28 preguntas sobre marketing digital e inteligencia artificial, respondidas con datos.

Cada vez menos. El 15 de enero de 2026 Meta eliminó decenas de categorías de segmentación detallada, y su sistema Advantage+ decide hoy a quién mostrarle tu anuncio a partir del contenido del creativo. En la práctica, el creativo pasó a ser la palanca de rendimiento que antes era la audiencia.

Lo que el algoritmo no puede darte: volumen y variedad de creativos, una oferta clara y datos limpios de conversión para que aprenda del negocio correcto. Cuando la segmentación se automatiza, la ventaja competitiva se mueve al mensaje, a la oferta y a la calidad de la señal que le devuelves a la plataforma.

Casi siempre el problema no está en la pauta, sino en lo que ocurre después del clic. Una campaña optimizada para «mensajes» te trae conversaciones, no compradores. Si no hay calificación, tiempo de respuesta ni seguimiento estructurado, el costo por mensaje baja mientras el costo por venta sube.

No existe una cifra universal: depende de tu ticket promedio, tu tasa de cierre y el costo por lead de tu categoría. La pregunta útil no es «¿cuánto invierto?» sino «¿cuánto puedo pagar por un cliente nuevo y seguir siendo rentable?». Ese número define el presupuesto, y no al revés.

Lo reducen de forma medible, aunque la magnitud varía según el método de estudio. Un experimento de campo aleatorizado midió una caída del 38% en clics orgánicos cuando aparece una AI Overview. Análisis observacionales de Seer Interactive y Ahrefs reportan compresiones de CTR mayores, entre 58% y 61%.

No murió: cambió de objetivo. Antes competías por una posición en la lista; ahora compites por ser la fuente que la IA cita dentro de su respuesta. Pew Research encontró que solo el 8% de los usuarios hace clic en un resultado orgánico cuando hay una AI Overview, frente al 15% cuando no la hay. El clic es más escaso, no inexistente.

GEO (Generative Engine Optimization) es optimizar para que modelos como ChatGPT, Claude o Perplexity te citen en sus respuestas. AEO (Answer Engine Optimization) apunta a las respuestas generadas dentro del buscador, como las AI Overviews. Ambos comparten una premisa: el objetivo dejó de ser el enlace y pasó a ser la mención.

Contenido legible por máquina y autoridad verificable. En la práctica: respuestas directas de 40 a 60 palabras, datos estructurados schema.org, autor identificado, fechas visibles y estadísticas con fuente. Investigación de Princeton sobre GEO encontró que citar fuentes, añadir estadísticas e incluir citas textuales mejora la visibilidad en IA entre 30% y 40%.

Entre 4 y 8 semanas desde la publicación hasta aparecer en respuestas de ChatGPT, según los análisis actuales del campo. No es un canal de resultados inmediatos: es acumulación de autoridad, y se comporta más como el SEO clásico que como la pauta.

No por ser IA. La política de Google es independiente del origen: penaliza contenido de baja calidad, no la herramienta que lo produjo. Lo que sí castiga es el scaled content abuse, publicar volumen masivo para manipular rankings. El core update de marzo de 2026 apuntó directamente ahí, con caídas de tráfico de 50% a 80% en sitios que publicaban cientos de páginas sin supervisión editorial.

Sí, pero con un estándar más alto que antes. Una página redactada con IA y luego editada por alguien con experiencia real, datos propios y verificación de hechos es más segura que una página semiautomática publicada sin revisar. El diferenciador ya no es publicar: es demostrar experiencia de primera mano.

Porque es uno de los predictores más fuertes de cierre. Los leads contactados en menos de 5 minutos alcanzan una tasa de cierre del 32%, frente al 12% de los contactados después de 24 horas. Además, el 78% de los clientes compra a la primera empresa que responde.

Peor de lo que creen. El tiempo promedio de respuesta a un lead B2B es de 47 horas, y solo el 23% de las empresas responde dentro de los primeros 5 minutos. Es, probablemente, la brecha más grande y más barata de cerrar en todo el embudo.

Un CRM es donde guardas la información; un sistema de ventas es lo que hace que esa información se mueva sola. Incluye captación, calificación, tiempo de respuesta, seguimiento automatizado y reporte de cierre. Tener un CRM sin sistema alrededor es tener un archivero caro.

Es asignar prioridad a cada lead según su probabilidad real de compra, para que tu equipo contacte primero a quien sí va a comprar. Las empresas que aplican lead scoring con IA reportan un ROI de 138% frente a 78% sin él, y un aumento de 46% en pipeline calificado.

De 3 a 6 meses para un retorno significativo, y alrededor de 6 meses o más para que los modelos de calificación estén entrenados con tu historial real de negocios cerrados. Cualquiera que prometa resultados de sistema en dos semanas está vendiendo otra cosa.

Porque en América Latina el canal está donde ya está tu cliente. WhatsApp alcanza a más del 90% de los usuarios de internet en los principales mercados de la región, y el 72% de los consumidores latinoamericanos ya ha comprado por mensajería, frente al 45% en Europa.

Mal implementado, sí. Un estudio de Sinch con 2.527 tomadores de decisión en 10 países encontró que el 74% de las empresas ya tuvo que apagar o revertir un agente de IA de atención al cliente después de lanzarlo. El problema rara vez es la tecnología: es lanzarla sin reglas claras de escalamiento a un humano.

Automatiza lo repetitivo y verificable: calificación inicial, horarios, disponibilidad, estado de pedido, agendamiento. No automatices la negociación, el manejo de una queja seria ni el cierre de una venta compleja. La regla práctica: si la respuesta correcta depende del criterio, va una persona.

Los benchmarks de 2026 ubican el costo por conversación atendida por IA entre 0,99 y 2,00 dólares, frente a 6 a 12 dólares de un agente humano. La diferencia no es motivo para eliminar tu equipo: es para liberarlo de lo repetitivo y ponerlo donde sí se cierran ventas.

Es un canal maduro, no un experimento. El mercado de comercio conversacional en América Latina alcanzó los 18.200 millones de dólares en 2025, con un crecimiento cercano al 35% anual. América Latina concentra más del 40% de la adopción global de WhatsApp Business.

Más de lo que parece en adopción, y menos de lo que parece en madurez. Según el AI Index 2026 de Stanford HAI, el 88% de las organizaciones ya usa IA en al menos una función y el 70% usa IA generativa. Pero solo alrededor de un tercio está escalando activamente y apenas el 7% reporta estar completamente escalado.

No en el corto plazo, y no de la forma en que se anuncia. El despliegue de agentes autónomos sigue en un solo dígito porcentual en casi todas las funciones de negocio. Lo que sí está cambiando es qué hace tu equipo: menos captura de datos y respuestas repetidas, más conversaciones donde el criterio humano decide la venta.

Tres cosas: un proceso de venta que ya funcione manualmente, datos limpios de tus clientes actuales y claridad sobre qué ocurre cuando el sistema falla. Automatizar un proceso roto no lo arregla; solo hace que se rompa más rápido y a mayor escala.

Porque se compra la herramienta antes de definir el proceso. Los datos de Stanford muestran una brecha enorme entre adoptar IA y escalarla, y el estudio de Sinch atribuye la mayoría de las reversiones a fallas de gobernanza, no de modelo: sin reglas, supervisión ni escalamiento definido, el sistema termina apagado.

No, pero dejaron de ser confiables. Google revirtió en abril de 2025 su plan de eliminarlas en Chrome, pero Safari y Firefox las bloquean por defecto: más del 40% de la web ya no las acepta. El resultado no es desaparición sino fragmentación, y una medición que dependa solo de ellas está midiendo mal.

Con datos propios y medición del lado del servidor, no solo con el píxel del navegador. La combinación operativa en 2026 es: datos autenticados de primera mano, medición server-side, segmentación contextual y flujos de consentimiento defendibles. Todo lo demás es una aproximación cada vez más ruidosa.

El costo de adquisición de cliente comparado contra el valor de vida del cliente. Es común optimizar el costo por lead hasta niveles excelentes mientras el costo real por cliente cerrado sube, porque nadie está midiendo qué pasa entre el lead y la venta. Esa distancia es donde vive casi todo el dinero perdido.