Claudia Quintanilla: ¿Cómo influir en los nuevos recomendadores inteligentes? Claves del “Share of Model”. El Financiero

A dos semanas de su boda, una exalumna me preguntó a qué hotel estaría bien irse de luna de miel.

Después de mi asombro por la premura de la fecha, le ofrecí mi ayuda e inicié la búsqueda por los métodos tradicionales: Google, TripAdvisor, Expedia, entre otros, sin embargo, de inmediato decidí apoyarme en una herramienta de inteligencia artificial: ChatGPT.

Inicié una búsqueda con un prompt (pregunta) muy específico: lugar (Cancún), fechas, concepto de hotel (todo incluido) y ocasión de consumo (luna de miel).

Después de algunas preguntas de confirmación formuladas por ChatGPT, recibí una lista con los diez hoteles mejor evaluados, acompañada de la descripción de sus servicios y la justificación de su inclusión.

Entonces, reflexioné sobre los retos actuales que enfrentan las marcas, ya que no sólo deben considerar en su estrategia de mercadotecnia digital la inversión adecuada, las palabras clave o el buscador idóneo, sino también desarrollar una estrategia para aparecer en los sistemas de recomendación basados en inteligencia artificial.

Decidí realizar la misma pregunta en diferentes buscadores (Google vs. Bing), asistentes digitales (Alexa vs. Siri) y herramientas de inteligencia artificial (ChatGPT vs. Gemini), para elaborar una tabla comparativa con las listas y justificaciones de las marcas recomendadas.

Cabe aclarar que el objetivo de este artículo no es compartir la lista obtenida, sino advertir sobre la necesidad actual de que los mercadotecnistas complementen, por ejemplo, una métrica básica como el Share of Market (participación de mercado de una marca, según las ventas totales de la categoría respecto a la competencia), con la métrica Share of Mind, que refleja la penetración de una marca en la mente del consumidor.

Esta última se mide, comúnmente, a través de encuestas en las que los consumidores mencionan espontáneamente las marcas que recuerdan, sin importar el orden, pero sí la frecuencia con la que una marca aparece entre las respuestas.

Las nuevas herramientas de inteligencia artificial, utilizadas por los consumidores para buscar marcas, exigen que los mercadotecnistas consideren con qué frecuencia, con qué prominencia y con qué favorabilidad aparece una marca en los modelos de lenguaje (LLM, por sus siglas en inglés: Large Language Models), en comparación con otras.

Los autores Dubois, Dawson y Jaiswal, en su artículo publicado en Harvard Business Publishing en junio de 2025, sugieren que una forma de incrementar el reconocimiento de marca en los LLMs es generar contenido en distintos formatos (texto, imagen, video) y distribuirlo a través de diversos canales (sitios web, redes sociales, expertos o comunidades digitales). No se trata sólo de describir el producto o servicio, sino de relacionarlo con contextos más amplios, mostrar casos de uso y ejemplificar las necesidades que satisface.

Por ejemplo, en lugar de que una marca de bloqueador solar destaque únicamente el atributo del nivel de protección FPS +50, puede enriquecer su comunicación al describir también su alta eficacia frente a rayos UVB, UVA, luz visible y radiación infrarroja, especialmente en personas con piel sensible, reactiva o intolerante a filtros químicos.

Asimismo, las marcas pueden destacar sus referencias en términos de rankings y presencia en páginas de expertos de la industria, e invertir en un storytelling relevante, representativo y estructurado.

A esto se le conoce como Share of Model: métrica que mide la visibilidad o representatividad de una marca dentro de las respuestas generadas por modelos de lenguaje como ChatGPT.

Así como la estrategia digital busca adaptar la comunicación al funcionamiento de cada red social, comprender cómo operan los LLMs y cómo ponderan los atributos de una marca permitirá diseñar la estrategia de contenido más adecuada para competir en el nuevo juego del Share of Model —ya sea en ChatGPT, Gemini, DeepSeek, Claude, Perplexity, entre otros.

Cabe señalar que este cambio en el comportamiento de búsqueda se ha intensificado durante el último año, especialmente entre consumidores jóvenes con alto nivel de ingresos y mayor nivel educativo, lo cual aún no sucede en otros segmentos.

Sin embargo, surge una reflexión inevitable: ¿cuentan las marcas con las capacidades necesarias para posicionarse estratégicamente en los sistemas de recomendación impulsados por algoritmos? Usted, ¿qué respondería?

La autora es Profesora e Investigadora del Departamento de Mercadotecnia e Inteligencia de Negocios de EGADE Business School del Tecnológico de Monterrey.

Contacto: claudia.quintanilla@tec.mx