Cómo armé un focus group de 14 mexicanos sintéticos para validar copy publicitario

Quien haya gastado en pauta digital sabe el momento incómodo: estás a punto de meterle $30,000 MXN a una campaña de Meta Ads, el creativo está listo, el copy ya pasó por varios ojos del equipo, y todavía no sabes si va a funcionar. Lanzas, pierdes los primeros $10,000 entendiendo que el copy no jaló, iteras, y ojalá la siguiente versión cubra el costo de la primera.

Para los grandes (Coca-Cola, Bimbo, Nestlé) esto se resuelve con focus groups reales: 8-12 mexicanos de tu segmento en una sala con espejo unilateral, un moderador, tres horas, $80,000 MXN por sesión. Para los chicos y medianos, ese presupuesto no existe. Lanzas a ciegas.

Esta guía explica cómo armamos un sustituto sintético — un panel de 14 personas mexicanas validadas que viven dentro de Claude Code y leen tu copy antes de que gastes el primer peso. Por qué los focus groups gringos no aplican, qué fuentes públicas usamos para calibrar, y un ejemplo concreto con un anuncio real.

Por qué un focus group gringo no aplica para MX

Si googleas "synthetic focus group" encuentras varios productos en inglés. Todos calibrados con datos US: Census Bureau, GfK MRI-Simmons, Nielsen US. Ninguno sirve para evaluar copy mexicano por tres razones específicas.

Primera: la segmentación NSE es distinta. En US la gente clasifica por income quintile o por demographic clusters tipo PRIZM. En México la industria de research usa NSE AMAI (8x7 antes, 6 variables desde 2017), que mide acceso a bienes y servicios, no solo ingreso. Una persona con bajo income pero con dos baños completos, internet y dos autos no está en lo mismo que alguien con income similar pero un baño y sin auto.

Segunda: la distribución regional es distinta. CDMX, Monterrey y Guadalajara son tres mundos distintos cuando se trata de cómo se toma una decisión de compra. La cantidad de personas que viven en cada NSE varía mucho entre estados — Yucatán tiene más concentración A/B en Mérida, Chiapas tiene más D/E rural. Un focus group US no captura ese gradiente.

Tercera: las plataformas y referencias culturales son distintas. "Mi piloto se ve cheap" tiene un sabor específico mexicano que no se traduce literalmente del inglés. Las marcas de referencia (Bimbo, Soriana, Banamex, AT&T MX, Aurrera) no están en el dataset gringo. Las celebridades, los memes, las noticias políticas que afectan el ánimo de consumo — todo eso es local.

Las fuentes públicas que sí sirven

Para construir un panel sintético mexicano que aguante un análisis serio, las fuentes son:

Sumadas son ~4 GB de datos brutos que requieren limpieza, consolidación y validación cruzada para producir personas coherentes. Es trabajo de meses, no un script de fin de semana.

El método PSEC-MX en perspectiva

Internamente llamamos al método PSEC-MX (Población Sintética con Estructura Calibrada para México). A alto nivel:

1. Definir la matriz de cobertura. Tres NSE principales (A/B, C, D/E), tres rangos de edad (millennial, X, boomer), dos géneros, cuatro regiones (CDMX, ZMM, ZMG, sureste/centro-bajío). Eso da una grilla teórica que define los huecos a llenar.
2. Anclar cada persona en datos reales. Cada arquetipo se construye sobre una intersección concreta de ENIGH (qué gasta), AMAI (su NSE oficial), INE (su voto si se reveló), PROFECO (qué precios paga típicamente).
3. Calibrar lenguaje y tono. Las respuestas de cada persona se afinan iterando contra ejemplos reales de habla, no contra una traducción genérica del español de España o LATAM.
4. Backtest contra casos históricos. Tomar 10-20 anuncios que ya se lanzaron en MX (con outcome conocido) y medir si las personas sintéticas hubieran predicho el resultado. Si el hit rate es alto, el panel es útil; si no, hay que recalibrar.

En la versión actual del panel completo (que vive comercialmente en marketing.sistemia.mx), el backtest dio hit rate 100% sobre n=10 casos diversos, con Cohen's d 4.98 y AUC 1.00. Sobre n=20 lo seguimos midiendo.

Cómo se ve una persona del panel

Las 14 personas no son listas de atributos. Cada una tiene un dossier de 1-2 páginas con su historia laboral, su composición familiar, sus marcas habituales, su voto 2024, sus medios de información, sus deal-breakers en publicidad. Tres ejemplos a alto nivel (sin dar los dossiers completos):

• Andrea (A/B, 38 años, Monterrey). Directora de marketing en empresa familiar. Vive en Cumbres, dos hijos en escuela bilingüe. Lee El Financiero. Compra en City Market y HEB. Voto 2024 oposición. Le molesta el copy que se ve "cheap"; valora pruebas sociales y trazabilidad. Útil como evaluadora de premium / lujo / B2B alto.
• Mariana (C+, 32 años, Guadalajara). Coordinadora administrativa. Vive en Zapopan, recién casada. Compra en Soriana y Walmart con tarjeta departamental. Voto 2024 Morena pero sin militancia. Le late lo aspiracional accesible (Liverpool por temporada). Útil para mid-market masivo.
• María Fer (C-, 27 años, Edomex). Cajera en tienda departamental. Vive con su mamá y dos hermanos. Compra en Bodega Aurrera, mercado sobre ruedas, y Mercado Libre cuando junta. Voto 2024 Sheinbaum. Le molesta el copy paternalista; le late lo familiar y cercano. Útil como control para detectar elitismo no intencional.

Las 11 restantes cubren el resto del espectro: el patrimonio heredado, el dueño de PyME informal, el jubilado pensionado, el universitario primer-en-su-familia, etc.

El método de evaluación: FGMX-Score

Cuando le pasas un copy al panel, no devuelve una opinión libre — devuelve un análisis estructurado en 7 dimensiones que llamamos FGMX-Score:

1. Comprensión — ¿lo entendí al primer segundo?
2. Relevancia — ¿me llama por algo concreto?
3. Credibilidad — ¿me creo la promesa?
4. Diferenciación — ¿me suena distinto a otros que dicen lo mismo?
5. Emocional — ¿genera reacción genuina?
6. Affordability — ¿el precio cabe en mi presupuesto?
7. Intención de compra — ¿lo iría a buscar?

Cada persona puntúa cada dimensión de 0 a 10 con una rúbrica BARS (Behaviorally Anchored Rating Scale) que define qué significa cada nivel. El score agregado se llama Buyability y pondera las dimensiones según la categoría del producto (premium pondera diferenciación; consumo masivo pondera affordability; B2B pondera credibilidad).

Ejemplo concreto: un anuncio real

Tomemos un caso ficticio pero realista. Un seguro de auto con copy:

"Protege lo que más quieres por solo $399 al mes. Cobertura amplia, sin enganche."

Lo metes al panel con categoría "fintech_banca" y target "C+ urbano 28-45". Las personas relevantes responden algo así:

Andrea (A/B Monterrey): "$399 al mes para un seguro de auto suena raro barato. ¿Qué cubre? Yo busco confianza, no precio. Si no veo la marca atrás, paso." [Comprensión 7, Credibilidad 4, Buyability 4.8]

Mariana (C+ Guadalajara): "$399 sí me cuadra. Pero 'cobertura amplia' no me dice nada. ¿Cubre robo total? ¿Cristales? Me late ver desglose. Si lo veo y está bien, sí lo considero." [Comprensión 6, Affordability 8, Buyability 6.5]

María Fer (C- Edomex, control): "$399 sigue siendo mucho para mí cada mes. Si lo dieran semestral lo pensaría. Y necesito ver que sí pagan cuando choco, no nomás promesas." [Affordability 3, Intención 3, Buyability 3.4]

El panel agrega los scores y devuelve:

• Buyability target promedio: 5.7/10 (mediocre)
• Dimensión más débil: Credibilidad (4.5)
• Dimensión más fuerte: Affordability (7.2)
• Spread target-control: 2.3 (sano — el targeting está bien)
• Recomendación: agregar social proof concreto y detallar coberturas. Considerar pricing semestral para abrir tier C-.

Y genera tres variantes mejoradas con copy específico que tú puedes A/B testear antes de mandar a producción. Lo que evitas: gastar la pauta de aprendizaje en un copy que ya sabes que tiene problema de credibilidad.

Lo que NO hace este skill

Para que quede claro: el panel sintético no sustituye un focus group real con personas vivas. Es un filtro previo barato y rápido, no la decisión final.

• No predice ventas en pesos exactos.
• No reemplaza testing real (Meta Ads, Google Ads pre-launch).
• No captura el peso de la creatividad visual (las personas solo leen, no ven imágenes).
• No tiene memoria entre runs — cada evaluación arranca de cero.
• No sirve para mercados fuera de México.

Lo que sí hace: detectar los problemas obvios antes de quemar dinero, dar lenguaje específico para iterar, y hacerlo en minutos en vez de semanas.

Cómo lo pruebas tú

En el tianguis hay una versión preview pública con tres personas de ejemplo (Andrea, Mariana, María Fer) y el método explicado a nivel pitch. Sirve para que sientas el formato y el tono. La instalación toma tres comandos:

git clone https://github.com/lahh1986/sistemia-skills-mx.git
mkdir -p ~/.claude/skills
cp -r sistemia-skills-mx/skills/focus-group-mx ~/.claude/skills/focus-group-mx

La versión completa (las 14 personas validadas con dossiers completos, FGMX-Score con pesos calibrados por categoría, base PROFECO para validar pricing en tiempo real, backtest histórico documentado) vive en marketing.sistemia.mx como producto comercial de Sistemia. Si te interesa probarla antes de comprometerte, escríbenos por WhatsApp desde la página del skill — la primera evaluación va por nuestra cuenta.

Para seguir

Si esta es tu primera lectura del tianguis y te llamó la atención el método, recomendamos seguir con Skills en español para MX/Latam: qué cambia cuando son locales para entender por qué este tipo de herramientas no las va a construir un equipo gringo, y por qué tiene sentido que el tianguis exista como catálogo en español.

Y si ya estás listo para explorar los demás skills, en la categoría MX/Latam están los siete que hay live, todos con preview gratis.