Cómo los vendedores pueden adaptarse a las búsquedas impulsadas por la LLM

Para millones de consumidores en todo el mundo, Google es el punto de acceso a Internet y, como resultado, la empresa disfruta hoy en día de un Cuota de mercado del 91% en el mercado de 50 000 millones de dólares de los anuncios de búsqueda. Sin embargo, gracias a la llegada de los modelos lingüísticos extensos (LLM), ahora parece posible una reorganización por primera vez en dos décadas.

¿Por qué es eso? Porque los LLM ofrecen una experiencia de búsqueda muy diferente a la del navegador web. La mayor diferencia es la siguiente: los LLM prometen responder a las consultas no con enlaces, como hacen los navegadores web, sino con respuestas.

Cada vez más, al utilizar aplicaciones como ChatGPT o Perplexity, o portales de búsqueda como Search Generative Experience de Google (ahora AI Overviews) o Copilot de Bing, los clientes conocerán productos y marcas a través de resultados en lenguaje natural. Y ese proceso, que será altamente consultivo y conversacional, creará una nueva fuente de información que los vendedores deberán supervisar para asegurarse de que sus marcas se presentan con las indicaciones pertinentes y se describen con precisión.

Para hacer frente a este desafío, los vendedores tendrán que medir y controlar (1) si sus marcas aparecen en la producción de LLM y cuándo es más probable que esto suceda; (2) qué tan favorablemente están representadas sus marcas y qué aspectos negativos se atribuyen a sus productos; y (3) la visibilidad de sus productos y marcas, en comparación con la competencia, en anuncios muy relevantes. Hacerlo requerirá que los vendedores no solo prueben y desarrollen las métricas relevantes, sino que también desarrollen nuevos flujos de trabajo para gestionar la complejidad añadida.

La búsqueda de «las mejores bicicletas de carretera para principiantes» destaca el nuevo desafío. Cuando preguntamos a Perplexity, nos recomendó la Aventon de nivel 2 como la mejor bicicleta para principiantes en general, por una geometría relajada, neumáticos anchos y componentes de calidad a un precio razonable. Google SGE, por su parte, nos recomendó la Giant Contend 3 o la Specialized Allez E5. Ambas experiencias de búsqueda nos dieron una guía sobre qué tener en cuenta al comprar una nueva bicicleta de carretera y nos ofrecieron una forma fácil de hacer preguntas de seguimiento. Pero esto es lo más importante: todo esto tuvo lugar antes de que estuviéramos expuestos al sitio web de cualquier marca. Si un LLM no menciona su marca en esta fase del proceso de búsqueda, es posible que los usuarios ni siquiera lo consideren.

Optimización de LLM

Con los nuevos desafíos vienen nuevas oportunidades. Así como la ciencia de la optimización de motores de búsqueda, o SEO, surgió durante la era de las búsquedas basadas en navegadores, ahora surgirá una nueva ciencia de la optimización de la LLM o LLMO, y los vendedores tienen que aprovecharla.

Los algoritmos que impulsan las LLM no son los mismos que los algoritmos de búsqueda tradicionales. Google SGE se basa en un conjunto de factores de clasificación diferente al del algoritmo tradicional de Google. El algoritmo de búsqueda tradicional se optimizó para promover los enlaces que se consideraban fidedignos, exhaustivos y relevantes. Los sitios que priorizaban los metadatos, la densidad de palabras clave y los backlinks obtuvieron altas clasificaciones.

Sin embargo, los LLM están optimizados para recopilar rápidamente una respuesta precisa y convincente. Extraen contenido de varias modalidades (texto, imagen, vídeo) y de varios tipos de contenido (reseñas, contenido de sitios de marcas, contenido generado por los usuarios) para crear una respuesta. Acompañando a los usuarios cuando pasan de su consulta inicial a las preguntas de seguimiento, todas las respuestas del LLM saben implícitamente en qué punto del proceso de compra se encuentra el usuario. Por lo tanto, los sitios con contenido fácilmente indexado por el LLM tienen más probabilidades de ser citados en la respuesta.

Un componente crucial de la búsqueda de LLM se conoce como generación aumentada de recuperación o RAG, por la que un LLM utiliza un contexto adicional, como un conjunto de documentos empresariales o contenido web, para aumentar su modelo base a la hora de responder a las solicitudes. Esto tiene importantes implicaciones para cualquiera que quiera dedicarse a la optimización del LLM: si quiere modificar el texto producido por los LLM en respuesta a una consulta, tiene que pensar estratégicamente en cómo modificar las distintas fuentes de las que es probable que obtenga información.

Una nueva documento de trabajo realizado por investigadores de Harvard demuestra que la inserción de una «secuencia de texto estratégica» (añadir texto a la página de información del producto para aumentar las posibilidades de que se recomiende un producto) puede alterar significativamente la información que proporcionan los LLM en respuesta a la consulta de un consumidor. En su experimento, el equipo de Harvard insertó una secuencia de texto estratégica para hacer hincapié en la asequibilidad de una máquina de café, la ColdBrew Master, y aumentó significativamente la probabilidad de que la mencionara el LLM en respuesta a un mensaje de asesoramiento sobre máquinas de café asequibles. En el escenario de referencia, el LLM nunca recomendó el ColdBrew Master, pero utilizando su secuencia estratégica de textos, los investigadores pudieron convertirlo en el producto recomendado con más frecuencia. (Otro ejemplo de investigación académica sobre la optimización del contenido web para las búsquedas basadas en LLM es aquí.)

Creemos que la LLMO desempeñará un papel fundamental en la evolución de las nuevas experiencias de búsqueda. El tiempo dirá cómo las grandes tecnologías eligen monetizar los LLM en sus ecosistemas. Algunas empresas eligen un modelo de suscripción, mientras que otras pueden optar por la monetización de los anuncios. Sin embargo, a diferencia de hoy, donde hay un jugador dominante que controla gran parte de la experiencia de búsqueda en Internet, esperamos que el estado futuro incluya varias opciones para que los consumidores elijan. Lo que significa que es probable que se abran nuevas oportunidades laborales para la gente en el campo de la LLMO.

Empleos, trabajos, trabajos

La IA generativa ha despertado una gran ansiedad entre los trabajadores y los responsables políticos por su potencial de desplazar a millones de trabajadores del conocimiento. Los economistas suelen responder a esas preocupaciones señalando que las innovaciones innovadoras del pasado siempre se tradujeron en más y mejores empleos que los que teníamos antes. La visión optimista sobre las LLM y los empleos es que esta vez ocurrirá lo mismo.

Es cierto que en los próximos años, los especialistas en SEO actuales descubrirán que muchas de sus actividades actuales están prácticamente automatizadas. Los LLM han sido recientemente probado más eficaz que los expertos humanos en la tarea de optimizar el contenido y también mucho más barato. Esperamos que en el futuro las empresas puedan realizar sus actividades de SEO con un número menor de empleados, lo que naturalmente genera preocupación por los puestos de trabajo.

Pero también es cierto que la función de SEO es cada vez más compleja. Los profesionales del SEO (que pronto serán profesionales de LLMO) tendrán que gestionar la representación de la marca en varias plataformas de LLM, con un nuevo conjunto de metodologías de optimización y a un ritmo que les permita mantenerse al día con la rápida evolución del panorama de la LLM. Los expertos en SEO que estén dispuestos a aprender, adaptarse y experimentar continuamente con nuevas técnicas que aumenten la visibilidad y la favorabilidad de sus marcas con un LLM tendrán una gran demanda. En resumen, se convertirán en expertos en LLMO, un nuevo papel de vital importancia en las empresas y en las firmas de servicios de marketing que las apoyan.

Cuando una nueva y poderosa tecnología empieza a afectar a la economía, la gente suele saber qué puestos de trabajo se ven amenazados pero no qué puestos se crearán. Hoy, al igual que en las revoluciones tecnológicas del pasado, un motivo importante de preocupación es nuestra limitada capacidad para detectar las formas que surgen en el horizonte, los nuevos puestos de trabajo que crearán las LLM. Para los profesionales del marketing, las formas en el horizonte siguen siendo borrosas, pero podemos empezar a ver las líneas generales de al menos una.