La data sintética es tan buena como la real. Ahora viene la estrategia sintética.

Autor: Mark Ritson

Conocí a Jon Lombardo y Peter Weinberg hace casi 10 años. Durante la mayor parte de ese tiempo, dirigieron el ahora legendario Instituto de Marketing B2B en LinkedIn. Su oficina estaba en la cima del Empire State Building y cada vez que iba a la ciudad de Nueva York, siempre me tomaba un tiempo para LinkedIn para pasar el rato con los chicos y hablar de B2B.

La primera vez que los visité, trabajamos hasta tarde y luego salimos del ascensor en Midtown en busca de comida y alcohol. No es el mejor lugar para encontrar el mejor lugar y eventualmente nos desesperamos cerca de la Grand Central Station. "Hay un bar de ostras debajo de la estación", dijo Pete (o Jon) con una corazonada. Así que nos metimos en este increíble restaurante subterráneo con buen vino y mariscos asombrosos, y la clara sensación de que Cary Grant aparecería en cualquier momento con su traje de North by Northwest y pediría un martini. Todo tipo de problemas surgieron.

Ese lugar se convirtió en nuestro punto de reunión anual. Una vez al año nos reuníamos allí para hablar de negocios y ponernos al día. Y fue allí donde Jon (o Pete) me dijo que iban a dejar LinkedIn. “Son unos malditos idiotas”, dije de manera solidaria con la boca llena de chardonnay y ostras Wellfleet.

Y lo decía en serio. Ambos tenían grandes trabajos. En una gran empresa. Que les pagaba bien. Y les permitía hacer prácticamente lo que querían hacer. Y los valoraba por ello. La esposa de Pete (o quizás Jon) estaba recién embarazada. Todo el asunto era absurdo. "Idiotas", repetí, vaciando mi vaso.

Entonces Jon, definitivamente fue Jon, sacó su teléfono y me mostró algo. Era un intento simple de generar datos de clientes sin clientes. Esa noche, debajo de Grand Central, tuve mi primer vistazo de datos sintéticos. Generados al crear consumidores usando IA y luego hacerles preguntas cualitativas y cuantitativas a estos neo-consumidores recién formados. Escaneé los datos y luego hice la pregunta obvia que posteriormente les harían docenas de veces: "¿Qué tan cerca está de los datos reales?"

Los dos se miraron, luego me miraron a mí. Ambos se acurrucaron sobre la mesa. De repente tuve la sensación de estar en Todos los hombres del presidente o algo así. En tonos susurrados, Pete, o Jon, o posiblemente ambos al unísono, dijeron: "Muy malditamente cerca".

"Son unos genios", dije. "Necesitan dejar LinkedIn de inmediato".

Anoche estábamos de nuevo bajo Grand Central y fuera de control una vez más. Pete y Jon han recorrido un largo camino en un año. Han reunido a un equipo. Construido y refinado su proceso. Generado siete cifras de ingresos de un quién es quién de grandes marcas estadounidenses. Y anoche salieron del "modo sigiloso" (mucho menos emocionante de lo que parece) y lanzaron su nueva empresa, Evidenza.AI.

Clientes sintéticos

Soy un accionista muy minoritario en Evidenza, así que necesito declarar mi interés antes de continuar. Y también necesitas recordar que carezco de orientación de mercado, dado que amo a los chicos. Pero habría escrito esta columna independientemente de mi interés. Evidenza es la verdadera oferta. Y ya está generando grandes cantidades de datos para un montón de clientes. Se está realizando algo de trabajo B2C para un par de clientes muy notables, muy sorprendidos. Pero la verdadera mina de oro está en B2B, donde los clientes típicamente gastan cientos de miles para obtener una muestra inestable de tomadores de decisiones de nivel C o, más comúnmente, vuelan a ciegas sin datos cuantitativos.

Para estos clientes B2B, Evidenza ahora puede entregar tres cosas. Primero, datos donde a menudo no había ninguno. Segundo, datos que habrían tardado muchos meses en recopilarse pero que ahora tardan horas. Tercero, datos que usualmente cuestan seis cifras altas pero que ahora están disponibles a una fracción de ese costo. Por supuesto, tu pregunta es la misma que la mía hace un año, sentado borracho bajo Grand Central: ¿qué tan cerca está de lo real? La respuesta sigue siendo: muy malditamente cerca. Y se está acercando cada vez más. La experiencia del gigante de la consultoría y auditoría EY es quizás la mejor manera de demostrarlo.

Toni Clayton-Hine, CMO muy respetada de EY Americas, no es una mujer fácil de complacer. Ella admite que inicialmente era escéptica sobre la afirmación de Evidenza de que sus datos sintéticos podrían proporcionar a EY una mina de oro de datos B2B. Así que le envió el cuestionario anual de marca de EY. Es una encuesta anual realizada solo a los ejecutivos más senior de las empresas más grandes, que mide el sentimiento general de liderazgo y su perspectiva sobre EY. Clayton-Hine proporcionó las preguntas y pidió a Evidenza que proporcionara sus respuestas sintéticas. Respuestas que luego podría comparar con la muestra humana recién recopilada que acababa de recibir.

La era de los datos sintéticos está sobre nosotros. Son malas noticias para las empresas de investigación de mercado.

Evidenza se puso a trabajar. Creó clientes sintéticos para que coincidieran con el perfil y el tamaño de la muestra con la que Clayton-Hine había trabajado para su encuesta real. Luego, el equipo hizo las preguntas cualitativas y cuantitativas a los clientes sintéticos y envió sus hallazgos. La CMO de EY quedó atónita. “Era asombroso que las coincidencias fueran tan similares”, dijo Clayton-Hine a AdWeek el martes. “Quiero decir, era una correlación del 95%”.

Por una fracción del costo, en unos pocos días en lugar de meses, Evidenza había demostrado su valía. Y la correlación del 95% no significa necesariamente que los datos sintéticos tengan un 5% de terreno por cubrir. Es más probable que los errores de muestreo inherentes, las distracciones de los sujetos y los sesgos de señalización signifiquen que fueron los sujetos humanos los que estaban fuera de ritmo. Los ejecutivos reales se aburren (rápidamente) con una encuesta de más de 20 preguntas, por ejemplo. Los clientes sintéticos nunca flaquean.

La era de los datos sintéticos está sobre nosotros. Son malas noticias para las empresas de investigación de mercado porque probablemente experimentarán una década de paranoia, presión y obsolescencia parcial. Los mercadólogos ingenuos podrían esperar que estas empresas adopten y se adapten a los datos sintéticos, pero, por supuesto, las habilidades y competencias necesarias para hablar con humanos y programar computadoras son completamente diferentes y probablemente prohibitivas. Las empresas de investigación incumbentes resoplarán y bufarán durante los próximos años, pero hay relativamente poco que puedan hacer al respecto. Espera un grupo de objeciones en los próximos meses y años. Pero también espera que pasen sin mucho impacto. Si sabemos algo de la dudosa revolución programática que se apoderó hace una década, es que los mercadólogos siempre preferirán una caja negra tecnológica sobre cualquier cosa. Investigación incluida.

Focus groups on-demand

No es solo que los datos sintéticos sean más baratos y rápidos y potencialmente más precisos. Es que abren la posibilidad de hacer cosas alucinantes que simplemente no son posibles con sujetos orgánicos tradicionales. Tuve un momento de 'me meo de la risa' en mayo cuando Evidenza me envió algunos datos sintéticos para mi propio producto Mini MBA. Habían encuestado a mis clientes objetivo en 10 países y para cada uno produjeron una lista de todos los puntos de entrada de categoría y cuán probable era que Mini MBA pudiera ganar en cada uno. Eso ya era bastante asombroso, pero aún posible con datos orgánicos si tuviera £300,000 y la paciencia de Salomón. El momento decisivo fue cuando Jon (o Pete) preguntó si me gustaría hablar con Helen sobre uno de los puntos de entrada de categoría.

"¿Quién es Helen?" Pregunté, señalando a la atractiva mujer de unos 40 años que me miraba pacientemente desde la pantalla. Realmente no sabía, pero tenía esa sensación de 'santo cielo' que generalmente ahora está ausente en la vida de los cincuentones como yo. Helen, resultó ser, era una de las clientes sintéticas que actualmente estaba pasando por el punto de entrada de categoría de un cambio de trabajo. Pude preguntar cómo se sentía, en qué estaba pensando a continuación y qué opciones de capacitación estaba considerando para mejorar sus habilidades para la búsqueda de trabajo que tenía por delante. Fue asombroso y una ilustración de la experiencia sintética más fluida que permite a los mercadólogos volver a los datos repetidamente, a menudo en tiempo real, para aprender más.

A pesar de estas ventajas inherentes, Evidenza no pretende ser la mayor empresa de datos sintéticos del mundo. La investigación de mercado es un sector difícil, de bajo margen y de impacto limitado: pregunta a cualquiera que trabaje en él. Son buenos hombres y mujeres atrapados trabajando en una categoría difícil. Una vez que se haya perfeccionado el proceso de generación de datos sintéticos, Evidenza se trasladará al mundo más lucrativo y difícil de la estrategia de marketing.

a vez que el sistema pueda generar sus propios datos, podrá usar esos datos para encontrar una extensa variedad de análisis que produzcan decisiones estratégicas. Embudos personalizados. Mapas perceptuales. Posicionamiento. Segmentación agrupada. Activos de marca distintivos. Puntos de entrada de categoría. Análisis ESOV. Recomendaciones de presupuesto. Análisis econométrico con recomendaciones de mezcla de medios. Análisis de precios contextual. Informes. Todo el paquete artificial.

Probando opciones infinitas

Y con todas estas diferentes capacidades analíticas, Evidenza puede entonces hacer algo aún más especial. ¿Recuerdas cuando el Dr. Strange exploró 14 millones de universos diferentes en Los Vengadores para encontrar la única forma posible de derrotar a Thanos? Evidenza eventualmente será capaz de algo similar. No derrotar a Thanos, pero sí correr innumerables escenarios. Con todos los diversos ejes del análisis de IA en su lugar, Evidenza puede ejecutar miles de permutaciones en las que decisiones de segmentación, puntos de entrada de categoría, objetivos, posicionamiento, presupuestos y mezcla de medios se iteren y reiteren entre sí. Imagina 50,000 iteraciones diferentes con datos sintéticos proporcionando el resultado esperado en cada caso. Al final del proceso, Evidenza debería poder proporcionar un pequeño conjunto de objetivos estratégicos y su valor financiero esperado, y explicar a los mercadólogos y al resto de la organización por qué este es el camino óptimo hacia el crecimiento.

Actualmente hago este trabajo, de una manera muy humana y muy limitada. Creo que soy bastante bueno en ello. Pero no podré ni siquiera rozar los talones de tal enfoque. En parte porque está construido a partir de la amplitud, profundidad e interactividad de datos empíricos a los que nunca he estado expuesto. En parte porque la suite completa de herramientas analíticas le da a Evidenza una superioridad increíble. Y en su mayoría porque cuando construyo una estrategia para una marca, podríamos, en un buen día, considerar dos o tres posibles opciones. No 400,000.

Y este es un punto clave. Seguimos comparando la IA con los humanos que son expertos en sus trabajos. Todos sabemos que los mercadólogos, a menudo sin culpa propia, no son particularmente buenos en marketing. Les faltan los datos. Les falta la capacidad de acceder a herramientas como MMM o análisis de precios para poder ver el mundo adecuadamente. Recuerda que los mejores datos de Better Briefs sugieren que más del 60% de los planes de marca importantes no tienen claro a quién están siquiera apuntando. Esta no es la historia de la IA contra lo mejor de la humanidad. Esta será la historia de IA contra un proceso mediocre, a menudo hilarantemente malo, que puede ser reemplazado por un sistema superior que funciona por una fracción del costo y el tiempo de entrega de su antecesor inferior.

Y, por supuesto, una vez que Evidenza haya dominado los datos sintéticos y la estrategia de marketing, hay una parte final obvia en su tríptico artificial. Armados con una estrategia clara y los datos para evaluar su progreso, Evidenza podría conectarse con todas las opciones tácticas. El sistema no solo podrá idear los objetivos estratégicos, sino también diseñar y luego desarrollar las comunicaciones de medios digitales, los cambios en la cartera, el precio inteligente y el desarrollo de nuevos productos para cumplir con estos objetivos. Estas innovaciones tácticas pueden ejecutarse, probarse y mejorarse en tiempo real, en un sistema de circuito cerrado que simplemente lo hace. Todo se convierte en un sistema fluido y en evolución.

Todo esto suena muy a "autos voladores" en este punto. Pero Pete (quizás Jon) tiene una frase reveladora que repite con frecuencia. "Esto", les dice a los clientes, "es tan malo como siempre será. Solo mejorará a partir de aquí". Aparte de los datos sintéticos, todo lo que he descrito anteriormente es imposible en este momento. Pero todo parece increíblemente posible en un futuro cercano. El análisis como la segmentación o los puntos de entrada de categoría es inminentemente factible si conoces bien el marketing y tienes acceso a los datos y la potencia de programación. Muchas de las opciones tácticas de IA ya están siendo desarrolladas de manera rudimentaria, con investigaciones académicas que confirman que cosas como la innovación de productos y la creación de mensajes pueden hacerse de una manera significativamente superior a la producida por humanos.

El elemento faltante es el tiempo, y serán los años 2030 los que inaugurarán esta nueva era grandiosa de automatización. Las implicaciones son enormes. El proceso por delante no está claro. Pero la era del marketing con IA ha comenzado.

Fuente original: Synthetic data is as good as real – next comes synthetic strategy

Autor: Mark Ritson