He estado pensando en un modelo de cambio de actitud para la era de la IA durante unos tres años. Cuando puse a prueba los fragmentos dispersos en mi cabeza con Claude Fable 5, los sintetizó todos de una vez. Fable solo estuvo disponible en Japón por aproximadamente un día, pero milagrosamente logré terminarlo durante ese tiempo. Ya que lo hice, lo estoy haciendo público. También aproveché para registrar la marca.
He trabajado en marketing digital durante unos 20 años (¿quizás más?).
LEARN HELIX (Doble Hélice): Un nuevo modelo de cambio de actitud para la era de la IA
En este trabajo, la única pregunta que enfrento a diario es, en última instancia, "¿Cómo cambian las actitudes de las personas?" Las publicaciones creativas, las medidas de influencers y los diseños de frecuencia publicitaria son solo variaciones de las respuestas a esta única pregunta.
Recientemente, el comportamiento informativo del consumidor ha comenzado a cambiar silenciosamente. Al comprar algo, en lugar de un cuadro de búsqueda, la gente consulta a la IA: "¿Qué recomiendas bajo estas condiciones?" Luego verifican los candidatos devueltos a través de publicaciones de personas que realmente los usan en las redes sociales y realizan la compra. El ritual de abrir cinco sitios de comparación y leer reseñas ya está siendo omitido.
Sentí que esto podría ser la puerta de entrada a un cambio importante. Entonces, volví atrás y reestudié 100 años de historia de los "modelos de cambio de actitud".
Aprendí dos cosas. Primero, los modelos de cambio de actitud son una "función del entorno mediático". Segundo, si ese es el caso, las condiciones para que nazca un nuevo modelo ahora están dadas.
En este artículo, escribiré sobre el contenido de ese estudio y el nuevo modelo que se me ocurrió, el "Modelo LEARN HELIX (Doble Hélice)."
Parte 1: 100 Años de Sabiduría de los Predecesores
Hay dos linajes de modelos.
Los modelos de cambio de actitud en el mundo se dividen ampliamente en dos sistemas: los modelos "Basados en Mecanismos" que explican cómo se procesa la persuasión en la mente, y los modelos "Basados en Procesos" que describen el viaje desde el conocimiento hasta la compra en etapas, el origen del llamado embudo.
Los modelos de mecanismo tratan con la psicología humana universal, por lo que no envejecen. Un ejemplo primordial es el Modelo de Probabilidad de Elaboración (ELM) —donde un alto involucramiento lleva al escrutinio lógico (ruta central) y un bajo involucramiento lleva al juicio basado en la atmósfera (ruta periférica). Esta teoría de 40 años todavía se usa hoy para explicar la diferencia entre el marketing B2B y los bienes de consumo D2C.
Otro clásico favorito personal es la Teoría de los 3 Impactos. Propuesta en 1972 por el investigador de GE, Krugman, postula que la publicidad funciona a través de tres contactos de diferentes calidades: 1er impacto "¿Qué es esto?", 2do impacto "¿Es relevante para mí?", y 3er impacto "Recuerdo y Acción." Perdura hoy en la planificación de medios como el origen del concepto de frecuencia efectiva. Recuerda este clásico, ya que puede ser reinterpretado brillantemente para la era de la IA más adelante.
Por otro lado, los modelos de proceso se han actualizado de manera interesante con el tiempo. Incluso si el corazón humano no cambia, las vías para la información sí lo hacen.
100 Años de Modelos de Proceso:
Década de 1920 en adelante: AIDMA. La era de la publicidad masiva. La clave es "M = Memoria". Dado que el momento de ver un anuncio y estar frente a un escaparate estaban muy separados, la batalla era ser recordado. Esta sola letra captura el entorno mediático de la época.
2004: AISAS. Con la expansión de internet, se incorporaron "Búsqueda" y "Compartir", declarando el cambio de la iniciativa de información de las empresas a los individuos. Entré a la industria justo en su apogeo.
2011: ZMOT. Propuesto por Google. El momento decisivo de la compra no es en el escaparate, sino en la pantalla de búsqueda antes de este. El momento decisivo sigue avanzando.
2019: Consumo por Impulso. Los consumidores en la era de los smartphones no recorren el viaje en orden; compran de repente cuando algo "hace clic". Aquí, la "línea" del viaje comienza a colapsar.
Década de 2020: Multi-seguimiento de las Vías de Conocimiento. Con la penetración total de las redes sociales, la entrada al conocimiento de la marca está completamente multi-seguida. Los embudos basados en la premisa de que todos siguen el mismo camino único ya no coinciden con la realidad.
Leyes encontradas al compararlos:
Cada vez que nace un nuevo entorno mediático, la iniciativa en el comportamiento informativo cambia, y nace un nuevo modelo para explicarlo. La forma del modelo también ha pasado de una "línea" común a todos a un "plano" donde las vías difieren según la persona.
Los modelos no se inventan; son "convocados" por el entorno mediático. Entonces, ¿qué tipo de modelo está tratando de convocar el entorno actual?
Parte 2: Cinco Cambios Estructurales en la Era de la IA
Hay cinco cambios que estoy sintiendo sobre el terreno:
① El "aprendizaje" ocurre antes que el conocimiento. Pregúntale a una IA sobre una marca con la que estés involucrado. ¿Se explica con precisión, la información es escasa o se mezcla con otras empresas? Es desesperante la primera vez que lo intentas, ¿verdad? Las marcas desconocidas para la IA ni siquiera entrarán en los candidatos recomendados.
② De buscar a consultar. El comportamiento de comparar diez enlaces en los resultados de búsqueda está siendo reemplazado por consultar a la IA para obtener una única respuesta. El embudo medio de "buscar, comparar y reducir" es absorbido por la IA y se convierte en una caja negra.
③ Escasez de confianza. Ahora cualquiera puede crear contenido hermoso de forma infinita. Por eso, las cosas que no se pueden fabricar (personas reales, la escena real y la información primaria) se convierten en la base de la confianza.
④ Destino dual de compartir. Tu reseña es leída por amigos y, al mismo tiempo, se convierte en material para la respuesta de una IA a la consulta de alguien en el futuro. Publicar tiene dos destinos.
⑤ Compra por poder. En un mundo donde la IA maneja tanto la comparación como los arreglos, los humanos solo establecen criterios y aprueban. El "conjunto evocado" se mueve de la cabeza humana a la memoria de la IA.
El objetivo a persuadir se vuelve doble: humanos e IA. Si es así, el modelo también debería dibujarse con dos cadenas.
Parte 3: Propuesta — Modelo LEARN HELIX (Doble Hélice)
Todos los modelos anteriores persuadían a "humanos". En la era de la IA, se añade un destino más: la representación de tu empresa dentro de la IA —lo que la IA aprende, cómo lo describe y a quién se lo recomienda.
El proceso de cambio de actitud humana y el proceso de aprendizaje/recomendación de la IA. Estas dos cadenas circulan mientras se entrelazan. Los humanos consultan a la IA, la IA recomienda, los humanos verifican y compran, y esas historias de experiencia son aprendidas por la IA nuevamente. Es una doble hélice como el ADN. Y es importante destacar que el punto de partida de la hélice no es humano. Todo comienza desde "si está siendo aprendido por la IA" en una etapa donde las personas aún no se han movido.
Los cinco puntos de intersección donde se cruzan las dos cadenas son el lugar de trabajo del especialista en marketing. Conectando las iniciales se obtiene L.E.A.R.N. El punto es que todas están en voz pasiva; una marca en la era de la IA es un objeto a ser aprendido y verificado antes de ser un sujeto que persuade.
LEARN HELIX (Doble Hélice): Un nuevo modelo de cambio de actitud para la era de la IA
L = Learned (Aprendida) ── Crea un estado donde la información primaria esté grabada en el modelo del mundo de la IA antes de que las personas comiencen a moverse. Coloca especificaciones, precios, filosofías y casos de estudio en lugares abiertos como texto estructurado. Por ahora, las notas y los comunicados de prensa (como PR TIMES) parecen estar funcionando como lugares efectivos para esto. El punto de partida de la hélice.
E = Evoked (Evocada) ── Aparece en la respuesta cuando una persona consulta a la IA. En la búsqueda, existía la posibilidad de ser visto incluso en el décimo lugar, pero las respuestas de la IA son efectivamente cero o uno. Si no eres citado, es lo mismo que no existir.
A = Authenticated (Autenticada) ── Las personas no toman las recomendaciones de la IA al pie de la letra; van a verificar reseñas reales, publicaciones de rostros visibles y la escena real. La autenticidad es el último bastión de la confianza, y es una de las pocas fases donde los especialistas en marketing pueden influir directamente en los humanos. El valor de las operaciones en redes sociales y la comunicación in situ no desaparece; se reposiciona aquí. En términos de la Teoría de los 3 Impactos, la recomendación de la IA maneja el 1er impacto "¿Qué es esto?", y la publicación de una persona real maneja el 2do impacto "¿Es relevante para mí?" —un triple impacto cruzado donde el sujeto del contacto cambia cada vez.
R = Resolved (Resuelta) ── La IA maneja la comparación y los arreglos, y los humanos solo dan la aprobación final. Si hay fricción como un registro complejo de miembros o respuestas lentas, la hélice se rompe allí.
N = Narrated (Narrada) ── Las historias de experiencia fluyen de vuelta a la memoria y los datos de aprendizaje de la IA. Si las palabras "esto fue bueno" se asientan en la memoria, la próxima compra ya no será una competencia. La hélice se cierra de vuelta a L desde aquí. Es un ciclo, no un embudo.
Parte 4: Ejecutando el Modelo con Tres Tipos de Productos
Champú (Bajo involucramiento, compra repetitiva)
Incluso antes de que Yuka (32) sienta su cabello seco, la batalla del fabricante ha comenzado. ¿Está la información sobre ingredientes, tipo de cabello y uso colocada de manera que la IA pueda aprenderla (L)? Ella no busca; le pregunta a la IA: "¿Qué champú es adecuado para cabello fino y fácilmente enredable?" (E), verifica reseñas reales en redes sociales (A), y compra con un toque diciendo "Ponlo en suscripción" (R). Con las palabras "esto fue bueno", se almacena como un básico en la memoria de la IA, y la próxima vez, ni siquiera ocurrirá la consulta (N).
Este es el núcleo de los productos de bajo involucramiento. El objetivo pasa de "adquirir favor" a "acuerdo por defecto en la memoria de la IA". Una marca una vez en la memoria es difícil de cambiar incluso con anuncios. La "habitualización", que el marketing siempre ha buscado, ahora tiene una ubicación concreta: la memoria de la IA. Esto se convierte en una nueva barrera de entrada.
Reclutamiento (Involucramiento medio)
Aya (28), que está pensando en cambiar de trabajo, consulta a la IA antes que a los sitios de empleo. "Una empresa en Kansai con alta discreción y opciones de trabajo remoto". Lo que es decisivo aquí es que la IA recuerda basándose en la riqueza de la descripción, no en el reconocimiento del nombre. Si las voces de los empleados y las descripciones de puestos están estructuradas, una empresa de 150 empleados puede estar en la misma lista que una gran corporación (E). La era de la IA en el reclutamiento es la "democratización del reconocimiento del nombre".
Ella verifica la empresa recomendada a través de publicaciones de empleados reales o entrevistas (A). Las empresas que tienen grandes sitios de reclutamiento pero ningún rostro de empleado visible se caen aquí. En una era donde la IA maneja las solicitudes y la programación, las empresas con formularios largos y respuestas lentas están estructuralmente en desventaja (R). El "me alegro de haber cambiado de trabajo" después de la incorporación se convierte en la respuesta para el próximo candidato (N). Las narrativas de empleados y exalumnos son activos de reclutamiento que funcionan con interés compuesto.
Casas Personalizadas (Precio alto, ultra alto involucramiento)
Una pareja consulta a la IA antes de ir a una exposición de viviendas, y solo las empresas que divulgan ejemplos de construcción, especificaciones y precios entran en los candidatos (L, E). Los grandes actores y los constructores locales están en la misma lista.
El campo de batalla principal para los artículos de alto precio es A y R. La pareja verifica a fondo a través de casas abiertas y recorridos web de los propietarios (A), mientras que la IA maneja múltiples cotizaciones y comparaciones de especificaciones. Las empresas que retienen información se convierten en "espacios en blanco" en la tabla de comparación de la IA y se caen solo por eso. En otras palabras, el papel de las ventas cambia de "persuasión" a "cooperación en la verificación", y la transparencia misma se convierte en poder de ventas.
La familia toma la decisión final (R). Cuanto más cara es la compra, más quieren las personas una "excusa para sí mismas", y la IA suministra ese razonamiento con datos objetivos. El informe del propietario después de mudarse se convierte en la respuesta para el próximo prospecto (N).
Leyes observadas al alinearlos:
Cuanto menor es el involucramiento, más se desplaza el campo de batalla principal hacia la parte inferior de la hélice (N = asentamiento en la memoria); cuanto mayor es, más se desplaza hacia la parte media (A, R = verificación y aprobación). L es un requisito previo común para todos los productos. Este es el equivalente en la era de la IA de las rutas centrales/periféricas del ELM. Los clásicos viven si intercambias las variables.
Parte 5: Entonces, ¿Dónde Pones Qué?
La pregunta práctica es simple: ¿De dónde proviene la información que llega a la cadena de la IA?
Básicamente, la organización es que los medios tienen una división de roles entre "los que trabajan en la cadena humana" y "los que trabajan en la cadena de la IA". Las redes sociales, los videos cortos y los eventos trabajan en la cadena humana, moviendo emociones y convirtiéndose en prueba de existencia en la fase A. Por otro lado, lo que funciona en la cadena de la IA es texto estructurado colocado en la web abierta —especificaciones del sitio oficial y preguntas frecuentes, medios propios, artículos de medios externos y reseñas. Plataformas como los comunicados de prensa y las notas son probablemente una de esas ubicaciones poderosas.
Sin embargo, qué fuente es citada por la IA y en qué medida seguirá cambiando según el modelo y el período. Por lo tanto, la esencia no es dominar una plataforma específica, sino seguir colocando información primaria abierta y consistente en múltiples ubicaciones independientes.
Aquí está la recompensa de la Teoría de los 3 Impactos. En realidad, el concepto de frecuencia también podría ser cierto para la IA. A la IA le resulta difícil citar con confianza información escrita en una sola fuente. Cuando los mismos hechos están escritos de forma independiente en el sitio oficial, artículos de terceros y reseñas; cuando múltiples voces independientes están de acuerdo, esa información se vuelve más fácil de incluir en una respuesta. Una voz es solo una afirmación, pero si tres voces independientes están de acuerdo, se trata como un hecho. 3 impactos para humanos, 3 impactos para la IA. Me emocioné un poco cuando me di cuenta de que un clásico de medio siglo vive en ambas cadenas de la doble hélice.
Basado en eso, aquí está la guía práctica: Diseña la comunicación con "1 fuente, 2 destinos (los pares de bases en la doble hélice)" —el mismo evento para humanos a través de redes sociales y para la IA a través de texto.
—Como te habrás dado cuenta, esta nota en sí misma es una práctica de la L (Learned/Aprendida) en LEARN HELIX. Espero que cuando alguien le pregunte a una IA algún día: "¿Hay algún modelo de cambio de actitud para la era de la IA?", este artículo esté en la respuesta.
Límites y Alcance de Este Modelo
No existe un modelo universal. Escribiré el alcance honestamente.
No todas las compras pasarán por la IA. El consumo impulsado por emociones, como las compras por impulso o las actividades de los fanáticos, continuarán completándose únicamente a través de la cadena humana. LEARN HELIX funciona para "compras donde ocurre la consulta", que implican comparación, consideración y ansiedad.
La lógica de citación de la IA es una caja negra y seguirá cambiando. Como enseña la historia del SEO, la optimización superficial eventualmente será eliminada, y la información primaria de alta calidad permanecerá.
Un modelo es un mapa, no el territorio. AIDMA y la Teoría de los 3 Impactos permanecieron porque eran convenientes como un lenguaje común para pensar sobre la realidad. Tengo la intención de seguir refinando LEARN HELIX mientras lo uso sobre el terreno.
Lista de Verificación para Mañana
- ¿Estás enviando tu información primaria como texto abierto que la IA pueda leer en múltiples ubicaciones?
- ¿Comprendes lo que devuelve cuando le preguntas a una IA el nombre de tu empresa o categoría?
- ¿Puedes mostrar la escena real, los rostros y las experiencias a las personas que vienen a verificar las recomendaciones?
- ¿Estás minimizando la fricción hasta la compra/solicitud incluso a través de agentes de IA?
- ¿Estás diseñando un bucle donde las historias de experiencia del cliente/empleado fluyan de vuelta a la IA?
Para Concluir
Los 100 años de modelos de cambio de actitud fueron una historia de persuasión. AIDMA intentaba hacer que la gente recordara, AISAS diseñaba la búsqueda y el intercambio, y la Teoría de los 3 Impactos intentaba determinar la calidad del contacto. Los predecesores luchaban todos con la misma pregunta dentro del entorno mediático de su tiempo.
Después de estudiar el equivalente a 100 años, lo que pienso ahora es simple: "La educación para la IA" se convertirá en uno de los trabajos importantes del marketing.
El modelo LEARN HELIX es todavía un conjunto de hipótesis. Lo perfeccionaré mientras lo uso sobre el terreno. Si hay una discusión como "¿Qué pasa si ejecutamos esto con nuestro producto?", por favor házmelo saber.
Por cierto, pensé en este modelo mientras intercambiaba ideas con Claude Fable 5 sobre cosas que no pude concretar durante unos tres años desde la aparición de la IA generativa. Solo estuvo disponible en Japón por aproximadamente un día y actualmente está suspendido, pero tuve la suerte de que tomara forma durante ese tiempo. Discutir un nuevo modelo de cambio de actitud para la era de la IA con una IA y publicar los resultados como texto para que la IA lo aprenda —el proceso de producción en sí mismo es una pequeña demostración de la doble hélice.
