Una de las representaciones más habituales cuando explicamos marketing es el embudo de ventas. Muchas personas descubren una empresa, algunas muestran interés, unas pocas comparan alternativas y finalmente una parte termina comprando.
El modelo sigue siendo útil. Lo que cada vez resulta menos realista es imaginar que el cliente recorre esas etapas de forma ordenada.
La inteligencia artificial añade ahora un nuevo elemento. Una persona puede comenzar su investigación preguntando a ChatGPT, Gemini o cualquier otro asistente, continuar en Google, consultar LinkedIn, hablar con otro profesional y regresar semanas después directamente a la web de una empresa.
La cuestión interesante no es decidir si el funnel ha muerto, sino entender qué decisiones de marketing cambian cuando una parte del recorrido del cliente ocurre fuera de nuestra vista.
IDEA CLAVE
El funnel puede seguir ayudándonos a ordenar la estrategia sin representar de forma exacta el camino que sigue cada cliente.
Índice
El funnel sigue siendo útil, pero el cliente no es lineal
En el artículo sobre el embudo de ventas vimos cómo el funnel permite ordenar el recorrido desde el descubrimiento hasta la acción y relacionar cada fase con diferentes decisiones de marketing.
Ese modelo continúa teniendo valor. Nos ayuda a comprender que no todas las personas que descubren una oferta tienen la misma intención ni necesitan la misma información.
El problema aparece cuando pasamos del modelo a la realidad.
Una compra B2B puede durar semanas o meses, implicar a varias personas y combinar búsquedas, contenidos, conversaciones, recomendaciones y contactos comerciales. El comprador puede avanzar, volver atrás, comparar otra vez o detener temporalmente la decisión.
Por eso conviene utilizar el funnel como una herramienta para pensar, no como una descripción exacta de todos los movimientos del cliente.
Del embudo al recorrido del cliente
Para observar mejor ese comportamiento podemos combinar el funnel con otra herramienta que ya hemos trabajado: el Customer Journey Map.
El cambio de perspectiva es importante.
En lugar de preguntar únicamente en qué fase se encuentra una persona, empezamos a observar:
- qué necesita resolver;
- qué preguntas se está haciendo;
- qué información consulta;
- con qué puntos de contacto interactúa;
- y qué puede ayudarle a avanzar en su decisión.
Este enfoque resulta especialmente útil en B2B, donde la persona que descubre una solución no siempre es quien la utiliza, la evalúa, autoriza el presupuesto o toma la decisión final.
Un hotel que necesita cambiar su software
CASO
Imaginemos una empresa que vende software de gestión a hoteles independientes.
El director de un hotel de 80 habitaciones quiere renovar su sistema. Antes de contactar con ningún proveedor pregunta a una inteligencia artificial qué debería tener en cuenta para comparar diferentes soluciones.
Después busca algunas marcas en Google, consulta sus páginas web y lee varios contenidos. Días más tarde ve una publicación en LinkedIn y pregunta a otro director de hotel qué sistema utiliza.
El proyecto se detiene durante tres semanas. Cuando lo retoma, visita directamente dos de las empresas que recuerda, consulta sus casos de éxito y finalmente solicita una demostración.
Desde el CRM, la historia podría parecer bastante más sencilla: una visita a la web y un formulario.
Pero la decisión empezó mucho antes.
¿Qué acción consiguió realmente ese lead? ¿La búsqueda en Google? ¿La respuesta de la IA? ¿LinkedIn? ¿La recomendación personal? ¿El caso de éxito?
Probablemente no exista una única respuesta.
Lo que no vemos también forma parte del funnel
La publicación de Cyberclick sobre la evolución del funnel B2B con IA utiliza el concepto de Dark Funnel para referirse precisamente a buena parte de esas interacciones que influyen en una decisión pero que la empresa no puede observar o atribuir correctamente.
Pueden ser conversaciones entre profesionales, recomendaciones privadas, comunidades, contenidos consultados tiempo atrás o preguntas realizadas a un asistente de IA.
Esto introduce un problema interesante.
Durante años hemos intentado mejorar la atribución para saber qué canal produce cada resultado. Pero cuanto más fragmentado es el recorrido, más difícil resulta reconstruir una secuencia perfecta.
Que no podamos medir perfectamente una interacción no significa que esa interacción no haya influido en la decisión.
El riesgo aparece cuando eliminamos una acción porque no podemos atribuirle directamente una conversión, aunque esté ayudando al cliente a entender, comparar o confiar.
La IA entra antes de que el cliente visite nuestra web
Hay otro cambio que merece atención.
Hasta hace relativamente poco resultaba sencillo imaginar que una investigación digital comenzaba con una búsqueda en Google. Ahora puede comenzar con una pregunta a ChatGPT, Gemini, Copilot, Perplexity u otro sistema de IA.
La intención de la persona no desaparece. Sigue queriendo informarse, comparar alternativas o resolver una necesidad. Lo que cambia es dónde expresa esa intención y cómo recibe la respuesta.
Esto conecta con lo que hemos tratado en SEO en la era de las respuestas: una parte de las búsquedas ya no termina necesariamente con una lista de enlaces que el usuario debe recorrer uno por uno.
Una IA puede organizar la información, proponer criterios de comparación y mencionar alternativas antes de que el comprador visite ninguna web.
De aparecer en Google a formar parte de la respuesta
Este cambio explica el interés creciente por conceptos como AEO, Answer Engine Optimization, o por la optimización de contenidos para entornos de búsqueda y respuesta basados en inteligencia artificial.
No creo que la decisión sea abandonar el SEO para perseguir una nueva sigla.
La pregunta útil es más sencilla:
PARA PENSARLO
Si alguien utiliza una IA para investigar una necesidad relacionada con nuestro negocio, ¿hemos publicado información suficientemente útil, clara y fiable como para formar parte de esa investigación?
Eso obliga a mirar el contenido de otra manera.
No deberíamos producir textos simplemente para ocupar una palabra clave. Necesitamos contenidos capaces de responder preguntas reales, explicar diferencias, aportar evidencias y ayudar a tomar decisiones.
El contenido ya no pertenece a una sola fase
En el funnel tradicional solemos relacionar tipos de contenido con diferentes momentos del proceso.
- Contenido educativo para descubrir un problema.
- Guías y comparativas para valorar alternativas.
- Casos, demostraciones o propuestas para facilitar la decisión.
La clasificación continúa siendo útil para planificar, pero un recorrido menos lineal hace que un mismo contenido pueda intervenir en varios momentos.
Un caso de éxito puede ayudar a descubrir una solución. Semanas después puede servir para comparar proveedores y, más tarde, convertirse en el argumento que una persona utiliza para defender internamente una decisión de compra.
Por eso podemos cambiar la pregunta “¿para qué fase del funnel escribimos esto?” por otras más útiles:
- ¿Qué duda ayuda a resolver?
- ¿Qué decisión facilita?
- ¿Qué evidencia aporta?
- ¿Dónde puede descubrirlo el cliente?
- ¿Qué debería hacer después de consultarlo?
La IA puede detectar señales, pero la decisión sigue siendo de marketing
La inteligencia artificial también puede utilizarse desde el otro lado del recorrido.
Una empresa puede analizar comportamientos, identificar patrones, segmentar clientes, priorizar oportunidades o activar determinadas comunicaciones cuando aparecen señales de interés.
Es el tipo de aplicación que vimos en el caso práctico de automatización del marketing con IA: la tecnología tiene sentido cuando existe previamente una lógica que relaciona datos, comportamiento y acción.
Pero disponer de más datos y más automatizaciones no resuelve por sí solo el problema.
Podemos detectar que una persona ha consultado tres contenidos, abierto dos correos y vuelto a una página de precios. La IA puede ayudarnos a identificar el patrón.
Lo que no puede sustituir es la pregunta estratégica: ¿qué necesita esa persona ahora y qué acción tiene sentido realizar?
Volvamos al hotel: el dato solo importa cuando cambia una decisión
Supongamos que la empresa de software observa una caída del 20 % en el número de formularios.
Mirando únicamente esa métrica, la reacción parece evidente: necesitamos recuperar tráfico y conseguir más leads.
Pero el equipo comercial añade otro dato. Los contactos que llegan están mejor informados y una proporción mayor termina solicitando una propuesta.
La interpretación cambia.
Quizá la prioridad no sea atraer inmediatamente más personas. Puede ser más interesante entender qué está ayudando a avanzar a las oportunidades que ya llegan.
Es la misma lógica que planteamos en Tu web no necesita más tráfico… necesita convertir mejor: aumentar una métrica intermedia no siempre mejora el resultado que realmente buscamos.
La empresa podría decidir, antes de aumentar la inversión publicitaria:
- analizar qué contenidos consultan las oportunidades que terminan avanzando;
- reforzar contenidos de comparación y decisión;
- conectar mejor la información de marketing con el CRM;
- registrar qué fuentes declara el propio cliente;
- y comparar estas señales con oportunidades, propuestas y ventas reales.
Medir mejor no significa medirlo todo
Visitas, impresiones, clics o formularios siguen siendo métricas útiles. Simplemente necesitamos evitar confundirlas con el resultado final.
En nuestro ejemplo tendría sentido relacionarlas con indicadores como:
- solicitudes de demostración;
- oportunidades comerciales;
- oportunidades que llegan a propuesta;
- tiempo necesario para avanzar en el proceso;
- tasa de conversión a cliente;
- e ingresos generados.
Y añadiría una fuente de información muy sencilla que a veces olvidamos:
preguntar al cliente.
“¿Cómo nos conociste?” o “¿qué información te ayudó a decidir?” puede revelar una recomendación, un contenido, una conversación o una consulta realizada a una IA que ninguna herramienta de atribución había identificado.
El funnel no desaparece: cambia lo que hacemos con él
No necesitamos sustituir inmediatamente el embudo por otro gráfico más moderno.
El funnel sigue siendo útil para ordenar el proceso y pensar qué puede necesitar un cliente desde que descubre una solución hasta que decide comprar.
Lo que sí deberíamos abandonar es la idea de que podemos controlar y medir perfectamente todos los pasos que existen entre ambos extremos.
La IA hace más visible ese cambio porque está entrando en los dos lados del proceso: el cliente la utiliza para investigar y la empresa puede utilizarla para interpretar señales y responder.
Entre ambos sigue estando lo importante: una persona intentando tomar una decisión.
Y quizá ahí esté la evolución más interesante del funnel: dejar de obsesionarnos con mover leads de una etapa a otra y empezar a pensar qué necesita el cliente para poder avanzar con criterio.
Actividad: del dato a la decisión
ACTIVIDAD DE AULA
Una empresa B2B descubre que sus clientes utilizan buscadores, redes profesionales, recomendaciones, contenidos e inteligencia artificial antes de contactar con ventas.
Actualmente solo mide visitas, clics y formularios.
¿Qué decisión de marketing tomarías para comprender y mejorar ese recorrido?
- Identifica el problema que quieres resolver.
- Propón una acción concreta.
- Explica qué momento o necesidad del cliente quieres mejorar.
- Selecciona uno o dos indicadores.
- Explica qué resultado te haría mantener, modificar o abandonar la decisión.
PISTAS PARA EMPEZAR
No necesitas rediseñar toda la estrategia de la empresa. Puedes centrarte en un único problema del recorrido.
- Quizá la empresa no sabe qué contenidos ayudan realmente a generar oportunidades.
- Puede que marketing y ventas trabajen con información separada.
- Tal vez los clientes llegan bien informados, pero la empresa desconoce qué canales han influido antes del contacto.
- También puedes plantear cómo detectar mejor señales de interés antes de que aparezca un formulario.
- Otra posibilidad es mejorar contenidos que ayuden al cliente a comparar alternativas o tomar una decisión.
Después relaciona tu decisión con uno o dos indicadores. Por ejemplo: solicitudes de demostración, oportunidades comerciales, porcentaje de oportunidades que llegan a propuesta, tiempo de avance o tasa de conversión a cliente.
EJEMPLO DE ENFOQUE
Problema detectado: la empresa sabe cuántos formularios recibe, pero no qué contenidos ayudan a que una oportunidad avance.
Posible decisión: identificar los contenidos consultados por las oportunidades que terminan solicitando una propuesta y reforzar aquellos que aparecen con mayor frecuencia.
Indicadores: porcentaje de oportunidades que pasan a propuesta y tiempo medio necesario para avanzar hasta esa fase.
Este ejemplo no es una solución única. Otra decisión puede ser válida si está bien justificada y relaciona problema, acción, indicador e interpretación del resultado.
Fuente de partida
Cyberclick. Cómo ha cambiado el Funnel B2B con la IA en 2026.
La publicación sirve como punto de partida para analizar un problema más amplio: cómo cambian los contenidos, la medición y las decisiones de marketing cuando el recorrido del cliente es cada vez menos lineal y parte de la investigación se realiza mediante sistemas de inteligencia artificial.
Juan Armada Blanco
Profesor de Formación Profesional en Comercio y Marketing. Escribo sobre comercio digital, WordPress, inteligencia artificial y tecnología aplicada al aula, a partir de proyectos, experiencias y recursos que utilizo en mi trabajo docente.