– Visión general de los objetivos y la estructura de la sesión.

– Conceptos básicos del Marketing Analytics.

– Comprender el papel de la inteligencia artificial en el marketing y la analítica digital.

– Introducción a la Inteligencia Artificial y sus aplicaciones en el negocio digital.

– Beneficios y desafíos de implementar IA para el análisis de datos.

– Construcción de un marco estratégico para la IA en marketing.

– Relevancia del Prompt y construcción de las bases esenciales.

– Introducción a la Analítica Digital.

– Fundamentos de Google Analytics 4.

– Inteligencia Artificial dentro Google Analytics 4.

– El Plan de Analítica digital.

– Construcción del Plan de analítica con Inteligencia Artificial.

– Privacidad y gobernanza de datos.

– Estructuración y limpieza de datos con IA.

– Análisis de datos básicos con Gemini y ChatGPT.

– NotebookLM como RAG de datos.

– Claude y análisis de datos.

– Clarity y Copilot para grabación de sesiones.

– Gems o GPTs especializados en el análisis de datos.

– Conexión con el MCP de GA4.

– Automatización del análisis con n8n.

– BigQuery y Agentes de análisis conversacional.

– Data Studio Pro e IA en visualización de datos. 

– Conceptos básicos: modelos de difusión, generación texto-a-imagen y texto-a-vídeo. Cómo funciona cada paradigma. 

– El prompt visual: composición, estilo, iluminación, ratio y parámetros negativos. Diferencias con el prompting de texto. 

– Herramientas de generación de imagen: Midjourney, Adobe Firefly, Images (ChatGPT) y Nano Banana (Gemini). Comparativa de resultados, licencias y casos de uso comercial. 

– Herramientas de generación de vídeo: Sora (OpenAI), Veo (Google), Kling y Runway. Estado actual, limitaciones y calidad de outputs. 

– Vídeo con avatares y voz sintética: HeyGen y Synthesia para contenido corporativo, formación y publicidad. Personalización y multilingüismo. 

– Casos de estudio: campaña de producto con imágenes generadas, vídeo explicativo con avatar y adaptación de creatividades a múltiples formatos. 

– Buenas prácticas legales y éticas: derechos de imagen, transparencia con la audiencia y política de uso aceptable de cada plataforma. 

– Ejercicio práctico: generar una batería de creatividades para una campaña ficticia usando al menos dos herramientas distintas y comparar resultados.

– Conceptos básicos: SEO técnico, on-page y off-page. Qué es GEO (Generative Engine Optimization) y por qué importa ahora que Google y Bing integran respuestas generativas. 

– Cómo cambia la búsqueda con la IA: AI Overviews de Google, SGE y el impacto en el CTR orgánico. Adaptar la estrategia de contenidos. 

– Investigación de palabras clave con IA: ChatGPT y Gemini para identificar intenciones de búsqueda, clusters temáticos y brechas de contenido. Semrush Copilot y Ahrefs AI para análisis competitivo. 

– Creación y optimización de contenido: uso de Claude o ChatGPT para borradores, briefs y optimización de metaetiquetas. Cómo mantener la voz de marca y evitar contenido genérico. 

– SEO técnico asistido por IA: Screaming Frog con integración de IA para auditorías, detección de errores y sugerencias de mejora. 

– Herramientas recomendadas: Semrush, Ahrefs, Surfer SEO, NeuronWriter y Google Search Console con sus funciones de IA integradas. 

– Estudios de caso: optimización de una ficha de producto, estrategia de contenido para posicionarse en AI Overviews y auditoría técnica asistida. 

– Medición de campañas SEO: métricas clave en GA4 y Search Console, seguimiento de posiciones y atribución de tráfico orgánico. 

– Ejercicio práctico: construir un cluster temático con IA, generar un brief optimizado y revisar los resultados en Search Console.

– Conceptos básicos: ecosistema de paid media, subasta publicitaria, Quality Score y ROAS. Diferencias entre search, display, social y programática.

– IA nativa en las plataformas: Performance Max (Google), Advantage+ (Meta), Smart Bidding y las estrategias de puja automatizada. Cuándo confiar en la IA de la plataforma y cuándo intervenir manualmente.

– Creación de anuncios con IA: Google Asset Library con generación de imágenes, Meta Advantage+ Creative, y uso de ChatGPT o Claude para copies de anuncio, titulares y variantes A/B.

– Segmentación y audiencias con IA: lookalike audiences, segmentación predictiva y uso de datos propios (first-party data) en un entorno post-cookie.

– Herramientas recomendadas: Google Ads con IA integrada, Meta Ads Manager, Microsoft Advertising, Optmyzr para optimización automatizada y Motion para análisis creativo.

– Estudios de caso: campaña Performance Max desde cero, optimización de un conjunto de anuncios en Meta con Advantage+ y análisis de creatividades con Motion.

– Medición de campañas: atribución en GA4, conversiones offline, ROAS y CPA por canal. Integración de datos de Google Ads y Meta Ads en un dashboard unificado.

– Ejercicio práctico: configurar una estructura de campaña con activos generados con IA, definir audiencias y establecer un sistema de medición básico.

– Conceptos básicos: qué es el marketing automation, ciclo de vida del cliente, lead scoring y nurturing. Diferencia entre CRM, ESP y plataforma de automatización. 

– IA en la personalización del email: segmentación dinámica, líneas de asunto generadas con IA, optimización del momento de envío y contenido adaptativo por perfil. 

– Herramientas recomendadas: HubSpot con IA (Breeze), ActiveCampaign, Klaviyo para ecommerce, Mailchimp con funciones generativas y Brevo. Comparativa por caso de uso y tamaño de empresa. 

– Creación de flujos de trabajo con IA: cómo usar ChatGPT o Claude para diseñar secuencias de nurturing, escribir emails de cada etapa y definir condiciones de ramificación. 

– Chatbots e IA conversacional: Intercom Fin, Drift y ManyChat para cualificación de leads, atención al cliente y recuperación de carritos. Integración con el CRM. 

– Estudios de caso: flujo de bienvenida personalizado con contenido dinámico, secuencia de recuperación de carrito abandonado y scoring automático de leads con IA. 

– Medición de campañas de email marketing: tasa de apertura, CTR, tasa de conversión, RPE (revenue per email) y análisis de bajas. Integración con GA4 para atribución completa. 

– Ejercicio práctico: diseñar con IA un flujo de nurturing de tres pasos, escribir los emails y definir las métricas de éxito de cada etapa.