Así como el marketing es mucho más que sólo publicidad, la segmentación es mucho más que sólo agrupar a nuestros potenciales consumidores para definir a nuestro público objetivo. La segmentación es un proceso metódico y sistemático, que requiere que estudiemos en profundidad tanto a nuestros clientes como al mercado en general. Ello, pues lo que trata de categorizar la segmentación son personas y, por naturaleza, las personas son complejas de comprender y analizar. Esa complejidad la capturan mucho mejor las variables psicográficas y conductuales (que tienden a ser continuas), permitiéndonos un análisis más cercano a la realidad, que las variables demográficas o geográficas (que tienden a ser discretas), no nos pudieran otorgar.

Sin embargo, todos quienes hemos trabajado con procesos de segmentación en la industria sabemos que lo más correcto no es siempre lo más común. Y es que, por lo general, ya sea por falta de tiempo o recursos, la gran mayoría de los intentos de segmentar son a priori. Este tipo de segmentación se caracteriza por el uso de variables sencillas y de fácil obtención (como la edad, el sexo o los ingresos). Además, la definición del número de segmentos y sus características suele ser realizada sin un levantamiento previo o un análisis acabado de los datos. Depende, en esencia, del conocimiento experto de quien realiza la segmentación. Este último concepto, aunque su nombre sea poco pomposo, se entiende mejor al hacer la analogía con los sistemas de inteligencia artificial de sistema experto. Edward Feigenbaum, a menudo llamado el padre de los sistemas expertos, señala que “el poder de un sistema experto proviene del conocimiento específico que [este] posee sobre un área de especialización, más que de la sofisticación de su proceso de razonamiento” (1996).

Pero, para adquirir ese conocimiento específico, es necesario invertir grandes sumas de dinero o de tiempo: de acuerdo con Wu et al. (2023), para entrenar Chat GPT se requirió una inversión de 12 millones de dólares, y tradicionalmente se habla de que, para lograr la maestría en un campo, se necesitan diez mil horas de práctica (Gladwell, 2008). Sin embargo, no es el costo ni el tiempo invertidos lo que ha dejado obsoletos los ejercicios de segmentación que se hacían a priori, con moderada precisión. Hoy en día, la clave de que cada vez sea menos frecuente y más complicado segmentar a nuestro público objetivo está en la especificidad de la expertise, y el dinamismo del mundo moderno.

No hace mucho, repetimos una charla de marketing digital que damos anualmente a los estudiantes de pregrado. Pese a que apenas había pasado un año desde la última presentación, nuestra expositora trajo consigo una realidad que, aunque superficialmente similar, dista muchísimo en su contenido a lo que era la última vez; a simple vista, los esfuerzos de segmentación habían desaparecido del radar. Si hace un año se recomendaba segmentar a nuestro público objetivo de forma exhaustiva y acabada, este año esa tarea se encomendó a las complejas redes neuronales tras las plataformas de marketing digital más conocidas. Pero, ¿significa esto que la segmentación, como la conocemos, quedó obsoleta?

Desde nuestro punto de vista no, para nada. Lejos de volverse un problema del pasado, el desafío de segmentación de nuestros clientes requiere hoy por hoy una capacidad de análisis y un set de herramientas renovado. La era de los expertos que escogían a priori las variables de segmentación para dar con el público objetivo que conocían como la palma de sus manos se desvanece, y cada vez se requiere de más profesionales de marketing capacitados en el análisis e interpretación de grandes volúmenes de datos cuya naturaleza es novedosa y sorprende hasta a los más expertos analistas. La disposición a aprender continuamente y adaptarse en un mercado cambiante son competencias decisivas para determinar si una empresa u organización prospera y crece, o se queda estancada y cae en el valle del olvido.

Por lo tanto, la invitación es a no entregarse al poder de las inteligencias artificiales, sino hacerlas parte del set de herramientas de las que se dispone para analizar el rendimiento e impacto, desde la investigación de mercados hasta los esfuerzos publicitarios. En un mercado en que la alegórica figura del repartidor de volantes ya no compite contra la efectividad y eficiencia de los algoritmos propios de las plataformas, se abre para nosotros una oportunidad que, si no la aprovechamos, puede significar una gran ventaja para nuestros competidores. Ya no basta con filtrar por los atributos que caracterizan a nuestros segmentos, ahora el desafío es descubrir a tiempo las necesidades e intereses emergentes de nuestros potenciales clientes, y diseñar una propuesta atractiva, tanto en lo que a nuestros productos y servicios se refiere, como a la comunicación de marketing. Los patrones en los datos ya no dan cabida a esfuerzos de marketing con herramientas basadas en la intuición humana, es necesario implementar soluciones robustas y modelos analíticos de marketing a la altura de este nuevo paradigma. Algoritmos como el de k medias ya son parte de la oferta base de las principales herramientas de marketing del mercado, desde Excel hasta SPSS.

Pero el alivio de la carga que supone el uso de las inteligencias artificiales en campos como el del delivery de marketing no sólo trae consigo un uso más frecuente de las herramientas analíticas tradicionalmente más complejas, sino el de una serie de nuevas herramientas especialmente diseñadas para competir contra el nuevo status quo. Por lo tanto, los recursos anteriormente destinados a algoritmos de segmentación estadísticos ahora impulsan el avance de algoritmos basados en aprendizaje automático como naive Bayes, J48 o OneR, ofreciendo un salto cualitativo en efectividad y precisión, transformando radicalmente las estrategias de marketing (Chang & Fan, 2023).

Finalmente, mientras la academia termina por estudiar las aplicaciones y efectividad de los nuevos algoritmos de segmentación, y los estudiantes se preparan para llevar estos nuevos métodos a la industria, hay algunas áreas prácticas en las que se han abierto importantes oportunidades para las empresas. Por un lado, la detección de patrones de conducta y cambios en el comportamiento de nuestros clientes será una cuestión fundamental con clientes que cada vez exigen más y mejores esfuerzos de personalización por parte de las empresas. Además, la integración de los canales de marketing y de ventas jugará también un rol clave, para el cual la investigación de mercados y los tradicionales algoritmos de segmentación y posicionamiento serán fundamentales.

Por otro lado, la explotación de los insights propios de las plataformas será crítico para enriquecer el análisis de las campañas realizadas, además de promover o disuadir el uso de ciertos elementos publicitarios con la finalidad de orientar a los algoritmos de inteligencia artificial de las plataformas, y llegar efectivamente a nuestro público objetivo. Este ejercicio, sin embargo, viene mediado directamente a través de los elementos audiovisuales y contextuales de nuestra comunicación de marketing. Para guiar este proceso, serán fundamentales los profesionales capaces de analizar grandes cantidades de datos y extraer información valiosa de decenas de nuevas métricas y variables que hacen de la segmentación un desafío especialmente complejo en el escenario actual. La academia también se ha debido adaptar, promoviendo cada vez más una mirada científica de los desafíos de marketing, con un enfoque menos centrado en la memorización de modelos, y más en la resolución de problemas mediante sistemas de reglas o algoritmos.

Como señalan Daugherty y Wilson (2018), “la inteligencia artificial no es una idea futurística, sino que ya es parte integrante de nuestro ecosistema, y [las empresas que logren] entender la forma de aprovecharla al máximo serán las que guiarán el mercado, las demás se quedarán atrás”.

Referencias

• Daugherty, P. R., & Wilson, H. J. (2018). Human + Machine: Reimagining Work in the Age of AI. Harvard Business Review Press.
• Defining a Decade: Envisioning CSTB’s Second 10 Years”. Proceedings of CSTB’s 10th Anniversary Symposium, www.nap.edu. May 16, 1996
• Gladwell, M. (2008). Outliers: The Story of Success (p. 40). Little, Brown and Company.
• Chang, YT., Fan, NH. A novel approach to market segmentation selection using artificial intelligence techniques. J Supercomput 79, 1235–1262 (2023).
• Wu, T., He, S., Liu, J., Sun, S., Liu, K., Han, Q.-L., & Tang, Y. (2023). A Brief Overview of ChatGPT: The History, Status Quo and Potential Future Development. IEEE/CAA Journal of Automatica Sinica, 10(5), 1122–1136.

También te podría interesar: Interactuando con la IA: El problema del valle inquietante y los estilos de lenguaje que utilizan los chatbots

Interactuando con la IA: El problema del valle inquietante y los estilos de lenguaje que utilizan los chatbots

Construcción de marcas en escenarios inciertos y cambiantes