Cómo la IA puede impulsar la gestión de marcas

Pocas marcas son más icónicas que Nike. Desde su logotipo swoosh hasta su eslogan «Just Do It», la empresa ha dominado el arte necesario para crear una marca reconocida. Así que cuando Nike le pidió a Obvious, un trío de artistas parisinos que crean diseños inspirados en la IA, que desarrollara nuevas versiones de las zapatillas Air Max en 2020, quiso asegurarse de que los diseños no se desviarían demasiado del estilo característico de Nike. Obvious entrenó su modelo de IA generativa dándole imágenes de las Air Max 1, las Air Max 90 y las Air Max 97 y utilizó el modelo para crear una amplia gama de ideas de diseño. Luego, basándose en su propio conocimiento y percepción de las tendencias de moda más amplias, junto con los objetivos de marketing de Nike, el trío modificó el modelo de forma iterativa hasta que produjo un diseño que lograba el equilibrio adecuado entre la novedad y la permanencia en la marca. El diseño incorporó muchos de los elementos estilísticos de las Air Max clásicas, pero los mezcló con nuevos colores, formas y patrones para lograr una sensación fresca y moderna. Los zapatos de edición limitada se agotaron en menos de 10 días.

Como era de esperar, los vendedores han empezado a experimentar con la IA para mejorar sus esfuerzos de gestión de marca. Pero a diferencia de otras tareas de marketing, como las pruebas A/B y las ofertas por palabras de búsqueda, la gestión de la marca implica algo más que ejecutar repetidamente una función especializada. Considerado durante mucho tiempo como el dominio exclusivo del talento creativo, abarca múltiples actividades diseñadas para fomentar la reputación y la imagen de una empresa, como crear y comunicar la historia de la marca, garantizar que el producto o servicio y su precio reflejen el posicionamiento competitivo de la marca y gestionar las relaciones con los clientes para fomentar la lealtad. Una marca es una promesa a los clientes sobre la calidad, el estilo, la fiabilidad y la aspiración de una compra. La IA no puede cumplir esa promesa por sí sola (al menos no pronto). Pero puede ayudar a moldear la impresión de los clientes sobre una marca en cada interacción. Y puede automatizar tareas creativas costosas y complejas, incluido el diseño de productos.

Mezclar marcas y automatización es un asunto delicado. La IA tiene el potencial de afectar negativamente a una marca, por lo que implementarla con éxito en este contexto a menudo implica enfrentarse a la resistencia y la reacción violenta tanto de los clientes como de los empleados. Sin embargo, la IA se está convirtiendo en una parte integral de la gestión de la marca. Para tener éxito, debe entender cómo lo perciben las partes interesadas y qué se puede hacer no solo para mitigar sus preocupaciones, sino también para que sean ávidos seguidores. Debe asegurarse de no sobreautomatizar eliminando cualquier sensación de control humano o haciendo de la IA la cara de la marca. Y siempre debe tener en cuenta que la IA y las actividades creativas no son fuerzas opuestas.

Basándonos en ejemplos de Intuit, Caterpillar, LOOP y Jasper AI, junto con una investigación académica exhaustiva, proponemos un marco para pensar en las funciones clave que desempeña la IA en lo que respecta a la gestión eficaz de las marcas. Los enfoques más exitosos combinan lo mejor de la inteligencia humana y automática para aumentar, no reemplazar, la creatividad humana.

Las cuatro P del impacto de marca de la IA

La IA puede mejorar el rendimiento en cada etapa del ciclo de vida de la gestión de clientes, desde la adquisición hasta el desarrollo e incluso la retención. Esas mejoras en el rendimiento, a su vez, pueden reforzar y ampliar el valor de una marca. Se pueden agrupar en cuatro categorías básicas de impacto: Productividad—La IA aumenta la eficacia y la comodidad a la hora de realizar las tareas de marketing, mejora la experiencia del cliente e impulsa la lealtad a la marca. Predicción—La IA reduce la incertidumbre, aumenta lo que la marca puede prometer y, por lo tanto, genera confianza en el producto y la empresa. Personalización—La IA aumenta el compromiso y la relevancia de la oferta de la empresa al adaptar los elementos a cada cliente, forjando así la imagen de una marca que se preocupa por las necesidades del cliente de forma continua. Propuestas—La IA ofrece nuevas soluciones creativas e impulsores de valor a la vez que se mantiene fiel a la esencia de la marca.

Aunque constantemente se desarrollan nuevas formas de IA, este marco incluye las principales funciones que puede y desempeñará. Por ejemplo, los algoritmos de clasificación, como los que clasifican el spam en el correo electrónico, contribuyen a cada una de las tres primeras P, mientras que la IA generativa puede contribuir a las cuatro y es especialmente adecuada para la personalización y las propuestas. Las marcas deberían utilizar este marco como una guía sencilla para navegar en un sector complejo y en expansión. Si un programa de IA no contribuye a ninguna de las cuatro P, probablemente no valga la pena correr el riesgo para la marca asociado a la tecnología.

Ahora profundicemos en el marco para ver cómo algunas empresas ya utilizan la inteligencia artificial para mejorar la gestión de su marca.

1. Productividad

Los representantes del servicio de atención al cliente son los embajadores de su marca de primera línea. Y podría decirse que el paso más importante en la gestión de la marca es retener a los costosos clientes adquiridos y desarrollados. El riesgo de que un cliente no pueda resolver un problema con un producto, un servicio o un pago de forma satisfactoria y, por lo tanto, abandone la marca, es uno de los mayores desafíos a los que se enfrenta una empresa.

Cuando los clientes tienen problemas, se ponen en contacto con el servicio de atención al cliente y la mayoría prefiere esperar en la cola a un agente humano que recibir ayuda inmediata de un chatbot. Sus principales quejas sobre los bots son la falta de comprensión y la incapacidad de resolver problemas complejos. Sin embargo, a diferencia de los chatbots, los humanos no están eternamente atentos, pacientes y alegres, especialmente cuando se enfrentan a una cola incesante de personas enfadadas que llaman. Los largos tiempos de espera y las interacciones frustrantes pueden corroer la marca de una empresa y llevar a los clientes a marcharse.

Intuit, una plataforma global de tecnología financiera que crea software para finanzas personales, operaciones de pequeñas empresas y preparación de impuestos, ofrece productos como TurboTax, Mailchimp, Credit Karma y QuickBooks. En un momento dado, se ocupó de un aluvión de preguntas y quejas de los clientes en relación con el uso de su software. Para mejorar su servicio de atención al cliente, Intuit quería ofrecer a sus agentes comentarios frecuentes sobre su desempeño. Pero solo alrededor del 10% de las personas que llamaron respondieron a las encuestas sobre la experiencia del cliente (un índice de respuesta típico en los centros de llamadas) y los gerentes solo podían escuchar un pequeño subconjunto de las llamadas. Así que los agentes tuvieron pocas oportunidades de recibir comentarios sólidos de manera oportuna.

Para superar ese desafío, Intuit utilizó las transcripciones de las llamadas que los clientes habían valorado para entrenar un modelo de IA y detectar qué interacciones tenían más probabilidades de resultar en satisfacción del cliente. Como todas las llamadas estaban grabadas y podían transcribirse fácilmente, Intuit podía utilizar el modelo de IA entrenado para ofrecer comentarios diarios personalizados a todos sus agentes en función de todas las llamadas, estuvieran valoradas por los clientes o no.

De este modo, la empresa mejoró la satisfacción de los clientes a una fracción del coste de la supervisión humana típica o de los costosos programas de formación para sus agentes. Y como los empleados eran más eficaces, se sentían más satisfechos. Además, dado que Intuit contrató a empleados de todos los niveles y les solicitó su opinión sobre cómo diseñar un panel que mostrara sus comentarios, alivió la preocupación de que los agentes fueran a ser reemplazados por la IA y se aseguró de que siguieran siendo la imagen de la marca cuando los clientes llamaban para obtener ayuda.

2. Predicción

Caterpillar, un fabricante de equipos pesados de construcción y minería, utiliza la IA para ofrecer un valor adicional al prever literalmente el futuro. Su subdistribuidor Borusan Cat, con sede en Turquía, se enfrentó a este problema: cuando el equipo de un cliente se estropeaba, las reparaciones solían ser muy caras porque una pieza se había deteriorado hasta el punto de dañar el resto de la máquina. En algunos casos, era necesaria una revisión del motor y el tiempo de inactividad para conseguir las piezas necesarias y realizar las reparaciones exhaustivas resultaba caro tanto para el cliente como para Borusan Cat. Además, cuando su maquinaria se estropeaba, los clientes a veces recurrían a vendedores externos no autorizados, lo que resultaba en una pérdida de negocios para Borusan Cat. La empresa creía que podía ofrecer un valor significativo al detectar los fallos de las piezas antes de que dejaran el equipo inoperable, de la misma manera que un chequeo médico puede detectar una obstrucción arterial y prevenir un ataque al corazón.

El primer paso fue establecer la infraestructura necesaria para recopilar los datos. La empresa incorporó sensores en las máquinas para recopilar continuamente información sobre el estado y el uso de las piezas de las máquinas. Tras acumular suficientes fallos, la empresa entrenó a la IA para que combinara las señales de varias partes del equipo con los patrones de datos anteriores y predecir (con una precisión del 97%) qué equipo corría el riesgo de estropearse y cuál sería el problema exacto. Basándose en estas predicciones, la empresa alertó a los clientes y envió selectivamente a sus técnicos para que validaran los diagnósticos y determinaran el nivel de servicio o reparación requerido. Si el cliente estuviera de acuerdo, el equipo se repararía con un tiempo de inactividad mínimo o nulo y más barato que si el cliente hubiera esperado a que la máquina funcionara mal.

Mojo Wang

Sin embargo, a pesar de los beneficios de la tecnología basada en la IA, al principio no estaba dispuesto a pagar por su información. Los clientes pensaban que las llamadas proactivas de los técnicos eran un truco de marketing para vender más piezas o servicios. Los vendedores se mostraron escépticos ante la tecnología, especialmente cuando marcaba un equipo en un sitio «sano» que no les preocupaba. Y como cada reparación era un artículo económico en comparación con la venta de equipos, los vendedores tenían pocos incentivos para dedicarse a las reparaciones. Por estas razones, esperaron demasiado para llamar a los clientes cuyas máquinas habían sido señaladas como en riesgo de averiarse, lo que no cumplieron la promesa de la empresa de un mantenimiento preventivo y, en el proceso, perjudicaron a la marca.

Tras algunos giros y vueltas, la dirección decidió abandonar la ardua batalla de explicar las capacidades de la tecnología a los clientes escépticos. En cambio, absorbió el valor de la tecnología en sus contratos de mantenimiento. La empresa garantizó a los clientes que no había tiempo de inactividad o, de lo contrario, Borusan Cat proporcionaría el equipo de sustitución. Por lo tanto, las capacidades predictivas de la IA aumentaron la promesa de la marca y también eliminaron la posibilidad de que los clientes recurrieran a terceros en caso de avería de sus equipos. La empresa capturó el valor añadido que proporcionaba la IA sin llamar la atención sobre su presencia.

Esa solución también abordó los incentivos financieros del equipo de ventas. Incluir la información de la IA en los contratos de mantenimiento dio como resultado un artículo de mayor venta de entradas que valía la pena priorizar. Como era fundamental que los vendedores hicieran un seguimiento puntual de las alertas de IA, la empresa también creó un equipo central e interorganizacional dedicado a ese servicio.

Con esos cambios en marcha, la empresa podría por fin aprovechar el potencial de la tecnología: reparar las piezas antes de que sufran daños importantes. De hecho, dado que las piezas que se retiraban del equipo reparado a menudo se podían recuperar, podían reacondicionarse y revenderse. La prestación eficaz de estos servicios adicionales cada vez que se necesitaba una reparación daba a Borusan Cat más oportunidades de interactuar de manera positiva con los clientes, lo que aumentaba el atractivo de su solución de IA y, al mismo tiempo, reforzaba su imagen como marca de confianza que se preocupa por el negocio de los clientes y el éxito a largo plazo.

3. Personalización

Hacer que los clientes pasen por la puerta es un logro. Pero es posible que solo hagan una compra, se suscriban al servicio más básico o compren una cantidad limitada de productos de la empresa. En ese caso, la empresa genera ingresos modestos a partir de clientes en los que invirtió considerables recursos. Y es posible que los clientes se entusiasmen menos con una oferta con el tiempo y sientan que están pagando de más, lo que restringe gravemente su valor de por vida.

Para ver cómo la IA puede permitir a una empresa ofrecer ofertas personalizadas que mantengan a los clientes actuales comprometidos con la marca, pasemos a una aplicación poco ortodoxa de seguros de automóviles: LOOP. No utiliza varios criterios estándar para las primas de seguro, como la calificación crediticia, el nivel de ingresos y la ocupación, que tienden a introducir prejuicios contra ciertos grupos minoritarios. Puede darse el lujo de omitirlos porque, como aplicación para teléfonos inteligentes basada en la IA, recopila constantemente datos relevantes para el riesgo sobre el lugar por el que conducen los clientes (tipo de carretera, volumen de tráfico, clima) y cómo (exceso de velocidad, frenada brusca, hablar por teléfono móvil). Su enfoque único combina esos datos con una amplia información sobre los accidentes de tráfico para predecir, mediante la IA, si un cliente que tiende a conducir de una manera determinada en determinadas carreteras tiene un riesgo alto, medio o bajo de presentar una reclamación.

La mayoría de los clientes prefieren hacer cola para ver a un agente humano que recibir ayuda inmediata de un chatbot. Pero a diferencia de los chatbots, los humanos no están eternamente atentos, pacientes y alegres.

Utilizando las predicciones de la IA, LOOP hace ofertas adicionales a los clientes, incluidas tarifas mucho más baratas. Imagínese cómo se siente una clienta de LOOP cuando recibe una notificación como esta: «¡Está en racha, Jacky! Ha descubierto una sorpresa para conducir de forma segura: ¡tarifas más bajas!» LOOP incentiva aún más la conducción segura al ofrecer una puntuación de conducción personalizada y actualizada continuamente (por ejemplo, 8,18 sobre 10), junto con información y consejos de seguridad extraídos de su tesoro de datos de clientes y carreteras, combinados con lo que aprende sobre el comportamiento de los conductores individuales. Los clientes reciben, semanalmente, comentarios y sugerencias importantes sobre cómo conducir y qué carreteras evitar, además de los resultados reales en términos de puntuaciones y tasas. Eso contribuye en gran medida a eliminar cualquier escepticismo que puedan haber tenido sobre si una aplicación de seguros que evita muchas de las medidas convencionales puede evaluar su riesgo con precisión. Aunque varios competidores ofrecen a los clientes algunas ventajas a cambio de acceder a sus datos telemáticos (normalmente solo el comportamiento al conducir), suelen ser descuentos comparativamente pequeños, y utilizan los datos más como excusa para enviar a los usuarios comunicaciones de telemarketing que para fijar sus tarifas.

LOOP no solo ayuda a crear carreteras más seguras, sino que reduce las probabilidades de que sus clientes sufran un accidente y presenten una reclamación, lo que aumenta su valor de por vida. En resumen, la IA ayuda a lograr que el cliente y la empresa salgan ganando, al tiempo que crea la imagen de una marca que es justa y se preocupa por el bienestar de los clientes más allá del punto de venta inicial.

4. Propuestas (muchas de ellas)

Una marca tiene un tono o una personalidad únicos que abarca todas las comunicaciones de la empresa, desde las redes sociales y los mensajes de correo electrónico hasta los blogs y otros contenidos extensos. Una voz de marca bien definida y coherente refuerza la imagen de marca, fomenta una conexión más profunda con el público y ayuda a la marca a diferenciarse de la competencia.

Muchos directivos se han resistido a automatizar la comunicación de marca, a pesar de la llegada de los grandes modelos lingüísticos. En primer lugar, les preocupa que el uso de la IA generativa signifique entregar la voz única de su marca en favor de una producción genérica y sencilla. En segundo lugar, desconfían de la tendencia de las grandes modelos lingüísticas a «alucinar» los hechos en sus respuestas, lo que perjudica la reputación de la marca. En tercer lugar, les preocupa, con razón, que cualquier cosa que pongan en el sistema se utilice para entrenar a los modelos y, por lo tanto, sea accesible para la competencia. En resumen, ven una compensación entre la eficiencia del marketing y mantener el control de la imagen y la integridad de la marca.

Tenga en cuenta cómo Jasper AI, un generador de contenido de marketing, gestiona esa compensación. Supongamos que quiere crear una campaña de marketing. Empiece por ayudar a Jasper a aprender el tono de voz único de su marca. Puede subir una guía de estilo o vincular a Jasper con algunos ejemplos de publicaciones anteriores que considere que mejor reflejan su marca. Jasper aprenderá la personalidad de su marca (las actitudes y los sentimientos sobre un tema), el estilo (la elección de palabras, la estructura de las frases, los recursos retóricos) y otros aspectos del lenguaje que utiliza normalmente en las comunicaciones de marca. Por ejemplo, puede aprender que el tono de su marca es más casual que formal, más divertido que serio o más irreverente que respetuoso. Luego, sube la información sobre su empresa, los productos, los servicios y el público, y la meta u objetivo de la comunicación.

Jasper ayudará a generar material de marketing para las campañas de comunicación. Evocará un primer borrador sólido de, por ejemplo, una entrada de blog que no solo esté optimizada para la visibilidad en los motores de búsqueda, sino que también esté escrita con la voz única de su marca e incorpore con precisión datos sobre su empresa. Bajo el capó, Jasper aprovecha una familia de grandes modelos lingüísticos (OpenAI, Bard, Stability.ai y Anthropic) y busca en Google las últimas noticias para asegurarse de que sus propuestas están actualizadas, ya que la mayoría de los modelos lingüísticos grandes se han basado en datos «antiguos», quizás hasta 2019. Lo que es más importante, superpone los datos sobre su empresa con las cualidades distintivas de su marca y, al mismo tiempo, garantiza que esos datos no se utilizan para entrenar los modelos de IA subyacentes.

Participa durante todo el proceso. Puede pedirle a Jasper que lo ayude a editar el blog para que se adapte mejor a los atributos de marca que desea (por ejemplo, «infundir más entusiasmo», «transmitir una actitud más optimista», «hacer hincapié en el atractivo mundial») o para seguir generando entradas de blog completamente nuevas hasta que vea una que le guste. Jasper también puede transformar el blog en otros tipos de contenido de marketing para su campaña, como una página de destino, una publicación de LinkedIn o un correo electrónico, creando una galería completa que se ajuste al formato de cada tipo de activo y, al mismo tiempo, conserve la esencia de la marca. Y si necesita replicar su campaña para un producto o público diferente (por ejemplo, los consumidores del mundo desarrollado), simplemente suba la información para ese público, cambie los públicos en un menú desplegable y deje que Jasper regenere todo el material.

De estas diversas formas, Jasper puede eliminar el equilibrio entre un marketing eficiente y el control de la identidad de su marca, lo que le permite comunicarse de forma creativa a gran escala sin perder la voz distintiva de su marca, alejarse de los hechos ni revelar sus secretos comerciales.

. . .

La IA no puede ni debe automatizar todos los aspectos de la gestión de la marca. Nuestros ejemplos enfatizan la importancia de integrarlo en las iniciativas de marketing convencionales sin convertirla en la cara de la marca ni confiar tanto en ella como para usurpar su control. Debería complementar, en lugar de sustituir, las funciones que desempeñan los creadores de marcas humanas.

Como lo demostró la asociación de Nike con Obvious, los directivos pueden combinar la inteligencia humana con la inteligencia artificial para ampliar los límites de lo que pueden hacer sus marcas. Los gestores de marca exitosos serán aquellos que dominen sacar a relucir el «arte» de la inteligencia artificial.