Durante quince años el trabajo fue conseguir reseñas y que fueran buenas. Ese trabajo sigue sirviendo, pero ya no es el que decide. Hoy, cuando alguien pregunta a una Inteligencia Artificial por un profesional, no recibe las reseñas: recibe una frase que la máquina ha escrito leyéndolas. Y esa frase no la ha escrito ninguno de tus clientes.
Qué cambia exactamente
Antes tu cliente potencial abría tu ficha, veía la nota media, leía cuatro o cinco comentarios, se fijaba en las fechas y en si alguien se quejaba de algo que a él le importaba. Hacía su propia lectura, con su propio criterio.
Ahora recibe una síntesis. Un párrafo corto, escrito con seguridad, que resume ochenta opiniones distintas en una impresión general. Y ese párrafo tiene una propiedad que las reseñas nunca tuvieron: parece objetivo.
Por qué una nota media alta ya no te protege
Porque los resúmenes no funcionan por promedio, funcionan por lo que destaca. Y lo que destaca casi nunca es lo mayoritario, es lo distinto.
Si tienes setenta y ocho reseñas excelentes y dos que mencionan que costó conseguir cita, un resumen puede recoger perfectamente lo de la cita, porque es el detalle concreto y comparable. Lo demás es elogio genérico, y el elogio genérico no aporta información que resumir.
No es mala fe. Es cómo funciona una síntesis: se queda con lo que diferencia, no con lo que se repite.
El problema de la reseña vieja
Este es el que más caro sale y el que menos gente mira. Una queja de hace cuatro años sobre algo que ya corregiste sigue ahí, sigue siendo legible y sigue pesando.
Un lector humano habría visto la fecha y la habría descontado. Un resumen no siempre lo hace, y desde luego no te avisa de que lo ha tenido en cuenta. Es el mismo mecanismo por el que la Inteligencia Artificial te describe con datos de hace años sin que nada indique que esa foto está caducada.
Lo que la máquina lee, y no es solo tu ficha
Conviene quitarse una idea de encima: no lee solo la plataforma donde tú pediste opiniones. Lee lo que encuentra. Comentarios en foros, hilos donde alguien preguntó por profesionales de tu zona, menciones en redes, valoraciones en directorios en los que ni recuerdas estar dado de alta.
Y esas fuentes ajenas pesan más de lo que uno esperaría, porque un sistema así confía más en lo que dicen terceros que en lo que dices tú. Una web propia impecable no compensa un hilo antiguo donde alguien se quejó. Y las fichas de mapas, que llevan años incorporando lectura automática de opiniones, son de las que más material aportan.
Qué se hace con esto, en concreto
Lo primero, no perseguir la cantidad. Veinte reseñas específicas, con detalle de qué problema resolviste y para quién, alimentan un resumen mucho mejor que doscientas que dicen «muy profesional, lo recomiendo». El elogio vago no da material.
Lo segundo, pedir a los clientes contentos que cuenten el caso, no que te pongan nota. Cuál era la situación, qué se hizo, cómo acabó. Eso sí se puede resumir y sale bien resumido.
Lo tercero, responder públicamente a las quejas antiguas explicando qué cambió. Esa respuesta también se lee, y aporta la fecha y el contexto que a la queja le faltan.
Y lo cuarto, comprobar el resultado. No mirar tu nota media, sino preguntar a los principales motores por un profesional de tu especialidad en tu ciudad y leer con qué frase te describen. Es lo que va a leer tu cliente, y es lo único que importa medir.
Si quieres ver esa frase en los tres motores principales, con fecha y repetida en el tiempo para saber si mejora o empeora, eso es justo lo que mide RADAR.
Sobre el autor
Javier G. Amblar es consultor estratégico senior con 27 años de experiencia y ha formado a más de 33.000 profesionales en 55 países. Exprofesor asociado del IE Business School con Premio a la Excelencia Docente y colaborador experto en RTVE, Telemadrid, Onda Cero y EsRadio. Trabaja la reputación y la visibilidad de los profesionales ante los motores de Inteligencia Artificial. Detrás de su trabajo hay una comunidad en línea de más de 500.000 personas. Dirige RADAR.
