Por qué la identidad de confianza, el contexto de negocio y la medición de bucle cerrado son la base de los agentes de AI que mejoran las decisiones de marketing y demuestran su valor
Los líderes de marketing de hoy se enfrentan a una complejidad mayor que nunca. Trabajan con más datos de clientes, más canales y más herramientas de medición que en cualquier otro momento de la historia de la disciplina, mientras que los recorridos de los clientes se han vuelto menos lineales, y las señales de identidad se deterioran rápidamente a medida que las personas cambian de dispositivo y de datos de contacto. Los profesionales del marketing han pasado las últimas dos décadas creando herramientas comerciales de martech para mantener el ritmo (más de 15,000 según estimaciones de expertos en martech, sin incluir las innumerables integraciones de MCP para agentes (State of Martech 2026)). Sin embargo, la confianza en lo que funciona no ha avanzado al mismo ritmo, ya que cada nuevo sistema aporta otra copia de los datos de los clientes, otro conjunto de definiciones y otra transferencia entre equipos.
Mientras tanto, la economía del marketing también está cambiando. El valor está pasando de una moneda de impresión, donde el éxito se mide por el alcance y la frecuencia, a una economía de predicción: un nuevo modelo que «recompensa la capacidad de predecir lo que un cliente necesita, actuar en consecuencia en el momento, entregar ese mensaje personalizado, demostrar el resultado comercial que lo impulsó y luego usar eso como acelerador para lo que viene a continuación», explica Jake LaDuke, Global GTM Lead para Medios, Entretenimiento y Publicidad en Databricks. Al mismo tiempo, los consumidores están empezando a utilizar sus propios agentes de AI para comparar opciones y comprar en segundos, lo que reduce el margen de tiempo para que las marcas predigan, actúen y midan el resultado.
Pero a pesar de esta creciente presión, el departamento de finanzas aún necesita saber si el gasto en marketing ha generado ingresos y márgenes incrementales, y si el próximo dólar debe quedarse en marketing, destinarse a otra palanca de crecimiento o volver al resultado neto. El desafío para los profesionales del marketing consiste en cómo superar la complejidad para ofrecer respuestas en las que todos puedan confiar.
A medida que la AI y los agentes proliferan en todos los sectores y líneas de negocio, presentan una oportunidad poderosa para que los profesionales del marketing aporten esta claridad. Con el contexto adecuado del cliente, del negocio y de la decisión, los agentes pueden recomendar o tomar la siguiente mejor acción para cada cliente casi en tiempo real, dentro de los objetivos y límites definidos por los propios profesionales del marketing. Cada acción se mide en comparación con lo que habría sucedido sin ella, y ese resultado se retroalimenta en el contexto utilizado para la siguiente decisión. El resultado final son mejores decisiones tomadas de manera constante a lo largo de millones de momentos del cliente, y una medición clara que demuestra que esas decisiones generaron un impacto incremental.
Un agente solo puede actuar tan bien como el contexto que se le proporciona; la identidad es lo que mantiene unido ese contexto. Zachary Van Doren, SVP de Estrategia de Producto y Ecosistema en Acxiom, define esto como «la identidad que impulsa la acción». Sin esta base de identidad, afirma, «no se tiene un contexto operativo que los agentes puedan utilizar». La resolución de identidad a menudo se trata como un proyecto de creación de perfiles con una meta final, pero en un modelo agéntico, su propósito es la acción: la capacidad de reconocer, captar, medir y volver a captar de manera constante a un cliente a través de los canales. Un perfil perfectamente ensamblado que no pueda respaldar esos pasos no puede ofrecer los mejores resultados.
Sin embargo, el desafío es que la identidad evoluciona constantemente. Las personas se mudan, cambian de dispositivo y de dirección de correo electrónico, y su comportamiento evoluciona junto con sus circunstancias. Por lo tanto, la identidad debe mantenerse de forma continua en lugar de resolverse una sola vez y dejarse de lado. Las marcas también necesitan conectar los registros de clientes conocidos con señales de intención seudónimas, como sesiones de aplicaciones anónimas o exposición a anuncios, sin comprometer la privacidad, la gobernanza ni la confianza del consumidor.
Incluso con una base de identidad sólida, el simple hecho de conectar las señales a un perfil persistente sigue sin ser suficiente. El mismo cliente puede justificar una acción muy diferente según el momento, el comportamiento reciente, el canal, la exposición previa a la publicidad y el objetivo comercial en cuestión. Dónde y cómo interactúa alguien importa tanto como quién es, razón por la cual la antigua elección entre la segmentación basada en la persona frente a la basada en el contenido está dando paso a la necesidad de ambas. Las estrategias de identidad más útiles se centran en crear un mejor contexto para las decisiones, con un perfil conectado y persistente que sirva a ese objetivo.
Acxiom ofrece un ejemplo útil de cómo se está modernizando esta base. Al trabajar con Lovelytics, Acxiom reconstruyó sus servicios de datos e identidad como una capa de aplicación nativa en Databricks, lo que mejoró el tiempo de comercialización para obtener información procesable de los clientes en aproximadamente un 30% y redujo los costos operativos en alrededor de un 15%. El motor de resolución de identidad Real ID de Acxiom ahora también se ejecuta de forma nativa dentro de Databricks, por lo que las marcas pueden resolver y enriquecer los datos de los clientes donde ya residen en lugar de exportarlos a un entorno separado.
«Cada uno de nosotros aporta una pieza diferente», afirma Jay Goebel, Practice Lead para Comunicaciones y Medios en Lovelytics. «Databricks aporta la plataforma, Acxiom aporta una identidad de confianza y Lovelytics aporta la experiencia de entrega para ponerla en producción. Como socios de lanzamiento inicial de CustomerLake, estamos trabajando juntos para que los profesionales del marketing puedan actuar según el contexto del cliente y demostrar el valor de esa acción».
Un registro de cliente tradicional captura quién es alguien y qué ha hecho. Para que un agente tome una decisión que un profesional del marketing respaldaría, necesita cuatro tipos de contexto.
El volumen de ese contexto se acumula rápidamente. Una sola transacción puede contener de 30 a 50 parámetros de metadatos, por lo que un perfil de cliente puede llegar fácilmente a miles de columnas de contexto, mucho más de lo que cualquier profesional del marketing puede procesar sin ayuda.
Desde el punto de vista del profesional del marketing, un perfil más completo solo demuestra su valor cuando mejora una decisión. Esa decisión generalmente se reduce a si se debe interactuar o no, qué mensaje u oferta es más relevante, qué canal utilizar y si la acción puede generar valor sin perjudicar la experiencia del cliente, la viabilidad económica de la oferta o el consentimiento del cliente.
Considere un cliente frecuente de una marca de restaurante de servicio rápido (QSR) que ha dejado de hacer pedidos pero que recientemente volvió a explorar la aplicación. La reacción instintiva es enviar otro descuento. Un mejor enfoque comienza con la decisión que la marca realmente está intentando tomar. Se desarrolla a través de cinco consideraciones:
Diferentes clientes en esta situación requieren diferentes respuestas. Si un cliente que suele hacer un pedido cada viernes se salta una semana y luego consulta su pedido habitual el jueves, un recordatorio a tiempo puede ser suficiente. Si ese mismo cliente no ha realizado un pedido en seis semanas y está consultando un menú familiar sin completarlo, un incentivo en un paquete o un acompañamiento gratuito puede ayudar a recuperar el hábito. Un cliente que ha recibido mensajes repetidos sin responder puede estar indicando que la marca debería cambiar el mensaje, cambiar de canal o dejar de invertir en él por el momento.
Un equipo de marketing capacitado puede analizar todo esto para un solo cliente, pero ningún equipo puede aplicar el mismo cuidado de forma manual a millones de interacciones de clientes cada día. El marketing agéntico está diseñado para cerrar esa brecha aplicando un criterio coherente y bien fundamentado a escala, manteniendo los límites de control en manos humanas y aprendiendo de cada resultado.
La plataforma de datos de clientes (CDP) es donde este cambio es más visible en el stack de marketing. Los CDP tradicionales ayudan a unificar perfiles y activar audiencias, pero normalmente se encuentran fuera de la plataforma principal de datos y AI de la empresa, lo que crea otra copia de datos confidenciales de los clientes que se debe integrar, proteger y conciliar. Los agentes necesitan un acceso gobernado a la identidad, los modelos predictivos, la lógica de negocio, los endpoints de activación y las señales de rendimiento en un solo lugar.
Ese es el principio detrás de CustomerLake, el CDP agéntico de Databricks. CustomerLake está integrado en el lakehouse de Databricks y gobernado por Unity Catalog, por lo que la interacción de marketing y la personalización funcionan sobre la misma base de datos y AI en la que ya confía el resto de la empresa. Se organiza en torno a dos tipos de agentes.
Los profesionales del marketing pueden utilizar el lenguaje natural para explorar el contexto del cliente y crear audiencias a través de Genie, lo que reduce la necesidad de esperar a la extracción de datos personalizados. Ellos definen la estrategia, los objetivos y los límites de control que guían la ejecución del agente.
CustomerLake impulsa lo que Databricks llama Infinity Campaigns, que son bucles de interacción siempre activos que reemplazan el ciclo de creación, lanzamiento y recreación de campañas puntuales. Un profesional del marketing comienza con un objetivo, como reactivar a clientes inactivos. Luego, los agentes identifican la audiencia adecuada, tienen en cuenta las restricciones de elegibilidad o inventario, recomiendan la mejor oferta o canal a seguir, activan en todos los destinos y optimizan o suprimen en función del rendimiento.
CustomerLake también está diseñado para funcionar con los socios de identidad, activación, medición y experiencia del cliente que las marcas ya utilizan, de modo que el contexto de confianza del cliente pueda fluir a través de los canales sin crear un nuevo silo. Se lanzó con un ecosistema de socios abierto que incluye a Acxiom, y cuenta con el respaldo de socios de servicios como Lovelytics.
En muchas organizaciones, la medición llega a posteriori como un informe sobre lo que ofreció una campaña. En un modelo agéntico, la medición se convierte en parte del bucle de decisión. Lo que la marca aprende sobre una audiencia, oferta, canal o nivel de inversión da forma a la siguiente decisión.
El concepto de incrementalidad impulsa este flywheel, y es también el lenguaje común más útil entre marketing y finanzas. Separa los resultados con los que se asoció la actividad de marketing de los resultados que cambiaron porque la marca actuó. La atribución, las pruebas de incrementalidad y el modelado de mix de marketing aportan cada uno una parte del panorama, y la analítica conversacional puede ayudar a los equipos a explorar qué sucedió y por qué sin tener que esperar en una cola para un análisis personalizado. El aprendizaje continuo también facilita la detección de la saturación y los rendimientos decrecientes, así como el reconocimiento de cuándo debe cambiar la inversión o detenerse la actividad.
Cuando el departamento de finanzas está evaluando si el próximo dólar debe destinarse a marketing, promoción comercial, otra palanca de crecimiento o al beneficio neto, los CMO generalmente necesitan demostrar cinco cosas.
Una base de medición construida en torno a estas preguntas ofrece a marketing, ventas y finanzas una visión compartida de qué está creando valor y dónde puede rendir más el próximo dólar. Como señala Dedra Berg, líder de realización de valor en Lovelytics: “Estos equipos ahora pueden partir de la misma base de confianza en lugar de pasar la mitad de la reunión conciliando números. El objetivo no es demostrar que el marketing siempre debe ganar, sino mostrar dónde puede el próximo dólar generar los mayores ingresos y márgenes incrementales para el negocio”.
La identidad es la última pieza del rompecabezas. Cuando el mismo marco de identidad conecta la exposición, la interacción y el resultado, se puede rastrear un resultado hasta el cliente y la decisión que lo produjo, lo que permite cerrar el bucle de atribución.
Pocas organizaciones comienzan con una identidad unificada, datos de clientes limpios y una medición madura ya implementadas, y esperar a tener las tres cosas rara vez tiene sentido. El punto de partida más práctico es una única decisión significativa en la que un mejor contexto y una acción más rápida puedan crear un valor medible. Reactivar a los clientes inactivos es una opción común. Otras incluyen suprimir ofertas que subsidian compras que los clientes habrían realizado de todos modos, o desviar el gasto de las audiencias que han alcanzado la saturación.
A partir de ahí, la secuencia es bastante constante. Defina la decisión y el resultado de negocio en el que debería repercutir, luego reúna el contexto empresarial y del cliente requerido. Establezca los límites de control y los puntos en los que las personas siguen participando. Acuerde de antemano cómo se medirá el valor incremental y utilice lo aprendido para mejorar la siguiente decisión antes de ampliar el enfoque a otro caso de uso. Los primeros usuarios de CustomerLake están siguiendo un patrón similar: definen dónde se utilizan primero los agentes y amplían el nivel de automatización a medida que aumentan la confianza y los resultados.
El trabajo organizativo importa tanto como la tecnología. El marketing agéntico suele tener éxito cuando los equipos de marketing, finanzas, tecnología, analítica, privacidad y ventas colaboran estrechamente, cuando la responsabilidad de las decisiones de los clientes, los límites de control y la medición está clara, y cuando los equipos pasan de proyectos piloto aislados a flujos de trabajo repetibles vinculados a los resultados de negocio.
Para obtener más información sobre cómo transformar su marca con el marketing agéntico, vea el seminario web bajo demanda → Know Your Audience. Act with Relevance. Measure What Matters
¿Cuál es la diferencia entre el marketing agéntico y la automatización del marketing? La automatización del marketing ejecuta reglas y recorridos que las personas diseñan de antemano. El marketing agéntico utiliza agentes de AI que evalúan el contexto actual del negocio y del cliente para elegir la mejor acción a seguir dentro de los límites de control definidos por humanos, incluida la opción de no realizar ninguna acción, y utiliza los resultados medidos para mejorar las decisiones futuras.
¿Por qué es importante la resolución de identidad para los agentes de AI en marketing? Los agentes toman decisiones basadas en el contexto del que disponen. La resolución continua de identidad conecta señales conocidas y seudónimas, como las transacciones, el comportamiento en la aplicación y la exposición a los medios, en una visión coherente de cada cliente, lo que hace que las recomendaciones de los agentes sean más fiables y sus resultados sean medibles.
¿Qué es un CDP agéntico? Una plataforma de datos de clientes (CDP) agéntica combina las capacidades principales de un CDP, como la resolución de identidad, la creación de audiencias y la activación, con agentes de AI que analizan las señales de los clientes, deciden las mejores acciones a seguir y actúan en todos los canales. CustomerLake de Databricks es un CDP agéntico integrado en el lakehouse de Databricks y gobernado por Unity Catalog.
¿Cómo se mide el ROI del marketing agéntico? La medida más confiable es la incrementalidad, es decir, la diferencia en los ingresos, el margen o el comportamiento del cliente en comparación con no realizar ninguna acción. La atribución, las pruebas de incrementalidad y el modelado de mix de marketing ayudan a explicar el rendimiento, y retroalimentar esos resultados en el contexto del cliente permite que cada decisión mejore la siguiente.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.