Alguien le pide a ChatGPT “escríbeme un anuncio para mi negocio” y recibe un texto genérico que podría servirle a cualquier negocio del mismo giro, en cualquier ciudad, con cualquier tipo de cliente. No es que el modelo sea malo — es que no le dieron nada específico con qué trabajar.
Por qué el anuncio genérico sale por default
Sin contexto sobre el negocio, ChatGPT completa el vacío con lo más común y estadísticamente probable para ese tipo de producto — que es exactamente la definición de un anuncio genérico. El modelo no conoce el ticket promedio del negocio, ni su objeción más común, ni qué lo diferencia de la competencia real, a menos que alguien se lo diga primero.
Qué información produce un anuncio distinto
El ángulo del anuncio cambia por completo cuando se le da al modelo la objeción real que más detiene a un cliente potencial, el resultado específico que el negocio entrega — no la categoría genérica del servicio — y ejemplos de lenguaje real que usan los clientes actuales para describir su problema. Con esa entrada, lo que sale ya no suena a plantilla: suena al negocio.
Dónde falla solo, sin importar qué tan bien se le pida
ChatGPT no sabe si el anuncio que generó va a convertir de verdad hasta que corre en una campaña real con presupuesto real. Puede sonar persuasivo en el papel y fallar frente a la audiencia específica de ese negocio, porque el modelo no tiene acceso a los datos históricos de esa cuenta ni al comportamiento real de esa audiencia — solo puede generar hipótesis razonables, no predicciones confiables.
El proceso que sí funciona
Generar varias variantes con contexto específico del negocio, probarlas con presupuesto controlado en la plataforma real, y usar los resultados de esa prueba — no la intuición sobre cuál “suena mejor” — para decidir cuál escalar. El modelo acelera la producción de variantes; la campaña real decide cuál funciona.
Esto vive en el Manual de Vibe Marketing, junto con automatizar reportes de marketing con n8n y un día en el trabajo de un Vibe Marketer.