De la detección de falsificaciones a la tasa de saturación de tu marca: todo lo que puedes ver con Marq AI

Con el rápido crecimiento del comercio electrónico global, los problemas de PI también se vuelven más complejos. En esta serie del blog verás en detalle, desde la mirada de los responsables de producto (PM), qué problemas resuelven los productos de Marq AI y hacia dónde evolucionan.

Este artículo se basa en una entrevista con Jay, responsable del área de falsificaciones de MarqVision.

Temas de la entrevista

1. El objetivo del proyecto

2. Funciones principales

3. Dificultades del diseño y cómo se resolvieron

4. Próximos pasos

El objetivo del panel de falsificaciones de Marq AI

Con el rápido crecimiento del comercio electrónico global, el problema de las falsificaciones es mucho más complejo y amplio que antes. Antes surgía sobre todo en marketplaces chinos, pero ahora se extiende a mercados de todo el mundo, como Estados Unidos, Europa o el Sudeste Asiático. Además, con el auge de las redes sociales y de las compras en transmisiones en vivo, los canales de venta de falsificaciones van más allá de los marketplaces online y llegan a todo tipo de plataformas sociales, lo que dificulta aún más la detección y la respuesta.

El mayor problema es que las publicaciones de falsificaciones reaparecen más rápido de lo que se detectan y retiran. De hecho, cuando la marca hace las retiradas a mano, eliminar una sola publicación lleva más de 30 minutos, y justo después aparece otra, en un círculo vicioso que se repite.

La función de falsificaciones (Counterfeit) de Marq AI se diseñó para superar este límite estructural. No se queda en la detección: está diseñada en torno a la automatización para retirar rápido y el análisis basado en IA, para que los profesionales de la marca se liberen de las tareas repetitivas y puedan centrarse en una respuesta más estratégica.

Funciones principales del panel de falsificaciones (Counterfeit) de Marq AI

P: ¿Hubo alguna petición de un cliente que te hizo pensar “esto hay que resolverlo sí o sí”, o definieron primero el problema internamente?

Una de las mayores dificultades de los responsables de marca al retirar falsificaciones era medir los resultados en cifras y aprovecharlos de forma estratégica. Internamente también diseñamos y fuimos perfeccionando varias funciones en torno a una pregunta: “¿Cómo podemos mostrar a las marcas un valor real basado en el ROI?”.

El resultado de esa reflexión es el panel de falsificaciones (Counterfeit). El panel de falsificaciones de Marq AI está diseñado para que la marca pueda cuantificar las amenazas a las que se enfrenta y, a partir de ahí, definir una estrategia de respuesta eficaz. Lo esencial son las funciones que permiten pasar de consultar datos a tomar decisiones estratégicas.

Además, a partir de las publicaciones de falsificaciones detectadas se generan denuncias automáticas que se pueden enviar directamente a las plataformas, lo que ha acelerado mucho la respuesta. Como ya no hace falta revisar cada publicación una a una ni redactar las denuncias a mano, los profesionales de la marca trabajan de forma mucho más eficiente y la marca puede retirar más amenazas, más rápido.

1) Detección de falsificaciones con IA

Antes se determinaba si un producto era falsificado solo a partir de la información de la página de producto, pero ahora la IA analiza incluso el texto de las imágenes, lo que permite una identificación mucho más precisa. Así se pueden identificar detalles que antes pasaban desapercibidos.

2) Redacción automática de denuncias (FSD)

Recientemente hemos mejorado la función de denuncia automática con LLM. Compara y analiza detalles del producto auténtico y del falsificado, como las palabras que indican falsificación, el lugar de fabricación, los materiales o la talla, y los incorpora directamente a la denuncia, lo que permite responder más rápido y con más eficiencia que cuando la redacta una persona.

3) Panel de resultados de las retiradas

En el panel se ven en tiempo real y de un vistazo los resultados de las retiradas, el número de publicaciones eliminadas, su valor económico equivalente e incluso el análisis de los vendedores.

Además, la frecuencia por país y por plataforma permite ver con claridad dónde se concentra realmente el riesgo. Por ejemplo, hubo casos en los que el responsable esperaba que “el problema sería más grave en China”, pero en realidad la amenaza era mayor en las plataformas del Sudeste Asiático.

En particular, la tasa de saturación (Saturation Rate), incorporada recientemente, va más allá de contar las publicaciones eliminadas y visualiza con cifras y tendencias cuantitativas hasta qué punto está expuesta la marca a un entorno de riesgo.

Antes, el responsable de marca tenía que estimar el nivel de riesgo combinando datos fragmentados; ahora, con el panel de falsificaciones (Counterfeit) de Marq AI, puede identificar de un vistazo las regiones, los canales y los vendedores más peligrosos.

P: ¿Qué cambios notarán los responsables de marca con estas funciones?

Primero, como ven de un vistazo dónde se concentra el riesgo, pueden fijar de inmediato las prioridades: qué publicaciones o vendedores atender primero.

Además, como reciben indicadores de resultados cuantificados, pueden explicar con claridad lo eficaz que ha sido realmente su estrategia de protección de marca y cuál es su ROI.

Y, sobre todo, al automatizar la redacción de denuncias y el proceso de retirada, que eran repetitivos y llevaban mucho tiempo, la carga de los profesionales se reduce mucho. Ahora pueden centrarse más en las decisiones estratégicas importantes.

Dificultades del diseño y cómo se resolvieron

P: Al diseñar e implementar el panel y las funciones de supervisión y retirada, ¿qué fue lo que más les hizo pensar?

Hubo dos grandes dificultades.

La primera fue que el daño de las falsificaciones es distinto en cada sector. Por ejemplo, en moda son habituales los problemas de tallas o estampados; en joyería, los materiales y los baños; y en belleza, las variaciones en los ingredientes y el envase. Incluso dentro del mismo sector, cada marca tiene problemas algo distintos. Por eso nos esforzamos en crear ciclos de aprendizaje personalizados que incorporan los datos y los comentarios de cada cliente, para que la IA aprenda bien estas diferencias.

La segunda fue que los vendedores malintencionados y los patrones de consumo cambian muy rápido. Antes, las principales plataformas eran marketplaces globales como AliExpress o Shopee, pero hoy la venta de falsificaciones se extiende a las redes sociales y las transmisiones en vivo. Para responder a este cambio, recogemos los comentarios del equipo de operaciones y de los clientes, y estamos ampliando por etapas las funciones hasta la supervisión de transmisiones en vivo.

P: ¿Y cómo están resolviendo estos problemas?

Todavía no está todo perfectamente resuelto, pero al entrenar los modelos de IA nos centramos en incorporar de forma constante los datos reales de los clientes y los comentarios que llegan del día a día. Creemos que así el modelo de IA puede ser cada vez más preciso.

Además, al desarrollar funciones nuevas mantenemos una estructura que permite recoger activamente comentarios internos y externos. Internamente, el equipo de operaciones y los expertos en PI suelen ser los primeros en detectar y avisarnos de los nuevos métodos de los vendedores malintencionados. Por ejemplo, si antes el método era “subo la foto y el precio, y la compra se hace por mensaje directo”, ahora evolucionan evitando incluso los mensajes directos y llevando directamente a un enlace a un sitio web externo, o vendiendo en transmisiones en vivo para no dejar rastro. Compartimos rápido estas tendencias y las incorporamos al producto.

Los clientes también nos dan muchos comentarios. Preguntas como “Últimamente vemos indicios de venta en transmisiones en vivo, ¿se pueden detectar?” o “¿También pueden supervisar este canal?” a veces acaban convirtiéndose en mejoras reales de las funciones. Al final, los clientes y nosotros acumulamos juntos datos y experiencia, y construimos un sistema de respuesta cada vez más sólido.

Próximos pasos

P: ¿Hay alguna función que todavía no esté implementada y que quieras añadir sí o sí, o algo que quieras mejorar a partir de los comentarios de los clientes?

La función de falsificaciones (Counterfeit) de Marq AI va más allá de encontrar y eliminar falsificaciones y evoluciona hacia una solución que ayuda a la estrategia de negocio de los clientes. Queremos centrarnos en tres direcciones.

La primera son los modelos de IA personalizados. Cada marca sufre tipos distintos de amenazas a su PI. Los problemas de una marca de moda son muy diferentes de los de una marca de belleza, e incluso hay diferencias dentro del mismo sector. Por eso modularizamos modelos de IA adaptados a cada situación a partir de los datos de los clientes, para detectar los indicios de infracción con más precisión.

La segunda es una detección que imita el comportamiento del consumidor. Hasta ahora nos limitábamos a buscar y detectar publicaciones de forma mecánica; en el futuro queremos un agente de IA que siga el mismo recorrido de compra que un consumidor real. Por ejemplo, el objetivo es reflejar qué términos busca, en qué descripciones de producto hace clic y cómo pasa por los algoritmos de recomendación, para lograr una “detección más cercana a la realidad”.

Por último, las transmisiones en vivo y la clasificación de datos a medida. Es lo que más nos piden últimamente los clientes. Hoy los problemas de falsificaciones no surgen solo en marketplaces online, sino también, y mucho, en redes sociales y transmisiones en vivo. Por eso estamos ampliando las funciones para poder supervisar también estos entornos. Además, queremos ir más allá de decir simplemente “esto es falso / no lo es” y segmentar y clasificar los datos según los criterios que quiera cada cliente, para que pueda usarlos directamente en sus decisiones estratégicas.

En definitiva, nuestro objetivo es claro: convertir la lucha contra las falsificaciones, de un costo, en una inversión. No una simple herramienta de retirada, sino una herramienta para definir estrategias basadas en datos y proteger el valor de la marca. Esa es la imagen de futuro de Marq AI.

Unas palabras para MarqVision y para las marcas que sufren las falsificaciones

P: ¿Qué te gustaría decirles a las marcas que conocen por primera vez el panel y las funciones de falsificaciones (Counterfeit)?

Quienes han lidiado con las falsificaciones lo saben: no se resuelve borrando unas cuantas publicaciones. En cuanto las eliminas, vuelven a aparecer, y cada vez más rápido. Por eso hoy es fundamental mirar a nivel de vendedor y de red, y no de publicación.

La tasa de saturación, los indicadores de resultados y la información a nivel de vendedor que ofrece Marq AI son justo la solución para eso. No se queda en informes del tipo “hemos borrado tantas”: permite saber qué grupo de vendedores es el más peligroso y qué mercado es ahora el de mayor riesgo. Así, el responsable de marca ya no responde a ciegas, sino que puede hacer retiradas estratégicas, fijando prioridades y usando los recursos con eficiencia.

Hay algo que queremos subrayar: combatir las falsificaciones no es un costo, sino una inversión. Más allá de reducir las falsificaciones, puede convertirse a largo plazo en una estrategia para proteger el valor de la marca y aumentar el ROI. Marq AI quiere ser el socio sólido que impulse ese cambio y seguirá creando, junto con sus clientes, soluciones de protección de la PI cada vez más precisas.