Llevaba unos tres años dándole vueltas a un modelo de cambio de actitud para la era de la IA. Cuando puse a prueba los fragmentos dispersos en mi cabeza con Claude Fable 5, este los sintetizó de golpe. Fable solo estuvo disponible en Japón aproximadamente un día, pero logré milagrosamente rematarlo en ese tiempo. Ya que lo he hecho, lo hago público. También aproveché y registré la marca.
Llevo unos 20 años trabajando en marketing digital (¿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 a la que me enfrento a diario es, en última instancia: "¿Cómo cambian las actitudes de las personas?" Los posts creativos, las medidas con influencers y los diseños de frecuencia publicitaria no son más que variaciones de respuestas a esta única pregunta.
Últimamente, el comportamiento informativo del consumidor ha empezado a cambiar silenciosamente. Al comprar algo, en lugar de un cuadro de búsqueda, la gente consulta a la IA: "¿Qué me recomiendas bajo estas condiciones?" Luego verifican los candidatos devueltos a través de posts de personas que realmente los usan en redes sociales y hacen la compra. El ritual de abrir cinco sitios de comparación y leer reseñas ya está quedando obsoleto.
Sentí que esta podía ser la puerta de entrada a un gran cambio. Así que retrocedí y volví a estudiar 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 eso es así, las condiciones para que nazca un nuevo modelo ya 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 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 por etapas: el origen del llamado embudo.
Los modelos mecanísticos tratan sobre psicología humana universal, por lo que no envejecen. Un ejemplo clásico es el Modelo de Probabilidad de Elaboración (ELM) —donde una alta implicación lleva al escrutinio lógico (ruta central) y una baja implicación lleva al juicio basado en la atmósfera (ruta periférica). Esta teoría de 40 años de antigüedad se sigue utilizando 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 diferente calidad: 1er impacto "¿Qué es esto?", 2do impacto "¿Es relevante para mí?" y 3er impacto "Recuerdo y Acción". Sigue viva hoy en la planificación de medios como el origen del concepto de frecuencia efectiva. Recuerden este clásico, ya que más adelante se puede reinterpretar brillantemente para la era de la IA.
Por otro lado, los modelos de proceso se han actualizado de forma interesante con el tiempo. Aunque el corazón humano no cambie, las vías de 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. Yo entré en la industria justo en su apogeo.
2011: ZMOT. Propuesto por Google. El momento decisivo de la compra no está en el escaparate, sino en la pantalla de búsqueda anterior. El momento decisivo se sigue adelantando.
2019: Consumo por Impulso. Los consumidores de la era del smartphone no recorren el viaje en orden; compran de repente cuando algo "hace clic". Aquí, la "línea" del viaje comienza a colapsar.
Década de 2020: Seguimiento Múltiple de las Vías de Conocimiento. Con la plena penetración de las redes sociales, la entrada al conocimiento de la marca está completamente multitrayecto. Los embudos basados en la premisa de que todos siguen el mismo camino único ya no se corresponden con la realidad.
Leyes encontradas al compararlos:
Cada vez que nace un nuevo entorno mediático, la iniciativa en el comportamiento informativo se desplaza y nace un nuevo modelo para explicarlo. La forma del modelo también ha pasado de ser 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 intentando convocar el entorno actual?
Parte 2: Cinco Cambios Estructurales en la Era de la IA
Hay cinco cambios que estoy percibiendo sobre el terreno:
① El "aprendizaje" viene antes que el conocimiento. Prueba a preguntar a una IA sobre una marca con la que estés familiarizado. ¿Lo explica con precisión, la información es escasa o se confunde con otras empresas? Es angustioso la primera vez que lo intentas, ¿verdad? Las marcas desconocidas para la IA ni siquiera entrarán en los candidatos a recomendar.
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 sola respuesta. El embudo intermedio 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 bonito infinitamente. Por eso, las cosas que no se pueden falsear (personas reales, la escena real y la información de primera mano) se convierten en la base de la confianza.
④ Destino dual del intercambio. Tu reseña la leen tus 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 delegada. En un mundo donde la IA se encarga tanto de la comparación como de las gestiones, los humanos solo establecen criterios y aprueban. El "conjunto evocado" pasa de la cabeza humana a la memoria de la IA.
El objetivo a persuadir se duplica: 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 entrelazándose. Los humanos consultan a la IA, la IA recomienda, los humanos verifican y compran, y esas historias de experiencia son aprendidas de nuevo por la IA. Es una doble hélice como el ADN. Y, lo que es importante, el punto de inicio de la hélice no es humano. Todo comienza desde "si la IA lo está aprendiendo o no" en una etapa en la que 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. Uniendo las iniciales se obtiene L.E.A.R.N. La clave es que todas están en voz pasiva; una marca en la era de la IA es un objeto a ser aprendido y verificado antes que un sujeto que persuade.
LEARN HELIX (Doble Hélice): Un nuevo modelo de cambio de actitud para la era de la IA
L = Learned (Aprendida) ── Crear un estado en el que la información de primera mano esté grabada en el modelo del mundo de la IA antes de que la gente empiece a moverse. Colocar 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 inicio de la hélice.
E = Evoked (Evocada) ── Entrar 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 te citan, es como si no existieras.
A = Authenticated (Autenticada) ── La gente no se toma las recomendaciones de la IA al pie de la letra; van a verificar reseñas reales, posts de caras visibles y la escena real. La autenticidad es el último bastión de la confianza, y es una de las pocas fases en las que 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 recoloca aquí. En términos de la Teoría de los 3 Impactos, la recomendación de la IA maneja el 1er impacto "¿Qué es esto?", y el post 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 se encarga de la comparación y las gestiones, y los humanos solo dan la aprobación final. Si hay fricción, como un registro complejo de miembros o respuestas lentas, la hélice se rompe ahí.
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 competición. 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 (Baja implicación, compra repetitiva)
Incluso antes de que Yuka (32) sienta que tiene el cabello seco, la batalla del fabricante ya ha comenzado. ¿La información sobre ingredientes, tipo de cabello y uso está colocada de manera que la IA pueda aprenderla (L)? Ella no busca; le pregunta a la IA: "¿Qué champú se adapta al cabello fino y fácilmente enredable?" (E), verifica reseñas reales en redes sociales (A) y compra con un solo 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 se producirá la consulta (N).
Este es el núcleo de los productos de baja implicación. El objetivo pasa de "adquirir favor" a "asentamiento por defecto en la memoria de la IA". Una marca que ya está 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 (Implicación media)
Aya (28), que está pensando en cambiar de trabajo, consulta a la IA antes que a los portales de empleo. "Una empresa en Kansai con alta discreción y opciones de trabajo remoto". Lo 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 los puestos están estructuradas, una empresa de 150 empleados puede aparecer 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 posts de empleados reales o entrevistas (A). Las empresas que tienen grandes sitios de reclutamiento pero ninguna cara visible de empleados caen aquí. En una era en la que la IA gestiona 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 siguiente candidato (N). Las narrativas de empleados y exalumnos son activos de reclutamiento que funcionan con interés compuesto.
Casas Personalizadas (Precio alto, implicación ultra-alta)
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 aparecen 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 visitas a casas abiertas y recorridos web de los propietarios (A), mientras que la IA maneja múltiples presupuestos y comparaciones de especificaciones. Las empresas que retienen información se convierten en "espacios en blanco" en la tabla de comparación de la IA y caen solo por eso. En otras palabras, el papel de las ventas pasa de ser "persuasión" a "cooperación en la verificación", y la transparencia misma se convierte en poder de venta.
La familia toma la decisión final (R). Cuanto más cara es la compra, más quiere la gente una "excusa para sí mismos", y la IA proporciona 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 la implicación, más se desplaza el campo de batalla principal hacia la parte final 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 central/periférica del ELM. Los clásicos siguen vivos 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 el texto estructurado colocado en la web abierta (especificaciones del sitio oficial y preguntas frecuentes, medios propios, artículos de medios de terceros y reseñas). Plataformas como los comunicados de prensa y las notas son probablemente uno de esos lugares poderosos.
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 de primera mano, abierta y coherente en múltiples ubicaciones independientes.
Aquí está la recompensa por la Teoría de los 3 Impactos. En realidad, el concepto de frecuencia también podría ser válido 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 coinciden), esa información es más fácil de incluir en una respuesta. Una voz es solo una afirmación, pero si tres voces independientes coinciden, se trata como un hecho. 3 impactos para humanos, 3 impactos para la IA. Me emocioné un poco al darme cuenta de que un clásico de medio siglo de antigüedad vive en ambas cadenas de la doble hélice.
Con base en eso, aquí está la guía práctica: Diseñar la comunicación con "1 fuente, 2 destinos (los pares de bases en la doble hélice)" —el mismo evento para los humanos a través de redes sociales y para la IA a través de texto.
—Como te habrás dado cuenta, esta misma nota 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 hay un modelo universal. Escribiré el alcance con honestidad.
No todas las compras pasarán por la IA. El consumo impulsado por la emoción, como las compras por impulso o las actividades de los fans, seguirán completándose únicamente a través de la cadena humana. LEARN HELIX funciona para "compras en las que se produce una 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 acabará siendo eliminada, y la información de primera mano de alta calidad permanecerá.
Un modelo es un mapa, no el territorio. AIDMA y la Teoría de los 3 Impactos se mantuvieron porque eran convenientes como 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 de primera mano como texto abierto que la IA pueda leer en múltiples ubicaciones?
- ¿Captas lo que devuelve cuando le preguntas a una IA por el nombre de tu empresa o categoría?
- ¿Puedes mostrar la escena real, las caras 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 en el que las historias de experiencia de clientes/empleados 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 recordar a la gente, 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 época.
Después de estudiar 100 años de historia, 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 sigue siendo un conjunto de hipótesis. Lo refinaré mientras lo uso sobre el terreno. Si hay alguna discusión como "¿Qué pasa si ejecutamos esto con nuestro producto?", por favor, hágamelo saber.
Por cierto, se me ocurrió este modelo mientras intercambiaba ideas con Claude Fable 5 sobre cosas que no había podido concretar durante unos tres años desde la aparición de la IA generativa. Solo estuvo disponible en Japón durante aproximadamente un día y actualmente está suspendido, pero tuve suerte de que concretara lo que había estado pensando 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.
