Hace poco escribí la primera parte de una serie de artículos que hablarían de las IAs y su irrupción en estudios de Neuromarketing con la herramienta de Eyetracking Predictivo, el gran problema que presenté en el artículo anterior era lo que describimos como el hombre en la pecera, recordarles entonces que estos algoritmos de inteligencia artificial se comportan de una forma pareja, “predice” la conducta visual de un ser sin sexo, sin rango etario o estrato socio económico, se comporta como si no tuviera preferencias, como si no conociera ninguna marca y nunca hubiese sido expuesto a la publicidad, de ahí en más la serie de errores a los que puede inducir en sus resultados.

Hace poco salió un artículo en Linkedin que habla sobre el desarrollo de una solución de IA para el análisis visual de una góndola o packaging, en este artículo mencionan que los problemas de hacer un estudio de eyetracking o seguimiento ocular tradicional son sus altos costos y el tiempo que demora en hacer un estudio, y claro en un contextos de Neuro Shopper con Eyetracking Glasses puede ser más costoso y lento, comparado con una IA que lo hace en segundos, la gran diferencia de esto es la calidad de sus resultados, en este artículo menciona que el desarrollo de estanterías o anaqueles 3D son una solución tremenda a la prueba experiencias de compra reales y no están muy lejos de la realidad, hace tiempo Tobii lanzo un casco VR con Eyetracking que permite hacer seguimiento ocular en ambientes digitales y eso es tremendo, nos permite sin mucho esfuerzo modificar todo el entorno y con eso evaluar los cambios de conducta de nuestros clientes, pero claro, siguen siendo costosos y lentos.

Hace unos años hicimos un experimento para un potencial cliente, esta empresa era una encargada de diseñar góndolas digitales, algo innovador en esos tiempos, la propuesta que le presentamos era medir cambios en estas góndolas y los cambios en los patrones de visualización de los potenciales clientes, en una góndola digital podemos modificar todo, posición, exposición, cantidad de caras disponibles, etc, debo decir, en esos momentos nuestra propuesta no fue tomada en cuenta.

Esta era la góndola diseñada.

Así que nos propusimos hacer un estudio demo, limitado, con pocos participantes para mostrar resultados potenciales, marcamos cada producto como un AOI (Area of Interest o Área de Interés) para comparar cantidad, tiempo y porcentaje de visualizaciones.

Entonces creamos una góndola más amplia, donde colocamos la diseñada por el potencial cliente, para ver visualizaciones generales y captación de atención.

Entonces obtuvimos estos resultados.

Comprenderán que las visualizaciones se dividen entre una cantidad x de participantes, cada uno de ellos mira el cereal que consume o aquellos que por x razón les llama la atención, el Path to Purchase o patrón de visualización puede cambiar de persona en persona y lo que se busca entonces es una conducta visual promedio o que tenga la mayoría de las personas, este se ver más explícito en este Gaze Plot.

Lo interesante de esto, que son humanos reales, es que cuando lo comparamos con la predicción que hace el algoritmo de eyetracking con inteligencia artificial, los datos son, nuevamente, disimiles.

Entonces cuando vemos su góndola, muy parecida a la de nuestro estudio.

Encontramos este patrón, digamos curioso, de visualizaciones.

Que nos muestran que las personas, o este hombre en la pecera mira de izquierda a derecha, de arriba abajo, concentrando la atención en las cabeceras, mirando toda la góndola y disminuyendo la atención conforme a más me separo de la cabecera.

Lo mismo pasa con un empaque

Donde como pueden ver, las concentraciones de atención se centran en el titulo fuertemente, viendo casi toda la superficie de la cara del packaging.

Todas estas imágenes fueron tomadas del Artículo de Linkedin de Empresa Concept Sauce.

Esto nuevamente difiere brutamente de nuestros estudios, experiencia y conocimiento, sabiendo que las personas rara vez miran todo la góndola, por el contrario escanean haciendo un barrido rápido para buscar el o los productos que compra, independiente de cuales sean y mira un poco menos aquellos que le llaman la atención, casi nunca mira toda la góndola, es cerebralmente imposible por la carga cognitiva que esto significa, demoraríamos 8 horas comprando así en un supermercado, por el contrario cuando entramos a un pasillo, nos detenemos frente a la góndola buscamos rápidamente lo que ya compramos, caso distinto cuando estoy buscando algo sin un propósito específico, pero aun así en estos contextos donde si estoy más dispuesto a mirar más la góndola, rara vez o casi nunca se llegan a esos niveles de visualización.

Nuevamente nos encontramos con una predicción errada de los eyetracking predictivos con IAs, por más que estos disminuyan el costo final del estudio, si sus resultados solo llevan a tomar decisiones erradas a las marcas, no solo aumentan la tasa de fracaso sino que distraen a una marca de hacer una mejor góndola.

Tal como comentó Guillermo del Toro en una entrevista si alguien quiere hacer algo rápido y barato pero de mala calidad, siempre existirá la Inteligencia Artificial; lo importante por supuesto en estos contextos es hacer algo más eficiente en presupuesto y tiempos de ejecución, sin sacrificar necesariamente la calidad de la data.

Por otro lado tecnologías como RealEye, que es un eyetracking basado en algoritmos que usan las webcams de los usuarios reales, agilizan los procesos de estudios disminuyendo su costo real de forma drástica, sin laboratorios físicos, sin límites geográficos, pudiendo hacer un estudio midiendo una góndola en toda Latinoamérica con 1 solo link con humanos reales, siendo una solución mucho más accesible, fácil, rápida y efectiva a la hora de medir góndolas digitales.

Termino indicando que existen nuevas metodologías que nos permiten entender el árbol de decisión de compra de un usuario en ambientes de compra reales modificando variables como posición en la góndola entre otros, midiendo por ejemplo cuando se demora una persona en encontrar el producto de preferencia independiente de la posición que este tenga o incluso los niveles de saliencia o la capacidad de identificar el empaque de un producto, las IAs predictivas de eyetracking están lejos, lejísimos de reemplazar a los eyetrackings con humanos reales, sean estos eyetracking físicos o digitales.

Y muy probablemente, las IAs no sean capaces de predecir nuestra tan errática conducta, por eso el Neuromarketing actual no será reemplazado en el corto y mediano plazo por las IAs.

Artículo escrito por Miguel Angel Ruiz, Director General de Agencia Mars en colaboración con Juan Pablo Rodríguez, CEO de RK Neuroconsulting.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *