Una nueva perspectiva sobre la segmentación: tres perspectivas

En octubre de 2025, tres expertos en investigación que representaban diferentes puntos de vista participaron en una mesa redonda en la conferencia Art of Marketing de AMA San Diego. Su tema: una metodología «nueva en el mundo» denominada segmentación cualitativa, un enfoque emergente que utiliza el análisis de datos cualitativos asistido por inteligencia artificial para deducir segmentos de clientes significativos a partir de entrevistas, respuestas abiertas o transcripciones.

La segmentación ha sido durante mucho tiempo fundamental para entender a los clientes, definir quiénes son, cómo se comportan y qué impulsa sus elecciones. Tradicionalmente, los especialistas en marketing se basaban en dos enfoques establecidos: la segmentación cuantitativa, basada en encuestas a gran escala, análisis multivariantes y modelos estadísticos; y la segmentación intuitiva, guiada por la experiencia colectiva y la intuición de los especialistas en marketing y estrategas, que se basan en los conocimientos, la observación y la visión creativa existentes para definir los grupos de audiencia.

Ahora, está surgiendo un tercer enfoque. La segmentación cualitativa amplía el conjunto de herramientas del investigador al introducir una forma de crear segmentaciones a partir de datos narrativos ricos.

El panel reunió a:

• Phil Goddard, creador de la metodología y fundador de Arquitecto de valores
• Kirsty D. Núñez, estratega de segmentación cuantitativa y cualitativa y presidente de Perspectivas del segundo trimestre
• Kathy Townend, director de Customer Insights en Enlyte, que representa la perspectiva del investigador corporativo

Juntos, examinaron cómo este nuevo enfoque podría transformar la práctica de segmentación cuando se aplica con intención, rigor y supervisión humana.

‍

Phil Goddard: La perspectiva del creador

Phil Goddard ha sido investigador cualitativo durante más de tres décadas. Su curiosidad por saber cómo los modelos lingüísticos podrían ampliar los límites del conocimiento cualitativo lo llevó a desarrollar lo que él denomina un proceso de modelado de conocimientos, un proceso estructurado y asistido por inteligencia artificial que extrae, clasifica y agrupa el significado de los datos cualitativos.

El proceso se desarrolla en cuatro pasos deliberados:

1. Extracción — identificar ideas, emociones y valores clave en las historias de los encuestados
2. Clasificación — mapear esas ideas para unidades principales (el «por qué») y modelos mentales (el «cómo»)
3. Agrupación — agrupar a los participantes con «huellas dactilares» psicológicas y lingüísticas similares
4. Generación narrativa — traducir los clústeres en historias de segmentos ricas y centradas en el ser humano

A partir de este proceso, Phil desarrolló tres enfoques de segmentación:

• Unidades principales, que revelan las motivaciones subyacentes y los factores emocionales
• Modelos mentales, que capturan la forma en que las personas piensan e interpretan el mundo que las rodea
• Discurso temático, que refleja en qué se centran las personas y de lo que más hablan

Cada uno de estos se puede usar de forma independiente para crear segmentaciones distintas, lo que generalmente resulta en tres o más segmentos, según la riqueza de los datos y la diversidad de las perspectivas de los participantes. En conjunto, proporcionan múltiples vías para descubrir y organizar el significado humano dentro de los datos cualitativos.

El resultado es una segmentación basada en estas tres lentes complementarias que revelan por qué las personas piensan y actúan como lo hacen. El enfoque mantiene a los investigadores involucrados activamente en cada etapa, combinando la eficiencia computacional con la interpretación y la supervisión humanas.

‍

Kirsty Nunez: La perspectiva de la investigadora

Después de haber practicado la investigación cualitativa y cuantitativa durante más de 30 años, he visto de primera mano cómo cada método contribuye de manera única a comprender a las personas. La segmentación cuantitativa sigue siendo fundamental, ya que es poderosa por su validez estadística, capacidad predictiva y escalabilidad. En su forma más simple, puede ser tan sencilla como dividir un mercado por características observables como el género, la edad o los ingresos. Sin embargo, en la práctica, la segmentación cuantitativa aceptada implica mucho más: encuestas a gran escala, análisis multivariantes y técnicas de agrupamiento que revelan las dimensiones subyacentes de la necesidad, la motivación y el comportamiento.

Estas segmentaciones modeladas estadísticamente permiten a los especialistas en marketing proyectar los resultados a toda una población y cuantificar el tamaño relativo y el valor potencial de cada segmento. Sin embargo, su rigor tiene un costo. Llevan mucho tiempo, consumen muchos recursos y, a menudo, son inaccesibles para las organizaciones más pequeñas o para aquellas que necesitan una visión rápida y exploratoria.

La segmentación cualitativa ocupa un espacio crítico entre la intuición creativa y la precisión estadística. Cuando Phil introdujo este enfoque, inicialmente lo vi desde una perspectiva cuantitativa y me pregunté cómo se podrían estructurar los datos cualitativos para la segmentación. Pero ver la primera aplicación cambió esa perspectiva.

En una de nuestras primeras aplicaciones de esta metodología, analizamos 27 entrevistas en profundidad y descubrimos tres segmentos claros e intuitivos:

• Buscadores de desarrollo empresarial
• Cultivadores de conocimiento y conexión
• Colaboradores especializados

Cada uno representaba motivaciones distintas, todas derivadas directamente de las palabras de los participantes. El proceso fue rápido, transparente y extraordinariamente preciso.

Dicho esto, la segmentación cualitativa no sustituye a la segmentación cuantitativa. Es una herramienta complementaria que amplía el conjunto de herramientas del investigador. Su éxito depende de un diseño intencional, desarrollando guías de discusión cualitativas con la segmentación como objetivo explícito. Las preguntas deben suscitar profundidad, variación y motivación; de lo contrario, los grupos resultantes corren el riesgo de ser superficiales.

De cara al futuro, los enfoques híbridos son muy prometedores. Una fusión cualitativa podría comenzar con una segmentación cualitativa para revelar los factores emocionales y los patrones lingüísticos, y luego utilizar esos conocimientos para diseñar un estudio cuantitativo que valide el tamaño y la prevalencia de los segmentos. Por el contrario, la segmentación cuantitativa podría identificar macrosegmentos, mientras que la segmentación cualitativa profundiza la comprensión de las personas detrás de las cifras.
Esta interacción, la combinación de escala e historia, representa la próxima evolución en la segmentación.

‍

Kathy Townend: La perspectiva de la investigadora corporativa

Desde el punto de vista del cliente, Kathy Townend considera que la segmentación cualitativa es una forma de unir lo que los clientes dicen en las encuestas con lo que quieren decir en la conversación. En los entornos B2B, en los que los tamaños de las muestras pueden ser pequeños pero los conocimientos son profundos, este enfoque puede revelar las motivaciones subyacentes y las señales de alerta temprana que las encuestas de seguimiento tradicionales podrían pasar por alto.

Kathy hace hincapié en dos beneficios:

1. Profundidad en niveles bajos de N — Las muestras pequeñas y de alta calidad pueden revelar estructuras emocionales complejas que ayudan a las marcas a anticipar los cambios en la lealtad o la satisfacción antes de que aparezcan en métricas como el NPS.
2. Transparencia y confianza — Como esta metodología es propia de un investigador al día, evita el problema de la «caja negra» de muchas herramientas de IA. Los analistas pueden revisar cada paso analítico para garantizar que los resultados sigan siendo creíbles e interpretables.

Para los investigadores corporativos, la segmentación cualitativa no solo ofrece una nueva fuente de datos, sino también una nueva forma de enmarcar las conversaciones internas sobre los clientes, la cultura y la dirección de la marca.

‍

Una advertencia: validez, confiabilidad y longevidad

Como ocurre con cualquier metodología emergente, la segmentación cualitativa aún se encuentra en sus primeras etapas. Si bien los resultados iniciales son convincentes, los investigadores deben abordarlos con curiosidad y cautela.

La longevidad y la fiabilidad de la segmentación cualitativa dependerán de varios factores:

• Coherencia de las entradas — La calidad de los datos cualitativos, la estructura de la guía de discusión y la riqueza de las respuestas influyen directamente en el resultado de la segmentación.
• Variabilidad del modelo — Como los modelos lingüísticos son estocásticos, cada serie puede producir frases o etiquetas ligeramente diferentes. Si bien los patrones de los segmentos tienden a mantenerse, la redacción y los matices pueden variar.
• Validación a lo largo del tiempo — Al igual que con la segmentación cuantitativa, la replicación entre proyectos y poblaciones será clave para establecer la confianza metodológica.
• Evolución de la tecnología — A medida que los modelos de IA siguen evolucionando, los marcos analíticos subyacentes pueden cambiar, lo que requiere una recalibración periódica y transparencia en la forma en que se derivan los segmentos.

En esta etapa, la segmentación cualitativa debe verse como una poderosa herramienta exploratoria y direccional, no como un sustituto de la segmentación cuantitativa validada estadísticamente. Su fortaleza radica en su capacidad para generar hipótesis, descubrir la profundidad emocional y guiar las futuras mediciones cuantitativas.

Los próximos años dirán qué tan bien funciona esta metodología longitudinalmente, qué tan confiablemente se puede reproducir y cómo se integra en ecosistemas de segmentación más amplios. Por ahora, su promesa radica en lo que revela: nuevas formas de entender a las personas a través del lenguaje que usan y las historias que cuentan.

‍

Perspectivas de la audiencia: qué sigue

Las preguntas y respuestas del público revelaron la curiosidad y la energía que rodean este nuevo enfoque:

• Escalabilidad y adaptabilidad: Las primeras pruebas sugieren que el método funciona bien en contextos B2B y B2C, siempre que los datos sean lo suficientemente ricos.
• Variabilidad y validación: Si bien las narrativas generadas por la IA pueden variar ligeramente de una tirada a otra, las estructuras de los segmentos subyacentes permanecen estables.
• Integración cuántica: Los participantes estaban particularmente intrigados por la posibilidad de unir huellas digitales cualitativas con medidas cuantitativas, transformando la forma en que cuantificamos la emoción, el contexto y la motivación a escala.

‍

Un tercer pilar en el conjunto de herramientas de segmentación

Hoy en día, los profesionales del marketing y los investigadores pueden recurrir a tres formas complementarias de segmentación:

1. Segmentación cuantitativa — riguroso, predictivo y estadísticamente confiable
2. Segmentación intuitiva — colaborativo, creativo y experiencial
3. Segmentación cualitativa — basado en narrativas, emocionalmente resonantes y accesibles

Cada uno aborda diferentes necesidades empresariales. En conjunto, proporcionan una comprensión más completa de los clientes, equilibrando lo cuantificable con lo significativo. A medida que esta metodología vaya madurando, puede que no sustituya a los enfoques tradicionales, pero sin duda ampliará las posibilidades de segmentación. Permite a las organizaciones avanzar más rápido, trabajar con conjuntos de datos más pequeños pero más ricos y volver a centrar la atención estratégica en las historias humanas.

El futuro de la segmentación no consiste en elegir entre lo cualitativo o lo cuantitativo. Se trata de aprender a orquestar ambas cosas, utilizando el arte de contar historias y la ciencia de la medición para iluminar todo el espectro del comportamiento humano.

Kirsty D. Núñez es presidente y estratega jefe de investigación de Q2 Insights, una firma de estrategia e investigación de mercados con sede en San Diego. Ha dedicado su carrera a ayudar a las organizaciones a descubrir información detallada sobre los clientes y a traducirla en estrategias. En la actualidad, su trabajo se centra en integrar la IA en la investigación de mercados y posicionarla como una cuarta categoría de investigación que complementa y mejora los métodos tradicionales. Hace hincapié en la asociación entre las herramientas avanzadas de inteligencia artificial y las fortalezas exclusivamente humanas, como la curiosidad, la empatía y el juicio estratégico.