En 1999, investigadores de la Universidad de Leeds pusieron vino francés y vino alemán en una vinoteca. Alternaron los días entre música francesa y alemana. Con música francesa, el 77% elegía el vino francés. Con música alemana, el 73% elegía el vino alemán. Cuando les preguntaron si la música había influido, casi todos dijeron que no.
Ese experimento lleva décadas circulando en papers académicos. Hoy, el valor está en las aplicaciones que permite.
Durante años, el neuromarketing fue una disciplina de laboratorio accesible solo para empresas con presupuestos de investigación de ocho cifras. Un equipo de fMRI cuesta alrededor de 5 millones de dólares. Un EEG de grado científico, alrededor de 20.000. La infraestructura para procesar y interpretar los datos requería neurocientíficos especializados. El resultado fue que los hallazgos más precisos sobre el comportamiento del consumidor se concentraron en P&G, Unilever y en un puñado de laboratorios universitarios.
La inteligencia artificial está cambiando esa ecuación. Y para un CMO, eso tiene implicaciones concretas en cómo se toman decisiones de presupuesto, creative, pricing y producto.
El problema que el neuromarketing resuelve
Las encuestas, los focus groups y los tests A/B tienen un defecto estructural en común: dependen de que el consumidor sepa, recuerde o quiera reportar con precisión lo que ocurrió en su mente. El problema es que la mayoría de las decisiones de compra no ocurren en el nivel consciente en el que esas herramientas operan.
En 2004, investigadores de la Universidad de Emory administraron Coca-Cola y Pepsi a sujetos dentro de una máquina de fMRI. Sin identificar las marcas, registraron una respuesta neural consistente entre los dos productos. Cuando los sujetos podían ver la marca, las estructuras límbicas (regiones asociadas con emoción, memoria y procesamiento inconsciente) mostraron actividad significativamente mayor. La marca alteró el modo en que el cerebro procesó el sabor, sin modificar el sabor en sí.
Un equipo liderado por Hilke Plassmann (INSEAD) hizo algo similar con vino. Escaneó los cerebros de sujetos mientras probaban tres vinos con precios distintos. El cerebro registró preferencia por el más caro, pero los tres vinos eran idénticos. El precio influyó tanto en la percepción subjetiva como en la respuesta neurológica al producto.
El mismo equipo encontró que cuando aparece el precio en una página, modifica el cálculo que hace el cerebro. Si el precio aparece antes de ver el producto, la pregunta neural es si vale lo que cuesta. Si aparece después, la pregunta es si le gusta. Son dos cálculos distintos. El orden en que se presenta la información en una página de producto influye en la decisión antes de que el usuario sea consciente de estar tomándola; no se trata solo de un detalle de diseño.
Estos experimentos permiten medir la respuesta real en lugar de limitarse a la racionalización posterior, algo que las encuestas no logran.
Lo que la IA cambió
El neuromarketing clásico presenta tres limitaciones operativas: costo, escala y velocidad. Un estudio de fMRI requiere laboratorio, equipamiento especializado y semanas de análisis. Los resultados llegan tarde y a un costo que justifica el gasto únicamente en decisiones de producto de primer nivel.
La IA aborda las tres limitaciones de manera simultánea.
Primero, los modelos de machine learning pueden encontrar patrones en datos fisiológicos más baratos (eye tracking, facial coding, conductancia de la piel) que se acercan en precisión predictiva a los datos de fMRI para ciertos tipos de preguntas. Lo que antes requería un escáner de cinco millones de dólares ahora puede aproximarse con una cámara y un modelo entrenado.
Segundo, la IA permite procesar volúmenes de datos que harían imposible el análisis manual. Un estudio de eye tracking sobre una landing page genera miles de puntos de fijación por sujeto. Un modelo bien entrenado identifica en minutos los patrones que un analista tardaría días en encontrar.
Tercero, y más relevante para decisiones de marketing, los modelos entrenados sobre datos neurológicos históricos pueden empezar a predecir respuestas sin necesidad de instrumentar a cada nuevo sujeto. Moran Cerf (Northwestern) demostró que la sincronía entre los EEGs de una audiencia viendo tráilers predijo el éxito de películas con más de un 20% de precisión adicional sobre los métodos tradicionales. La premisa detrás de eso (que los cerebros que responden de manera sincronizada a un estímulo predicen respuesta masiva) es exactamente lo que los modelos de IA pueden empezar a operacionalizar a escala.
En la práctica, la investigación que antes estaba restringida a grandes empresas ahora se convierte en una capacidad operativa accesible para equipos de marketing sin laboratorio ni neurocientíficos en nómina.
Qué decisiones cambian
Creative testing en paid.
El proceso tradicional de aprobación de un creative combina opinión interna con métricas de performance post-lanzamiento. El problema es que el feedback llega tarde y ya gastaste presupuesto en distribución. Las herramientas de facial coding y eye tracking permiten testear piezas antes de publicarlas: qué elemento visual retiene la atención en los primeros 300ms, si el copy activa escepticismo antes de que el usuario procese el mensaje, qué micro-expresión genera el CTA. Eso cambia qué entra a Braze y qué presupuesto se le asigna en Meta o Google, no después de tres semanas de datos sino antes del lanzamiento.
Secuencias de push y email.
La dopamina responde a la variabilidad y la incertidumbre. Un flujo de onboarding o winback con timing fijo, formato predecible y contenido uniforme genera respuesta decreciente: el usuario lo procesa como ruido antes de que Amplitude registre el drop en engagement. Variar el momento de envío, el tipo de contenido y el formato dentro de una secuencia (sin perder relevancia) sostiene la activación dopaminérgica.
El timing fijo es uno de los problemas más subestimados en estas secuencias. Un cliente que compra cada semana está perdido desde hace diez días. Uno que compra cada dos meses está perfectamente normal en D+30. Enviar el mismo mensaje en el mismo día para los dos no es personalización: es ignorar cómo funciona el ciclo real de cada usuario. Cuando el trigger se ajusta al ciclo natural individual (calculado sobre la mediana de los últimos ocho intervalos entre compras de ese usuario específico, no del segmento), la misma secuencia de win-back puede recuperar revenue incremental real, medible contra un grupo de control. La lógica de Canvas en Braze permite construir esa variabilidad de manera controlada; lo que falta en la mayoría de las implementaciones es el principio detrás de por qué hacerlo.
(hacer click para ver el ejemplo completo)
Segmentación por estado emocional, no solo por comportamiento.
Amplitude permite ver qué hizo el usuario, cuándo y en qué secuencia. Lo que no registra directamente es en qué estado llegó a cada evento. Dos usuarios con el mismo comportamiento de apertura de notificación pueden estar en estados opuestos: uno en modo de exploración activa, otro revisando antes de cancelar. El mensaje correcto para cada estado es distinto. La capa de behavioral science permite inferir el estado probable a partir de la secuencia de comportamiento (frecuencia de sesiones, tiempo entre eventos, profundidad de uso) y diseñar los mensajes de Braze en función de eso, no solo del evento disparador.
Fricción en flujos de activación.
Lo que los estudios de conductancia de la piel y eye tracking muestran es que la fricción genera estrés fisiológico medible que precede al abandono. Un paso de más en el onboarding, un mensaje ambiguo en el momento de upgrade o una notificación que llega en el contexto equivocado suben el cortisol antes de que el usuario tome la decisión consciente de salir. Amplitude registra dónde se va el usuario. La neurociencia explica por qué: no siempre es un problema de propuesta de valor; a veces es un problema de estrés inducido por el diseño del flujo. El diagnóstico cambia la solución.
Un ejemplo concreto: en análisis de usuarios dormidos, Session Replay puede mostrar que un cluster significativo abandonó porque se trabó en el paso tres del checkout. Ese cluster no necesita un descuento del 15%. Necesita que le comuniques que el problema que los detuvo ya no existe. Para ese segmento, conviene comunicar “mejoramos esto para vos” en lugar de ofrecer un descuento genérico. Cuando la segmentación se realiza según el motivo real de abandono y no solo por la cantidad de días de inactividad, los resultados de reactivación mejoran cualitativamente.
Los tres químicos que determinan si tu campaña funciona
Detrás de cada decisión de compra hay una respuesta neuroquímica. El cerebro libera sustancias distintas según el estímulo y esas sustancias determinan si el usuario avanza o se va. Tres son las más relevantes para marketing.
Dopamina. El sistema dopaminérgico responde a la anticipación de recompensa. Wolfram Schultz documentó en los noventa que las neuronas dopaminérgicas se activan cuando el sujeto anticipa el premio, no cuando lo recibe. Si el premio llega siempre y de manera predecible, la respuesta se apaga. Si es variable, se mantiene elevada. Esto explica por qué los programas de puntos con recompensas aleatorias retienen más que los lineales, por qué los unboxing generan más engagement que el producto en sí, y por qué las notificaciones son difíciles de ignorar. Si tu mecánica de fidelización es completamente predecible, estás dejando la activación sobre la mesa.
Cortisol. Es la hormona del estrés. Un checkout con demasiados pasos, un formulario que falla, una página lenta o un mensaje ambiguo suben los niveles de cortisol. Con cortisol elevado, el cerebro prioriza salir de la situación sobre completar la acción. Las tasas de abandono de carrito suelen atribuirse a falta de intención de compra. Pero en muchos casos el problema es cortisol generado por un checkout con demasiados pasos, un formulario que falla o un mensaje ambiguo que sube el estrés fisiológico antes de que el usuario decida conscientemente irse. La solución para un problema de intención es marketing, la solución para un problema de cortisol es diseño. Confundir las dos lleva a optimizar lo que no está roto.
Oxitocina. Se libera en contextos de confianza y conexión social. Paul Zak documentó que las historias con arco narrativo completo (personaje, conflicto, resolución) suben los niveles de oxitocina y aumentan la probabilidad de compra posterior. Una ficha técnica de producto activa la corteza prefrontal. Una historia sobre quién usa el producto y qué resuelve activa el sistema límbico. Ambas pueden coexistir en la misma pieza, aunque generan efectos distintos en la decisión. Si la comunicación se limita a lo descriptivo, se apela a la parte del cerebro que evalúa en lugar de la que impulsa la decisión.
El riesgo de no incorporarlo
El neuromarketing con IA no es todavía el estándar de la industria. Pero la dirección es clara: las empresas que lo están incorporando están tomando decisiones de creative, pricing y producto sobre datos que sus competidores no tienen.
El riesgo principal es seguir tomando decisiones de millones de dólares sobre lo que los consumidores dicen en encuestas, con décadas de evidencia acumulada de que sus respuestas y su actividad cerebral apuntan en direcciones distintas.
Un equipo de 2012 en Emory midió la actividad cerebral de sujetos escuchando música. La actividad en una región específica durante la escucha predijo las ventas de esas canciones tres años después. Cuando a los mismos sujetos se les preguntó cuánto les había gustado la música, sus respuestas no predijeron las ventas. El dato declarado y el dato neural apuntaron en direcciones distintas. Ese gap existe en cada categoría, para cada producto, en cada campaña que se decide sobre la base de lo que la gente dice.
El mismo gap aparece en marketing digital cuando los descuentos uniformes entrenan al cliente a no pagar el precio completo, y cuando dejás de dárselos, el CTR cae porque el cerebro ya asoció tu marca con “esperar la promo”. Cuánto descuento necesita cada usuario específico para convertir, y cuánto margen estás quemando en los que habrían comprado igual, no lo sabe ninguna encuesta. Lo sabe el modelo que tiene seis meses de historial de respuesta a ofertas de cada usuario.
El cerebro involucrado en la compra actúa de manera distinta al que responde encuestas.
El consumidor que pone 7/10 en tu encuesta de satisfacción y escribe “precio” como razón de compra probablemente tomó esa decisión semanas antes, cuando vio tu marca en el contexto correcto. El sistema de decisión inconsciente lo procesó y el sistema consciente lo racionalizó después.
Las herramientas que miden ese primer sistema (el que decide antes de que el usuario sepa que está decidiendo) eran inaccesibles para la mayoría de los equipos de marketing hasta hace poco. La combinación de neurociencia e inteligencia artificial está cambiando eso. Para un CMO, la cuestión es en qué momento no incorporarlo se convierte en desventaja competitiva.
Lo que podés revisar esta semana
- Segmentá usuarios dormant por el motivo neurológico real, no por días de inactividad.
Ya hablamos de que el cerebro que abandona por estrés de fricción (cortisol elevado en el checkout) y el que abandona por falta de relevancia (sin activación dopaminérgica) son dos cerebros distintos tomando la misma acción observable: irse. Tratarlos igual con un «te extrañamos» + 15% off es ignorar la causa. Session Replay con AI permite ver dónde trabó cada cluster antes de irse: unos generaron estrés fisiológico en el paso tres del checkout, otros navegaron sin encontrar el trigger de anticipación de recompensa que los moviera. Para el primer cluster, la respuesta tiene que ser comunicar que la fuente de cortisol ya no existe: «mejoramos esto para vos». Para el segundo, una curación personalizada que reactive el sistema dopaminérgico con novedad y variabilidad. Amplitude Predictions identifica los clusters por propensión; Braze Canvas ejecuta secuencias distintas para cada causa real de abandono. - Revisá si tus secuencias de win-back respetan el ciclo dopaminérgico individual.
La dopamina responde a la anticipación, y esa anticipación tiene un timing que varía por usuario. Un trigger fijo de D+30 ignora ese timing: para un comprador semanal, la ventana de anticipación ya se cerró hace veinte días (el cerebro dejó de esperar la recompensa). Para uno bimestral, el D+30 interrumpe un ciclo normal y puede generar reactance, la respuesta neurológica de rechazo ante la presión percibida. El cálculo correcto es sobre la mediana de los últimos intervalos entre purchases de cada usuario, disparando cuando el atraso supera 1.5x su ciclo natural. Ahí el mensaje llega en el momento en que el cerebro todavía está en modo de anticipación. Braze Canvas permite construir esa variabilidad de timing; Amplitude tiene los datos para calcularla. - Auditá cuánto margen estás quemando por no entender la price sensitivity real de cada usuario.
El experimento de Plassmann que mencionamos arriba demuestra que el precio modifica tanto la respuesta neural como la evaluación racional del producto. Eso significa que el descuento óptimo es una variable que interactúa con el sistema de recompensa de cada usuario de manera distinta. Si toda tu base recibe 10% off, estás activando present bias en usuarios que habrían convertido con 5% (quemando margen) y subactivándolo en los que necesitan 15% para que el sistema de recompensa supere la aversión a la pérdida. Un modelo de contextual bandits aprende el mínimo incentivo que activa la conversión para cada perfil, basado en seis meses de historial de respuesta. Amplitude Experiment puede operar el bandit; Braze Connected Content personaliza el valor en el momento del envío. La pregunta es cuánto margen estás quemando por calibrar el incentivo al segmento en vez de al cerebro de cada usuario. - Medí si tu campaña causó la compra o si el cerebro ya había decidido antes.
El estudio de Emory con música demostró que la actividad neural predijo ventas tres años después, mientras que lo que la gente dijo que le gustaba no predijo nada. El mismo gap existe en tus campañas: un reporte que dice «+25% CTR» sin holdout group no distingue entre conversiones que tu campaña causó y conversiones que el sistema de decisión inconsciente del usuario ya había resuelto antes de ver tu push. Un holdout del 10% en cada campaña relevante mide exactamente eso: la diferencia entre tratados y control es el revenue incremental que no habría existido sin la intervención. Eso transforma el reporte de «la campaña tuvo buen engagement» a «esta campaña generó $X que el cerebro del usuario no habría decidido gastar sin este estímulo específico». Amplitude permite comparar cohorts con funnels, retention y revenue por grupo. Si no estás midiendo incrementalidad, estás en la misma posición que el sujeto del estudio de Leeds: convencido de que sabés por qué compraron, sin los datos para confirmarlo.
Para seguir leyendo
Thinking, Fast and Slow — Daniel Kahneman. El fundamento conceptual de los dos sistemas de decisión. No es un libro de marketing, pero explica el mecanismo detrás de todo lo que el neuromarketing mide.
Predictably Irrational — Dan Ariely. Experimentos sobre decisiones económicas y de consumo. Útil para entender cómo el contexto, el precio y el encuadre modifican la elección de manera predecible.
The Buying Brain — A.K. Pradeep. El libro más directo sobre neurociencia aplicada al marketing. Cubre eye tracking, EEG y lo que implican los hallazgos de neuroimagen para packaging, publicidad y producto.
Inside the Neuromarketing Lab — HBR. Cubre las herramientas disponibles, sus limitaciones y el checklist para evaluar proveedores. Es el mejor punto de entrada para un ejecutivo que quiere entender qué puede y qué no puede entregar esta disciplina.
