Profundizaremos en el modo de pensar de los algoritmos en el marketing en base al texto de Roberto Brognara: How and What Marketing Algorithms Think, Cambridge Scholars Publishing, 2023.
En el mencionado volumen, Brognara aborda la hipótesis de que los algoritmos están impulsados por un pensamiento, una noción que no es ni original, ni aislada, ni reciente en su origen. Se destaca la relevancia de una de sus raíces más antiguas y particularmente interesantes, conocida como «física social«, que hace referencia a la ciencia de los fenómenos sociales sujetos a leyes naturales invariables o al estudio cuantitativo de la sociedad humana a través de la estadística social. Sin embargo, en un contexto más moderno y coloquial, también alude al análisis de los fenómenos sociales mediante el uso de grandes volúmenes de datos.
La capacidad de realizar un análisis adecuado de grandes cantidades de datos numéricos ha demostrado ser más efectiva que nunca para describir e interpretar fenómenos sociales que anteriormente se percibían o comprendían de manera aproximada. En este sentido, los datos, junto con fuentes como Google y la tecnología GPS, se han convertido en recursos de gran valor para la investigación en numerosos campos de las ciencias sociales, abarcando desde la movilidad y la epidemiología hasta el consumo cultural y la sexualidad. Dentro de los datos que se pueden rastrear hasta los individuos, subyace información que, si se agrupa y procesa correctamente, revela en su plenitud y complejidad las implicaciones de los patrones sociales individuales que no son visibles mediante otros tipos de análisis.
La física social, especialmente la física social del siglo XXI, emplea herramientas físico-matemáticas para descifrar datos y avanzar en la comprensión de la sociedad. Por otro lado, los algoritmos del marketing también hacen uso de datos, pero únicamente como herramienta para intervenir en la sociedad, dejando de lado el progreso en la comprensión de la misma.
No obstante, esta falta de progreso no surge de un desinterés absoluto o de una desconfianza crítica en el enfoque utilizado, sino más bien de un uso preconcebido de los datos. En lugar de descubrir novedades o descifrar la sociedad, existe el riesgo de perpetuar patrones inexactos u obsoletos. Este uso preconcebido de los datos implica atribuir significados apriorísticos a categorías como «grupo de edad», «centro geográfico» o «nivel de ingresos», asumiendo que tienen un significado que rara vez se actualiza y dando por sentada su relevancia.
El mero hecho de utilizar estas y otras categorías similares, suponiendo un significado que casi nunca se realiza (si es que todavía lo tienen) y asumiendo su relevancia de manera incuestionable, solo puede conducir, en el enfoque algorítmico, a resultados epistemológicamente insignificantes y prácticamente condicionados por la distancia que separa una lectura muy o poco precisa de la realidad en la que se está actuando. Si la lectura es muy precisa, se obtienen mejores resultados; de lo contrario, debido a las suposiciones apriorísticas realizadas en el uso de los datos, los resultados son modestos.
En otras palabras, mientras que la física social ha intentado aplicar un pensamiento diferente al de las ciencias sociales, más avanzado y adecuado a la evolución de la sociedad, el marketing algorítmico parece utilizar un enfoque tradicional, poco alineado con la evolución de la sociedad y posiblemente desactualizado en algunos aspectos. Además, se convierte en víctima, es decir, la principal perjudicada, de la velocidad y la inteligencia que caracterizan a la automatización en la actualidad.
Si se asume que los algoritmos piensan y que operan en base a instrucciones producidas por un pensamiento general expresado en cadenas de pensamientos/instrucciones que los hacen eficientes, también se debe aceptar que pueden «equivocarse», es decir, no alcanzar o acercarse al objetivo para el cual se definió y articuló ese pensamiento práctico.
En el caso de los algoritmos en marketing, es decir, construcciones que combinan su naturaleza como manifestaciones de pensamiento práctico con una fuerte propensión a realizar funciones muy específicas, la falibilidad es evidente, incluso medible.
Es importante destacar que la culpa y las consecuencias del pensamiento deficiente detrás de los algoritmos de marketing no recaen principalmente en los propios algoritmos, que incluso en su versión más avanzada, inspirada en el aprendizaje automático, probablemente puedan corregirse por sí mismos en ciertos contextos. La «culpa» radica mayormente en los datos seleccionados para el funcionamiento del algoritmo y en el diseño general de las correlaciones/instrucciones que se le exige ejecutar. En última instancia, recae en las creencias y concepciones compartidas sobre el consumo y la comunicación por parte de aquellos que diseñan los algoritmos.
En el ámbito del marketing, es fundamental comprender el contexto en el que uno se desenvuelve para poder condicionarlo o adaptarse a él. Para lograr la efectividad de sus acciones, el marketing debe entender y aprovechar dos contextos generales inevitables: el de consumo y el de comunicaciones masivas. Estos contextos proporcionan los mapas y las rutas necesarias para alcanzar a las personas y objetivos deseados, ya sea a través de acciones humanas o automatizadas. En el entorno digital, otro contexto importante es el tecnológico, que influye en el comportamiento del consumidor.
A lo largo de las décadas, el marketing ha adoptado diferentes modelos de comprensión y acción para entender la dinámica del consumo, algunos de los cuales aún son ampliamente utilizados de forma combinada o individualmente. Estos modelos se han basado en determinismo económico o sociológico, en el estudio de la psicología del consumidor y en aspectos socioculturales.
El modelo determinista, surgido en el siglo XX, relaciona el comportamiento de consumo con el estatus económico o la condición social de los individuos, como la edad, la ubicación geográfica o la profesión. Sin embargo, este enfoque tiende a considerar factores estáticos y asumir la homogeneidad de grupos como los basados en la edad o el género, sin tener en cuenta otras variables presentes en el mercado.
El enfoque psicológico, por otro lado, se centra en los mecanismos impredecibles pero controlables de la psicología humana para guiar las decisiones de consumo. Se han realizado numerosas investigaciones sobre los impulsos psicológicos en el comportamiento social, desde análisis profundos de las acciones y palabras de los consumidores hasta el mapeo de indicadores psicográficos de la sociedad. Estos enfoques han encontrado un nuevo impulso con el uso de plataformas como Facebook, donde se han aplicado modelos psicológicos para comprender las respuestas de la audiencia a pruebas o publicaciones aparentemente inofensivas.
El tercer enfoque combina aspectos psicológicos y socioculturales para entender la conducta del consumidor y sus creencias, valores y actitudes. Este enfoque se aleja de las clasificaciones sociodemográficas rígidas y de las clasificaciones psicológicas aleatorias, y se adentra en los cambios constantes impulsados por la complejidad de la sociedad actual. Este modelo, conocido como «estilo de vida», busca identificar grupos de individuos con factores discriminantes culturales en común, más allá de su situación socioeconómica o psicológica.
A pesar de los avances en los modelos de comprensión del consumo, los algoritmos de marketing se enfrentan a desafíos significativos en su implementación. En primer lugar, existe una falta de referencia precisa para la toma de decisiones algorítmicas en el ámbito del marketing. Aunque se han desarrollado diversas métricas y herramientas para medir el rendimiento de las campañas de marketing, aún persiste la necesidad de definir estándares claros y consistentes que permitan evaluar de manera precisa el impacto de las estrategias algorítmicas en los resultados comerciales. Esto implicaría desarrollar métricas confiables y consistentes que permitan medir el impacto real de las estrategias implementadas. Estos estándares deben considerar tanto indicadores cuantitativos, como el retorno de la inversión (ROI) y la tasa de conversión, como también aspectos cualitativos, como la satisfacción del cliente y la fidelidad a la marca. Al contar con una evaluación más precisa, las organizaciones podrán ajustar y optimizar sus algoritmos para lograr mejores resultados comerciales.
Otro desafío importante radica en la privacidad y la ética en el uso de los algoritmos de marketing. Con el crecimiento de la recopilación masiva de datos, se plantean interrogantes sobre la forma en que se utilizan y se protegen los datos de los consumidores. Existe una preocupación creciente por la privacidad y la transparencia en el procesamiento de la información personal, lo que ha llevado a la implementación de regulaciones más estrictas, como el Reglamento General de Protección de Datos (GDPR) en la Unión Europea. Los algoritmos de marketing deben ser diseñados y utilizados de manera ética, respetando los derechos de privacidad de los consumidores y garantizando que se obtenga el consentimiento adecuado para el procesamiento de sus datos. Las organizaciones y empresas deben asegurarse de obtener el consentimiento adecuado de los consumidores para recopilar y utilizar sus datos personales. Además, deben garantizar la seguridad y la protección de estos datos, cumpliendo con las regulaciones vigentes y adoptando buenas prácticas de privacidad. La transparencia en el uso de los datos y la comunicación clara sobre cómo se utilizan son elementos clave para generar confianza y mantener una relación sólida con los consumidores.
Además, los algoritmos de marketing enfrentan el desafío de lidiar con la saturación de información y la sobrecarga de contenido. En un entorno digital cada vez más competitivo, las marcas buscan captar la atención de los consumidores a través de una gran cantidad de canales y plataformas. Esto ha llevado a una avalancha de contenido y anuncios, lo que dificulta que los algoritmos puedan destacarse y alcanzar de manera efectiva a su audiencia objetivo. La personalización y la segmentación precisa se vuelven cruciales para evitar la saturación y brindar mensajes relevantes y oportunos a los consumidores. Los algoritmos deben ser capaces de segmentar y personalizar los mensajes de manera efectiva, para que puedan llegar a la audiencia correcta en el momento adecuado. Esto implica utilizar técnicas de segmentación más sofisticadas, basadas en datos demográficos, comportamiento del consumidor e incluso en el contexto en el que se encuentra el individuo. Además, es importante utilizar estrategias de contenido relevantes y atractivas, que destaquen entre la multitud y generen un impacto duradero en los consumidores.
Por último, el rápido avance tecnológico presenta un desafío constante para los algoritmos en las distintas plataformas de marketing. A medida que nuevas tecnologías emergen y cambian la forma en que las personas interactúan con la información y los productos, los algoritmos deben adaptarse y actualizarse continuamente para mantenerse al día. La inteligencia artificial, el aprendizaje automático y la computación en la nube son solo algunos ejemplos de tecnologías disruptivas que están transformando el campo del marketing. Los profesionales del marketing debemos estar preparados para aprender y adoptar nuevas herramientas y enfoques a medida que surjan, y los algoritmos deben estar diseñados de manera flexible y escalable para adaptarse a estas innovaciones tecnológicas. Los profesionales del marketing y los desarrolladores de algoritmos debemos mantenernos actualizados en los avances tecnológicos y ser capaces de adaptarnos rápidamente a los cambios. Esto implica estar al tanto de las nuevas tecnologías emergentes, como la inteligencia artificial, el aprendizaje automático y la realidad virtual, entre otras. La capacitación continua y la colaboración con expertos en tecnología son aspectos clave para garantizar que los algoritmos de marketing se mantengan actualizados y sean capaces de aprovechar al máximo las oportunidades que brinda la evolución tecnológica.
En el ámbito del marketing programático, es decir, basado en software big data con machine learning e inteligencia artificial, se plantea una interesante dicotomía entre dos conceptos clave: eficiencia y efectividad. Veamos cómo los algoritmos influyen en esta dicotomía y cómo prevalece el enfoque en la eficiencia. Además, analizaremos las limitaciones inherentes a esta perspectiva algorítmica y cómo el tiempo y la cultura empresarial contribuyen a esta preferencia por la eficiencia.
Efectividad, objetivos y resultados:
En la redacción de cualquier programa o estrategia, la definición clara de los objetivos es fundamental para trazar el camino hacia el éxito. En el marketing programático, los algoritmos están diseñados para lograr resultados específicos. Sin embargo, a menudo se encuentran con la disyuntiva entre la efectividad y la eficiencia. Por ejemplo, una campaña publicitaria puede tener que decidir entre maximizar su efectividad o lograr un alto nivel de eficiencia en términos de costos y rendimiento.
El enfoque en la eficiencia:
En el marketing programático, los algoritmos tienden a favorecer la eficiencia en lugar de la efectividad. Esto se debe a que los algoritmos son estructuras cerradas que se basan en acciones cuantificables y medibles dentro del entorno en el que operan. Por ejemplo, un algoritmo puede calcular fácilmente el costo por clic de una campaña publicitaria, pero no puede evaluar parámetros tradicionales de efectividad, como el nivel de recordación, la comprensión del mensaje o la intención de compra.
Limitaciones de los algoritmos:
Los algoritmos, especialmente aquellos basados en inteligencia artificial, tienen cierta flexibilidad para adaptarse a situaciones y variables no estructurales. Sin embargo, en el marketing programático, la eficiencia se ha convertido en el objetivo predominante debido a la cultura empresarial y al comportamiento generalizado en diferentes sectores. La obsesión por la innovación y la aceleración del tiempo en los negocios han llevado a priorizar la eficiencia sobre la efectividad.
El desafío de la aplicación del algoritmo:
Si bien la eficiencia puede ser un indicador inmediato y tangible de éxito, es importante reconocer que no es incompatible con la efectividad ni con la consecución de objetivos a largo plazo. Sin embargo, los algoritmos están limitados en su capacidad para adaptarse al cambio y responder de manera original a situaciones dinámicas. Esta rigidez estructural impide que el enfoque algorítmico pueda aprovechar plenamente las oportunidades de innovación y adaptación a diferentes escenarios.
Aunque los algoritmos tienden a favorecer la eficiencia, es importante no perder de vista los objetivos a largo plazo y reconocer las limitaciones inherentes a esta aproximación algorítmica. Un enfoque equilibrado, que combine la eficiencia con la efectividad, puede brindar resultados más sólidos y tener un mayor impacto en el éxito de las campañas de marketing.
Las burbujas de filtrado y las cámaras de eco generadas por los algoritmos tienen un impacto significativo en la sociedad. Estas estrategias de personalización y selección de contenido están diseñadas para promover ciertos puntos de vista y fomentar la participación en plataformas digitales. Si bien estas prácticas son comunes en el campo del marketing, su implementación por parte de motores de búsqueda y redes sociales plantea desafíos en términos de diversidad de opiniones y acceso a información objetiva.
La existencia de la «burbuja de filtrado» y la «cámara de eco» en el funcionamiento de los algoritmos tienen efectos, en mayor o menor medida, en la sociedad. Estos fenómenos se refieren a la selección y filtrado de información basados en preferencias y afinidades, creando entornos digitales donde las personas son expuestas principalmente a contenido que se alinea con sus propias opiniones y creencias. Estas burbujas y cámaras de eco no son nuevas en términos de comportamiento humano, ya que las personas naturalmente tienden a buscar y favorecer contextos que les brinden confirmación y resonancia con sus ideas. Sin embargo, en entornos digitales como motores de búsqueda y redes sociales, como Google y Facebook, estas burbujas y cámaras de eco se han vuelto más prominentes y difíciles de controlar debido al uso masivo y a la relevancia cultural y psicológica de estas plataformas.
Los algoritmos de Google y Facebook influyen en el pensamiento de las personas al generar y promover ciertos puntos de vista y enfoques. Estos algoritmos se diseñan para personalizar los resultados de búsqueda y el contenido presentado a los usuarios en función de su historial de búsqueda, datos de comportamiento y otras inferencias. Esto crea burbujas de contenido homogéneas donde la personalización prevalece sobre la diversidad de opiniones y perspectivas.
Las decisiones de filtrado de Google se basaron inicialmente en la «autoridad» del contenido y luego en la utilidad personalizada para los usuarios. Por otro lado, Facebook utiliza la «relevancia» de las relaciones y actividades sociales para filtrar el contenido y mostrarlo en las salas de sus usuarios. Sin olvidar, en ambos casos, que estas plataformas son, de facto, colosales agencias publicitarias que buscan maximizar beneficios. Estos enfoques de filtrado tienen implicaciones culturales y epistemológicas, ya que afectan cómo las personas reciben información y cómo se forman sus opiniones.
En términos de marketing, se plantea que estas burbujas y cámaras de eco son intervenciones legítimas y comunes para crear condiciones favorables para los negocios. Las empresas y plataformas digitales, como Google y Facebook, utilizan estos mecanismos para ofrecer servicios gratuitos financiados por publicidad y guiar a los consumidores hacia productos y servicios específicos.
Los programadores juegan un papel crucial como los «padres biológicos» de los algoritmos. Son ellos quienes dan vida a estos complejos sistemas de inteligencia artificial que moldean nuestra experiencia en línea. Pero su influencia va más allá de la mera implementación técnica. Los programadores también contribuyen a la formación de la mente de los algoritmos y a la producción de sus pensamientos.
En un entorno donde empresas gigantes como Google, Facebook y Amazon han revolucionado el campo del marketing digital, se hace evidente la importancia de comprender cómo los programadores moldean estas tecnologías. Estas empresas ad-tech, como se les conoce, se han posicionado como líderes en el mercado, basando su éxito en su enfoque tecnológico y cultural. Sin embargo, su dominio se centra más en la eficiencia del proceso y en el control del medio digital que en comprender las complejidades de la comunicación y el consumo.
A medida que estas empresas han evolucionado, han pasado de ofrecer servicios básicos de monitoreo de actividades a soluciones más avanzadas. No obstante, aún se evidencia cierto desfase al abordar los desafíos tradicionales del marketing desde nuevas perspectivas. Surge la pregunta de qué creen los programadores y qué criterios siguen al desarrollar algoritmos para campañas de marketing. ¿Consideran variables que contribuyan a la eficiencia de las estrategias de marketing o se enfocan únicamente en la reducción de costos y mejoras mínimas en el rendimiento?
Es crucial entender que los algoritmos no son entidades aisladas, sino sistemas masivos y conectados que involucran a múltiples actores. Como señala el antropólogo Nick Seaver, debemos prestar atención tanto a la lógica y el control asociados con los algoritmos individuales como a la lógica que guía a los programadores al elegir ciertos algoritmos, representaciones de datos y traducir ideas en código.
En este contexto, se plantea un desafío interesante: ¿cómo pueden colaborar los críticos humanistas o científicos sociales y los ingenieros para comprender mejor estos sistemas algorítmicos? Si bien es cierto que los ingenieros están más familiarizados con las funciones de los algoritmos, los científicos sociales son expertos en analizar las consecuencias sociales y culturales de su implementación. Al colaborar en conjunto, podríamos abrir un espacio para un diálogo crítico y una comprensión más completa de los sistemas algorítmicos.
A medida que avanzamos en la era digital, es fundamental comprender el papel de los programadores en la creación y evolución de los algoritmos. Su formación y enfoque influyen en cómo se desarrollan estas poderosas herramientas y cómo afectan nuestras vidas. La intersección entre la tecnología y el marketing requiere una colaboración más estrecha entre los programadores, los expertos en marketing y los científicos sociales, para garantizar que los algoritmos se desarrollen de manera ética y se apliquen de manera efectiva en la búsqueda de objetivos de marketing más allá de la mera eficiencia tecnológica.
Los algoritmos en el mundo del marketing son opacos, su contenido es prácticamente ininteligible y se mantienen como secretos guardados y mercantilizados. Esta opacidad no se percibe de forma generalizada como una amenaza social, sino como una prueba de la capacidad de pensamiento que impulsa incluso las formas más avanzadas de automatización.
En este contexto de opacidad, se producen paulatinamente cambios en los esquemas establecidos y se reemplazan por otros difíciles o imposibles de interpretar. Los resultados generados por estos pensamientos opacos pueden ser cuestionables e incluso absurdos, lo que dificulta su comprensión y la posibilidad de intervenir en ellos.
La transparencia en el pensamiento algorítmico y en los fines perseguidos permite la evaluación crítica de los resultados y su análisis en relación con referencias claras. Sin embargo, en la opacidad, los pensamientos degenerados basados en la racionalidad de la cultura del marketing generan resultados sin que se pueda comprender por qué ocurren o cómo aplican la racionalidad que debería guiarlos.
La opacidad también propicia la formación de bloqueos en la mente de los algoritmos, lo que se manifiesta en actividades total o parcialmente carentes de sentido. Se enfatiza la importancia de intervenir en estos pensamientos degenerados para limitar el daño que pueden causar y evitar que la idea de la efectividad del marketing sea reemplazada por una que sea un efecto directo de la anagnórisis (falta de reconocimiento o conocimiento).
Uno de los fenómenos más comunes del pensamiento humano es el error, una valoración incorrecta que conduce a verificaciones incorrectas. También es común encontrar pensamientos erróneos en los algoritmos, lo que lleva a resultados no deseados o incluso opuestos a los deseados. Estos errores pueden originarse tanto por falta de conocimiento de ciertos fenómenos como el consumo o la comunicación digital, como por prejuicios, estereotipos o patrones preestablecidos de interpretación.
Los sesgos culturales son comunes en los algoritmos en general y en los algoritmos de marketing en particular. Estos sesgos están relacionados con la naturaleza cultural de los datos con los que se alimentan los algoritmos y las instrucciones con las que se combinan. La naturaleza de los errores que producen no solo está desalineada con las intenciones, sino que también es socialmente reprochable.
Un grupo de sesgos se origina en las reservas apriorísticas y está estrechamente relacionado con la organicidad estadística de los algoritmos y su contexto en el marketing y la sociedad.
Cuando hablamos de «reservas apriorísticas«, nos referimos a las creencias o suposiciones previas que pueden tener los diseñadores de algoritmos al crearlos. Estas creencias pueden estar influenciadas por su propio contexto social, cultural o personal. Aunque la estadística es una forma efectiva de comprender la realidad, también muestra debilidades en áreas específicas, especialmente en contextos dinámicos.
La discusión sobre la relevancia estadística de los umbrales de significancia/insignificancia ha reavivado controversias históricas sobre su adecuación en la representación, comprensión y acción a nivel social. Además, la cantidad de datos puede ser proporcional a la calidad de los resultados de un enfoque estadístico, como el algorítmico, pero al mismo tiempo puede ser inversamente proporcional a la visibilidad de fenómenos menos definidos.
Los sesgos en el diseño de algoritmos tienden a reflejarse de manera similar en la realidad y en los resultados que producen, generando preconceptos discriminatorios y radicalizadores. Los sesgos relacionados con características raciales, de género, identidad sexual o minorías socioculturales suelen ser causa de discriminación y exclusión.
Además de los sesgos humanos, los algoritmos también pueden verse afectados por limitaciones técnicas y sesgos inherentes a su funcionamiento, como el «cold start» o inicio en frío, que afecta especialmente a los sistemas de recomendación. Este fenómeno hace referencia a la incapacidad del sistema para realizar inferencias cuando no ha recopilado suficiente información sobre los usuarios o artículos nuevos.
A pesar de los esfuerzos por abordar estos sesgos, algunas posturas minimizan su importancia y comparan los errores algorítmicos con los errores humanos, lo cual no considera las consecuencias sociales y la responsabilidad que tienen los algoritmos en la toma de decisiones automatizadas.
El pensamiento más común que impulsa los algoritmos de marketing tiene que ver con el ámbito económico, en particular con la reducción de los costes de una campaña, un objetivo más que legítimo en los negocios, pero aun así una forma específica de decidir, orientar y proceder. Específicamente, existen principalmente dos áreas en las que se busca la reducción de costes: en la segmentación y en el rendimiento.
Como no podría ser de otra manera, la intervención en los costes es marginal en lugar de absoluta. La aspiración es mejorar en relación a una referencia promedio o la última referencia disponible. Si el CPA (Costo por Adquisición) de referencia es de €0,24, el objetivo será €0,23; si el CPM (Costo por Mil) es de €5, el objetivo se convierte en <€5, donde la magnitud de la reducción es teóricamente ilimitada y típicamente fraccional.
Pero, aunque el objetivo de reducción de costes sea común y legítimo, sigue siendo expresión de un tipo de pensamiento conservador y, sobre todo, ajeno a lo que el marketing ha estado predicando durante décadas y que ha dado un gran impulso a los algoritmos: la centralidad del consumidor y la personalización.
No solo son dos perspectivas muy diferentes sobre la intervención en el mercado, sino que la búsqueda de ahorros casi siempre se realiza en detrimento del «valor» (en sus muchas traducciones) ofrecido al consumidor y pasa por alto su centralidad.
Esto ciertamente no es nuevo en el campo de la automatización, pero la magnitud del sistema algorítmico tiende a transformar un aspecto que durante mucho tiempo fue meramente instrumental en un fin, al que todo está informado y que todo lo contiene. Integralista y excluyente como pocas formas mentales pueden ser.
Si la industria informática estadounidense de la década de 1980, por dar un ejemplo, se hubiera movido en su totalidad después de la aparición de las primeras PC, con el objetivo de reducir costes, que puede propagarse y imponerse muy fácilmente a todos, nunca hubieran nacido los Macintosh que vinieron después, y con ellos, otros productos tan innovadores como «caros», debido a toda la investigación y desarrollo necesarios. En cambio, esta opción, la de reducción de costes, fue adoptada por los fabricantes del Lejano Oriente, que sí lograron reducciones de precios, pero poco o nada en términos de innovación del producto.
Además, o, sobre todo, la reducción de costes en muchos casos es la propuesta de los proveedores de servicios programáticos a los que los profesionales del marketing «ceden», en lugar de algo buscado o exigido deliberadamente. Por lo tanto, es un tipo de pensamiento que no solo está en conflicto con algunos de los valores de marca y marketing más modernos, sino que de alguna manera es impuesto por la colonización cultural de una componente del mercado sobre el resto, y es adoptado unánimemente con poca conciencia de cómo lograr ahorros a expensas de la integridad de la marca, por ejemplo, interviniendo en la frecuencia y presión de una campaña. Y si Eva (los profesionales del marketing) ac aba, de manera bastante inexplicable, mordiendo la manzana, es porque la serpiente, comprensiblemente, ha encontrado la manera de engañarla con ahorros de costes.
En el ámbito del marketing, la mayoría de los algoritmos utilizados tienen un origen y una «genealogía» estadística. Al igual que la psicología ha hecho un amplio uso de la estadística a lo largo de la historia, esta disciplina ha moldeado un tipo de carácter psicológico en quienes la practican y utilizan. Los especialistas en estadística son conscientes de sus fortalezas y debilidades, aceptan su filosofía y «pensamiento estadístico» con más o menos reservas, y pueden ser apologistas del potencial de lo que diseñan y utilizan. Sin embargo, cuando las condiciones son adecuadas, reconocen sus límites estructurales y sus imperfecciones contingentes con una «objetividad científica».
Efectos y limitaciones que se generan en los algoritmos de marketing como resultado del enfoque estadístico predominante en su desarrollo y aplicación. Estas "masas inerciales" representan las fuerzas que emergen de la influencia de la estadística en la mentalidad y resultados de los algoritmos de marketing. Metáfora que destaca cómo la adhesión a la estadística crea una inercia en el pensamiento y enfoque de quienes desarrollan y utilizan estos algoritmos. Los especialistas en estadística, conscientes de las fortalezas y debilidades de este enfoque, aceptan el "pensamiento estadístico" con ciertas reservas, reconociendo los límites estructurales e imperfecciones contingentes con una objetividad científica cuando las condiciones son propicias.
MASAS INERCIALES
Una de las características psicológicas que emerge de la adhesión a la estadística es el sentimiento de reverencia, debido a la solidez de los recursos, técnicas y resultados asociados a ella. Esta solidez proporciona cierta seguridad, especialmente cuando se comprende bien, pero también puede generar inquietudes cuando se detectan elementos que escapan o se sospechan deficiencias.
Los inconvenientes de la estadística han sido resaltados por la popularidad reciente del lema «Existen tres tipos de mentiras: mentiras, malditas mentiras y estadísticas», así como por la crítica, no tan reciente pero igualmente relevante, de «Cómo mentir con las estadísticas» (1954) de Darrell Huff. Además, han surgido controversias académicas y profesionales a lo largo de la evolución de la estadística, especialmente en relación con ciertos elementos constituyentes que generan fuerzas inerciales y, posteriormente, masas inerciales que impactan inevitablemente en la forma mental de los algoritmos que se alimentan de la estadística, así como en sus resultados y efectividad.
La impronta estadística en los algoritmos de marketing plantea al menos tres temas destacados en el análisis cultural de sus características: el comportamiento detectado, las series temporales y el tipo de lógica adoptada en sus usos predictivos.
El comportamiento detectado constituye la base de muchas actividades automatizadas, especialmente en el caso del retargeting. Sin embargo, el último comportamiento detectado, por sí mismo y a pesar de la interpretación del algoritmo, es solo una manifestación entre muchas de los actores (de casi cualquier tipo) por diversas razones. Asociar el «último comportamiento» con el interés, la propensión e incluso la intención de compra es arriesgado en ausencia de otros elementos sobre el usuario y/o su historial de navegación, así como claves interpretativas adecuadas. Es una aproximación probabilística en lugar de un razonamiento bien fundamentado.
La decodificación del comportamiento, especialmente el comportamiento del consumidor se ha vuelto cada vez más complicada en el mundo real, debido a la deslealtad, la inconsistencia y el nomadismo del consumidor. En el ámbito digital, esta tarea se vuelve aún más intrincada debido al gran número de estímulos y a la facilidad con la que cada estímulo puede ser seguido.
Desde una perspectiva conductista, casi pavloviana, no solo se puede combinar conceptualmente un comportamiento particular con otro, sino que también puede ser la causa de manera sistemática y repetida. Esta es la forma más básica de instruir a los algoritmos para obtener una ventaja económica, pero no conduce a un progreso en la comprensión e intervención inteligente en el consumo y la comunicación en el ámbito digital.
El punto de vista estadístico no distingue el comportamiento y los datos en función de su corrección profunda o articulada. Lo hace solo en términos de selectividad formal y semántica elemental. El hecho de que las razones detrás de un clic puedan ser múltiples y todas diferentes es secundario y raramente se considera aplicativo.
En contraste con esta especie de «superficialidad» analítica y forma psicológica de usar los datos y establecer un plan de acción, se encuentra la profundidad y relevancia que se les atribuye a las «series temporales». Es decir, los datos recopilados a lo largo del tiempo sobre un determinado sujeto/objeto.
Este tema es obvio y central, ya que se extiende a los fundamentos mentales de una amplia gama de disciplinas, conceptos y técnicas, desde la economía y la inferencia hasta los modelos de pronóstico lineales y los modelos probabilísticos.
No cabe duda de que cuanto más «históricas» sean las series de datos disponibles, más sólidos y veraces serán los análisis, especialmente aquellos que se centran en posibles tendencias. Por otro lado, cuando se trata de movimientos y cambios sociales, incluidos los cambios en el consumo, no solo los plazos se vuelven cadenciosos, sino que también las manifestaciones siguen un gradiente en lugar de pasar de un color a otro. Cuanto mayor sea la magnitud y la complejidad de estos fenómenos, mayor será la estela que dejan a su paso.
Los cambios económicos o incluso político-electorales pueden acelerarse considerablemente; otros cambios culturales, como la moda, siguen tendencias evolutivas cada vez más apremiantes. Sin embargo, en relación al consumo, a pesar de los cambios radicales en el escenario ocurridos en los últimos veinte años con Internet y los dispositivos móviles, se pueden observar matrices ya conocidas desde la transición de sociedades industriales a postindustriales.
En una escala amplia y con un objeto debidamente identificado, las series históricas de datos relevantes conservan todo su potencial descriptivo y predictivo, especialmente si se tratan con las técnicas de procesamiento adecuadas y las claves interpretativas adecuadas. También es efectiva la identificación de factores decisivos en las transformaciones, siempre y cuando se incluyan y se comporten de acuerdo con las dinámicas manifiestas y latentes en las series históricas, ya sea que se hayan identificado previamente o no. Como reconoce la propia estadística, las «causas comunes» se combinan perfectamente con las series temporales y la información que se puede obtener, pero las «causas especiales» no lo hacen. «La variación de causa común se convierte en tu amiga y la variación de causa especial en tu enemigo».
La definición de causas especiales es bastante elocuente, al igual que términos posteriores como «camino antinatural» o «cisne negro». Estos elementos no se integran ni se debilitan en las series temporales, por lo que no contribuyen a descripciones o pronósticos, a menos que se busquen opciones más precisas o integrales, incluyendo opciones «heterodoxas».
Los algoritmos estadísticos de marketing hacen un amplio uso de las series temporales, y acciones específicas o secuencias de acciones se desencadenan en función de los resultados que se producen. En estos algoritmos, se encuentran convicciones y expectativas que las causas comunes justifican, pero que las causas especiales anulan o debilitan. Los casos en los que se aplican para recomendar un producto o mostrar una campaña, por ejemplo, se rigen y responden tanto a la lógica «común» como a la «especial». Por lo tanto, los resultados que logran son tan «comunes» (hasta cierto punto positivos) como «especiales» (por debajo del potencial).
Por lo tanto, hay otro elemento estructural importante en la definición característica y sus proyecciones en la mentalidad de los algoritmos de marketing: la contención complaciente en la conducta que solo es parcial o apenas adecuada a la situación actual, con la consiguiente arrogancia, superficialidad y truculencia que acompañan estas posiciones en la vida profesional.
No serán las nuevas soluciones «técnicas» en el procesamiento de datos, como los algoritmos en ciertos aspectos, las que resolverán todas las reservas y críticas históricas sobre los métodos cuantitativos para formular pronósticos y análisis. Estas críticas no se basan solo en información pasada, sino que también están limitadas por ella a la hora de imaginar posibilidades alternativas. Las controversias sobre el probabilismo y sus límites, que se iniciaron con Leibniz y que los algoritmos han elevado a un nivel más alto en la práctica común, entre neófitos y profesionales, siguen siendo relevantes en la teoría.
Utilizando una expresión especialmente relevante y de significado inexacto, es plausible atribuir al pensamiento algorítmico en marketing una fuerte propensión populista. De ese populismo que identifica y satisface las orientaciones de las masas (de los consumidores), perpetuándolas y contrarrestando, entre otras cosas, al menos dos de las características distintivas del entorno digital del cual los algoritmos también forman parte: la personalización y la «long tail».
Por las razones de estructura y cultura consideradas aquí, los algoritmos de marketing también tienden a ajustar su funcionamiento a las opciones predefinidas por la mayoría, que a menudo se considera un índice de mayor calidad, pero no siempre y en todos los casos. Y sería una calidad relativa mayor (para ciertos temas, ciertos comportamientos, ciertas métricas), no absoluta y ni siquiera en exclusión de otras «cualidades» minoritarias.
Esto es algo natural, a menudo atribuido a la categoría de «sesgo de popularidad«, que generalmente se considera un resultado positivo de un proceso de optimización y sobre el cual rara vez se decide intervenir, aunque no faltan razones estratégicas y herramientas técnicas. Al contrario, se consideran cada vez más.
La primera de las razones estratégicas que llaman la atención de los especialistas en marketing sobre el pensamiento y la acción de los algoritmos se refiere a la dimensión de la aleatoriedad, la sorpresa y el instinto, que están cada vez más presentes y son rentables en el consumo, a menudo definidos como «serendipia«. Una atención que no se refiere tanto a la preeminencia de las mayorías, bienvenidas y apreciadas, como a su esclerosis como referentes de la actividad marketera.
Esta falta de experiencia serendípica conduce al agotamiento del consumidor, en el que los anuncios no solo tienen poco impacto, sino que son completamente ignorados. Para evitar esto, es necesario utilizar conjuntos de datos más amplios, que comprendan datos personales y contextuales, que permitan a los algoritmos de coincidencia reconocer y mostrar ofertas adecuadas. Las plataformas de publicidad programática (PA) que pueden ofrecer una experiencia publicitaria serendípica tendrían una clara ventaja competitiva. Sin embargo, es necesario equilibrar el grado de exposición serendípica con la exposición a productos y servicios que se sabe que son de interés actual para el espectador, a fin de mantener la fidelidad del cliente y los ingresos. La pregunta de «cuánta serendipia es suficiente» requiere atención. Más en general, el problema de mitigar el populismo y dejar espacio para la serendipia se extiende a los aspectos de segmentación y orientación, afectando directamente a una de las innovaciones más importantes que ha traído consigo la digitalización del consumo, la que se puede resumir en la realidad y la teoría de la «long tail».
Mostrar solo elementos populares no mejorará el descubrimiento de nuevos elementos y pasará por alto los intereses de los usuarios con gustos de nicho. […] Recomendar elementos serendípicos de la long tail se considera generalmente una función clave de las recomendaciones, ya que son elementos que es menos probable que los usuarios conozcan.
Por un lado, la sociedad y los consumidores se encuentran en un estado constante de cambio, expresando siempre nuevas necesidades y expectativas. Por otro lado, la dimensión digital ha eliminado del sistema de distribución muchas de las restricciones que impedían que la innovación (de productos) satisficiera su mercado. Enriquecer el panorama de la oferta, brindar mayor satisfacción a los consumidores e interferir también en manifestaciones inevitablemente monopolistas o cartelizadas en el consumo.
La capacidad de Internet para mejorar económicamente la long tail ha sido y sigue siendo un elemento transformador en nuestras sociedades. Observar que, por las más diversas, comprensibles y aceptables, pero desde una perspectiva de marketing no generalizables, un instrumento hecho del mismo «material» (algoritmos) se encuentra ampliamente desalineado, debe ser motivo de reflexión. También en marketing, al igual que en política, el pensamiento populista casi siempre produce soluciones falsas y nunca progresistas.
Esta característica del pensamiento algorítmico es aún más discordante y desconcertante si se compara con una de las grandes promesas y potenciales con los que se introdujo la automatización en el marketing, la personalización, la entrega de soluciones basadas en perfiles e expectativas individuales hipotéticas pero reales.
De hecho, la idea de reconocimiento y relaciones individuales sigue guiando, en la mayoría de los casos, al menos la fase de recopilación y normalización de datos, cuando los diversos conjuntos de datos se integran y filtran en busca de descripciones personales. Pero es en el momento de la acción cuando se impone una dinámica de mayoría, que primero propone y luego impone, gracias a los mecanismos de recompensa proporcionados por tantos algoritmos, las mismas o algunas opciones para todos. Hay innumerables casos en los que las elecciones de la mayoría, repetidas con el tiempo, se convierten en las mandíbulas de una tenaza que hace de la personalización un objetivo igualmente estratégicamente relevante, pero difícil de lograr mediante un enfoque algorítmico. Al menos en publicidad, todavía no vemos las tan aclamadas campañas personalizadas y, en general, en marketing, más que una sensación de que la gestión de relaciones ha avanzado mucho, pero el contenido y el propósito no lo han hecho.
Es en esta contradicción que la histórica afirmación de Joseph Weizenbaum renueva su relevancia: «Sabemos contar, pero rápidamente olvidamos cómo reconocer qué es lo que vale la pena contar y por qué».
En el mundo del marketing digital, los algoritmos juegan un papel fundamental en la toma de decisiones y la optimización de las estrategias. Sin embargo, es importante considerar los rasgos característicos que definen a estos algoritmos y cómo influyen en su desempeño.
En primer lugar, es importante reconocer que los algoritmos de marketing no son profesionales humanos, sino entidades algorítmicas diseñadas para procesar datos y tomar decisiones en función de estos. Ello implica que carecen de habilidades autocríticas y de aprendizaje propias, lo que los convierte en víctimas de la calidad de la información procesada y de su modo de operación. Este hecho se traduce en resultados que, en muchos casos, pueden ser erróneos o insuficientes.
Uno de los rasgos dominantes en el perfil de los algoritmos de marketing es su enfoque oportunista y a corto plazo. Estos algoritmos tienden a centrarse en un tema u objetivo específico, sin considerar la coherencia con otras actividades existentes ni las proyecciones a largo plazo. Si bien esto no es necesariamente una limitación, su adecuación y compatibilidad dependen del contexto y las circunstancias. No se debe sobreestimar su importancia estratégica ni su significado histórico.
Otro rasgo destacado es la cerrazón de mente y la falta de creatividad. Aunque se supone que los algoritmos de marketing tienen capacidad para aprender por su cuenta para remediar esto, aún no han demostrado estar a la altura de la tarea. Estos algoritmos tienden a evolucionar en un entorno cerrado, donde las nuevas ideas y perspectivas no tienen cabida, lo que refuerza aún más sus suposiciones iniciales. Esto se refleja en la selección de conjuntos de datos, fuentes y conceptos históricos que alimentan su funcionamiento. Su rigidez y falta de adaptabilidad limitan su capacidad para cuestionar su propia validez y potencial regenerativo.
Por último, es necesario subrayar el marcado interés de los algoritmos de marketing en obtener resultados económicos, sin importar el cómo ni la proporción. Estos algoritmos tienden a buscar su propia utilidad y justifican sus acciones en base a sus propios criterios, sin considerar las necesidades de los usuarios o criterios universales. Esta mentalidad utilitaria y oportunista puede conducir a resultados organizativos y parasitarios, en detrimento de otros resultados o en beneficio de tiempos futuros no planificados estratégicamente.
Actitudes en marketing: importancia y determinantes. En marketing, el estudio de las actitudes es fundamental para comprender el comportamiento del consumidor o público objetivo y desarrollar estrategias de marketing efectivas. Las actitudes son evaluaciones duraderas y relativamente estables que las
Cambiar actitudes a través del marketing con el ELM CONTENIDOS Elaboration Likelihood Model (ELM) como marco teórico para cambiar actitudes a través del marketing Conseguir cambiar actitudes es uno de los objetivos fundamentales del marketing. De un modo u otro,
La dimensión social y cultural de la publicidad y el consumo CONTENIDOS La dimensión social y cultural de la publicidad En uno de los capítulos de Branded Content and Entertainment in Advertising: A Theoretical and Empirical Study of Creative Advertising
