¿Qué necesidad tiene una marca de lanzar un nuevo producto? ¿Cómo puede la tecnología ayudar a las compañías a predecir lo que quiere el cliente y estimar el éxito de un lanzamiento? Hace apenas unos meses, por ejemplo, Starbucks y Schweppes lanzaron ‘Coffee Tonic’, una nueva categoría en café frío que fusiona el café de especialidad con la tónica premium. Por su parte, VIPS incorporó recientemente a su carta una nueva generación de sándwiches que eleva su propuesta gastronómica: VIPS Club Gourmet, Tartar de Atún con mango, Steak Tartar de buey y CachoPower de Pollo. Por detrás de estos lanzamientos hay un importante trabajo del equipo de innovación de las marcas para quienes la tecnología está aportando herramientas que agilizan plazos y reducen tantos los costes como el riesgo de sacar al mercado un nuevo producto.Francisco Rionda, director general de Marketing Corporativo en Alsea Europa, deja claro que «la decisión de lanzar o no un nuevo producto nace siempre de escuchar al cliente. En este sentido, la tecnología nos ayuda a analizar un mayor volumen de datos y a extraer mejores conclusiones e insights; mediante modelos predictivos, estimamos el éxito potencial y el momento idóneo para el mercado. Además, suele ser una gran aliada para hacer el seguimiento de los proyectos y agilizar sus plazos». Sin embargo, los tiempos de lanzamiento deben conectar con la realidad del negocio y las capacidades de la empresa. «El momento oportuno es aquel en el que la marca es capaz de entregar su promesa en tiempo y forma. A veces se le da demasiada importancia a la velocidad, pero considero que es mucho mejor lanzar bien que lanzar rápido», añade.Reconoce que muchas grandes compañías se empeñan en ser tan ágiles como las startups o las empresas puramente digitales. «En mi opinión, esto nos lleva a perder el rumbo y la calidad en la ejecución en muchas ocasiones», reflexiona. Cree que la tecnología sirve como un radar de tendencias a gran escala: «Nos ayuda a predecir la viabilidad de una necesidad analizando patrones de búsqueda o el consumo de precios», subraya. Al final, sin embargo, «es el conocimiento profundo que tenemos del sector y de nuestros clientes lo que realmente nos impulsa a apostar por un producto u otro».En Alsea utilizan dos herramientas digitales para sus procesos de innovación. «Por un lado, herramientas de escucha para detectar tendencias, sabores y nuevos platos en restaurantes y plataformas. Y, por otro, una herramienta digital desarrollada adhoc para nosotros que busca orquestar nuestro proceso de innovación», explica Rionda. La coordinación de todos los departamentos involucrados en un lanzamiento (innovación, compras, calidad, operaciones) «supone una ventaja competitiva crucial para una compañía que se plantea más de mil productos nuevos al año, y termina lanzando más de 200 en todas sus marcas», añade. Su experiencia les demuestra que la tecnología resulta más determinante en el proceso interno que en la fase previa de exploración, escucha y análisis. «Sin embargo, en esa etapa inicial estamos incorporando cada vez más la IA para consolidar aprendizajes históricos, integrar diversas fuentes de datos y desarrollar perfiles de consumidores digitales que nos guíen desde los primeros pasos», reconoce. Señala que es sumamente difícil que una persona sea capaz de conectar y sintetizar tal volumen de información por sí sola; aun así, «diría que todavía estamos en una fase muy temprana de esta adopción. El criterio humano, la creatividad y la intuición son insustituibles, por lo que queremos asegurarnos de que el acompañamiento de la IA aporte una calidad real», puntualiza.El paso decisivo«La tecnología nos ayuda a convertir la intuición en una decisión informada por los datos», señala Carlos Estrada, fundador de RevOps Studio, y profesor de ISDI en la aplicación de agentes de IA a los procesos de negocio. Mediante tests ligeros de usuario y plataformas de analítica de producto (como Amplitude o Mixpanel) «se puede ver qué funcionalidades se usan más, dónde se frustra el usuario y cuándo abandona una tarea determinada; son las señales de que un producto está, o no, listo», añade. A eso se suman los foros de peticiones que muchas empresas de software usan con sus usuarios más avanzados. «Compañías como Booking.com han hecho de esto una cultura: llegan a realizar unos 25.000 experimentos similares a estos al año», resalta Estada. La IA no sustituye ese criterio pero lo amplifica enormemente: «permite analizar grandes volúmenes de información y hacer investigación a una escala y velocidad antes impensables», puntualiza.En poco tiempo han aparecido muchas herramientas digitales que ayudan a los equipos de innovación. Por ejemplo, analítica de producto, herramientas de test de usuario y, sobre todo, plataformas de testeo de conceptos con IA. «Zappi es un buen ejemplo: sus agentes de IA, desarrollados con marcas como Mars o Diageo y usados por más de 350 compañías (como McDonald’s, o Heineken, entre otras), reducen un ciclo de innovación de semanas a menos de cuatro horas, combinando siempre consumidores sintéticos creados a partir de perfiles reales con validación humana posterior», avanza el profesor. En otro plano, PepsiCo usa gemelos digitales con Nvidia y Siemens para simular sus plantas y detectar hasta el 90% de los problemas antes de tocar nada físico. Cree que la clave no reside en la herramienta «sino integrar correctamente en el momento adecuado del proceso de toma de decisiones».Estas herramientas reducen un ciclo de innovación de semanas a menos de cuatro horasPara Carlos Estada la tecnología es especialmente decisiva en las primeras fases de un lanzamiento, durante la validación. «Es donde los equipos se deben apoyar en la mentalidad de pivotar rápido. Posteriormente, el impacto económico tiende a ser mucho más implacable: cometer errores en fases avanzadas puede llegar a multiplicar los costes», avisa. Una investigación temprana cuesta unos 50.000 euros; un prototipo, medio millón; escalar a producción, cinco millones o más. «Y los índices de fracaso de un producto nuevo son altísimos. Nielsen ha llegado a estimar más del 85% en gran consumo», subraya. Por eso validar barato y pronto tiene tanto valor. «Y aquí el valor de la IA es decisivo: permite generar y filtrar decenas de conceptos en horas, o poner a prueba la disposición a pagar con clientes sintéticos antes de gastar un euro en fabricar».Gemelos digitalesUn equipo de investigación de La Salle – Universitat Ramon Llull, liderado por Montserrat Peñarroya, experta en marketing digital y transformación digital y fundadora de Quadrant Alfa, ha desarrollado y validado científicamente un modelo de Digital Twin of a Customer (DToC), o gemelo digital de un cliente, basado en inteligencia artificial generativa. Se trata de una representación digital de un segmento concreto de clientes, «construida a partir de datos reales, investigación de mercado y conocimiento experto», indica Peñarroya. Su principal ventaja es que permite simular cómo reaccionará ese cliente objetivo antes de invertir en el lanzamiento. «Con un DToC el proceso cambia: primero se simulan distintos escenarios y luego se decide qué estrategia tiene más probabilidades de éxito», avanza. Esto permite evaluar mensajes, propuestas de valor, precios, canales de comunicación o funcionalidades del producto antes de ponerlos en el mercado. «En definitiva, transforma el lanzamiento de un ejercicio de intuición en un proceso basado en evidencia y simulación», resalta. «Antes las empresas lanzaban un producto para aprender del mercado; ahora pueden aprender del mercado antes de lanzarlo», puntualiza.La tecnología es especialmente decisiva en las primeras fases de un lanzamiento, en la validaciónLa creación de un DToC une diferentes fuentes de información. Se parte de datos cuantitativos, como analítica web, CRM, estudios de mercado o comportamiento de compra, y se complementa con información cualitativa obtenida mediante entrevistas, observación o experiencia acumulada de la empresa. «A continuación, esa información se estructura mediante modelos de comportamiento y se integra en un sistema de inteligencia artificial capaz de responder, argumentar y tomar decisiones de forma coherente con el perfil del cliente que representa», explica la responsable del proyecto. Funciona con cualquier sistema (ChatGPT, Claude, Gemini, etc…) y el resultado no es simplemente un chatbot, «sino un modelo de simulación que reproduce los razonamientos, necesidades, objeciones y criterios de decisión de un segmento específico de consumidores».Reducir riesgosEl DToC permite responder preguntas que hasta hace poco solo podían resolverse una vez realizado el lanzamiento. Por ejemplo, qué propuesta de valor resulta más atractiva; qué argumentos generan confianza; qué objeciones aparecerán durante el proceso de compra; qué mensajes publicitarios funcionan mejor o qué cambios en el producto podrían aumentar su aceptación. «Ayuda a tomar decisiones mejor fundamentadas antes de comprometer recursos económicos significativos y la simulación convierte las hipótesis de marketing en decisiones basadas en evidencia», destaca Peñarroya. Si bien el DToC no elimina completamente la incertidumbre ante un lanzamiento, «reduce de forma considerable el riesgo de tomar decisiones basadas únicamente en la intuición». Cree que estamos asistiendo a un cambio de paradigma y recuerda que «equivocarse durante una simulación cuesta segundos; equivocarse en el mercado puede costar millones». ¿Qué necesidad tiene una marca de lanzar un nuevo producto? ¿Cómo puede la tecnología ayudar a las compañías a predecir lo que quiere el cliente y estimar el éxito de un lanzamiento? Hace apenas unos meses, por ejemplo, Starbucks y Schweppes lanzaron ‘Coffee Tonic’, una nueva categoría en café frío que fusiona el café de especialidad con la tónica premium. Por su parte, VIPS incorporó recientemente a su carta una nueva generación de sándwiches que eleva su propuesta gastronómica: VIPS Club Gourmet, Tartar de Atún con mango, Steak Tartar de buey y CachoPower de Pollo. Por detrás de estos lanzamientos hay un importante trabajo del equipo de innovación de las marcas para quienes la tecnología está aportando herramientas que agilizan plazos y reducen tantos los costes como el riesgo de sacar al mercado un nuevo producto.Francisco Rionda, director general de Marketing Corporativo en Alsea Europa, deja claro que «la decisión de lanzar o no un nuevo producto nace siempre de escuchar al cliente. En este sentido, la tecnología nos ayuda a analizar un mayor volumen de datos y a extraer mejores conclusiones e insights; mediante modelos predictivos, estimamos el éxito potencial y el momento idóneo para el mercado. Además, suele ser una gran aliada para hacer el seguimiento de los proyectos y agilizar sus plazos». Sin embargo, los tiempos de lanzamiento deben conectar con la realidad del negocio y las capacidades de la empresa. «El momento oportuno es aquel en el que la marca es capaz de entregar su promesa en tiempo y forma. A veces se le da demasiada importancia a la velocidad, pero considero que es mucho mejor lanzar bien que lanzar rápido», añade.Reconoce que muchas grandes compañías se empeñan en ser tan ágiles como las startups o las empresas puramente digitales. «En mi opinión, esto nos lleva a perder el rumbo y la calidad en la ejecución en muchas ocasiones», reflexiona. Cree que la tecnología sirve como un radar de tendencias a gran escala: «Nos ayuda a predecir la viabilidad de una necesidad analizando patrones de búsqueda o el consumo de precios», subraya. Al final, sin embargo, «es el conocimiento profundo que tenemos del sector y de nuestros clientes lo que realmente nos impulsa a apostar por un producto u otro».En Alsea utilizan dos herramientas digitales para sus procesos de innovación. «Por un lado, herramientas de escucha para detectar tendencias, sabores y nuevos platos en restaurantes y plataformas. Y, por otro, una herramienta digital desarrollada adhoc para nosotros que busca orquestar nuestro proceso de innovación», explica Rionda. La coordinación de todos los departamentos involucrados en un lanzamiento (innovación, compras, calidad, operaciones) «supone una ventaja competitiva crucial para una compañía que se plantea más de mil productos nuevos al año, y termina lanzando más de 200 en todas sus marcas», añade. Su experiencia les demuestra que la tecnología resulta más determinante en el proceso interno que en la fase previa de exploración, escucha y análisis. «Sin embargo, en esa etapa inicial estamos incorporando cada vez más la IA para consolidar aprendizajes históricos, integrar diversas fuentes de datos y desarrollar perfiles de consumidores digitales que nos guíen desde los primeros pasos», reconoce. Señala que es sumamente difícil que una persona sea capaz de conectar y sintetizar tal volumen de información por sí sola; aun así, «diría que todavía estamos en una fase muy temprana de esta adopción. El criterio humano, la creatividad y la intuición son insustituibles, por lo que queremos asegurarnos de que el acompañamiento de la IA aporte una calidad real», puntualiza.El paso decisivo«La tecnología nos ayuda a convertir la intuición en una decisión informada por los datos», señala Carlos Estrada, fundador de RevOps Studio, y profesor de ISDI en la aplicación de agentes de IA a los procesos de negocio. Mediante tests ligeros de usuario y plataformas de analítica de producto (como Amplitude o Mixpanel) «se puede ver qué funcionalidades se usan más, dónde se frustra el usuario y cuándo abandona una tarea determinada; son las señales de que un producto está, o no, listo», añade. A eso se suman los foros de peticiones que muchas empresas de software usan con sus usuarios más avanzados. «Compañías como Booking.com han hecho de esto una cultura: llegan a realizar unos 25.000 experimentos similares a estos al año», resalta Estada. La IA no sustituye ese criterio pero lo amplifica enormemente: «permite analizar grandes volúmenes de información y hacer investigación a una escala y velocidad antes impensables», puntualiza.En poco tiempo han aparecido muchas herramientas digitales que ayudan a los equipos de innovación. Por ejemplo, analítica de producto, herramientas de test de usuario y, sobre todo, plataformas de testeo de conceptos con IA. «Zappi es un buen ejemplo: sus agentes de IA, desarrollados con marcas como Mars o Diageo y usados por más de 350 compañías (como McDonald’s, o Heineken, entre otras), reducen un ciclo de innovación de semanas a menos de cuatro horas, combinando siempre consumidores sintéticos creados a partir de perfiles reales con validación humana posterior», avanza el profesor. En otro plano, PepsiCo usa gemelos digitales con Nvidia y Siemens para simular sus plantas y detectar hasta el 90% de los problemas antes de tocar nada físico. Cree que la clave no reside en la herramienta «sino integrar correctamente en el momento adecuado del proceso de toma de decisiones».Estas herramientas reducen un ciclo de innovación de semanas a menos de cuatro horasPara Carlos Estada la tecnología es especialmente decisiva en las primeras fases de un lanzamiento, durante la validación. «Es donde los equipos se deben apoyar en la mentalidad de pivotar rápido. Posteriormente, el impacto económico tiende a ser mucho más implacable: cometer errores en fases avanzadas puede llegar a multiplicar los costes», avisa. Una investigación temprana cuesta unos 50.000 euros; un prototipo, medio millón; escalar a producción, cinco millones o más. «Y los índices de fracaso de un producto nuevo son altísimos. Nielsen ha llegado a estimar más del 85% en gran consumo», subraya. Por eso validar barato y pronto tiene tanto valor. «Y aquí el valor de la IA es decisivo: permite generar y filtrar decenas de conceptos en horas, o poner a prueba la disposición a pagar con clientes sintéticos antes de gastar un euro en fabricar».Gemelos digitalesUn equipo de investigación de La Salle – Universitat Ramon Llull, liderado por Montserrat Peñarroya, experta en marketing digital y transformación digital y fundadora de Quadrant Alfa, ha desarrollado y validado científicamente un modelo de Digital Twin of a Customer (DToC), o gemelo digital de un cliente, basado en inteligencia artificial generativa. Se trata de una representación digital de un segmento concreto de clientes, «construida a partir de datos reales, investigación de mercado y conocimiento experto», indica Peñarroya. Su principal ventaja es que permite simular cómo reaccionará ese cliente objetivo antes de invertir en el lanzamiento. «Con un DToC el proceso cambia: primero se simulan distintos escenarios y luego se decide qué estrategia tiene más probabilidades de éxito», avanza. Esto permite evaluar mensajes, propuestas de valor, precios, canales de comunicación o funcionalidades del producto antes de ponerlos en el mercado. «En definitiva, transforma el lanzamiento de un ejercicio de intuición en un proceso basado en evidencia y simulación», resalta. «Antes las empresas lanzaban un producto para aprender del mercado; ahora pueden aprender del mercado antes de lanzarlo», puntualiza.La tecnología es especialmente decisiva en las primeras fases de un lanzamiento, en la validaciónLa creación de un DToC une diferentes fuentes de información. Se parte de datos cuantitativos, como analítica web, CRM, estudios de mercado o comportamiento de compra, y se complementa con información cualitativa obtenida mediante entrevistas, observación o experiencia acumulada de la empresa. «A continuación, esa información se estructura mediante modelos de comportamiento y se integra en un sistema de inteligencia artificial capaz de responder, argumentar y tomar decisiones de forma coherente con el perfil del cliente que representa», explica la responsable del proyecto. Funciona con cualquier sistema (ChatGPT, Claude, Gemini, etc…) y el resultado no es simplemente un chatbot, «sino un modelo de simulación que reproduce los razonamientos, necesidades, objeciones y criterios de decisión de un segmento específico de consumidores».Reducir riesgosEl DToC permite responder preguntas que hasta hace poco solo podían resolverse una vez realizado el lanzamiento. Por ejemplo, qué propuesta de valor resulta más atractiva; qué argumentos generan confianza; qué objeciones aparecerán durante el proceso de compra; qué mensajes publicitarios funcionan mejor o qué cambios en el producto podrían aumentar su aceptación. «Ayuda a tomar decisiones mejor fundamentadas antes de comprometer recursos económicos significativos y la simulación convierte las hipótesis de marketing en decisiones basadas en evidencia», destaca Peñarroya. Si bien el DToC no elimina completamente la incertidumbre ante un lanzamiento, «reduce de forma considerable el riesgo de tomar decisiones basadas únicamente en la intuición». Cree que estamos asistiendo a un cambio de paradigma y recuerda que «equivocarse durante una simulación cuesta segundos; equivocarse en el mercado puede costar millones». ¿Qué necesidad tiene una marca de lanzar un nuevo producto? ¿Cómo puede la tecnología ayudar a las compañías a predecir lo que quiere el cliente y estimar el éxito de un lanzamiento? Hace apenas unos meses, por ejemplo, Starbucks y Schweppes lanzaron ‘Coffee Tonic’, una nueva categoría en café frío que fusiona el café de especialidad con la tónica premium. Por su parte, VIPS incorporó recientemente a su carta una nueva generación de sándwiches que eleva su propuesta gastronómica: VIPS Club Gourmet, Tartar de Atún con mango, Steak Tartar de buey y CachoPower de Pollo. Por detrás de estos lanzamientos hay un importante trabajo del equipo de innovación de las marcas para quienes la tecnología está aportando herramientas que agilizan plazos y reducen tantos los costes como el riesgo de sacar al mercado un nuevo producto.Francisco Rionda, director general de Marketing Corporativo en Alsea Europa, deja claro que «la decisión de lanzar o no un nuevo producto nace siempre de escuchar al cliente. En este sentido, la tecnología nos ayuda a analizar un mayor volumen de datos y a extraer mejores conclusiones e insights; mediante modelos predictivos, estimamos el éxito potencial y el momento idóneo para el mercado. Además, suele ser una gran aliada para hacer el seguimiento de los proyectos y agilizar sus plazos». Sin embargo, los tiempos de lanzamiento deben conectar con la realidad del negocio y las capacidades de la empresa. «El momento oportuno es aquel en el que la marca es capaz de entregar su promesa en tiempo y forma. A veces se le da demasiada importancia a la velocidad, pero considero que es mucho mejor lanzar bien que lanzar rápido», añade.Reconoce que muchas grandes compañías se empeñan en ser tan ágiles como las startups o las empresas puramente digitales. «En mi opinión, esto nos lleva a perder el rumbo y la calidad en la ejecución en muchas ocasiones», reflexiona. Cree que la tecnología sirve como un radar de tendencias a gran escala: «Nos ayuda a predecir la viabilidad de una necesidad analizando patrones de búsqueda o el consumo de precios», subraya. Al final, sin embargo, «es el conocimiento profundo que tenemos del sector y de nuestros clientes lo que realmente nos impulsa a apostar por un producto u otro».En Alsea utilizan dos herramientas digitales para sus procesos de innovación. «Por un lado, herramientas de escucha para detectar tendencias, sabores y nuevos platos en restaurantes y plataformas. Y, por otro, una herramienta digital desarrollada adhoc para nosotros que busca orquestar nuestro proceso de innovación», explica Rionda. La coordinación de todos los departamentos involucrados en un lanzamiento (innovación, compras, calidad, operaciones) «supone una ventaja competitiva crucial para una compañía que se plantea más de mil productos nuevos al año, y termina lanzando más de 200 en todas sus marcas», añade. Su experiencia les demuestra que la tecnología resulta más determinante en el proceso interno que en la fase previa de exploración, escucha y análisis. «Sin embargo, en esa etapa inicial estamos incorporando cada vez más la IA para consolidar aprendizajes históricos, integrar diversas fuentes de datos y desarrollar perfiles de consumidores digitales que nos guíen desde los primeros pasos», reconoce. Señala que es sumamente difícil que una persona sea capaz de conectar y sintetizar tal volumen de información por sí sola; aun así, «diría que todavía estamos en una fase muy temprana de esta adopción. El criterio humano, la creatividad y la intuición son insustituibles, por lo que queremos asegurarnos de que el acompañamiento de la IA aporte una calidad real», puntualiza.El paso decisivo«La tecnología nos ayuda a convertir la intuición en una decisión informada por los datos», señala Carlos Estrada, fundador de RevOps Studio, y profesor de ISDI en la aplicación de agentes de IA a los procesos de negocio. Mediante tests ligeros de usuario y plataformas de analítica de producto (como Amplitude o Mixpanel) «se puede ver qué funcionalidades se usan más, dónde se frustra el usuario y cuándo abandona una tarea determinada; son las señales de que un producto está, o no, listo», añade. A eso se suman los foros de peticiones que muchas empresas de software usan con sus usuarios más avanzados. «Compañías como Booking.com han hecho de esto una cultura: llegan a realizar unos 25.000 experimentos similares a estos al año», resalta Estada. La IA no sustituye ese criterio pero lo amplifica enormemente: «permite analizar grandes volúmenes de información y hacer investigación a una escala y velocidad antes impensables», puntualiza.En poco tiempo han aparecido muchas herramientas digitales que ayudan a los equipos de innovación. Por ejemplo, analítica de producto, herramientas de test de usuario y, sobre todo, plataformas de testeo de conceptos con IA. «Zappi es un buen ejemplo: sus agentes de IA, desarrollados con marcas como Mars o Diageo y usados por más de 350 compañías (como McDonald’s, o Heineken, entre otras), reducen un ciclo de innovación de semanas a menos de cuatro horas, combinando siempre consumidores sintéticos creados a partir de perfiles reales con validación humana posterior», avanza el profesor. En otro plano, PepsiCo usa gemelos digitales con Nvidia y Siemens para simular sus plantas y detectar hasta el 90% de los problemas antes de tocar nada físico. Cree que la clave no reside en la herramienta «sino integrar correctamente en el momento adecuado del proceso de toma de decisiones».Estas herramientas reducen un ciclo de innovación de semanas a menos de cuatro horasPara Carlos Estada la tecnología es especialmente decisiva en las primeras fases de un lanzamiento, durante la validación. «Es donde los equipos se deben apoyar en la mentalidad de pivotar rápido. Posteriormente, el impacto económico tiende a ser mucho más implacable: cometer errores en fases avanzadas puede llegar a multiplicar los costes», avisa. Una investigación temprana cuesta unos 50.000 euros; un prototipo, medio millón; escalar a producción, cinco millones o más. «Y los índices de fracaso de un producto nuevo son altísimos. Nielsen ha llegado a estimar más del 85% en gran consumo», subraya. Por eso validar barato y pronto tiene tanto valor. «Y aquí el valor de la IA es decisivo: permite generar y filtrar decenas de conceptos en horas, o poner a prueba la disposición a pagar con clientes sintéticos antes de gastar un euro en fabricar».Gemelos digitalesUn equipo de investigación de La Salle – Universitat Ramon Llull, liderado por Montserrat Peñarroya, experta en marketing digital y transformación digital y fundadora de Quadrant Alfa, ha desarrollado y validado científicamente un modelo de Digital Twin of a Customer (DToC), o gemelo digital de un cliente, basado en inteligencia artificial generativa. Se trata de una representación digital de un segmento concreto de clientes, «construida a partir de datos reales, investigación de mercado y conocimiento experto», indica Peñarroya. Su principal ventaja es que permite simular cómo reaccionará ese cliente objetivo antes de invertir en el lanzamiento. «Con un DToC el proceso cambia: primero se simulan distintos escenarios y luego se decide qué estrategia tiene más probabilidades de éxito», avanza. Esto permite evaluar mensajes, propuestas de valor, precios, canales de comunicación o funcionalidades del producto antes de ponerlos en el mercado. «En definitiva, transforma el lanzamiento de un ejercicio de intuición en un proceso basado en evidencia y simulación», resalta. «Antes las empresas lanzaban un producto para aprender del mercado; ahora pueden aprender del mercado antes de lanzarlo», puntualiza.La tecnología es especialmente decisiva en las primeras fases de un lanzamiento, en la validaciónLa creación de un DToC une diferentes fuentes de información. Se parte de datos cuantitativos, como analítica web, CRM, estudios de mercado o comportamiento de compra, y se complementa con información cualitativa obtenida mediante entrevistas, observación o experiencia acumulada de la empresa. «A continuación, esa información se estructura mediante modelos de comportamiento y se integra en un sistema de inteligencia artificial capaz de responder, argumentar y tomar decisiones de forma coherente con el perfil del cliente que representa», explica la responsable del proyecto. Funciona con cualquier sistema (ChatGPT, Claude, Gemini, etc…) y el resultado no es simplemente un chatbot, «sino un modelo de simulación que reproduce los razonamientos, necesidades, objeciones y criterios de decisión de un segmento específico de consumidores».Reducir riesgosEl DToC permite responder preguntas que hasta hace poco solo podían resolverse una vez realizado el lanzamiento. Por ejemplo, qué propuesta de valor resulta más atractiva; qué argumentos generan confianza; qué objeciones aparecerán durante el proceso de compra; qué mensajes publicitarios funcionan mejor o qué cambios en el producto podrían aumentar su aceptación. «Ayuda a tomar decisiones mejor fundamentadas antes de comprometer recursos económicos significativos y la simulación convierte las hipótesis de marketing en decisiones basadas en evidencia», destaca Peñarroya. Si bien el DToC no elimina completamente la incertidumbre ante un lanzamiento, «reduce de forma considerable el riesgo de tomar decisiones basadas únicamente en la intuición». Cree que estamos asistiendo a un cambio de paradigma y recuerda que «equivocarse durante una simulación cuesta segundos; equivocarse en el mercado puede costar millones». RSS de noticias de economia
Noticias Similares
