Empiece con clientes que ya compraron, superaron un ciclo razonable de recompra y pueden recibir comunicaciones. Utilice IA para probar el momento o el contenido del contacto; conserve permisos, límites de ofertas y condiciones de salida en reglas verificables. Compare el nuevo recorrido con el actual y, cuando sea viable, con un grupo sin la acción de reactivación. La decisión de ampliar debe basarse en margen incremental después de costos, no en ingresos atribuidos al correo ni en mensajes personalizados enviados.
No toda la base inactiva tiene el mismo problema
Quien compra alimento para mascotas cada mes no tiene el ciclo de quien adquirió un refrigerador. Elija una categoría con recompra plausible y revise pedidos completados, devoluciones, inventario y atención. Distinga una reposición atrasada de una mala experiencia. Si las tiendas y el ecommerce no reconocen al mismo cliente, resolver identidad puede aportar más que incorporar un modelo.
Una ficha de decisión para el equipo
- Público: compradores anteriores, ciclo por categoría y canal permitido; excluir compra reciente, reclamo abierto y campañas incompatibles.
- Motivo: reposición, duda de uso o interés en categoría; diferenciar registro real de hipótesis del modelo.
- Acción: recordatorio útil, contenido aprobado, producto disponible o ayuda humana; cualquier incentivo requiere una regla de margen.
- Prueba: margen por cliente elegible, ventana de observación, comparación válida, costos y responsable de continuar o detener.
La ficha es una propuesta operativa de MAKINAI, no una certificación. Cada campo necesita una fuente y un responsable. No utilice inferencias sensibles ni mensajes que aparenten conocer circunstancias personales que el cliente nunca compartió. Si la información no sostiene una recomendación, use contenido pertinente más general o no envíe.
Reglas, predicción y contenido cumplen funciones distintas
Las reglas controlan permisos, frecuencia, inventario, pedidos recientes y salida después de comprar. Un modelo predictivo puede estimar el momento de recompra; la IA generativa puede redactar variantes con material aprobado. Ninguno necesita crear ofertas por su cuenta. Klaviyo documenta predicciones de próxima compra basadas en historial individual y de la base, sujetas a requisitos de datos. Esa probabilidad no demuestra que el contacto cause una compra adicional.
Compare configurar reglas en el CRM actual, activar una función predictiva nativa disponible y desarrollar un modelo propio. Las reglas son más fáciles de auditar; la función nativa reduce desarrollo, pero depende de sus límites; un modelo propio requiere una necesidad no resuelta y recursos de operación. Cambiar todo el CRM no debería ser condición para probar esta hipótesis comercial.
Ejemplo: un recordatorio, no un cupón automático
Imagine una marca de cuidado personal con productos de reposición. Identifica compradores que superaron su intervalo habitual, valida inventario y reclamos y prepara un recordatorio con instrucciones de uso aprobadas. La compra detiene la secuencia y una respuesta con un problema pasa a atención humana. Un incentivo se evalúa aparte con sus costos y reglas. Es un ejemplo hipotético, no un caso de cliente ni un resultado observado.
El alcance que conviene contratar
- Diagnóstico: una categoría, un país, un canal y una línea de base de recompra.
- Implementación: identidad, pedidos y devoluciones, catálogo, exclusiones, mensajes y registro de decisiones.
- Evaluación: contenido aprobado, casos de prueba, asignación experimental persistente y conciliación de pedidos.
- Operación: responsable, monitoreo, excepciones, mecanismo de pausa y documentación para el equipo.
CRM define recorrido y contenidos; tecnología asegura integraciones; atención resuelve excepciones; finanzas valida margen. Una persona debe responder por el recorrido completo. Pruebe compra durante la secuencia, baja de comunicaciones, pedidos duplicados, producto agotado y retraso de sincronización. HubSpot documenta pruebas de inscripción y caminos del workflow; son controles operativos, no evidencia de impacto comercial. Comience con una operación pequeña supervisada antes de ampliar.
Separe el efecto del contacto del efecto de la IA
Si el volumen lo permite, asigne al azar clientes elegibles a tres grupos estables: sin la nueva acción, flujo actual por reglas y flujo asistido por IA. Mantenga mensajes transaccionales y atención en todos. La primera comparación mide reactivación; reglas frente a IA mide el aporte adicional de la IA. Si solo alcanza para dos grupos, elija qué pregunta responder primero. Mantenga comparables otras comunicaciones, registre superposiciones e incluya en el análisis a todos los asignados, no solo a quienes abrieron.
El holdout global documentado por Klaviyo requiere al menos 400.000 perfiles y afecta comunicaciones del programa, por lo que no equivale a probar este único flujo. Una empresa mediana debe verificar si su plataforma sostiene un control localizado con exclusiones consistentes. La muestra necesaria depende de conversión inicial, variabilidad y mejora mínima relevante. Defina la duración según recompra y devoluciones: una ventana corta no demuestra retención de largo plazo.
Inversión: mida margen, no solo facturación
Reste el margen medio por elegible del grupo de comparación al del nuevo flujo y multiplique por la población comparable. Descuente costos adicionales de mensajes, modelos, revisión, operación y la parte acordada de implementación. El margen debe incorporar devoluciones, incentivos y costos variables una sola vez. No sume ingresos atribuidos por el CRM a ingresos incrementales del experimento: se superponen.
Ejemplo ilustrativo, expresado en unidades monetarias para no mezclar países: margen por elegible de 18 en el nuevo flujo frente a 16 en el actual. Para 2.000 elegibles comparables, son 4.000 antes de 1.500 de costos adicionales, con saldo de 2.500. La cuenta no demuestra significancia estadística ni recupera automáticamente la implementación. Con incertidumbre amplia o un resultado negativo, no proyecte a toda la base.
Pida costos separados de datos e integración, licencias incrementales, configuración, contenido, evaluación y soporte. En Hispanoamérica, empiece por un país: inventario, moneda, horarios, logística y ciclo promocional pueden cambiar el resultado. No mezcle márgenes de monedas distintas sin una conversión definida. Si incluye WhatsApp, valide permisos, reglas y costo del canal con los responsables locales. Una integración multinacional aumenta el alcance; no es una traducción de mensajes.
Qué llevar a una primera conversación
Revise datos en https://makinai.co/insights/es/evaluar-preparacion-datos-antes-contratar-empresa-ia y retorno en https://makinai.co/insights/es/evaluar-roi-business-case-consultora-ia-antes-contratar. Para consultas nuevas en lugar de clientes existentes, vea https://makinai.co/insights/es/ia-calificacion-leads-paso-marketing-ventas. La consultoría de CRM de MAKINAI conecta recorrido, datos e implementación: https://makinai.co/services/es/consultoria-crm-ecommerce-commerce. Traiga una categoría, el flujo actual y motivos de inactividad anonimizados. Podemos discutir si conviene mejorar una regla, conectar datos o probar IA.
Las fuentes respaldan capacidades y precauciones concretas, no garantizan ventas. El perfil de IA generativa del NIST orienta riesgos de contenido, no certifica el recorrido. La ficha, el alcance y los ejemplos numéricos son propuestas editoriales de MAKINAI.