IA aplicada a campanyes de pagament: com construir una estratègia amb més informació i criteri

Quan es parla d’intel·ligència artificial aplicada a campanyes de pagament, gairebé sempre es comença per la part més visible.

Generar anuncis, proposar titulars, crear imatges, trobar noves audiències, analitzar resultats o automatitzar decisions dins d’una plataforma publicitària. Són aplicacions útils i també són relativament fàcils d’ensenyar.

Escrivim una instrucció i, pocs segons després, tenim vint versions d’un anunci, cinc públics possibles i una proposta de distribució de la inversió que, presentada en una taula, pot semblar perfectament raonable.

El problema torna a ser en aquest «semblar». Una proposta pot estar ben ordenada i partir d’un coneixement superficial del negoci. Pot definir públics massa genèrics, distribuir la inversió sense entendre les prioritats comercials o construir una estructura de campanyes al voltant d’una interpretació equivocada del recorregut del client.

A Èmfasi tenim un costum saludable o lleugerament temerari: abans de convertir una nova manera de treballar en una recomanació per als nostres clients, intentem posar-la a prova dins de projectes reals. No per demostrar que la IA ho pot fer tot. Més aviat per esbrinar en quines parts del procés aporta realment valor, on comença a omplir buits amb respostes plausibles i quines decisions continuen necessitant experiència, context i criteri professional.

En el cas de les campanyes de pagament, la conclusió és clara: La IA resulta especialment útil abans d’activar una campanya.

Ens pot ajudar a investigar, reunir informació, ordenar preguntes, comparar alternatives i detectar incoherències. Però necessita un procés que l’obligui a treballar amb la realitat del projecte i no amb una versió genèrica de com hauria de funcionar una campanya.

L’estratègia no comença a la plataforma publicitària

Obrir una plataforma i crear una nova campanya dona una sensació immediata de progrés.

Podem escollir una configuració, definir una segmentació, afegir diversos anuncis i establir una inversió. En poc temps, una campanya de publicitat en cercadors o en qualsevol altre entorn de pagament pot semblar preparada per començar a funcionar.

Però la major part de les decisions importants s’haurien d’haver pres abans.

• Què necessita aconseguir l’empresa?
• Quina part de la seva oferta té sentit impulsar?
• A qui ens hem d’adreçar?
• Quin problema intentem resoldre per a aquest públic?
• Què necessita saber una persona abans de prendre una decisió?
• Quins arguments poden fer que consideri la proposta?
• Quins actius digitals trobarà després de l’anunci?
• Quant de temps pot necessitar per decidir?
• Quina informació podrem mesurar?
• Quines limitacions comercials, geogràfiques, temporals o operatives existeixen?

La intel·ligència artificial ens pot ajudar a treballar cadascuna d’aquestes preguntes. Pot analitzar documents, comparar informació, formular nous dubtes i organitzar les conclusions. Però si comencem demanant-li directament una estratègia, haurà de completar pel seu compte tot allò que no li hem explicat.

I els models generatius són molt bons omplint buits, fins i tot quan seria preferible deixar-los buits. OpenAI explica que aquests sistemes poden generar afirmacions plausibles però falses i que, davant la manca d’informació, poden tendir a formular una conjectura en lloc de reconèixer la incertesa. Per això, quan falta una dada rellevant, l’estratègia ha d’identificar aquest buit i no permetre que la IA el converteixi en una suposició convincent.

Abans del prompt necessitem una fase 0

Un bon procés de creació estratègica amb IA no comença necessàriament escrivint una instrucció. Comença reunint la informació que permetrà formular preguntes útils.

En diferents projectes d’Èmfasi utilitzem una fase 0 dedicada a localitzar, ordenar i validar els actius disponibles abans d’iniciar l’anàlisi.

En una estratègia de campanyes de pagament, aquesta fase pot incloure informació sobre:

• L’activitat de l’empresa
• Els seus productes i serveis
• Els mercats prioritaris
• Els públics amb què treballa
• La proposta de valor
• Els marges o les prioritats comercials
• Les vendes i consultes rebudes
• El funcionament de l’equip comercial
• Les campanyes anteriors
• L’analítica digital
• L’estacionalitat
• La competència
• Els continguts disponibles
• Les pàgines de destinació
• Els recursos creatius
• Les restriccions del projecte
• I les decisions que ja s’han pres.

La IA ens pot ajudar a revisar aquest material, resumir-lo, trobar contradiccions o identificar informació que falta, però necessita partir d’una analítica web i de fonts que reflecteixin la realitat del projecte.

Però abans hem de decidir quines fonts són vàlides.

Un document comercial antic pot descriure serveis que ja no s’ofereixen. Una presentació pot utilitzar un posicionament que mai no es va arribar a aplicar. Les dades de campanyes anteriors poden correspondre a un mercat, un període o una proposta diferents.

Aportar més documents no sempre significa aportar més context. El context útil és informació seleccionada, actualitzada i estructurada.

Una IA alimentada amb vint documents contradictoris no té més coneixement del projecte. Té més possibilitats de construir una barreja convincent de versions incompatibles.

La IA ens pot ajudar a convertir informació dispersa en preguntes estratègiques

En moltes empreses, el coneixement necessari per plantejar una campanya està repartit entre diverses persones i eines. L’equip comercial sap quines objeccions apareixen en les converses. Atenció al client coneix els dubtes més freqüents. L’analítica mostra quins continguts consulten els usuaris.

Els formularis contenen pistes sobre les seves necessitats. Les cerques reflecteixen una part de la demanda. Les campanyes anteriors mostren quins missatges o públics han respost millor.

El problema no sempre és la manca d’informació. Sovint és que ningú no l’ha reunit.

Aquí la IA pot tenir un paper especialment útil. Pot creuar materials, classificar preguntes, detectar patrons i convertir dades disperses en línies d’investigació.

Per exemple, ens pot ajudar a localitzar:

• Quins problemes es repeteixen en les converses comercials
• Quins beneficis valora cada tipus de client
• Quines objeccions frenen la decisió
• Quines diferències existeixen entre mercats
• Quins productes necessiten més explicació
• Quines afirmacions de la marca estan poc justificades
• O quines parts del recorregut no estan cobertes per cap contingut.

El resultat d’aquesta anàlisi encara no hauria de ser una campanya. Hauria de ser un mapa de preguntes. Perquè abans de decidir què anunciar necessitem comprendre millor què està passant.

Investigar un públic no consisteix a inventar una persona

Una de les tasques més habituals a l’hora de preparar una estratègia és definir el públic.

També és una de les tasques en què la IA pot generar respostes especialment convincents i especialment poc útils.

Podem demanar-li que creï un buyer persona i rebre un nom, una edat, una professió, una llista d’interessos, diverses preocupacions i fins i tot una frase que suposadament resumeix la seva manera de pensar.

La descripció pot ser coherent. Això no la converteix en certa.

Un públic estratègic no s’hauria de construir acumulant característiques imaginades. Hauria de partir de comportaments, necessitats, contextos i criteris de decisió que puguem relacionar amb informació real.

La IA ens pot ajudar a organitzar un públic a partir de:

• Consultes rebudes
• Dades comercials
• Ressenyes
• Entrevistes
• Investigacions
• Cerques
• Comportaments observats
• Informació del CRM
• O resultats de campanyes anteriors.

També ens pot ajudar a diferenciar grups que inicialment semblaven iguals.

Dues persones interessades en el mateix servei poden trobar-se en situacions molt diferents. Una pot estar comparant opcions, una altra pot necessitar resoldre un problema urgent, una ja coneix la categoria i una altra encara no sap com s’anomena la solució.

Aquestes diferències afecten el missatge, el contingut, el recorregut i el tipus d’impacte publicitari que pot tenir sentit.

El valor de la IA no és posar nom a un personatge fictici. És ajudar-nos a detectar relacions entre necessitats, situacions i decisions.

Analitzar la competència no significa copiar les seves campanyes

Una altra aplicació evident és l’anàlisi de la competència. La IA ens pot ajudar a revisar missatges, pàgines, ofertes, arguments, recursos creatius i maneres de presentar una solució determinada.

Pot agrupar patrons i assenyalar que moltes empreses parlen de rapidesa, preu, experiència, personalització o confiança. Però l’objectiu no hauria de ser descobrir quina fórmula es repeteix per reproduir-la. Hauria de ser entendre com s’està construint la conversa del mercat.

• Quines promeses apareixen constantment?
• Quins arguments són pràcticament intercanviables?
• Quins dubtes del client no s’estan responent?
• Quines afirmacions es fan sense aportar proves?
• Quins segments semblen rebre poca atenció?
• Quin llenguatge utilitza la competència i quin llenguatge utilitza el client?

La IA permet processar més exemples i detectar patrons amb rapidesa. El criteri professional ha de decidir què signifiquen aquests patrons.

Si tots els competidors utilitzen el mateix argument, pot ser un senyal que funciona. També pot significar que el sector repeteix una fórmula per inèrcia.

Analitzar no és obeir la tendència. És obtenir prou informació per decidir si l’hem de seguir, qüestionar o buscar un altre territori.

D’una llista d’avantatges a una proposta que es pugui sostenir

Moltes estratègies publicitàries comencen amb una llista d’avantatges de l’empresa. Qualitat, experiència, proximitat, innovació, servei personalitzat i atenció professional.

El problema és que aquestes paraules podrien descriure centenars de negocis.

La IA ens pot ajudar a qüestionar aquests missatges. Podem demanar-li que identifiqui afirmacions genèriques, que sol·liciti proves, que compari la proposta amb la competència o que transformi conceptes abstractes en beneficis relacionats amb situacions reals.

Però no hauria d’inventar la diferenciació que l’empresa no ha definit.

Si afirmem que un servei és més ràpid, haurem de saber respecte de quina alternativa i per què.

Si parlem d’especialització, necessitarem explicar en què consisteix.

Si prometem acompanyament, convindrà concretar què passa durant el procés.

La intel·ligència artificial ens pot ajudar a formular millor una proposta de valor. No pot fabricar un avantatge competitiu mitjançant la redacció.

Una frase brillant no resol una oferta indiferenciada.

De vegades, la conclusió estratègica no serà trobar una manera més atractiva de dir el mateix. Serà reconèixer que necessitem treballar millor la proposta abans d’invertir a difondre-la.

La campanya ha de respondre al recorregut, no només al moment de la conversió

Una persona poques vegades passa de no conèixer una empresa a contractar-la immediatament després de veure un anunci. Pot descobrir una necessitat, començar a informar-se, comparar alternatives, consultar opinions, visitar diverses pàgines, parlar amb altres persones i tornar dies o setmanes després.

La durada i la complexitat del recorregut dependran del producte, del servei, del risc percebut, del preu i del context.

La IA ens pot ajudar a representar aquest procés. La podem utilitzar per ordenar:

• Les situacions que activen la necessitat
• Les preguntes inicials
• Els criteris de comparació
• Les objeccions
• Les proves que generen confiança
• Els continguts que necessita consultar l’usuari
• I les accions que poden indicar un avanç.

Aquest mapa permet deixar de pensar en la campanya com una peça aïllada.

L’anunci forma part d’una seqüència, tant quan respon a una necessitat ja expressada com quan la publicitat de pagament a xarxes socials ajuda a presentar la proposta, despertar interès o recuperar l’atenció de l’usuari. Ha de connectar amb una necessitat, presentar un argument i dirigir l’usuari cap a un actiu capaç de continuar la conversa.

Si l’anunci promet una cosa i la pàgina en desenvolupa una altra, l’estratègia perd coherència. Per això, el disseny de la pàgina de destinació també forma part de l’estratègia publicitària.

Si presentem una proposta a algú que encara no entén el problema, podem estar intentant tancar una decisió massa aviat.

La IA ajuda a visualitzar recorreguts possibles. L’equip ha de decidir quins són realistes i quina funció té sentit assignar a cada impacte.

Una estratègia no necessita ser a tot arreu

Quan demanem a una IA que proposi una estratègia de campanyes de pagament, sol respondre amb abundància: més canals, més públics, més fases, més formats, més campanyes i més variants.

És comprensible. Els models generatius estan dissenyats per produir possibilitats. La feina estratègica també consisteix a reduir-les.

No tots els projectes necessiten ser presents en tots els entorns publicitaris. Tampoc necessiten separar cada públic, cada producte o cada fase en una campanya independent.

L’estructura ha de ser proporcional als recursos, la inversió, les dades disponibles i la capacitat de produir materials adequats. Fragmentar massa pot deixar cada part sense prou informació o pressupost. Simplificar massa pot barrejar necessitats incompatibles.

La IA ens pot ajudar a construir diferents escenaris:

• Una estructura mínima
• Una estructura recomanable
• Una possible ampliació
• O una priorització per fases.

Després hem de valorar quin escenari resulta viable.

Una estratègia no millora perquè ocupi més pàgines. Millora quan cada element té una funció clara i es pot executar correctament.

La inversió també es pot treballar mitjançant escenaris

La IA no hauria de decidir quant ha d’invertir una empresa basant-se únicament en una instrucció genèrica.

Sí que ens pot ajudar a plantejar escenaris.

Podem proporcionar-li informació sobre el mercat, els resultats anteriors, els costos observats, la capacitat comercial, el període disponible i les prioritats del projecte.

A partir d’aquí, ens pot ajudar a comparar:

• Què passa si concentrem la inversió
• Què passa si la repartim entre massa línies
• Quin volum necessitaria cada hipòtesi per produir informació
• Quins riscos té una inversió massa limitada
• Quins senyals permetrien ampliar el pressupost
• O quines parts de l’estratègia s’haurien d’ajornar.

L’objectiu no és obtenir una xifra aparentment precisa. És comprendre les relacions entre inversió, temps, abast, aprenentatge i expectatives.

Una proposta de pressupost hauria de deixar clars els seus supòsits. Quan aquests supòsits canvien, la recomanació també hauria de poder canviar.

L’estratègia creativa comença abans de generar anuncis

La IA pot generar desenes de titulars, textos, imatges i guions. Però abans necessitem decidir què volem provar.

Una estratègia creativa no és una carpeta plena de variacions. És un conjunt d’hipòtesis sobre què pot fer que una persona presti atenció, entengui la proposta i avanci en la seva decisió.

Podem organitzar aquestes hipòtesis al voltant de:

• Un problema
• Una situació
• Un benefici
• Una objecció
• Una demostració
• Una comparació
• Una prova
• Una història
• O una característica diferencial.

La IA pot desenvolupar alternatives per a cada territori, adaptar missatges i detectar repeticions. Com passa quan integrem la IA en el procés de disseny UX/UI, generar més opcions no elimina la necessitat de revisar-les, simplificar-les i decidir quines tenen sentit.

Però si totes les peces parteixen del mateix argument, no estem provant deu idees. Estem provant deu maneres de redactar-ne una.

Generar més no significa aprendre més. La pregunta no és quants anuncis podem produir. La pregunta és quina diferència existeix entre ells i què podrem concloure segons la resposta del públic.

Un model proposa; un altre ens pot ajudar a qüestionar

En diferents processos d’Èmfasi hem utilitzat models d’IA amb funcions diferents. Un desenvolupa una proposta i un altre rep el resultat i actua com a revisor crític.

En una estratègia de campanyes de pagament, aquesta revisió pot buscar:

• Supòsits no justificats
• Públics massa genèrics
• Missatges repetits
• Fases innecessàries
• Incoherències entre anunci i pàgina
• Dependència excessiva d’una única dada
• Expectatives poc realistes
• O decisions que no es corresponen amb els recursos disponibles.

Després podem retornar aquesta crítica al primer model per revisar la proposta.

L’objectiu no és enfrontar eines ni buscar quina té raó. És evitar que una conversa es tanqui massa aviat al voltant de la primera solució raonable.

Un segon model ens pot ajudar a desconfiar del primer. Però tampoc emet un veredicte.

Dos models poden coincidir i estar equivocats. També poden discrepar sobre qüestions irrellevants.

La revisió creuada amplia l’anàlisi. La decisió continua sent nostra.

Un problema complex no es resol amb un únic gran prompt

Podríem demanar:

“Crea una estratègia completa de campanyes de pagament per a aquesta empresa”.

La IA probablement respondria amb objectius, públics, missatges, canals, campanyes, inversió, indicadors i un calendari.

Seria ràpid.

També seria difícil saber quina part de la proposta es basa en informació real i quina part s’ha completat a partir de patrons generals. Aquesta cautela no és només teòrica. En un experiment realitzat amb 758 professionals, l’ús d’IA va millorar la velocitat, la productivitat i la qualitat en les tasques que es trobaven dins de les seves capacitats. Tanmateix, en una tasca situada fora d’aquest àmbit, els qui van utilitzar IA van tenir un 19 % menys de probabilitats de trobar la solució correcta. Per això preferim dividir el procés en decisions més petites, contrastables i revisables.

Preferim dividir el procés en decisions revisables:

• Primer reunim i validem la informació.
• Després analitzem el negoci, el mercat i el públic.
• Identifiquem situacions, necessitats i recorreguts.
• Definim la proposta i els territoris de comunicació.
• Plantegem estructures possibles.
• Comparem escenaris d’inversió.
• Establim hipòtesis creatives.
• Revisem el mesurament disponible.
• I finalment convertim les conclusions en una estratègia executable.

Cada fase produeix informació per a la següent. Si detectem un error, el podem corregir sense refer tot el procés. Si algú qüestiona una decisió, podem tornar al raonament que la sosté.

La IA deixa de ser una màquina que entrega una resposta tancada. Es converteix en una eina que participa en un procés d’investigació i contrast.

Documentar no és guardar una conversa

Una conversa amb IA pot contenir desenes de propostes, revisions, dubtes i camins descartats. Conservar l’historial no significa haver documentat l’estratègia.

La documentació útil ha de recollir:

• La informació validada
• Les hipòtesis principals
• Les decisions aprovades
• Els supòsits
• Els límits
• Les alternatives descartades
• Els criteris de mesurament
• I les condicions que ens podrien obligar a revisar el plantejament.

Això permet mantenir la coherència quan comença l’execució. També evita que una decisió descartada torni a aparèixer unes setmanes després perquè ningú no recorda per què es va rebutjar.

La IA ens pot ajudar a convertir el procés en un document clar i reutilitzable. Pot resumir converses, ordenar conclusions i detectar contradiccions entre versions.

Però l’equip ha de validar quines decisions formen part realment de l’estratègia.

Una conversa genera possibilitats. Una documentació adequada converteix algunes d’elles en criteri de projecte.

Ser AI First no significa delegar l’estratègia

Per a nosaltres, integrar la intel·ligència artificial en les campanyes de pagament no consisteix a demanar-li que dissenyi automàticament un pla publicitari. Tampoc consisteix a produir més campanyes o més anuncis.

Significa incorporar-la en els punts del procés on ens permet treballar amb més context, analitzar millor la informació, plantejar noves preguntes, comparar escenaris, revisar les conclusions i documentar les decisions. És la mateixa lògica que apliquem en integrar la IA en el SEO sense delegar l’estratègia.

La IA amplia la nostra capacitat de treball, però el seu impacte no és uniforme. Un estudi realitzat amb 5.179 professionals d’atenció al client va observar un augment mitjà del 14 % en la productivitat, amb millores del 34 % entre els perfils novells o menys qualificats i un impacte mínim entre els professionals més experimentats. La IA pot accelerar l’accés a informació i bones pràctiques, però no assumeix la responsabilitat sobre el resultat ni converteix automàticament una proposta en una decisió estratègica adequada.

El criteri professional continua sent necessari per:

• Entendre el negoci
• Seleccionar les fonts vàlides
• Interpretar les dades
• Definir prioritats
• Avaluar la viabilitat
• Establir límits
• I decidir quina proposta té sentit.

Podem demanar a una IA que generi una estratègia completa. El que és difícil no és aconseguir una resposta. El que és difícil és saber quina informació necessita, quines parts hem de qüestionar, quins elements convé conservar i quines decisions no hauríem de delegar.

Com més fàcil sigui proposar, més important serà saber escollir

Cada vegada serà més senzill analitzar informació, plantejar públics, generar anuncis i construir escenaris. Per això, el valor estratègic no serà en la quantitat de propostes que puguem produir. Serà a saber quina respon millor al problema.

La intel·ligència artificial ens pot ajudar a considerar alternatives que no havíem vist, detectar contradiccions i treballar amb més agilitat. Però necessita direcció.

No coneix per si sola les converses de l’equip comercial, les restriccions operatives, la rendibilitat real d’una línia de negoci ni els matisos que fan que una proposta sigui adequada per a un client concret.

No utilitzem la IA perquè dissenyi l’estratègia de campanyes de pagament per nosaltres. La utilitzem per construir-la amb més informació, més ordre i més capacitat crítica.