La semana pasada estuve escribiendo sobre cómo la publicidad en ChatGPT puede afectar a la relación de confianza que hemos ido estableciendo con estas herramientas. La pregunta era si podrán introducir anuncios sin deteriorar una experiencia de usuario que, en buena medida, depende precisamente de esa confianza.
Pero mientras escribía el artículo me surgió otra duda. ¿Cómo está influyendo el uso de LLMs en el proceso de compra?
El proceso de compra no ha desaparecido. Seguimos descubriendo opciones, buscando información, comparando alternativas y formando una preferencia antes de decidir. Visitamos webs, leemos opiniones, preguntamos a otras personas, entramos en tiendas o consultamos medios especializados.
En algún momento de ese proceso parte de nuestros clientes usan ChatGPT o Claude para buscar información y comparar alternativas. Esto es algo que todos hemos tenido presente de alguna manera. Pero creo que no hemos profundizado en las consecuencias tanto parar nosotros, como para el marketing de las empresas.
Y ahí aparece una pregunta que me parece bastante más importante de lo que parece:
¿Qué ocurre cuando una IA empieza a decidir qué opciones merece la pena que consideremos? ¿Qué criterios, más allá del GEO, usa para recomendar una marca u otra?
Hace unos días encontré un buen ejemplo en un artículo de Mark Schaefer que ilustra lo que quiero decir.
Llevaba años intentando eliminar unas manchas de moho del vinilo de su barco. Había probado varios productos sin éxito hasta que hizo una foto, se la enseñó a una inteligencia artificial y le preguntó qué podía utilizar. La IA le recomendó un producto que no conocía y que, además, costaba 34 dólares. Lo compró sin seguir buscando alternativas.
Y funcionó.
Lo interesante no es que una IA encontrase un buen limpiador, sino todo lo que Schaefer dejó de hacer antes de comprarlo. No buscó en Google, no visitó varias webs, no comparó productos ni leyó reseñas. Ni siquiera conocía previamente la marca, aunque es cierto que llevaba años buscando opciones y eso seguramente influyó en que confiase en la que la IA le proponía. Había delegado una parte de su decisión en una IA.
Mark Schaefer utiliza en su artículo sobre el “collapse of consideration” una expresión bastante gráfica: el colapso de la consideración de compra. La consideración de compra es esa fase en la que el consumidor busca información, compara alternativas y empieza a formar una preferencia antes de decidir. Su argumento es que durante décadas el marketing ha trabajado sobre ese espacio en el que el consumidor busca, compara, duda y puede ser influido por las marcas. Si una máquina reduce esa pausa, una parte de ese terreno desaparece.
Creo que la observación es muy interesante, aunque la expresión me parece demasiado rotunda.
La consideración no está desapareciendo. Lo que empieza a cambiar es quién hace parte del trabajo necesario para llegar a una decisión.
La decisión ya ocurría fuera de los canales de la marca
La idea de que una empresa pierde parte del control sobre el proceso de compra no nace con la inteligencia artificial. De hecho, buena parte de la decisión lleva años produciéndose fuera de los canales que controla la marca.
Antes de entrar en una web, un consumidor puede haber buscado información, leído opiniones, comparado alternativas, hablado con otras personas o consultado medios y plataformas especializadas. Es decir, cuando finalmente llega a una marca, muchas veces no está empezando a decidir: ya llega con una opinión bastante formada.
Es algo sobre lo que he escrito en distintas ocasiones, tanto al analizar cómo una parte importante del proceso de decisión ocurre antes de que el cliente llegue a nuestra web como al plantear que gran parte del marketing sucede en espacios que las empresas no controlamos.
La IA no cambia esa realidad de fondo, pero sí introduce una diferencia importante. Hasta ahora, era el consumidor quien tenía que recorrer muchas de esas fuentes, interpretarlas y comparar lo que encontraba. Ahora puede delegar parte de ese trabajo en una herramienta capaz de reunir información procedente de distintos lugares, sintetizarla y devolver una respuesta o una selección de alternativas.
Ese es el cambio relevante: no que la decisión ocurra fuera de la marca, porque eso ya sucedía, sino que una parte de ese proceso puede empezar a ser influida por una IA antes incluso de que el consumidor llegue a nosotros.
La IA puede hacer parte de nuestro proceso de decisión
Imaginemos que quiero comprar unos auriculares. Puedo buscar en Google, abrir varias páginas, leer análisis, entrar en Amazon, mirar opiniones y hacerme una idea de cuáles me convienen. O puedo preguntar:
“Busco unos auriculares de menos de 100 euros, con buena batería, cómodos para trabajar y hacer deporte. ¿Qué opciones me recomendarías?”
Ya no estoy pidiendo únicamente información. Estoy pidiendo una primera criba.
La IA puede interpretar mis criterios, seleccionar alternativas y recomendar cuáles parecen encajar mejor. Puedo seguir investigando después, pero una parte del trabajo que antes hacía yo ya está hecha.
Y aquí aparece una pregunta mucho más importante que discutir si la IA sustituirá al consumidor:
¿Qué criterios ha utilizado para decidir qué opciones mostrarme y cuáles dejar fuera?
Una vez que recibo tres o cuatro alternativas, mi proceso de consideración ya ha sido condicionado, aunque la decisión final siga siendo mía.
Esto no ocurre igual en todas las compras ni con todos los usuarios. Elegir unos auriculares, un seguro o una vivienda implica niveles muy diferentes de riesgo, precio y necesidad de comprobación. Y alguien acostumbrado a trabajar con IA probablemente cuestione más una respuesta que una persona que acepta fácilmente una recomendación razonada y convincente.
Por eso hablar del “colapso” de la consideración me parece excesivo. En algunos casos la IA puede reducirla mucho; en otros, reorganizarla o incluso ayudarnos a descubrir más alternativas.
El marketing empieza antes de que el cliente llegue a nosotros
Podemos simplificar parte del proceso tradicional así:
Persona → buscadores / medios / recomendaciones → webs y marcas → comparación → decisión
Ahora aparece otra posibilidad:
Persona → IA → fuentes / marcas / contenidos → selección de alternativas → persona → comprobación → decisión
No se trata de sustituir un funnel por otro. Ambos convivirán y se mezclarán. Seguiremos buscando en Google, preguntando a otras personas, entrando en marcas conocidas, viendo publicidad o consultando opiniones.
La diferencia es que aparece un nuevo intermediario capaz de filtrar parte de todo eso antes de que nosotros lo veamos.
Cuando la IA responde, ya se ha producido una primera selección
En una búsqueda tradicional, Google ordena opciones, pero sigo siendo yo quien decide dónde hacer clic, qué páginas leer y qué información comparar.
Una respuesta generativa da un paso más: puede hacer esa síntesis por mí.
Los AI Overviews de Google ya muestran este efecto sobre los clics. Un estudio de Pew Research Center sobre casi 69.000 búsquedas encontró que, cuando aparecía un resumen de IA, los usuarios hacían clic en un resultado tradicional en el 8 % de las visitas, frente al 15 % cuando no aparecía.
Es una caída importante.
Parte de ese tráfico probablemente corresponde a usuarios que solo necesitaban una respuesta sencilla y que habrían entrado y salido de la página sin hacer nada más. En ese sentido, la IA puede actuar como filtro y hacer que quienes finalmente lleguen a una web tengan una intención mayor.
Pero también desaparecen visitas de personas que podrían haber conocido la marca, seguido investigando y terminado convirtiéndose en clientes. No sabemos cuántas oportunidades se pierden antes de llegar a ser medibles.
Para una empresa esto cambia algo importante: podemos influir en una decisión sin recibir la visita que antes nos permitía medir esa influencia y, al mismo tiempo, podemos quedar fuera del proceso sin llegar a saber que ese potencial cliente existió.
¿Cómo decide la IA qué marcas entran en esa selección?
Esta es probablemente la parte más importante del cambio.
Sería fácil resumirla diciendo: “tenemos que conseguir que ChatGPT nos recomiende”. Pero no funciona así.
Los sistemas generativos construyen sus respuestas a partir de lo que conocen y, cada vez más, de información actual recuperada de distintas fuentes. La web de una empresa es una de ellas, pero no la única.
También cuentan publicaciones de terceros, medios, comparadores, opiniones, comunidades, referencias o contenidos especializados que permiten al sistema entender quién es una empresa, qué ofrece y en qué contexto puede ser relevante.
De ahí nace el concepto de Generative Engine Optimization (GEO). El trabajo académico que popularizó el término encontró que determinadas modificaciones podían aumentar significativamente la visibilidad de un contenido dentro de respuestas generativas. Pero convertir esto en una nueva receta SEO sería simplificar demasiado el problema.
No estamos hablando solo de optimizar una página para una máquina, sino de qué información existe sobre nuestra empresa, quién la publica, qué credibilidad tiene y hasta qué punto permite a una IA entender que somos una opción relevante.
Por eso las relaciones públicas adquieren una dimensión adicional. Aparecer en medios o fuentes fiables no influye únicamente sobre quienes leen esas publicaciones. También puede ayudar a mejorar la visibilidad de una marca en las respuestas de inteligencia artificial, porque esas menciones forman parte de la información que la IA puede tener en cuenta al construir sus respuestas.
Cuanto más usamos la IA, ¿más confiamos en ella?
Es fácil decir que seguimos teniendo la última palabra y que deberíamos comprobar siempre las recomendaciones de una IA. Pero eso describe sobre todo cómo se comporta un usuario experimentado. ¿Qué ocurre con el resto?
Imaginemos que pregunto qué producto debería comprar. La IA me propone tres opciones. Hago varias preguntas, cambio algún criterio y, después de toda la conversación, sigue recomendándome el mismo producto. Es fácil terminar pensando: “si después de todo lo que le he preguntado sigue proponiéndome este, será por algo”. Eso ya es confianza. No necesariamente consciente ni absoluta, pero sí suficiente para orientar una decisión.
Ethan Mollick, profesor de Wharton, contó una experiencia interesante al probar un agente de IA para investigar productos en Amazon. Encontró que la investigación era genérica y que no reflejaba suficientemente bien sus preferencias.
Pero precisamente ahí está el matiz: Mollick sabía qué debía cuestionar. A medida que las respuestas mejoren y utilicemos estas herramientas con más frecuencia, la frontera entre “la IA me ayuda a decidir” y “la IA está condicionando mi decisión” será cada vez menos evidente.
Esto variará según el producto y la persona. Podemos aceptar casi sin pensar una recomendación para un producto barato y contrastar durante semanas la compra de un coche. También podemos conocer mucho una categoría y detectar una mala recomendación, o no saber nada y asumir que una respuesta convincente es también una buena respuesta.
La publicidad añade otra capa. Como planteaba al analizar los anuncios en ChatGPT y su efecto sobre la confianza entre usuario e IA, respuesta orgánica, fuentes y publicidad pueden convivir dentro del mismo entorno. Cuanto mayor sea nuestra confianza en él, más importante será distinguir qué está influyendo realmente sobre la recomendación.
Esto no sustituye el marketing que ya conocemos
Una de las frases más atractivas de Schaefer es: “AI doesn’t reward the best-marketed brand. It rewards the best-explained one”. Como provocación funciona muy bien. Como descripción completa, creo que simplifica demasiado.
Una empresa tiene que estar bien explicada para que una IA pueda entenderla, pero eso no elimina la importancia de la marca, la reputación, las recomendaciones, la experiencia de cliente, los contenidos, los medios o las relaciones públicas. Muchos de esos elementos forman parte precisamente de las señales que permiten construir esa explicación.
Por eso no creo que la conclusión sea sustituir SEO por GEO o empezar a hacer marketing “para las máquinas”. La conclusión es más incómoda: aparece otro intermediario dentro de un proceso que ya era difícil de controlar y medir.
Las empresas tendrán que entender cómo son encontradas e interpretadas por estos sistemas, pero seguirán necesitando convencer a las personas cuando estas decidan comprobar una recomendación, visitar una web, buscar opiniones o contactar con la empresa.
La consideración no desaparece. Cambia quién hace parte del trabajo
Durante años hemos tratado de comprender qué hace un cliente antes de comprarnos: qué busca, qué medios consulta, qué alternativas compara y qué le hace confiar.
La IA añade una nueva capa a ese proceso. En unas decisiones puede reducir drásticamente la búsqueda; en otras puede ayudarnos a descubrir opciones que no conocíamos. Su influencia dependerá del tipo de compra, del usuario y de hasta qué punto decidamos comprobar lo que nos recomienda.
Por eso no creo que estemos ante el fin de la consideración. Estamos ante algo más interesante: parte del trabajo de descubrir, investigar y comparar empieza a estar mediado por una inteligencia artificial.
Y eso introduce una pregunta nueva para cualquier empresa. Ya no basta con preguntarnos cómo conseguir que un potencial cliente nos encuentre y nos elija. También tendremos que entender por qué una IA nos incluiría, o no, entre las opciones que ese cliente terminará considerando.
Después, todavía tendremos que convencer a la persona.
