Por qué los chatbots impulsados por los grandes modelos del lenguaje transforman la visibilidad de las marcas

En estos últimos 25 años las estrategias de marketing digital orientadas a la visibilidad de una marca se han apoyado en gran medida en entender su ranking en los resultados de un buscador, métricas como los clics, el volumen de búsqueda o las impresiones han ayudado a monitorizar este objetivo, sin embargo, con la con la llegada de los grandes chatbots impulsados por la Inteligencia Artificial generativa, las métricas que utilizamos para para buscadores, no podemos utilizarlas de la misma forma. ¿Por qué? Principalmente se debe a que los chatbots impulsados por un gran modelo del lenguaje (LLM) son entrenados con grandes conjuntos de datos y, sobre éstos, se da una respuesta, pero no tienen información actualizada si no acceden a internet, sin embargo, los motores de búsqueda rastrean e indexan la web continuamente, ofreciendo la información más reciente.

«Buscadores Generativos»: grandes modelos del lenguaje + motores de búsqueda

Si tuviésemos que establecer algunas diferencias entre un chatbot impulsado por un gran modelo de lenguaje (LLM), y un buscador al uso, deberíamos tener en cuenta aspectos como: 

• Los LLM están diseñados para generar texto (buscando cada vez más la multimodalidad), responder preguntas y realizar tareas diversas como lo podría hacer una persona; en el caso de los motores de búsqueda, éstos indexan y recuperan información de la web, proporcionando enlaces relevantes.

• Los LLM permiten interacciones conversacionales y diálogos contextuales (con ventanas de contexto cada vez más amplias). Los motores de búsqueda ofrecen principalmente interacciones unidireccionales, aunque esto está cambiando con la incorporación de la inteligencia artificial generativa como parte de sus capacidades de respuesta (ejemplo la incorporación de AI Overview en los resultados de búsqueda de Google).

• La dificultad que tienen los LLM para responder con precisión se debe en gran medida a que dependen de los datos con los que han sido entrenados (y que han visto), y estar actualizados con la información más reciente, la carencia de estos aspectos hace que incurran en respuestas inexactas o desactualizadas (sus alucinaciones). Los motores de búsqueda proporcionan enlaces a fuentes externas, y somos los usuarios los que decidimos qué sitio web es el responde mejor a nuestra consulta. 

Cómo está evolucionando el acceso «conversacional» a la información

Esta división entre buscadores y chatbots se empieza a diluir debido a la incorporación de  tecnologías como la Generación Aumentada por Recuperación (RAG) (técnica que combina el poder de los grandes modelos del lenguaje con fuentes de conocimiento externas para producir respuestas más informadas y precisas), o la ventanas de contexto infinito (el número de tokens que un LLM puede utilizar al mismo tiempo para generar una respuesta). Chatbots como Perplexity nos permiten obtener información actualizada y al mismo tiempo tener una conversación como con el chatbot, actualmente es un ‘buscador generativo’ que nos permite interactuar vía web o instalando la aplicación en nuestros dispositivos. Los resultados son obtenidos de la web abierta, y de rrss (principalmente Reddit).

Google (Gemini) y Microsoft (Copilot) dan respuesta a este tipo de «buscadores generativos» a través sus chatbots, así como un cambio en la fisionomía de los resultados de sus buscadores. En el caso de Google, a nivel europeo todavía no está claro cómo se incorporará la IA generativa en los resultados de búsqueda (AI Overview), ésto inevitablemente provocará un desplazamiento de los enlaces com los conocemos hoy en día; y en el caso de Bing, en el mes de febrero lanzó la experiencia de búsqueda generativa (sobre un pequeño porcentaje de consultas), esta nueva experiencia combina la base de los resultados de búsqueda de Bing con el poder de los modelos de lenguaje grandes y pequeños (LLM y SLM).

En agosto OpenAI lanzó su beta de SearchGTP, se dió acceso a un grupo reducido de usuarios para evaluar su funcionamiento. Las características principales es que es útil para consultas comerciales, ofreciendo listas y comparaciones, sin embargo, necesita mejorar en consultas navegacionales, locales y transnacionales (SearchGPT comparte un 73% de similitud con Bing y un 46% con Google en los resultados de búsqueda según este análisis).

Impacto en medir la visibilidad de las marcas

Esta forma de presentar la información hace que las métricas que hemos estado manejando hasta ahora para monitorizar la visibilidad de una marca (los clics, las impresiones o el volumen de búsqueda) van a tener que pasar a convivir con nuevas formas de visibilización debido a una búsqueda cada vez más conversacional impulsadas por prompts.

Los grandes desafíos a los que nos enfrentamos actualmente vienen dados por los nuevos y disruptivos caminos que el marketing está trazando, que traen consigo consecuencias que exigen adaptación e innovación constante. Actualmente nos encontramos con que, por ejemplo, no hay datos que muestren el tráfico que generan estás búsquedas impulsadas por la Inteligencia Artificial, o que el software de marketing actual que manejamos para medir la actividad digital de las marcas todavía no recoge estas funcionalidades. Todo esto nos obliga a desarrollar nuestras propias soluciones para evaluar la presencia de la marca y sus competidores, adaptándonos al máximo, de la mano de la mejor innovación, a estos «New Ways of Marketing» de los que hablo.

Como parte de un futuro cercano, la búsqueda será híbrida entre motores de búsqueda tradicionales y LLM, con estos últimos mejorando la experiencia de búsqueda al generar resultados más informativos, personalizados y conversacionales, son tecnologías distintas pero complementarias que están convergiendo en el panorama digital actual. 

Artículo escrito por Esther Checa, Global Head of Innovation en t2ó ONE

 

Compartir

Más allá de los descuentos: CX, tecnología y el nuevo retailAnteriorSigueinteEl futuro de los espectadores de los eSport: los Smart TV