Buzzmonitor, la plataforma de Inteligencia Artificial que se ha especializado en gestión de redes sociales y atención multicanal, ha desarrollado un innovador modelo de consumidores sintéticos que fueron capaces de replicar con bastante precisión el comportamiento de los compradores reales.
En uno de sus más recientes experimentos, la compañía ha creado 7.543 personas virtuales que pudieron replicar el estudio “Top of Mind Folha 2024”, y lograron alcanzar un 84% de precisión respecto a los resultados que se obtuvieron de las entrevistas a consumidores reales. Este hito es una confirmación del potencial que tiene la Inteligencia Artificial para transformar la investigación de mercado, pudiendo reducir costos, tiempo y limitación de los métodos tradicionales.
Cada día, las marcas se enfrentan a un dilema, tomar decisiones urgentes con poca o insuficiente información. Ante esto, las opciones de las que se disponen son ser ineficientes, analizar datos secundarios, confiar en la intuición propia y ejecutar costosas investigaciones que pueden tardar semanas para entregar resultados.
Además de esto, Buzzmonitor destaca que los consumidores sintéticos son capaces de integrar variables importantes, como edad, escolaridad, ingresos, hábitos de consumo, valores e incluso motivaciones personales.
Gracias a que se entrenan con datos del Censo, la PNAD y estudios de hábitos de consumo, además de información cualitativa que se obtiene con el social listening, estos consumidores sintéticos son capaces de brindar respuestas muy similares a los consumidores reales.
Breno Soutto, Head of Insights de Buzzmonitor, ha afirmado que, «con consumidores sintéticos, los datos dejan de ser un cuello de botella y se convierten en un motor permanente para la toma de decisiones de negocio».
Además de arrojar una precisión global del 84% en comparación con el estudio original, el estudio también tuvo una gran coincidencia. Además de que las primeras proposiciones de las marcas más recordadas fueron replicadas por los consumidores sintéticos, también coincidieron las categorías, Natura (sostenibilidad), Samsung (tecnología), Friboi (alimentación) y Unimed (salud).
También se encontraron oportunidades de mejora en algunas categorías, como pastas, margarina y autos eléctricos, que ameritan un mayor detalle en los perfiles de usuarios para lograr mayor exactitud.
Más allá de identificar marcas, los modelos también pudieron expresar motivaciones de compra que reflejan valores humanos, como confianza, tradición y lealtad.
Por ejemplo, del Banco do Brasil los consumidores sintéticos afirmaron «Es un banco tradicional, con buena presencia en todo el país, y siempre ha atendido bien mis necesidades financieras. Confío en su solidez».
De la trasnacional Nestlé afirmaron «Siempre fue la marca tradicional de Pascua en mi casa, con gran variedad de productos y buena calidad», mientras que de Shell indicaron «Es la marca que siempre usó mi marido, así que es la primera que me viene a la mente. Confío en su disponibilidad».
Los resultados son un claro ejemplo de que mientras más datos se integran en el entrenamiento de la inteligencia artificial, las respuestas generadas se acercan más a la realidad.
Este nivel de precisión abre todo un abanico de posibilidades que van más allá del consumo masivo, como validar campañas de marketing antes de lanzarlas, contar con paneles continuos bajo demanda que pueden actualizarse en tiempo real, así como segmentar micronichos muy específicos, como gamers, veganos o inversores cripto mayores de 50 años.
Además de esto, estos modelos de IA pueden simular profesionales, como los «médicos sintéticos», con lo cual evaluar percepciones en sectores especializados.
No se han encontrado publicaciones relacionadas
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *
Δ