Un número creciente de personas utiliza inteligencia artificial (IA) para solicitar recomendaciones de productos, y las empresas utilizan la inteligencia artificial para seleccionar productos que podrían recomendar a sus clientes y generar mensajes comerciales personalizados. Estos mensajes son enviados posteriormente mediante correo electrónico, aplicaciones móviles, páginas web u otros canales digitales. En estos casos, las empresas utilizan la IA detrás del proceso comercial, por lo que el cliente no necesariamente conversa directamente con ChatGPT.
Esta situación propone un dilema ¿cuál mensaje es más eficaz? la identificación de los mensajes como generados por IA o aquellos identificados como humanos.
Si bien los clientes mayoritariamente prefieren los sistemas de recomendación identificados como humanos sobre los sistemas de recomendación identificados como generados por IA, otros aspectos del mensaje pueden también influir en esta preferencia. Así, los mensajes identificados como generados por la IA y centrados en descuentos resultan más eficaces que los identificados como humanos.
Así, con el advenimiento de la inteligencia artificial generativa aparece para la gestión de marcas el GEO (Generative Engine Optimization), se traduce al español como Optimización para Motores de Inteligencia Artificial Generativa el cual es un conjunto de estrategias y técnicas orientadas a mejorar la visibilidad y presencia de una marca en las respuestas generadas por los motores de inteligencia artificial mediante la optimización de la información digital.
Para ello en la gestión de la marca digital, investigaciones en marketing digital han demostrado algunos aspectos a tomar en cuenta los pueden mejorar hasta un 40% la aparición de la marca o producto en las recomendaciones de los chats de IA. Dentro de las múltiples acciones que se pueden realizar las que muestran mejores resultados son: Incorporar estadísticas, reemplazando la información solamente declarativa y general tradicional basada en repetición de palabras clave dentro del contenido a una que incluya información cuantitativa, por ejemplo, en el caso de baterías “las baterías XYZ son de alta duración” por una afirmación “Las baterías XYZ alcanzaron 24 horas de autonomía en las pruebas reales”.
Otro aspecto para considerar es la calidad de la redacción, al reorganizar las explicaciones para hacerlas más claras, coherentes y fáciles de comprender se pueden obtener mejoras en las recomendaciones de la inteligencia artificial, por lo tanto no basta con disponer de buena información; también es importante cómo se presenta.
Adicionalmente a la buena redacción, con un apropiado sustento con citas verificables y relevantes que respalden las afirmaciones es otro factor a tomar en cuenta para resultados de una evaluación. Se requiere mostrar fuentes independientes, identificando universidades, laboratorios, metodologías, fechas de realización en caso de pruebas y preferible los documentos originales de respaldo. En la medida que las fuentes tengan un mayor prestigio y relevancia (Universidades, organismos gubernamentales oficiales, etc.) tendrán una mayor influencia en la mejora en el GEO.
Recomendaciones de la inteligencia artificial orientada al rechazo
Uno de los aspectos más novedosos de las recomendaciones de la inteligencia artificial es desaconsejar la compra o uso de un producto en determinadas circunstancias. Estas plataformas de recomendación con inteligencia artificial cada vez más proporcionan recomendaciones orientadas al rechazo de alternativas específicas incluso muchas veces debidamente motivadas. Los estudios de comportamiento al consumidor con la inteligencia artificial han demostrado que los consumidores tienen una mayor probabilidad de aceptar las recomendaciones de rechazo cuando son generadas por IA en lugar de asesores humanos, esto se explica por las percepciones de los consumidores sobre la capacidad de filtrado de la fuente que proporciona la recomendación, en este caso la inteligencia artificial. El problema surge porque las empresas tienden a realizar esfuerzos de marketing para promover la marca y descuidan la exclusión de una marca antes de que el consumidor llegue a evaluarla directamente.
En cuanto a las acciones para mitigar la exclusión es recomendable a los responsables de las marcas investigar las causas de exclusión de la marca, analizando si las recomendaciones negativas se relacionan con atributos reales del producto, necesidades particulares del consumidor o mensajes erróneos así como malas evaluaciones del producto en la red.































