Cohortes, grupos y el próximo sistema de anuncios de IA

El embudo no desapareció. Se fue invisible.

Los especialistas en marketing pasaron décadas perfeccionando el embudo: conciencia, consideración, conversión. Construimos personas. Mapeamos contenido a etapas. Vimos a los usuarios hacer clic, desplazarse, rebotar, convertir. Todo fue visible.

Pero Genai no muestra su mano.

El embudo todavía existe, está oculto dentro del modelo. Cada vez que alguien indica chatgpt o perplejidad, revelan su lugar en un viaje de decisión.

No completando un formulario o activando un píxel, sino a través de la pronta huella digital incrustada en su pregunta.

Ese es el nuevo embudo. Todavía estás siendo evaluado. Todavía siendo elegido. Pero la orientación ahora es invisible, inferida y dinámica.

Y la mayoría de los especialistas en marketing no tienen idea de que está sucediendo. Para ser justos, creo que solo la parte de la cohorte de esto está sucediendo activamente hoy.

El sistema publicitario que exploro aquí es puramente teórico (aunque Google parece estar funcionando en una dirección similar actualmente, y su despliegue podría ser realista, pronto, enlaces a continuación).

Tl; Dr: Este artículo no solo explica cómo creo que Genai está reestructurando la atención de la audiencia; Presenta tres conceptos nuevos, creo que necesitará comprender la próxima evolución de los medios de comunicación pagados: huellas digitales rápidas, huellas digitales y licitación vectorial de intención.

El embudo no se ha ido. Está incrustado. Y está a punto de comenzar a construir y colocar anuncios por sí solo.

Sobre la terminología:

Huella dactilar rápida y Intención vector licitaciónCreo, son términos nuevos para nuestra industria, acuñado aquí para describir cómo los sistemas futuros basados en LLM podrían agrupar a los usuarios y al espacio de anuncios de subastas.

Conceptualmente, Intención vector licitación Se alinea con el trabajo que ya se está haciendo detrás de escena en Google (y estoy seguro de que en otra parte), aunque no creo que usen esta frase.

Incrustación de huellas digitales se basa en la investigación de IA, pero se refleja aquí como una construcción del lado de la marca para encender la orientación y recuperación dentro de los sistemas Genai.

Este artículo fue escrito en las últimas tres semanas de julio, y me alegró encontrar un artículo el 4 de agosto hablando sobre los conceptos que estoy explorando para un futuro sistema de licitaciones de anuncios pagados.

Coincidencia, pero validante. El enlace a ese artículo está a continuación.

¿Qué orientación de cohorte solía ser

En la era anterior a la AI, la orientación de cohorte se construyó alrededor de comportamientos observables.

• Audiencias reorientadas construidas a partir de galletas y píxeles.
• Segmentos conformados por demografía, ubicación y dispositivo.
• Lookalikes entrenados en rasgos de clientes y listas de CRM.

Mapeamos campañas a los tipos de personas y en las etapas de embudo. Un padre de 42 años en Ohio estaba a mediados de la fúnel si hizo clic en un video de producto. Un joven de 18 años en Mumbai era la mejor del fúnel si descargaba un libro electrónico.

Estas fueron conjeturas, buenas, a menudo, pero aún instrumentos contundentes. Y se construyeron sobre identificadores que no necesariamente sobreviven al cambio de Genai.

Las indicaciones son las nuevas personas

Los modelos de idiomas grandes no necesitan saber quién es usted. Realmente no necesitan rastrearte. No les importa de dónde vienes. Solo les importa lo que preguntas y cómo lo preguntas.

Cada aviso está vectorizado. Eso significa que se ha convertido en una representación matemática del significado, llamada incrustación. Estos vectores capturan todo lo que el modelo puede obtener desde su entrada:

• Dominio tópico.
• Familiaridad y profundidad.
• Sentimiento y urgencia.
• Etapa de intención.

LLMS Utiliza esta señal para grupos de indicaciones con un significado similar, incluso si provienen de tipos de personas completamente diferentes.

Y así es como pueden formarse nuevas cohortes. No de la identidad. De intención.

En este momento, la mayoría de los especialistas en marketing todavía están optimizando para las palabras clave y se pierden la imagen más grande. Las palabras clave describen lo que alguien está buscando. Las huellas digitales rápidas describen por qué y cómo.

Alguien que pide “generador portátil más silencioso para acampar” no solo busca un producto, está señalando prioridades de estilo de vida (ruido mínimo, portabilidad, uso al aire libre) y etapa (compras de comparación).

Ese único aviso le dice al modelo mucho más de lo que cualquier perfil demográfico podría.

Y de manera crucial, esa persona se está uniendo a una cohorte de otros promocores que hacen preguntas similares de manera similar. Si su contenido no está alineado semánticamente con ese grupo, no solo es menos visible. Está excluido.

Nuevo concepto: huella digital inmediata

Una firma de incrustación única derivada del lenguaje, la estructura y la intención inferidos de un usuario dentro de un aviso. Esta huella digital es tu nueva persona.

Es lo que realmente ve el modelo y lo que utiliza para determinar qué respuestas (y potencialmente qué anuncios) recibe. (¡Más sobre esos anuncios más tarde!)

Cuando el contexto crea la cohorte

Digamos que los Toronto Maple Leafs acaban de ganar la Copa Stanley (oye, un chico puede soñar, ¿verdad?). En toda la ciudad, miles de personas comienzan a incitar:

• “¿Dónde celebrar en Toronto esta noche?”
• “¿Los mejores bares cerca de Scotiabank Arena se abren tarde?”
• “¿Hora y ubicación del desfile de la victoria de Leaf?”

Ninguno de estos usuarios se conoce. Algunos son adolescentes, otros son jubilados. Algunos son locales, otros están de visita. Algunos son fanáticos incondicionales, a otros les gusta ir de fiesta. Pero para el modelo, ahora son una cohorte momentánea; Un grupo conectado por contexto en tiempo real, no rasgos a largo plazo.

Esta es una ruptura fundamental de todo lo que los especialistas en marketing digital están acostumbrados. Siempre hemos agrupado a las personas por identidad: edad, intereses, comportamiento, psicográficos. Pero LLMS agrupa personas por similitud situacional.

Eso crea nuevas oportunidades de marketing y nuevos puntos ciegos.

Imagina que vendes equipo de viaje. Se pronostica una tormenta de nieve importante para golpear el noreste de los Estados Unidos

En cuestión de horas, provoca espiga alrededor de las salidas tempranas, las bolsas de lona impermeables y las botas impermeables. Forma una cohorte de estrés de viaje: las personas que intentan escapar antes de que llegue la tormenta. No son un segmento para el que planeaste. Son un momento en que el sistema vio antes que tú.

Si su contenido o producto está alineado con ese momento, necesita un sistema que detecte, coincida y entregue de inmediato. Eso es lo que hace que la tecnología publicitaria incrustada del sistema sea esencial.

Ya no estás comprando audiencias. Estás comprando alineación con el ahora, con un momento en el tiempo.

Y esta parte es real hoy.

Si bien el funcionamiento interno de los sistemas genai comerciales sigue siendo opaco, el comportamiento similar a un clúster a menudo es visible dentro de una sola sesión de plataforma.

Cuando hace una serie de preguntas similares en una sesión de chatgpt o gemini, puede encontrar frases repetidas, menciones de marca o estructura de respuestas. Esa consistencia sugiere que el modelo está agrupando indicaciones por significado integrado, no demografía o rasgos declarados.

No puedo encontrar estudios o ejemplos de este comportamiento que se esté registrando, así que deje caer un comentario si tiene una fuente para dichos datos. Sigo escuchando al respecto, pero no puedo encontrar datos dedicados.

Pensando en el futuro

Las clases enteras de micro-cohorts pueden formarse y desaparecer en cuestión de horas. Para llegar a ellos, necesitará sistemas publicitarios con sistema de IA incorporados al sistema que puedan:

• Detectar la aparición de la cohorte a través de patrones de inmediato en tiempo real.
• Genere anuncios alineados con la necesidad inmediata de la cohorte.
• Coloque y optimice esos anuncios antes de que se cierre la ventana.

Los humanos no pueden moverse a esa velocidad. Ai puede. Y tiene que hacerlo porque la oportunidad se desvanece con el contexto.

Barra lateral: Lo que creo que es real vs. Lo que creo que viene

• Proporcionadas huellas digitales – Live hoy: Cada sistema Genai convierte su aviso en una incrustación vectorial. Ya es la base de cómo los modelos interpretan el significado.
• Agrupación de cohortes por similitudes indicativas – Activo ahora: Puede observar esto en herramientas como ChatGPT y Gemini. Las indicaciones similares devuelven respuestas similares, lo que significa que el sistema está agrupando a los usuarios en función de la intención compartida.
• Incrustar huellas digitales – Posible hoy: Si las marcas estructuran su contenido para la vectorización, pueden crear una firma de incrustación que se alinee con las indicaciones relevantes. La mayoría todavía no.
• INTENT Vector licitación – Teoría emergente: Casi en el mercado hoy. Dadas las tendencias actuales de la plataforma publicitaria, es probable que este tipo de sistema de licitación se explique ampliamente en todas las plataformas.

Por qué las personas de la vieja escuela funcionarán de manera menos efectiva

Edad. Ingreso. Código postal. Nada de eso se mapea limpiamente en el espacio vectorial.

En la era del Genai, dos personas con datos demográficos radicalmente diferentes podrían provocar de manera casi idéntica y recibir las mismas respuestas como resultado.

No se trata de quién eres. Se trata de cómo su pregunta encaja en la comprensión del mundo del modelo.

La personalidad de marketing clásica es mucho menos confiable como unidad de orientación. Estoy sugiriendo que la nueva unidad es la rápida huella digital, y los especialistas en marketing que ignoran ese turno pueden encontrarse por completo de la conversación.

El embudo todavía está ahí, simplemente no puedes verlo

Aquí está la cosa: LLMS comprende las etapas de embudo.

Simplemente no los etiquetan como lo hacen los especialistas en marketing. Los infieren de fraseo, especificidad y estructura.

• Tofu: “Los mejores kayaks plegables para principiantes”
• El fallecido: “ORU Inlet vs. Tucktec Comparison”
• Ciego: “Nuestro Vesticador de julio de 2025”

Estos son indicadores de nivel rápido de la etapa del embudo. Y si su contenido no se alinea con cómo se forman esas indicaciones, es probable que no se recupere.

¿Quieres mantenerte visible? Comience a mapear su contenido a los patrones de lenguaje de las indicaciones de la etapa del embudo, no solo a los temas o palabras clave.

Incrustar huellas digitales: la nueva carga útil de orientación

No son solo las indicaciones que se vectorizan. Tu contenido también lo hace.

Cada página de productos, publicación de blog o anuncio que escribe forma su propia huella digital de incrustación, una firma vectorial que refleja lo que realmente significa su mensaje en la comprensión del modelo.

Concepto reutilizado: incrustación de huellas digitales

Usado originalmente en el aprendizaje automático para describir la firma vectorial de una pieza de datos, este concepto se refleja aquí para la estrategia de contenido.

Una huella digital de incrustación se convierte en la firma vectorial reutilizable vinculada a una marca, producto o mensaje, una identidad semántica que determina la alineación de cohortes en los sistemas Genai.

Si la huella digital de su contenido se alinea estrechamente con la pronta huella digital de un usuario, es más probable que se recupere. Si no, es efectivamente invisible, no importa cuán “optimizado” pueda estar en términos tradicionales.

INTENT Vector licitación: un posible nuevo paradigma publicitario

Entonces, ¿qué sucede cuando los sistemas Genai comienzan a monetizar este comportamiento?

Podrías obtener un nuevo tipo de subasta. Uno en el que la oferta no es para una palabra clave o un perfil de usuario, per se, sino para la alineación.

Nuevo concepto: licitación vectorial de intención

Un mecanismo de licitación publicitaria en tiempo real donde la colocación está determinada por la alineación entre el vector de intención de un usuario y el vector de contenido de un anunciante.

Para ser claros: esto no está en vivo hoy en ninguna plataforma de anuncios públicos y comerciales que conozca. Pero creo que está al alcance. Los modelos ya entienden la alineación. La agrupación rápida ya está sucediendo.

Lo que falta es la infraestructura para permitir que los anunciantes se conecten por completo. Y puede apostar que los principales actores (OpenAi, Google, Meta, Microsoft, Amazon, etc.) ya están pensando de esta manera. Google ya está mirando esto abiertamente.

Hemos estado dirigiéndonos aquí todo el tiempo

El cambio hacia plataformas publicitarias nativas de LLM puede sonar radical, pero en realidad, nos hemos dirigido por más de una década.

Paso a paso, plataforma de plataforma, los anunciantes han estado cediendo el control a la automatización, a menudo sin darse cuenta de que estaban caminando hacia plena autonomía.

Antes de rastrear el camino, tenga en cuenta que si bien tengo algunos antecedentes en el mundo de anuncios pagados, es mucho menos que muchos de ustedes.

Estoy intentando mantener precisas mis rangos de cita y las evoluciones tecnológicas, y creo que lo son, pero otros pueden tener una opinión diferente.

Mi punto aquí no es la precisión histórica, es para demostrar una progresión continua y direccional, no clavada en qué día del año Do Google Do X.

Y, agregaré, tal vez estoy completamente fuera de la base con mi pensamiento aquí, pero todavía ha sido interesante trazar todo esto, especialmente porque Google ya ha estado cavando en un concepto similar.

1. Del control manual a la eficiencia basada en reglas

En los primeros días de búsqueda y pantalla, los especialistas en marketing controlaron todo: orientación de palabras clave, tipos de coincidencias, copia de anuncios, ubicaciones y ofertas.

Los usuarios avanzados vivieron dentro de herramientas como Adwords Editor, optimizando manualmente las ofertas por hora del día, tipo de dispositivo y tasa de conversión.

La automatización comenzó pequeña, con scripts basados en reglas para ajustes de ofertas, límites de presupuesto y refinamientos geográficos. Sigue siendo el piloto, solo con algunos instrumentos útiles.

2. De la lógica basada en reglas hasta la licitación guiada por IA

Luego vino una licitación inteligente.

Google introdujo el CPA objetivo, ROA de Target y CPC mejorado: estrategias de oferta impulsadas por modelos de aprendizaje automático que ingirieron datos de subastas en tiempo real (dispositivo, tiempo, ubicación, probabilidad de conversión) e tomaron decisiones granulares en su nombre.

Los especialistas en marketing establecieron la meta, pero el sistema eligió el camino. El control cambió de cómo a qué resultado desea. Este fue un paso fundamental hacia los resultados definidos por AI.

3. Desde ofertas guiadas por IA a la automatización creativa

Luego vino la automatización del mensaje en sí.

Los anuncios de búsqueda receptivos permiten a los anunciantes cargar múltiples titulares y descripciones y Google manejó las permutaciones y combinaciones.

Meta y Tiktok adoptaron formatos creativos dinámicos similares.

Luego, Google lanzó Performance Max (2021), un punto de inflexión que eliminó por completo las palabras clave.

• Usted proporciona activos y objetivos de conversión.
• El sistema decide dónde y cuándo mostrar sus anuncios, ya sea a través de la búsqueda, YouTube, la pantalla, Gmail, mapas y más.
• La orientación se convierte en opaco. La colocación es más invisible. La estrategia se convierte en confianza.

Ya no estás dirigiendo el vehículo. Estás definiendo el destino y esperar que el algoritmo te lleve allí de manera eficiente.

4. De la automatización creativa a la ejecución generativa

El modelo ya no solo optimiza los mensajes; los escribe.

• Meta’s AI Sandbox genera titulares y CTA a partir de un aviso.
• El asistente creativo de Tiktok produce guiones de video impulsados por el gancho a pedido.
• Las herramientas de terceros y los agentes basados en GPT crean campañas publicitarias completas, incluidas copias y orientación.
• VEO 3 y VEO 3 de Google ahora viven en Vertex AI, generan anuncios pulidos y clips sociales a partir de entradas de texto o imagen a video, optimizado para iteración rápida y uso programático.

Esto no es ciencia ficción. Es lo que viene al mercado hoy.

5. ¿Qué viene después y por qué es inevitable?

El salto final es donde no envía un anuncio, en su lugar, envía su negocio.

Una plataforma publicitaria totalmente LLM-nativa:

• Acepte las propuestas de valor de su marca, certificaciones, especificaciones de productos, activos creativos, pautas de marca, declaraciones de visión de la empresa y barandillas.
• Monitoree las cohortes emergentes en tiempo real en función de los grupos rápidos y los picos de conversación.
• Inyecte su marca en esos momentos si, y solo si, el vector de su negocio se alinea con la intención de la cohorte.
• Cobrarle automáticamente por participar en esa alineación.

No te dirigirías. No construirías campañas. Simplemente alimentaría el sistema y monitorearía qué tan bien funciona como una extensión semántica de su negocio.

La plataforma publicitaria se convierte en un proxy basado en el significado para su empresa, un agente consciente de la intención que actúa en su nombre.

Eso no es ciencia ficción especulativa. Creo que es un punto final natural del camino en el camino. Performance Max retiró el volante. La IA generativa tiró al redactor. La recuperación alineada con aviso se encargará del resto.

Construyendo la plataforma publicitaria nativa de LLM

Esta es una sugerencia teórica de lo que podría ser nuestro futuro para los anuncios remunerados dentro de los sistemas de respuestas generados por IA.

Para hacer una oferta vectorial de intención real a escala, la plataforma publicitaria subyacente tendrá que evolucionar dramáticamente. No veo esto como un complemento atornillado a la infraestructura Legacy PPC.

Será una capa totalmente nativa dentro de los sistemas basados en LLM, uno que reemplaza tanto la generación creativa como la gestión de la colocación de anuncios.

Así es como podría funcionar:

1. La entrada del anunciante cambia de campañas a feeds de datos

En lugar de construir anuncios manualmente, la carga de las empresas:

• Palabras clave, conceptos y entidades de producto específicas.
• Activos multimedia: imágenes, videos, clips de audio.
• Credenciales: certificaciones, afiliaciones, licencias.
• Directrices de marca: tono, voz, afirma evitar.
• Limitaciones comerciales: geografía, disponibilidad, cumplimiento.
• Apoyos de valor estructurado y niveles de precios.

2. El sistema se convierte en el motor creativo + colocación

El LLM:

• Detecta cohortes emergentes.
• Coincide con los vectores de intención con las huellas digitales del anunciante.
• Construye e inyecta anuncios sobre la mosca, utilizando activos y mensajes alineados.
• Ajusta el tono y el detalle en función de la etapa rápida (tofu vs bofu).

3. La facturación se automatina e integra

• Las cuentas están prefinancionadas o vinculadas la tarjeta de crédito.
• El gasto de anuncios se desencadena por la participación en tiempo real en la inyección de recuperación o producción.
• No hay representantes publicitarios. No hay subastas que manejes. Solo resultados alineados con vector facturados por compromiso, vista o inclusión.
• La creación y la colocación de anuncios se convierten en un elemento de un solo precio, ya que el sistema administra todo, en tiempo real.

Si desea más pensamientos sobre este concepto, o uno que esté estrechamente relacionado, Cindy Krum estaba recientemente en el programa de mi humilde show de Shelley Walsh, donde habló sobre si cree que Google pondrá anuncios dentro de las respuestas de Gemini, y fue una discusión interesante.

Deberías escucharlo. Y este informe en Google sugiere que esto no solo está aquí ahora, sino que se está expandiendo.

El papel humano no desaparece, evoluciona

Los especialistas en marketing y los equipos publicitarios no serán eliminados. En cambio, se convertirán en los administradores de datos e intérpretes estratégicos del sistema.

• Configuración de expectativas: Los clientes necesitarán ayuda para comprender por qué su contenido aparece (o no) en las salidas de Genai.
• Mantenimiento de datos: El sistema es tan bueno como los activos que lo alimenta, y la relevancia y la frescura son importantes.
• Gobierno y restricciones: Los humanos definirán límites éticos, límites de mensajería y exclusiones.
• Entrenamiento e iteración: La visibilidad del anuncio de IA dependerá de salidas en vivo y respuestas observadas, no paneles estáticos. Sintonizará indicaciones, entradas y salidas en función de lo que recupera el sistema y con qué frecuencia aparece su contenido.

En este modelo, el estratega de anuncios se convierte en un traductor parcial, curador de datos pares, mecánico de recuperación de piezas.

¿Y la plataforma de anuncios? Se vuelve autónomo, impulsado por el contexto y funcionalmente invisible, hasta que se dé cuenta de que su producto ya ha sido incluido en la decisión del comprador … y se ha facturado en consecuencia.

Una mirada más cercana: intención vector ofertas en acción

Imagine que es una marca de equipo al aire libre y hay una onda de calor repentina que llega al noroeste del Pacífico. En Oregon y Washington, la gente comienza a indicar:

• “Las mejores carpas ultraligeras para senderismo de verano”
• “Equipo de campamento para calor extremo”
• “Manténgase fresco mientras está en mochilero en julio”

El modelo reconoce un aumento en las indicaciones y datos semánticamente similares de fuentes de noticias, etc. Forma una cohorte de ondas de calor.

Al mismo tiempo, su marca tiene una página de producto y una copia de anuncios sobre carpas de malla transpirable y sistemas de flujo de aire de alta ventaja.

Si su contenido ha sido vectorizado (o si su sistema incorpora una carga útil de anuncios con una fuerte huella digital de incrustación), es elegible ingresar a la subasta.

Pero esto no es una oferta basada en datos demográficos o reorientación histórica. Se basa en cuán estrechamente su vector de producto se alinea con los vectores pronosticados de la cohorte de Live.

El LLM elige el partido más alineado semánticamente. Cuanto mejor sea su alineación, más probabilidades se incluye su producto en la respuesta de la IA, o se inserta en la ranura contextual de anuncios dentro de la respuesta.

No hay configuración de campaña. No segmentó la orientación de audiencia segmentada. Solo coincidencia semántica a velocidad de la máquina. Aquí es donde convergen creativos, productos y rendimiento, y esa convergencia reescribe lo que significa “ganar” en la publicidad moderna.

Lo que los especialistas en marketing pueden hacer ahora mismo

No hay un tablero que le indique qué huellas dactilares rápidas con las que está alineado. Esa es la parte difícil.

Pero puede comenzar pensando como un modelo hasta que las herramientas comiencen a desarrollar características que le permitan modelar su pronta huella digital.

Empiece con:

• Prueba rápida simulada: Use GPT-4 (o Gemini o cualquier otro) para generar consultas de muestra por etapa de embudo y vea qué marcas se recuperan.
• Crear contenido para resonancia multi-cohort: Por ejemplo, un blog de campamento que se alinea con los minimalistas ecológicos y los padres que buscan aventuras.
• Construya sus propias bibliotecas rápidas: Clasificar por etapa de intención, especificidad y fraseo. Úselos para guiar informes creativos, fragmentos de contenido y SEO.
• Rastrear resúmenes de IA: En plataformas como Perplexity, Gemini y ChatGPT, su marca puede influir en las respuestas incluso cuando no se lo menciona explícitamente. Su objetivo es convertirse en la fuente atribuida, no solo un contribuyente silencioso.

En esta nueva versión de Search, ya no está optimizando para las vistas de la página. Estás optimizando la recuperación de la proximidad semántica.

El surgimiento de la marca rápida nativa

Algunas marcas comenzarán a diseñar estrategias de mensajería completa en torno al comportamiento rápido. Estas marcas nativas rápidas no esperarán a que llegue el tráfico. Disezarán en su contenido para navegar por la ola de grupos rápidos mientras se forman.

• Copia del producto estructurada para que coincidan con consultas de MoFU.
• Páginas de comparación escritas en el avance primero.
• AI AD Copy sintonizada por la detección de picos de cohorte.

Y eventualmente, surgirán nuevas marcas que nunca necesitaban un sitio web tradicional. Toda su presencia existirá en las conversaciones de IA.

Construido, sintonizado y servido directamente en LLM a través de ofertas de contenido e intenciones alineadas por vectores.

Concluir

Este es el próximo embudo, y no es una página. Es un campo de probabilidad. El embudo no desapareció. Simplemente se fue invisible.

En el marketing tradicional, mapeamos etapas claras (conciencia, interés, decisión) y construimos contenido para que coincida. Ese embudo todavía existe. Pero ahora vive dentro del modelo. Se infiere, no se declara. Está conformado con indicaciones, no en las rutas de clic.

Y si su contenido no se alinea con lo que el modelo ve en ese momento, te falta en la recuperación.

Más recursos:

Esta publicación fue publicada originalmente en Duane Forrester Decodes.

Imagen destacada: Nicoelnino/Shutterstock