En tiempos donde las marcas producen más contenido que nunca, Greg Stuart cree que el marketing atraviesa una crisis de credibilidad. El CEO global de la MMA sostiene que la industria todavía toma demasiadas decisiones basadas en intuiciones, modas y opiniones, en lugar de apoyarse en evidencia científica y conocimiento validado. Y lanza una pregunta incómoda: si el CMO es uno de los principales motores de crecimiento de una empresa, ¿por qué sigue teniendo tan poco poder dentro de las organizaciones?
Durante su presentación en Buenos Aires en el marco de MMA Impact, Stuart propuso repensar el marketing como una disciplina más cercana a la medicina o la ingeniería: profesionalizada, medible y sustentada en investigación. Para eso, recupera un enorme cuerpo de conocimiento construido sobre miles de estudios académicos que, según afirma, el propio marketing muchas veces ignora.
Entre los datos más contundentes de su exposición aparece uno especialmente provocador: la distribución puede tener un impacto hasta 67 veces mayor que la publicidad sobre el negocio. También cuestiona la obsesión por las métricas de corto plazo y advierte que muchas campañas fracasan antes incluso de salir al mercado, por problemas estratégicos de origen.
La inteligencia artificial ocupa otro capítulo central de su mirada. Stuart reconoce su enorme potencial para mejorar eficiencia, personalización y efectividad, pero advierte que la IA no corrige malas decisiones: simplemente las amplifica más rápido.
Estuvimos en la Usina del Arte y compartimos un breve mano a mano con el CEO Global de MMA:
—¿Por qué creés que el marketing todavía tiene poca credibilidad dentro de las compañías?
—Porque muchas veces nos enfocamos en contar historias sin entender la ciencia que hay detrás. Los marketers y las agencias se obsesionaron con el storytelling, pero no necesariamente con validar científicamente qué funciona y qué no.
La mejor comparación que puedo hacer es con la medicina. Durante siglos creían que sacar sangre curaba enfermedades. Era una práctica aceptada… hasta que entendieron que estaban matando gente. La medicina evolucionó cuando empezó a apoyarse en la ciencia, en hipótesis, en pruebas y validaciones.
El marketing todavía no hizo completamente ese cambio. Muchas veces trabajamos sobre métricas equivocadas, interpretaciones incorrectas o creencias que nunca fueron realmente comprobadas.
—¿Qué le falta entonces al marketing?
—Aceptar dónde estamos. El marketing es complejo porque combina ciencias duras y blandas al mismo tiempo. Necesitamos entender matemáticas, estadística y neurociencia, pero también psicología y ciencias sociales. Muy pocas profesiones reúnen todas esas disciplinas. Por eso creo que necesitamos cuestionar más cosas y dejar de guiarnos tanto por opiniones.
—En tu presentación hablás de “la era de la opinión”. ¿Seguimos ahí?
—Sí, completamente. Mi argumento es justamente que hoy seguimos viviendo en la era de la opinión. Y eso es un problema porque muchas decisiones se toman sin suficiente evidencia. Necesitamos más estudio, más ciencia y más capacidad para validar lo que realmente genera impacto.
—¿La inteligencia artificial puede ayudar a resolver eso?
—Puede ayudar muchísimo, pero también tiene riesgos. Los modelos de lenguaje repiten opiniones existentes. Entonces, si le preguntás a una IA cuál es la mejor estrategia de marketing, muchas veces te devuelve respuestas incorrectas o simplificaciones peligrosas.
Eso no significa que la IA no sea poderosa. Lo es. Puede mejorar eficiencia, efectividad e incluso transformar productos enteros. Uber es un gran ejemplo: no usó la tecnología móvil solamente como herramienta, sino para reinventar el negocio del transporte.
Pero hay que entender algo importante: la IA también puede escalar tus problemas. Si tu estrategia es mala, la IA la va a amplificar más rápido.
—También sostenés que la distribución es más importante que la publicidad. ¿Por qué?
—Porque los datos lo demuestran. Yo mismo lo aprendí hace apenas seis o siete años. La distribución es mucho más predictiva del impacto en el negocio que la publicidad. La publicidad tiene una relevancia estadística bastante débil en muchos casos. Eso no significa que sea inútil, sino que muchas veces fue mal utilizada.
El problema es que en las agencias siempre nos enseñaron a trabajar sobre el anuncio, no sobre la distribución. Y, sin embargo, la distribución puede tener un impacto muchísimo mayor sobre el negocio.
—¿Cuál es hoy la misión de la MMA?
—Lograr que toda la industria trabaje junta. Marcas, CMOs, plataformas, medios y compañías tecnológicas.
Nuestro objetivo es hacer que el marketing sea más fuerte, más efectivo y más predecible. Pero para eso tenemos que enfocarnos en resolver las grandes preguntas de la industria.
—Por ejemplo…
—Por ejemplo, entender financieramente cuánto vale una marca. Todo el mundo habla de “brand”, pero históricamente no existía una metodología clara para medir su valor económico real.
En la MMA desarrollamos una metodología hace seis años y ya realizamos cuatro experimentos para medirlo. Son estudios extremadamente complejos y caros, pero ahora podemos darle un valor financiero concreto al branding.
—¿Encontrás problemas similares en América Latina?
—Sí, totalmente. Las conversaciones que tuve acá son muy parecidas a las que escucho en otros mercados. Tal vez algunos países tienen menos escala para hacer investigaciones complejas, pero mercados como Argentina, Brasil o México sí pueden desarrollar este tipo de estudios y aplicar metodologías avanzadas.
Durante tu presentación recomendas la lectura de un libro
Sí, Empirical Generalizations About Marketing. Compilado por el profesor Dominique Hanssens, de UCLA. Es un libro difícil y muy académico, pero contiene lo que la comunidad científica considera conocimiento consolidado del marketing. Sus conclusiones están basadas en miles de investigaciones
—¿Qué consejo le darías a los jóvenes marketers?
—Primero: cuestionen todo. Siempre fui una persona que cuestionaba a sus jefes y las formas tradicionales de hacer las cosas.
Segundo: estudien ciencia. Psicología, estadística, neurociencia, ciencias sociales. Y, por supuesto, desarrollen fluidez en inteligencia artificial. Van a necesitar entender cuándo y cómo usarla.