Cluep: la IA que lee 24 emociones para segmentar anuncios

Cluep y la apuesta por leer emociones a escala

En la cumbre Business of Brands de Ad Age, Karan Walia, CEO y cofundador de Cluep, puso sobre la mesa una idea incómoda para cualquier equipo de marketing: durante décadas segmentamos por lo observable —quién es el consumidor, qué busca, qué compra, dónde está— y dejamos fuera la señal más difícil de capturar a escala, cómo se siente.

La propuesta de Cluep no es vender "sentimientos" como concepto aspiracional. Es convertir la emoción en una variable operativa más, del mismo nivel que la intención de búsqueda o los datos de ubicación. Y ahí es donde el tema deja de ser filosofía de marca y empieza a tocar el P&L de cualquier startup que invierta en adquisición.

De 8 a 24 emociones: cómo cambió el modelo

Walia empezó a investigar la comprensión del lenguaje natural como estudiante en Toronto en 2009. Su trabajo inicial buscaba enseñar a las máquinas a reconocer ocho emociones generales: alegría, entusiasmo, esperanza, miedo, tristeza e ira, entre otras.

Hoy, según el propio Walia, el modelo de IA de Cluep interpreta 24 emociones, y la compañía planea superar las 100 el próximo año. El salto importa porque cambia la granularidad de la clasificación: el análisis de sentimientos tradicional reducía todo a positivo, negativo o neutro. Los modelos más sofisticados distinguen gratitud, curiosidad, nerviosismo o decepción según el contexto de lo que las personas publican e interactúan en línea.

El obstáculo técnico es real y Walia lo reconoce: el lenguaje humano está lleno de jerga y sarcasmo. Separar ruido de señal exige analizar la estructura gramatical de la oración y entender cómo una misma palabra cambia de significado según el contexto, no solo buscar palabras clave.

Por qué una emoción no es lo mismo que una intención

El argumento más útil de la charla es que un mismo comportamiento no siempre indica la misma intención. El ejemplo que usó Walia: un consumidor expresa en internet que quiere comprar un SUV nuevo, pero está decepcionado con un fabricante concreto.

Sus búsquedas revelan interés en un SUV. Sus datos de ubicación muestran una visita a un concesionario. Ninguna de esas dos señales explica la decepción, que es justamente lo que puede explicar por qué esa persona está evaluando otra marca —y el riesgo o la oportunidad que eso representa para la marca original.

"Una señal emocional es un complemento muy valioso para los programas existentes de una marca, ya que proporciona contexto a las necesidades y deseos de una persona", dijo Walia. La emoción no reemplaza los datos de comportamiento: les pone contexto.

Los dos casos que muestran el potencial: McDonald's y Coca-Cola

En el escenario, Walia presentó dos campañas que ya operan con esta lógica. McDonald's buscó consumidores que hablaran de sus antojos de desayuno o expresaran sentimientos positivos hacia el desayuno y la marca, y les envió ofertas personalizadas en tiempo real. Según Walia, la campaña logró una tasa de clics del 1,3% y un aumento del 17% en la probabilidad de que esos consumidores visitaran un restaurante McDonald's durante la semana siguiente.

El caso de Coca-Cola es más interesante desde el punto de vista operativo. La marca quería que los amantes de la comida rápida combinaran su plato favorito con una Coca-Cola en establecimientos asociados, pero el sistema permitía crear hasta 80 cupones distintos según el local y el producto. Con la segmentación tradicional, los usuarios tenían que armar su propio cupón tras entrar al sitio.

Soma, el agente de IA de Cluep, hizo el trabajo: identificó a personas que hablaban de sus comidas favoritas, analizó su opinión sobre una marca de refrescos competidora y determinó si habían visitado recientemente alguno de los restaurantes participantes. Después ejecutó 8 millones de interacciones en la interfaz del sitio de Coca-Cola para más de 800.000 personas, con un cupón personalizado para cada una. Según Walia, eso ahorró a los usuarios más de 40.000 horas de trabajo y redujo el costo por cupón canjeado en un factor de ocho.

El mercado detrás de la emoción

Esto no es un experimento aislado. Según MarketsandMarkets, el mercado de detección y reconocimiento de emociones (EDR) pasaría de US$29.140 millones en 2026 a US$43.290 millones en 2031, con una tasa de crecimiento anual compuesta del 8,2%. El mismo informe señala que el segmento de analítica de experiencia del cliente es el que lidera la demanda, impulsado por su uso en atención al cliente, centros de contacto y plataformas de engagement digital, con proveedores como NICE, Genesys, Verint, Qualtrics y CallMiner empujando la adopción comercial.

El dato que más debería interesar a un founder: la disponibilidad creciente de modelos de reconocimiento emocional preentrenados está bajando la barrera de entrada. Ya no hace falta construir el modelo desde cero para usar la señal.

El freno que casi nadie está mirando: el AI Act europeo

Si tu startup vende o hace marketing en la Unión Europea, hay una capa regulatoria que conviene revisar antes de comprar cualquier herramienta de este tipo. El Reglamento 2024/1689 (Ley de IA de la UE) entró en vigor con un marco de cuatro niveles de riesgo, y sus disposiciones sobre prácticas prohibidas —el Artículo 5— se aplican desde febrero de 2025, con multas de hasta 35 millones de euros o el 7% de la facturación anual global.

Según una guía de cumplimiento de la plataforma Purple, la prohibición de inferir emociones aplica en lugares de trabajo e instituciones educativas, y no se extiende automáticamente a locales comerciales. Pero el Artículo 50(3) sí obliga a informar a las personas expuestas a sistemas de reconocimiento de emociones, incluso cuando el sistema no esté prohibido. Y las obligaciones para sistemas de alto riesgo del Anexo III —incluido el perfilado individual que alimenta decisiones automatizadas de marketing— se aplican desde agosto de 2026.

Traducción para un equipo pequeño: si tu segmentación emocional perfila personas y dispara decisiones automatizadas, probablemente estés en zona de alto riesgo y necesites documentación técnica y gestión de riesgos. Si solo usas señales agregadas para ajustar creatividades, el riesgo es mucho menor.

¿Qué significa esto para tu startup?

No necesitas el presupuesto de McDonald's ni de Coca-Cola para usar esta lógica. Walia lo dijo explícitamente: "Independientemente del presupuesto y la escala, poder conectar con las emociones de las personas te permite enfocarte con precisión en a quién quieres dirigir tu mensaje y cuándo hacerlo".

Acción 1: añade una capa emocional a un segmento que ya tengas. No construyas un modelo nuevo. Toma tu segmento de mayor intención —carritos abandonados, usuarios que probaron el trial, leads que abrieron tres correos— y clasifica el lenguaje que esas personas comparten públicamente o escriben en tus formularios de soporte. La pregunta no es "¿está interesado?" sino "¿está frustrado, curioso o decepcionado?". Eso cambia el copy, no la lista.

Acción 2: define la métrica de negocio antes de la métrica de vanidad. Walia fue claro en que estos programas deben medirse con compras, registros, descargas y visitas a tienda, y advirtió sobre descartar del todo la tasa de clics porque sigue indicando si una campaña genera tráfico relevante. Antes de lanzar, escribe qué resultado cuantificable vas a mover y cuánto necesitas moverlo para justificar la inversión.

Acción 3: audita tus proveedores si operas en Europa. Pide a cada plataforma de marketing o analítica que uses una confirmación explícita de su clasificación bajo la Ley de IA y de que no aplica prácticas prohibidas. Es una pregunta incómoda que casi nadie hace todavía, y te posiciona mejor en cualquier RFP corporativa.

Acción 4: no confundas personalización con manipulación. La línea que traza el propio marco europeo es útil como brújula ética: ofrecer una mejor propuesta a un cliente es personalización; negarle un servicio o una oferta por una clasificación automatizada es otra cosa. Si tu equipo no puede explicar en una frase por qué un usuario recibió un mensaje distinto, tienes un problema de gobernanza, no de tecnología.

Conclusión

La emoción como señal de marketing dejó de ser un experimento de laboratorio. Cluep pasó de 8 a 24 emociones en más de 15 años de trabajo, y los casos de McDonald's y Coca-Cola muestran resultados medibles en clics, visitas y costo por canje. El mercado de EDR se mueve en decenas de miles de millones de dólares y los modelos preentrenados están bajando el costo de entrada.

Para un founder, la oportunidad real no está en comprar la herramienta más sofisticada, sino en sumar contexto emocional a los datos que ya tiene y medirlo con una métrica de negocio. La pregunta que dejó Walia sobre la mesa sigue abierta: la IA ya interpreta emociones mejor que los humanos. Lo que falta decidir es qué haces tú con esa información.

Fuentes

• Marketers by Adlatina — Por qué la emoción del consumidor se está convirtiendo en una nueva señal para los marketers
• Yahoo Finance — Emotion Detection and Recognition (EDR) Market worth $43.29 billion by 2031 (MarketsandMarkets)
• Purple — La Ley de IA de la UE y el Guest WiFi: lo que los mercadólogos necesitan saber
• PuroMarketing — Hacia la total automatización de la publicidad y los anuncios online generados con IA en tiempo real