. En pocas palabras, la
mayoría de las personas tienen mejores cosas que hacer que evaluar
los ingredientes de los detergentes para ropa. Un asistente de IA, sin
embargo, no lo hace. Puede reevaluar regularmente todas las marcas
de cualquier categoría, ya sean portátiles o chicles, y recomendar una
nueva que pueda servir mejor al consumidor. Algunos consumidores
pueden incluso desear cambiar las cosas por el bien de la variedad,
por lo que sus asistentes, conscientes de ello, periódicamente
recomendarán nuevos productos que les gusten.
Esa reevaluación rutinaria de las compras obligará a las marcas
actuales a justificar constantemente sus posiciones. Pero también
abrirá oportunidades para los rivales. La competencia se hará más
intensa.
Aunque los titulares tendrán que innovar para aferrarse a los clientes,
podrán comprar información de plataformas que les ayudará a inhibir
el cambio de marca. Si una marca sabe que es probable que un
consumidor defecte (por ejemplo, porque ha indicado un deseo de
cambio a su asistente), puede calcular métricas de retención en
tiempo real para ver si vale la pena mantenerla. Si lo es, la marca
puede hacerla una oferta personalizada que refleje exactamente lo que
necesita para mantenerse en su lugar. Si el consumidor lo acepta,
tanto ella como la marca ganan: La marca mantiene el negocio y el
consumidor consigue un mejor trato. La plataforma de IA está en el
medio, sirviendo tanto de maneras que crean valor para cada uno
mientras generan ingresos para sí misma.
Precisión.
Al aprender continuamente los deseos y requisitos de cada individuo,
los algoritmos de la plataforma perfeccionarán su capacidad para
complacer a los consumidores. Si una plataforma puede recomendar
una alternativa a una marca de confianza que cree que al consumidor
le gustará más, y el consumidor está más feliz con la alternativa, esa
plataforma suplantará la marca como objeto de su confianza.
Alineación.
Hay un conflicto de intereses integrado que las plataformas deben
gestionar con cuidado. Por un lado, deben centrarse sin mente en
satisfacer las necesidades de los consumidores; si se quedan cortos,
erosionará la confianza. Por otro lado, tendrán acuerdos contractuales
para proporcionar ubicaciones preferidas y datos de consumo a las
marcas. Si la gente siente que un asistente está empujando una marca
pagadora que no está alineada con sus necesidades, eso también
socavará la confianza. Una solución podría ser que las plataformas
sean transparentes acerca de sus relaciones con las marcas, al igual
que Google lo es hoy en día cuando identifica algunos resultados de
búsqueda como anuncios. Otra puede ser dar igual peso a las
recomendaciones pagadas y no pagadas; si un consumidor le
pregunta a un asistente de IA cómo eliminar las manchas de hierba, la
respuesta podría incluir tanto un lejía de pago como un comentario de
que los blanqueadores genéricos pueden ser igual de efectivos. La
marca recibe su enchufe, y el asistente demuestra que es digno de
confianza.
Privacidad.
Los propietarios de plataformas, así como los vendedores, tendrán
que encontrar un equilibrio cuidadoso entre el uso de la información
personal y el rendimiento de IA. Cuantos más datos se reúnan, más
precisa será la plataforma, pero cuanto más expuestos se sentirán los
consumidores. Una solución aquí podría ser ofrecer configuraciones
de privacidad personalizadas, como hace ahora Facebook, dando a los
usuarios control sobre qué información comparten y cuán
ampliamente. Otra solución menos satisfactoria podría ser
argumentar, como lo hace Google a veces, que la privacidad está
protegida porque los datos de los consumidores son manejados por
máquinas sin intervención humana.
CONCLUSIÓN
Todas las empresas orientadas al consumidor pueden esperar que las
plataformas de IA alteren radicalmente sus relaciones con los clientes.
Sus activos tradicionalmente cruciales, como la capacidad de
fabricación y las marcas, se volverán menos centrales a medida que la
atención de los consumidores se desplaza hacia los asistentes de IA, y
el valor de los datos del consumidor y la capacidad predictiva de la IA
se disparan. El marketing push (conseguir plataformas para llevar y
promover un producto) será más importante, mientras que la
marketing de extracción (persuadir a los consumidores para que
busquen productos) se vuelve menos importante. El consumidor
seguirá siendo el objetivo de los esfuerzos de creación de marcas, pero
el marketing que fomente las compras de prueba y repetición será
más eficaz cuando se dirige a IA. Aunque el mercado será más
eficiente, las empresas se enfrentarán a una intensa presión para
ofrecer a los consumidores la mejor oferta, la que está más
estrechamente alineada con las preferencias identificadas por los
gatekeepers de IA.
Durante mucho tiempo, las empresas de bienes de consumo,
acostumbradas a maximizar las economías de escala debido a sus
grandes inversiones fijas en producción y marcas, se han puesto a
cero en una pregunta estratégica: ¿Cuánto más de nuestro producto
podemos vender? Las plataformas de IA presentarán una oportunidad
muy diferente: maximizar la profundidad de la relación con el
consumidor ofreciendo una amplia gama de productos, es decir,
economías de alcance. Las inversiones en el fomento de la confianza
con los consumidores y sus asistentes de IA se amortizarán
preguntando: ¿Qué más necesita este comprador? La estrategia de
marketing superior aún importará: las empresas deben adquirir,
satisfacer y retener a los consumidores en el mundo de la IA, pero lo
que implica es probable que cambie sustancialmente.
AHarvard
versionBusiness
of this article appeared in the May–June 2018 issue (pp.80–86) of
Review.
ND
Niraj Dawar is a professor of marketing at the
Ivey Business School, Canada. He is the author of
TILT: Shifting your Strategy from Products to
Customers (Harvard Business Review Press, 2013).