| News

El anuncio de crédito que un banco puso a prueba con IA

Las audiencias sintéticas ayudan a anticipar dudas en un anuncio. Un caso mexicano muestra cómo usar la IA para diseñar mejores pruebas con clientes.

El anuncio de crédito que un banco puso a prueba con IA [Foto por: José Carbonell]

Una campaña de crédito puede atraer clics y dejar sin responder la pregunta que importa: ¿qué condiciones acepta quien solicita el préstamo? Compartamos Banco y LDM usaron audiencias sintéticas para ensayar cómo se entendería el mensaje antes de difundirlo. Fernando Ramos, director de Mercadotecnia de Gentera, Jorge Luis Leal, subdirector de Marketing Digital de Compartamos Banco, e Israel Santiago, presidente de LDM, explicaron el ejercicio en Advertising Week LATAM 2026. El caso muestra dónde puede ayudar una simulación y qué se tiene que comprobar con clientes.

¿Qué dudas puede anticipar una audiencia sintética?

Una campaña de crédito puede sonar clara para su equipo creativo y dejar dudas a quien la escucha por primera vez. El anuncio puede hablar del beneficio y omitir las condiciones que el público necesita para decidir. Un ensayo con audiencias sintéticas permite detectar posibles puntos de confusión antes de comprometer presupuesto. La reacción simulada funciona como hipótesis que el equipo puede investigar con personas reales.

El ensayo publicitario de Compartamos Banco es una oportunidad para entender qué puede cambiar en el trabajo: adelantar preguntas difíciles y conservar tiempo para corregir. La entrevista refleja una división práctica. La agencia aporta herramientas de simulación, el banco decide qué necesita averiguar y el equipo responsable de la campaña interpreta sus implicaciones.

La misma idea cambia cuando cambia el canal

Una pieza de audio puede depender de una frase breve, mientras que una visita al sitio admite condiciones, ejemplos y rutas de contacto. El mensaje funciona como invitación en un espacio y como explicación en el siguiente. Un equipo puede simular dónde aparece la confusión, escribir una segunda versión y poner ambas ante usuarios que describan con sus propias palabras qué entendieron.

Conviene elegir antes el criterio de éxito. Para un mensaje financiero, una buena señal puede ser que la persona recuerde una condición esencial sin ayuda. Una mala señal puede ser que la pieza genere interés a costa de una expectativa equivocada. Medir las dos cosas evita que un indicador favorable oculte un problema de comprensión.

De qué datos dependen las audiencias sintéticas

La investigación de mercado con datos sintéticos intenta resolver una dificultad conocida: conseguir respuestas de grupos que no siempre aparecen en encuestas y paneles. Una simulación depende de los datos y supuestos con que fue construida. Si una agencia solo tiene material sobre clientes intensivos en aplicaciones, la representación de quienes prefieren una sucursal puede quedar pobre. La forma de descubrirlo es buscar casos que contradigan las respuestas de la herramienta.

Un banco puede incluir variaciones en el lenguaje del anuncio, en el canal y en la experiencia previa con servicios financieros. Con cada variación conviene conservar la pieza que se probó, la hipótesis que generó la máquina y la decisión que tomó el equipo. Ese registro permite aprender cuando la prueba en campo contradice el ensayo y recuperar el criterio que llevó a elegir una versión.

Cómo validar las audiencias sintéticas con clientes

Una persona puede interpretar bien una frase y aun así decidir que el producto le conviene poco. También puede responder favorablemente a una encuesta y abandonar la solicitud cuando aparecen requisitos que desconocía. Entender esas decisiones requiere observación humana y seguimiento en el entorno en que ocurren.

En México, la diferencia entre campañas pensadas para personas con experiencia digital y campañas dirigidas a quienes apenas consideran un servicio es especialmente importante. Cada grupo puede necesitar información en un orden distinto. Las marcas pueden ganar velocidad con la simulación y aprender más si observan qué preguntas llegan a la sucursal, al sitio y al equipo de atención al cliente. El resultado editorial del caso es una idea concreta: usar la IA para llegar a la prueba de campo con mejores preguntas.

Qué puede aparecer en un ensayo de campaña

Supongamos que una campaña invita a pedir información sobre un crédito para un pequeño negocio. La frase principal suena directa a quienes la escribieron. A una persona que nunca ha solicitado un préstamo, en cambio, puede dejarle tres dudas: cuándo sabrá el costo, quién la contactará y qué pasa si decide detener el proceso. Esas preguntas no describen una reacción universal. Sirven para que el equipo prepare una versión que responda mejor y la pruebe con personas que sí enfrentan esa decisión.

El punto de partida importa. Un equipo puede mostrarle al sistema un anuncio y preguntarle si le gusta. Recibirá una opinión difícil de verificar. Si le pide que identifique qué afirma el texto, quién podría interpretarlo de otro modo y qué información necesitaría para actuar, obtendrá hipótesis más precisas. El valor del ejercicio está en poder diseñar una prueba capaz de demostrar que una de esas hipótesis era incorrecta.

También ayuda conservar una copia del anuncio original. Si se cambia el orden de las condiciones y al mismo tiempo el color, el formato y la promoción, una diferencia posterior resulta difícil de interpretar. A veces basta con enfrentar dos versiones en las que solo varía la explicación de un requisito. Cuando la primera prueba produce una señal clara, el equipo puede pasar a otra decisión creativa sin perder el rastro de lo que aprendió.

Qué perfiles quedan fuera de una simulación

Agrupar a todo el público por edad o ciudad puede ocultar lo que realmente cambia una decisión. Dos personas de la misma colonia podrían tener experiencias opuestas con un producto financiero. Una lo solicita con frecuencia desde el celular. Otra quiere entenderlo en una sucursal antes de compartir información. Su diferencia relevante para la campaña es la familiaridad con el proceso, no solo la etiqueta demográfica que les asignó una base de datos.

El equipo puede incluir en el ensayo perfiles que ya conoce y preguntarse qué experiencias faltan. ¿Hay personas que quisieron iniciar una solicitud y desistieron? ¿Están representados quienes prefieren hacer preguntas por teléfono? ¿Se tomó en cuenta a quienes han leído condiciones similares y esperan encontrar una aclaración específica? Esas preguntas pueden llevar a entrevistar a un grupo que el anuncio original ni siquiera consideraba.

Un modelo puede formular respuestas plausibles para perfiles inventados. Eso no otorga a esas respuestas el mismo peso que tendría una conversación con un cliente. Si en la prueba de campo surge una duda que la simulación nunca anticipó, vale la pena registrarla. El desacuerdo puede mostrar que el equipo partió de una definición demasiado estrecha del público o que el producto se entiende de otra manera en el contexto de uso.

Las audiencias sintéticas cambian la relación entre agencia y cliente

Una agencia puede elaborar alternativas a gran velocidad. El equipo de producto, por su parte, sabe si la oferta que aparece en la pieza existe en el canal descrito. El área de atención sabe qué condiciones provocan más preguntas. Al decidir quién participa en el ensayo, una marca decide también cuáles de esas experiencias influirán en la campaña.

Conviene acordar quién es responsable de cada decisión. Si el resultado marca riesgo de confusión, alguien debe verificar el texto oficial del producto. Si detecta una reacción negativa a un formato, alguien debe decidir si eso se prueba con clientes. Si indica una preferencia por un tono, el equipo creativo puede revisar si esa elección encaja con la situación y con la voz de la marca.

Ese reparto de responsabilidades se vuelve más importante cuando una campaña se adapta a varios medios. Un mensaje de radio puede abrir una conversación. Un sitio puede explicar la oferta. Un ejecutivo en sucursal puede responder casos particulares. Si cada área mide únicamente su propio paso, una pieza que genera muchas visitas puede parecer exitosa aunque quienes lleguen encuentren condiciones distintas de las que entendieron al principio.

¿Qué medir en el primer piloto con personas?

Una prueba de comprensión puede pedir al participante que explique qué ofrece el anuncio, para quién cree que es y qué haría después de verlo. La respuesta con sus propias palabras aporta más que una calificación aislada. Si varias personas recuerdan el beneficio y omiten la condición principal, el equipo descubre una tarea específica antes de escalar la pauta.

Otra prueba puede observar qué pasa cuando la persona pasa del anuncio al siguiente canal. Si el anuncio ofrece orientación y el sitio empieza por solicitar varios datos, el cambio de expectativa puede explicar por qué alguien abandona. El problema quizá esté en el enlace entre piezas, no en la frase principal. La observación conjunta permite detectar esa diferencia.

Una campaña con dos versiones puede usar criterios acordados antes del lanzamiento. Además de clics, el equipo puede observar visitas que llegan a la información relevante, preguntas que se resuelven dentro del sitio y solicitudes que se completan. Por ejemplo, menos clics con mayor comprensión podrían ser una buena noticia si el objetivo es orientar a clientes que realmente se benefician del producto.

El banco también puede pedir una ronda posterior a quienes decidieron no continuar. A veces el anuncio funciona bien y el producto simplemente no responde a su necesidad. Otras veces faltó una explicación que habría permitido tomar una decisión informada. Distinguir ambos casos ayuda a corregir problemas reales sin exigirle a cada pieza que convierta a toda persona que la vea.

Lo que vale la pena registrar para el siguiente lanzamiento

El caso de Compartamos Banco y LDM abre una pregunta para negocios mexicanos con presupuestos distintos: qué investigación pueden adelantar cuando todavía hay margen para corregir. Una marca pequeña puede hacer una revisión con su equipo de ventas y una prueba breve de comprensión. Una organización con una campaña nacional puede incorporar varias regiones y canales. Ambas pueden aprovechar el ensayo si conservan qué pregunta querían resolver y qué evidencia cambió la decisión.

La documentación puede incluir la frase probada, el motivo de la preocupación, la respuesta del sistema y el resultado con personas. También puede registrar decisiones de descarte. Si una idea simulada sonaba convincente pero no resistió el contacto con usuarios, ese hallazgo ahorra trabajo al equipo que intente algo parecido en el futuro. Con el tiempo, el registro vale tanto por las correcciones que permitió como por las hipótesis que ayudó a dejar atrás.

La prueba final de las audiencias sintéticas está en el cambio que producen en el proceso. Si solo agregan una diapositiva a la presentación, su aporte es difícil de distinguir. Si hacen que una campaña llegue al mercado con condiciones más claras, mensajes mejor conectados entre canales y preguntas que el equipo puede verificar, el ejercicio deja una habilidad que se puede usar en el siguiente lanzamiento.

La pregunta antes de elegir una herramienta

Fernando Ramos, director de Mercadotecnia de Gentera, resumió la decisión con una pregunta: “¿Qué herramienta nos va a ayudar a que realmente conecte el mensaje con nuestros consumidores?”. Definir esa duda antes de encargar una simulación ayuda a escoger un objetivo concreto. Las audiencias sintéticas pueden sugerir qué condición revisar con clientes, qué palabra tiene varias interpretaciones y en qué parte del anuncio falta una explicación.

En un estudio publicado en Political Analysis en 2023, Lisa P. Argyle y sus colegas examinaron si GPT-3 podía aproximar patrones de respuesta de distintos grupos en encuestas de Estados Unidos, dadas ciertas características de entrada. El trabajo ayuda a entender qué se puede evaluar y qué queda abierto al cambiar de población y de pregunta. Una campaña mexicana de servicios financieros necesita su propia comprobación, con clientes y con las condiciones del producto que realmente se ofrecerá.

Author

  • Frida Quiñones

    Content creator and digital communications specialist. She holds a degree in International Relations and is currently pursuing a Master’s in Digital Communication and Hypermedia. Her work explores the intersections of technology, digital culture, innovation, marketing, and emerging trends, with a particular interest in how new forms of communication are reshaping the way we live, work, and connect.

    View all posts

Author

  • Frida Quiñones

    Content creator and digital communications specialist. She holds a degree in International Relations and is currently pursuing a Master’s in Digital Communication and Hypermedia. Her work explores the intersections of technology, digital culture, innovation, marketing, and emerging trends, with a particular interest in how new forms of communication are reshaping the way we live, work, and connect.

    View all posts

Sobre el autor

Content creator and digital communications specialist. She holds a degree in International Relations and is currently pursuing a Master’s in Digital Communication and Hypermedia. Her work explores the intersections of technology, digital culture, innovation, marketing, and emerging trends, with a particular interest in how new forms of communication are reshaping the way we live, work, and connect.