Clientes y ventas
lo que tu cartera ya te está diciendo.
Tu cartera de clientes no es una lista: es un cuaderno que se escribe solo cada vez que alguien compra, deja de comprar o tarda más de la cuenta. El que se va lo registra antes de irse, el que vale oro lo registra cada mes y el que solo aparece con descuento también. Aquí está cada problema del área abierto en ficha: el problema, por qué ocurre, cómo se resuelve, qué requiere y qué está en juego.
Toca cualquiera para abrirlo.
Quién se está yendo, y cuándo
Nadie comunica su baja. El cliente de años deja de comprar y lo adviertes en diciembre, al revisar la facturación. Esa pendiente está escrita en tu histórico; lo que ningún análisis manual cubre es vigilarla sobre doscientos clientes a la vez.
Nadie se da de baja. Dejan de venir y te enteras en diciembre.
El cliente de años deja de aparecer y lo descubres al revisar la facturación de fin de ejercicio, cuando ya hace meses que no compra. No hubo ruptura ni queja: solo un hueco que fue creciendo sin que nadie pudiera vigilar a los doscientos. Este problema tiene página propia — aquí va en síntesis.
Identificar quién está abandonando exige cruzar la última compra de cada cliente, su frecuencia habitual y el tiempo que lleva sin aparecer — y ese cruce, sobre cientos de fichas a la vez, excede la capacidad de análisis manual. La baja silenciosa no emite aviso, y tú tienes un negocio que atender.
Este problema se desarrolla a fondo en su propia página: quién está en la rampa de salida, con qué antelación y qué valor representa cada uno. En síntesis: a partir de tu histórico se marca cada semana al cliente que se enfría, con el motivo señalado, para que actúes mientras conserva margen de recuperación. → Verlo en detalle: mis clientes se van sin avisar.
Score de riesgo de fuga por cliente, semanal, con motivo (clasificación tipo LightGBM + explicación con SHAP).
Tu histórico de ventas o visitas con fecha y cliente · nada más.
El retorno reside en retener al cliente en riesgo: cada uno que conservas son meses de facturación que siguen entrando en lugar de migrar a un competidor. Netflix no espera a que el suscriptor cancele — detecta el enfriamiento y actúa antes; entre eso y la personalización declararon más de 1.000 millones de dólares anuales ahorrados, en su mayoría en bajas que no llegan a producirse. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Netflix detecta al cliente que se enfría antes de que cancele y actúa: cada décima de punto de baja evitada son millones que no se van.
Gómez-Uribe & Hunt, paper del recomendador de Netflix (ACM, 2015) · fuenteSabes que un cliente está flojo. No sabes si le quedan tres semanas o tres meses.
Saber que alguien está en riesgo no indica cuándo conviene contactarlo. Si actúas tarde, el aviso ya no sirve; si llamas a todos a la vez por precaución, agotas el equipo y la paciencia del cliente. Lo que falta no es la alarma, sino la fecha.
"En riesgo" es una etiqueta sin plazo. Establecer una fecha exige analizar cómo se desactivaron los clientes equivalentes en tu propio histórico — cuántos seguían comprando a los 30 días, cuántos a los 90 — y ese cálculo, cliente a cliente sobre toda la cartera, supera el análisis manual. El obstáculo es el volumen, no tu criterio.
A partir de tu histórico se asigna una cuenta atrás a cada cliente: la probabilidad de que siga activo a 30, 60 y 90 días. Es la misma matemática que en medicina estima el pronóstico de un paciente, aplicada a tu cartera. El cliente con la cuenta en rojo esta semana se contacta esta semana, no el trimestre próximo — y el que aún aguanta puede esperar su turno.
Probabilidad de seguir activo a 30/60/90 días — análisis de supervivencia (Kaplan-Meier, Cox, Random Survival Forest; lifelines).
Tu histórico de compras o visitas con fecha y cliente · si dispones de la fecha de alta de cada uno, la precisión aumenta.
El retorno reside en contactar en la semana correcta: un aviso a tiempo retiene; el mismo aviso un mes tarde es un cliente que ya firmó con otro. El patrón es universal — el hospital Johns Hopkins aplicó una cuenta atrás equivalente sobre sus pacientes y, cuando el médico llegaba a tiempo a la señal, la mortalidad descendía (estudio en 5 hospitales, 590.000 pacientes). La señal débil avisa antes de estallar; lo que cambia es lo que te juegas por hora de retraso. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Johns Hopkins lee el historial de cada paciente y avisa horas antes de que la sepsis estalle; ganar esas horas salva vidas. La misma forma de leer una señal débil antes de que sea tarde.
Adams et al., Nature Medicine (2022), sistema TREWS · fuenteBaja el pedido mes a mes y nunca se queja. Cuando lo ves, ya casi no compra.
No es la baja repentina, sino el cliente que pasa de cuatro cajas a tres, y luego a dos, sin un solo gesto de aviso. Cada descenso parece ruido aislado; en conjunto dibujan una pendiente que apunta a la salida. Y cuando resulta evidente, ya queda poco que retener.
Un descenso aislado no significa nada — los pedidos fluctúan por sí solos. La señal solo emerge al examinar la tendencia de cada cliente a lo largo de meses y separar la pendiente real de la oscilación normal. Eso, sobre toda tu cartera y en paralelo, excede la revisión manual de facturas: la fuga lenta se oculta precisamente en que aparenta normalidad.
A partir de tu serie de consumo se mide la pendiente de cada cliente y se detecta el punto en que empezó a deteriorarse — antes del abandono total. No requiere revisar doscientas fichas: se señala el cliente que lleva tres meses de descenso, mientras todavía está al alcance de una llamada.
Detección de tendencia descendente y de cambio de punto sobre la serie de consumo (análisis de pendiente, CUSUM, ruptures).
Tu histórico de pedidos o consumo con fecha, cliente e importe (o cantidad) · cuanto más continuo sea el histórico, antes se identifica la pendiente.
El retorno reside en atajar la pendiente antes de que toque fondo: recuperar a un cliente que aún compra algo cuesta una llamada; recuperar al que ya se fue por completo cuesta una venta entera desde cero, si es que vuelve. Es la misma señal débil que Netflix vigila — la pendiente del que consume menos tres meses seguidos — aplicada a tu cartera. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Vendes proyectos largos y descubres en la última fase los que se te caen.
La obra, el tratamiento o el contrato de meses que se abandona a mitad no se cae el último día: se enfría en los hitos que ya estás registrando. Pero lo adviertes cuando el cliente deja de contestar, con el trabajo a medio ejecutar y el cobro pendiente.
Un proyecto largo deja un rastro de hitos — fases entregadas, plazos cumplidos o incumplidos, pagos a tiempo o demorados, reuniones que se espacian. La señal de abandono está repartida en ese rastro, no concentrada en un punto. Seguirla en paralelo en todos los proyectos en curso, mientras los ejecutas, excede el análisis manual: el que se cae lo hace en silencio hasta que es tarde.
A partir de tu histórico de proyectos completados y caídos se aprende qué perfil presenta uno que va a abandonarse, leyendo los hitos que ya registras. El proyecto en curso que entra en ese perfil se señala mientras aún es posible reunir al cliente y reconducirlo — no cuando ya ha desaparecido.
Riesgo de abandono del proyecto en curso (supervivencia + clasificación por hitos sobre tu histórico de proyectos).
Tu histórico de proyectos con sus fases, fechas, pagos e incidencias · marcando cuáles se completaron y cuáles se cayeron, para aprender la diferencia.
El retorno reside en sujetar el proyecto antes de que se desplome: uno reconducido a tiempo es facturación que se cobra íntegra; uno abandonado a mitad es trabajo ejecutado que no cobras y un cliente que no vuelve. Es el mismo patrón de señal débil que en medicina permite llegar a tiempo a la rampa — leer el deterioro antes del estallido. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Quién vale oro y quién te cuesta dinero
Tu memoria recuerda al cliente que más te compró el año pasado. Tus datos identifican al que te comprará el año próximo, al que erosiona tu margen y al que sostiene tu facturación sin que lo adviertas. No es lo mismo.
Mimas al cliente que más gritó. No sabes cuál te dejará más dinero.
El valor de un cliente no es lo que ya te dejó, sino lo que le queda por dejarte. Tratas como prioritario al que más te compró una vez y descuidas al que, en silencio, te comprará el doble en los próximos años. Sin medirlo, repartes la atención sin criterio.
Lo que aportó cada cliente está en la facturación; lo que le queda por aportar, no — eso debe proyectarse a partir de su patrón de compra: frecuencia, importe, tiempo desde la última compra. Ese cálculo, cliente a cliente y orientado al futuro en lugar del pasado, excede a una hoja de cálculo ordenada por total histórico, que premia al que ya fue y no al que será.
A partir de tu histórico se proyecta el valor de vida de cada cliente — lo que se espera que aporte en adelante, no lo que ya aportó — según su patrón de compra. La cartera se ordena por ese número, y la atención, los descuentos y el tiempo se concentran en quien lo justifica a largo plazo.
Valor de vida del cliente (CLV) proyectado, con modelos de compra repetida (BG/NBD + Gamma-Gamma; lifetimes).
Tu histórico de ventas con fecha, cliente e importe · con eso basta para proyectar; si conoces el coste de servir a cada uno, también resulta quién te cuesta dinero.
El retorno reside en dejar de repartir el esfuerzo de forma uniforme: el descuento y la atención que hoy distribuyes por igual se concentran donde rinden, y dejas de tratar igual al que vale oro y al que te cuesta dinero. Tesco descubrió cuánto cambiaba conocer quién compra qué — su presidente, Lord MacLaurin, lo resumió al ver el primer análisis de la Clubcard: "Lo que me asusta es que ustedes saben más de mis clientes en tres meses que yo en treinta años." La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Tesco registró con su Clubcard qué compraba realmente cada familia y dejó de tratar a todos igual: cupones, surtido y precio según cada cliente. Pasó de eterno segundo a líder británico.
Computer Weekly, "Clubcard at 30"; cita de Lord MacLaurin recogida en Marketing Week · fuenteTratas igual al de mil euros al mes y al que viene una vez al año.
Misma oferta, mismo correo, mismo trato para todos. El que compra cada semana se desconecta cuando le ofreces lo de cualquiera; el esporádico ni registra que existes. Tratar a todos igual equivale a no tratar bien a casi nadie.
Para dar a cada grupo lo que le corresponde, primero hay que identificar los grupos — y no son los que se intuyen. Están definidos por el comportamiento de compra: frecuencia, importe, categoría, antigüedad de la última compra. Obtener esos grupos de forma objetiva, sobre cientos de clientes a la vez, excede la intuición: por eso acabas enviando lo mismo a todos.
A partir de tu histórico, los clientes se agrupan por su comportamiento real — los fieles frecuentes, los grandes esporádicos, los que se enfrían, los nuevos por cultivar. Cada grupo requiere un trato distinto, y por primera vez sabes cuál es cuál sin estimarlo. Dejas de dirigirte por igual a quien no se parece en nada.
Segmentación por comportamiento real (RFM, K-Means, HDBSCAN, Gaussian Mixture).
Tu histórico de ventas con fecha, cliente e importe · si registras qué producto o servicio adquiere cada uno, los grupos resultan más precisos.
El retorno reside en dejar de aplicar el mismo mensaje a todos: cada grupo recibe lo que le moviliza, de modo que el mismo esfuerzo de marketing obtiene más respuesta y desgasta menos la lista. Es exactamente lo que hizo Tesco al pasar de un cupón único a cupones por familia según lo que cada una compraba — el producto era el mismo; lo que cambió fue saber a quién dirigir cada mensaje. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Tienes clientes que solo aparecen cuando hay descuento y se van con la oferta.
El que solo compra en rebajas no es un cliente fiel a bajo precio: es un comprador de promoción que erosiona tu margen y se marcha en cuanto subes el precio o lo iguala el competidor. Le aplicas descuento creyendo que lo fidelizas, y lo único que consolidas es su costumbre de esperar al descuento.
Distinguir al dependiente de la promoción del cliente habitual exige cruzar cada compra con la presencia o ausencia de oferta y observar el patrón a lo largo del tiempo. A simple vista, todos los que compran parecen buenos clientes. El que solo entra con descuento se camufla entre los demás precisamente porque, en el ticket aislado, compra igual que cualquiera.
A partir de tu histórico se separa a quien compra en cualquier circunstancia de quien solo aparece con promoción. Identificado el dependiente de la promoción, dejas de cederle margen en cada oferta general: la promoción se reserva para quien realmente la activa, y al comprador de descuento se le deja de subvencionar.
Detección de patrones promocionales por cliente (análisis de respuesta a promo, clustering de comportamiento).
Tu histórico de ventas con fecha, cliente e importe · y, clave, marcar qué ventas llevaban descuento o promoción, para poder cruzarlas.
El retorno reside en dejar de pagar por la venta que ya tenías: el margen que hoy cedes en cada promoción general a quien iba a comprar igual regresa íntegro a caja en cuanto dejas de aplicárselo. Es la misma disciplina que Capital One convirtió en banco — medir a quién moviliza realmente el incentivo en lugar de distribuirlo a todos. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Tres clientes son el 70% de tu facturación y no lo ves venir.
Parece una buena noticia — tres cuentas que sostienen el ejercicio entero — hasta que una de ellas flaquea. Si el grueso de tu facturación depende de un puñado de clientes, no tienes una cartera: tienes una concentración de riesgo sin un plazo a la vista.
La concentración no emite aviso: cada uno de esos tres pedidos grandes entra como una buena noticia, mes a mes, y nadie suma hacia atrás para calcular qué porcentaje del total representan. El peligro no está en ningún pedido concreto, sino en la fotografía de conjunto — y esa fotografía no se compone mientras la facturación entra y todo aparenta ir bien.
A partir de tu facturación por cliente se mide la concentración real de la cartera y se expone con su número: cuánto depende de tus tres, cinco o diez cuentas mayores, y cómo evoluciona en el tiempo. Lo ves con margen para diversificar — captar clientes nuevos, repartir el riesgo — antes de que una de las grandes flaquee, no después.
Índices de concentración de cartera (HHI, curva de Pareto, análisis de dependencia).
Tu histórico de facturación por cliente y periodo · nada más; con eso se mide la concentración y su evolución.
El retorno reside en ver la dependencia antes que el golpe: saber con meses de antelación que tres cuentas sostienen el ejercicio te da tiempo a captar la cuarta y la quinta, en lugar de descubrir el agujero el día que una se va. Es el riesgo que Capital One aprendió a medir cliente a cliente, en lugar de tratarlos a todos por igual y descubrir tarde quién sostenía qué. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
A quién llamar el lunes
El lunes hay que hacer llamadas y el tiempo es limitado. La decisión relevante no es si contactar, sino a quién y en qué orden. Con tu histórico, la agenda deja de fijarse por criterio subjetivo y pasa a ser una cola ordenada por valor esperado.
Llega el lunes y no sabes a quién llamar primero.
El tiempo de teléfono es limitado. La decisión relevante no es si contactar, sino a quién y en qué orden. Si contactas por costumbre o por el último que escribió, el cliente que estaba a punto de comprar se enfría esperando turno.
Tienes cientos de clientes y una jornada con horas finitas. Saber quién presenta mayor intención de compra esta semana exige cruzar la última compra de cada uno, su frecuencia habitual y su categoría — y eso, a mano, sobre doscientas fichas, es un volumen inviable de procesar. No es falta de oficio: es falta de horas.
A partir de tu propio histórico se ordena la lista por valor esperado: para cada cliente, la probabilidad de compra a corto plazo y la categoría más probable. La planificación del lunes deja de basarse en criterio subjetivo y pasa a ser una cola ordenada por oportunidad — los primeros, primero.
Propensión de compra por cliente y producto (clasificación sobre tu histórico; ranking tipo LambdaMART).
Tu histórico de ventas con fecha, cliente y producto · la incorporación del canal de captación incrementa la precisión.
El retorno reside en la secuencia: el primero de la lista concentra la mayor probabilidad de conversión, y cada jornada de demora la reduce. Capital One dejó de discutir a quién ofrecer qué y empezó a medirlo — 45.000 experimentos en el año 2000 convirtieron la asignación comercial en un dato, no en una opinión de despacho. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Capital One transformó cada decisión de "a quién ofrecer qué" en un experimento medible — y de ahí surgió uno de los mayores bancos de consumo de EE. UU.
Stanford GSB, caso Capital One · fuenteMandas la oferta a toda la lista y regalas margen al que ya iba a comprar.
El descuento que aplicas al cliente fiel que pensaba comprar igual no genera una venta nueva: resta margen de una venta que ya tenías. Y al que dudaba de verdad, con frecuencia ni siquiera le llega bien el mensaje.
Una campaña a toda la base parece la opción segura: cuantos más, mejor. Pero dentro de esa lista conviven tres perfiles distintos — el que compra en cualquier caso, el que no compra haga lo que haga la oferta y el que solo compra con estímulo. A simple vista no se distinguen, y el descuento alcanza a los tres por igual.
Se aísla únicamente a los "persuadibles": aquellos cuyo comportamiento cambia por la oferta, no a pesar de ella. En lugar de medir quién compra, se mide a quién moviliza el estímulo — comparando con un grupo que no lo recibió. La campaña se afina: se dirige donde realmente cambia la decisión.
Modelado de incremento (uplift) con grupo de control; S/T/X-learners, árboles de uplift (causalml).
Tu histórico de campañas con a quién la enviaste y quién compró después — y, clave, un grupo al que no se la enviaste para comparar.
El retorno reside en dejar de pagar dos veces por la misma venta: el descuento que ahorras con el que iba a comprar igual es margen que regresa íntegro a caja. Capital One construyó un banco entero sobre esa disciplina — no discutir las decisiones, contrastarlas con grupo de control, decenas de miles de veces al año. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Capital One contrastaba cada oferta contra un grupo de control para saber qué estímulo cambiaba realmente la decisión — no cuál se atribuía el mérito de una venta ya hecha.
Stanford GSB, caso Capital One · fuenteLe vendes a cada cliente lo de siempre y se te queda media estantería sin ofrecer.
El cliente que adquiere un producto a menudo adquiriría un segundo — si alguien identificara cuál y se lo pusiera delante. Pero ofreces lo que tienes a mano, no lo que encaja con lo que ya compró.
Cruzar lo que adquiere de forma conjunta cada cliente, en todo tu catálogo, es una tabla inviable de procesar a mano: qué va con qué, para quién, en qué momento. El comercial retiene tres combinaciones acertadas; tu histórico contiene cientos registradas y nadie las está leyendo.
A partir de tus propias ventas se construye un recomendador "como el de Amazon, pero con tu catálogo y tus clientes": para cada uno, la siguiente compra más probable según lo que ya adquiere y según lo que adquieren los clientes equivalentes. Deja de ser una conjetura y pasa a ser una recomendación fundamentada.
Recomendador de siguiente compra (reglas de asociación Apriori/FP-Growth; filtrado colaborativo ALS; item2vec).
Tu histórico de ventas con fecha, cliente y producto · cuantas más líneas de qué adquirió de forma conjunta cada uno, mejores combinaciones encuentra.
El retorno reside en elevar el ticket sin captar a nadie nuevo: al cliente que ya tienes delante le ofreces lo que realmente encaja, y la segunda compra sale de la misma venta. En Netflix el recomendador llega a influir en el 80% de las horas que se consumen — la mayoría de lo que se ve entra porque el sistema lo puso delante, no porque se buscara. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
En Netflix, lo que se sitúa delante de cada usuario decide el 80% de lo que se consume: no esperan a que el cliente busque, le ofrecen lo que encaja con lo que ya consumió.
Gómez-Uribe & Hunt, paper del recomendador de Netflix (ACM, 2015) · fuenteTienes una base de clientes muerta de hace dos años que nadie toca.
Clientes que compraron, quedaron satisfechos y se fueron apagando — sin que nadie volviera a contactarlos. No por descuido: porque nadie los identificó como grupo. Son ventas ya pagadas, latentes en tu propia base, a la espera de una llamada que no llega.
La base inactiva es invisible precisamente porque está inactiva: no aparece en la facturación de este mes, no reclama, no solicita nada. Para identificarla hay que recorrer el histórico completo y determinar quién compraba antes y dejó de hacerlo — y separar al que se fue definitivamente del que regresaría con una llamada. Esa criba, sobre años de datos, excede el análisis manual.
A partir de tu histórico se rescata a los reactivables y se ordenan por lo que importa: probabilidad de retorno × valor cuando compraban. No se contacta a los mil que un día pasaron: se contacta a los cincuenta con perfil de retorno y valor relevante. La base inactiva deja de ser un archivo muerto y pasa a ser una lista de llamadas priorizada.
Ranking de reactivables (RFM + propensión de retorno; supervivencia para el momento).
Tu histórico de ventas con fecha, cliente e importe, incluyendo a los que dejaron de comprar · cuanto más atrás llegue, más reactivables identifica.
El retorno reside en recuperar ventas ya pagadas: reactivar a un cliente que ya te conoció cuesta una llamada, frente a captar a uno nuevo desde cero. Un diagnóstico real sobre la base de un centro deportivo identificó 74 exclientes con patrón de retorno y ~25.000€ de valor histórico latentes, a los que nadie había vuelto a contactar — es un ejemplo de lo que produce un diagnóstico sobre UNA base concreta, no una promesa: el tuyo dará tu número. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Te compran una vez y nunca más, y no sabes cuándo volver a tocarles.
El cliente de una sola compra es una captación a medio rentabilizar: invertiste en captarlo y adquirió un único producto. Si no repite, no recuperas esa inversión. Y con frecuencia no repite no porque no quiera, sino porque el contacto llegó tarde o no llegó.
Cada producto y cada cliente tiene su ritmo: hay segundas compras que corresponden a las dos semanas y otras a los seis meses. Si contactas a todos a la vez, aciertas con unos y a otros los saturas o los olvidas. Determinar el momento adecuado para cada uno exige analizar cuánto suelen tardar los clientes equivalentes en repetir — y eso no se obtiene de la intuición.
A partir de tu histórico se aprende la ventana natural para la segunda compra según lo adquirido y según el comportamiento de clientes equivalentes, y se señala a quién corresponde contactar esta semana. El primerizo deja de caer en el olvido: se le aborda en el momento en que realmente está listo para repetir.
Propensión y momento óptimo de la 2ª compra (clasificación + análisis de intervalos entre compras).
Tu histórico de ventas con fecha, cliente y producto · marcando bien la primera compra de cada cliente, para medir el intervalo hasta la siguiente.
El retorno reside en convertir al cliente de una vez en cliente recurrente: la segunda compra es la que empieza a rentabilizar la captación, y se produce con mayor frecuencia si el contacto llega en la ventana correcta en lugar de tarde. Es la misma lógica de oportunidad temporal que en Capital One se medía en lugar de suponerse — cuándo, no solo a quién. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Los presupuestos que se enfrían y no sabes por qué
Entran leads y no todos valen lo mismo, pero los tratas a todos igual hasta que se enfrían. El presupuesto perdido sin explicación es el más costoso: no aporta ninguna lección.
Te llegan leads y los atiendes por orden de llegada, no por lo que valen.
Cada lead se trata igual hasta que se demuestra lo contrario — y para entonces el bueno ya se enfrió esperando turno detrás de tres curiosos. Sin un orden, el tiempo del comercial se reparte al azar, y el que iba a firmar se marcha con quien le contestó primero.
Valorar un lead exige cruzar su origen, lo que solicita, su tamaño y su parecido con los que acabaron comprando — frente a los que solo consumieron tiempo. Ese cruce, lead a lead y en caliente, excede a recepción: por defecto se atiende por orden de llegada, que es el criterio menos eficaz posible.
A partir de tu histórico de leads ganados y perdidos se puntúa cada lead nuevo según su parecido con los que sí compraron. El cierre sigue en manos del comercial, pero ataca primero a los de mayor probabilidad de firma y posterga a los de perfil de mera consulta. El orden deja de fijarlo el reloj y pasa a fijarlo el valor esperado.
Lead scoring (regresión logística / GBM + explicación con SHAP).
Tu histórico de leads con su origen, qué solicitaban y si acabaron comprando o no · cuantos más datos de cada lead registres, más fina es la puntuación.
El retorno reside en atender primero al que firma: el mismo equipo y las mismas horas rinden más cuando el lead bueno no se enfría en la cola. Es la disciplina de Capital One aplicada a la puerta de entrada — puntuar al cliente por lo que realmente hará, no por el orden en que apareció. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
No sabes cuánto tarda en cerrarse una venta y planificas a ciegas.
Un lead entra hoy. ¿Firma este mes, el próximo o dentro de medio año? Sin esa estimación, ni planificas la caja ni distingues cuándo un trato lleva encallado de más. Mezclas a los que están madurando con los que ya están perdidos sin haberlo advertido.
El ciclo de venta no es fijo: depende del tipo de cliente, de lo que solicita, del canal por el que entró. Estimar cuánto tardará cada uno exige analizar cuánto tardaron los equivalentes en tu propio histórico — y eso no se obtiene de una media general, que mezcla el trato exprés con el que se prolongó un año. La media distorsiona; el patrón por tipo, no.
A partir de tu histórico de oportunidades se estima cuánto tarda en convertirse cada tipo de lead, con su horquilla. Sabes qué esperar de cada trato y, sobre todo, detectas al que lleva encallado más de lo previsto — el que ya debería haber cerrado y no lo ha hecho, que es el que conviene empujar o descartar.
Duración prevista del ciclo de venta por tipo de lead (análisis de supervivencia sobre el pipeline).
Tu histórico de oportunidades con la fecha de entrada, la de cierre (ganado o perdido) y el tipo de cada una · con eso se mide la duración por perfil.
El retorno reside en detectar el trato encallado a tiempo: uno que ya superó su ventana normal o se empuja o se descarta, en lugar de consumir semanas de seguimiento sobre un trato perdido. Es la misma matemática del "cuándo" que pone fecha a la fuga, aplicada al pipeline en lugar de a la cartera. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Tu embudo pierde gente y siempre en el mismo escalón, pero no sabes cuál.
Entran muchos arriba y salen pocos abajo, y entre medias se evaporan en un escalón concreto — siempre el mismo — que no tienes localizado. Mientras no identifiques dónde está la fuga, inviertes en traer más gente arriba para que se caiga por el mismo punto.
El embudo se vive escalón a escalón, en caliente, y nadie suma cuánta gente cae en cada paso ni cuánto tarda en avanzar al siguiente. La fuga relevante no está en el total — está concentrada en un escalón que, sin medir, parece tan normal como los demás. Por eso se sigue añadiendo gente arriba en lugar de reparar el punto intermedio.
A partir de tus propios datos de paso por etapa se mide cuánta gente cae en cada escalón y cuánto tarda en avanzar — por cohortes de los que entraron a la vez, para detectar si empeora. Deja de ser intuición: sabes qué paso reparar primero, el que reduce más fuga por menos esfuerzo, en lugar de invertir en llenar la parte superior.
Análisis de embudo y de cohortes (caída por etapa, tiempo entre etapas).
Tu registro de por qué etapas pasó cada lead u oportunidad y cuándo · con las fechas de cada paso se identifica dónde y cuándo se cae la gente.
El retorno reside en reparar el punto de fuga en lugar de reponer el volumen: corregir el escalón que más fuga aprovecha a todo el que ya entra, sin pagar por traer más gente arriba. Es la misma idea de medir dónde se pierde el flujo que UPS aplicó a sus rutas para dejar de pagar el kilómetro improductivo, aquí sobre tu proceso de venta. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Pierdes presupuestos y no aprendes nada del que se enfrió.
El presupuesto que se cae sin explicación es el más costoso de todos: no solo pierdes la venta, pierdes la lección. Si no sabes por qué unos cierran y otros no, repites el mismo error en el siguiente — y sigues enviando ofertas sin saber cuál tiene perfil de cuajar.
Por qué se gana o se pierde una oferta está repartido en numerosos factores — el precio, el plazo, quién la solicitó, cuánto tardaste en enviarla, qué incluía — y cada presupuesto perdido se archiva sin que nadie cruce esos factores con el resultado. Sin ese cruce, cada nueva oferta sale con la misma intuición que falló en la anterior.
A partir de tu histórico de ofertas ganadas y perdidas se calcula la probabilidad de cierre de cada presupuesto nuevo y, lo más relevante, qué factor la mueve: el precio, el plazo o la rapidez en responder. Dejas de perder sin explicación: sabes cuáles vigilar y qué ajustar para que cierren más.
Probabilidad de cierre por oferta + factores (GBM + explicación con SHAP sobre ofertas ganadas/perdidas).
Tu histórico de presupuestos con sus características (importe, plazo, cliente, fecha de envío) y si se ganaron o perdieron · marcando bien el resultado de cada uno.
El retorno reside en convertir cada presupuesto perdido en una lección en lugar de en un dato sin explicar: saber qué factor tumba tus ofertas te permite corregirlo en la siguiente, en lugar de repetir el fallo. Es la cultura de Capital One — no discutir por qué se cayó, medirlo — aplicada a tu mesa de presupuestos. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
El contrato vence en marzo y te enteras en marzo de que no renueva.
Cuando llega el aviso de no renovación, la decisión ya se tomó meses atrás — en una reunión a la que no asististe. Te quedas con la renovación perdida y sin margen para defenderla: el cliente ya firmó con otro o ya elaboró el presupuesto sin contar contigo.
La señal de que un contrato se enfría no está en el contrato — está repartida en numerosos indicios menores: el pedido que se redujo, la factura que tardaron en pagar, las dos reuniones que cancelaron, el interlocutor habitual que dejó de responder. Vigilar esa pendiente en toda tu cartera de cuentas, mes a mes, excede a un comercial que además vende. No es descuido: es un volumen inviable de procesar a mano.
A partir de tu histórico de cada cuenta se calcula, con antelación, dos cosas a la vez: la probabilidad de que renueve y cuándo entra en la zona de riesgo. Igual que en medicina se estima el pronóstico de un paciente antes de que empeore, aquí se estiman los meses que le quedan a una cuenta antes de plantearse la salida. El resultado es una lista de cuentas que conviene contactar ahora, no en la reunión de renovación.
Score de renovación por cuenta (clasificación + análisis de supervivencia para el cuándo; lifelines).
Tu histórico de contratos con fechas de alta, renovaciones y bajas · la facturación mensual de cada cuenta · si lo tienes, el registro de incidencias o tickets de soporte.
El retorno reside en llegar antes que el aviso de no renovación: una renovación que defiendes con tres meses de margen aún puede salvarse; la que descubres el día del vencimiento ya está firmada con otro. Cada cuenta B2B que conservas es un contrato anual que sigue entrando sin volver a venderlo desde cero. Es la misma pendiente de fuga que Netflix vigila para no perder al suscriptor, a escala de empresa. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico de cuentas.
Cuando no avisan: huecos, quejas y boca-oreja
El que cancela sin avisar, el que protesta cuando ya ha decidido marcharse, el que te trae a otros sin que lo tengas identificado. Las señales débiles que tu memoria no retiene y tus datos sí.
El hueco de las once se queda vacío y nadie avisó.
La silla, la mesa o la sala estaban reservadas — y la hora ya no vuelve. El que no se presenta no te cuesta solo su cita: te cuesta el cliente que llamó para esa hora y al que dijiste que no había sitio. La agenda parecía completa y facturó la mitad.
No todas las reservas presentan el mismo riesgo de fallo, pero a simple vista parecen iguales. Quién reservó, por qué canal, con cuánta antelación, si es primera vez o cliente habitual, si ya falló antes — todo eso modifica la probabilidad de no presentación, y cruzarlo a mano en cada cita del día excede a recepción. Envías el mismo recordatorio a todos o a ninguno, y aciertas por azar.
A partir de tu propio historial de citas se aprende qué reservas presentan riesgo de fallo antes de que fallen. A esas — y solo a esas — se les refuerza el recordatorio o se les solicita confirmación; el hueco de riesgo se puede ofrecer en lista de espera. La agenda deja de ser una promesa y pasa a ser una previsión: sabes qué huecos quedarán libres con horas de margen para reasignarlos.
Predicción de no-show por cita (clasificación GBM con historial, canal y antelación: LightGBM/XGBoost).
Tu agenda histórica con quién reservó, por qué canal, con cuánta antelación y si acudió o no · cuanto más extenso el histórico de no presentaciones pasadas, mejor afina.
El retorno reside en recuperar huecos: cada cita que rescatas con un recordatorio bien dirigido, o que reasignas porque sabías que iba a fallar, es una hora que pasa de vacía a facturada. La mecánica procede de cobrar bien el hueco que caduca — American Airlines lo convirtió en un sistema que decidía vuelo a vuelo cuántas plazas proteger sabiendo cuánta gente no se presenta, y lo publicaron ellos mismos: 1.400 millones de dólares en tres años. Tu hueco no es un asiento de avión, pero también caduca. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propia agenda.
American Airlines fue la primera en tratar cada plaza como un recurso que caduca: medía cuánta gente no se presenta y reservaba los huecos en consecuencia.
Interfaces (INFORMS), 1992 · fuenteLas quejas te llegan cuando el cliente ya ha decidido irse.
Para cuando alguien protesta abiertamente, con frecuencia ya tomó la decisión: la queja no es el principio del problema, es el final. Y el que realmente se va sin ruido — el que baja el tono, tarda en contestar, se vuelve cortante — ni siquiera llega a quejarse. Tu memoria retiene al que protestó; al que se calló, no.
El malestar deja rastro mucho antes del estallido: en el tono de los mensajes, en los tickets, en las reseñas — repartido en cientos de textos que nadie lee enteros ni a tiempo. Detectar el descontento que cuaja exige leer ese goteo a medida que entra, no cuando ya es un conflicto abierto, y eso excede el análisis manual: solo adviertes al que eleva la voz.
A partir de tus propios mensajes, tickets y reseñas se analiza el tono a medida que entran y se levanta la alarma cuando aparece descontento o urgencia — no para vigilar a nadie, sino para intervenir antes de que el cliente consolide la decisión de marcharse. La señal débil que tu memoria no retiene queda registrada y ordenada por gravedad.
Análisis de texto: sentimiento y urgencia (NLP de clasificación sobre tickets, mensajes y reseñas).
Tus textos de contacto con clientes: tickets, mensajes, reseñas o correos · con el histórico de los que acabaron marchándose, aprende qué tono precede a la fuga.
El retorno reside en intervenir antes de que el descontento cuaje: atender una queja temprana retiene; atender la del cliente que ya decidió es despedirlo con cortesía. Es el patrón de la señal débil en su forma más sutil — leer el deterioro en el texto antes de que estalle, como Johns Hopkins lo lee en las constantes del paciente. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Tienes clientes que te traen a otros y ni siquiera los tienes fichados.
El cliente que no solo compra, sino que recomienda a sus conocidos, vale el doble: aporta ventas que no pagaste por captar. Y casi nunca lo tienes identificado. Si no localizas a tus clientes prescriptores, ni los cuidas como merecen ni sabes a quién solicitar el siguiente referido.
El boca-oreja casi nunca queda registrado: alguien menciona "vengo de parte de fulano" y se pierde en una conversación que nadie anota. Reconstruir quién trajo a quién exige cruzar esos indicios dispersos — el mismo apellido, la misma empresa, el "me lo recomendó" de una ficha — sobre toda la cartera. Esa red está en tus datos en fragmentos, sin que nadie la componga entera.
A partir de tus propios datos de altas y referencias se traza el mapa de quién trajo a quién, y emergen los clientes prescriptores: los pocos que están detrás de buena parte de tus ventas nuevas. Una vez localizados, sabes a quién cuidar prioritariamente y a quién solicitar el próximo referido con criterio, no al azar.
Mapa de referidos y clientes-imán (análisis de redes y grafos sobre quién trajo a quién).
Tu registro de altas con, donde lo tengas, de quién vino cada cliente o por qué referencia llegó · cuanto más registres el "me envía fulano", más completo resulta el mapa.
El retorno reside en cuidar la fuente en lugar del goteo: atender al cliente prescriptor que trae a cinco protege un canal entero de ventas que no pagas por captar, frente a perseguir uno a uno a los referidos sin conocer su origen. Es la otra cara del valor de cliente — quién vale por lo que aporta, no solo por lo que compra. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Con cada cliente improvisas la siguiente jugada en vez de saber cuál funciona.
Para este cliente, ¿corresponde llamada, descuento, una visita o margen de respiro? Cada comercial decide a su manera y nadie sabe qué acción rinde realmente con cada perfil. Improvisas la decisión una y otra vez, sin que el negocio aprenda de lo que funcionó la vez anterior.
Determinar la mejor acción para cada cliente exige recordar qué se probó con los equivalentes y cómo resultó — y eso se evapora: lo que funcionó con un cliente el mes pasado no queda registrado en ningún sitio que lo conecte con el siguiente. Sin esa memoria, cada decisión empieza de cero y el acierto no se acumula.
A partir de tu propio histórico de qué hiciste con cada cliente y qué resultó después se construye una política que aprende: para cada uno, la siguiente mejor acción según lo que ha funcionado con casos equivalentes, y que se afina con cada resultado nuevo. La decisión deja de improvisarse y empieza a acumular aciertos.
Siguiente mejor acción por cliente (bandits contextuales, Thompson sampling; la técnica fina la elige el diagnóstico).
Tu histórico de acciones por cliente — llamadas, ofertas, visitas — y qué resultó después de cada una · cuanto más completo el registro de acción y resultado, mejor aprende.
El retorno reside en acumular lo que funciona en lugar de reinventarlo: cada acierto registrado mejora la decisión con el siguiente cliente equivalente, de modo que el negocio aprende en lugar de depender de la memoria de cada comercial. Es la cultura de "prueba y mide" de Capital One convertida en rutina con cada cliente, no en un experimento aislado. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
El contacto en su momento
Cierra el área en su nivel más fino: el cuándo y el cómo del contacto. A quién visita el comercial esta semana, y a qué hora y por qué canal responde realmente cada cliente. Enviar a todos lo mismo a la vez desperdicia la mitad de los intentos.
El comercial llena la furgoneta de visitas y vuelve con dos pedidos.
La semana tiene horas limitadas y la carretera las consume. Si la ruta la fija la costumbre — "esta zona toca los martes" — el comercial visita al que iba a comprar igual y deja sin ver al que estaba a punto, mientras gasta media jornada en kilómetros entre visitas mal ordenadas.
La ruta eficiente no es la más corta ni la habitual: es la que cruza tres factores a la vez — quién presenta mayor intención de compra, cuánto vale cada cuenta y dónde cae en el mapa. Optimizar eso para toda la cartera, semana a semana, es un volumen de combinaciones inviable de procesar a mano. Por eso se rueda por costumbre, y la costumbre deja kilómetros y oportunidades en el camino.
A partir de tu histórico se ordena la semana del comercial por lo que realmente pesa: a quién visitar primero según probabilidad de compra × valor de la cuenta, y en qué orden geográfico para no desperdiciar carretera. La furgoneta deja de rodar por costumbre y empieza a rodar por valor esperado.
Ruta de visitas por propensión × valor × geografía (scoring + optimización de rutas con OR-Tools).
Tu histórico de ventas por cliente con su ubicación · y, si lo tienes, qué visitas acabaron en pedido, para aprender a quién compensa visitar.
El retorno reside en llenar la semana de visitas que cierran y eliminar el kilómetro improductivo: el mismo comercial y los mismos días rinden más cuando visita primero al de mayor intención de compra y no desperdicia carretera. Es exactamente lo que hizo UPS con sus rutas — respetar el oficio del conductor pero eliminar los kilómetros que solo se ven con datos: ~160 millones de kilómetros menos al año. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
UPS dejó que el sistema procesara cada noche las paradas del día y propusiera la ruta — sin sustituir el oficio del conductor, solo eliminando los kilómetros improductivos. Cientos de millones de dólares al año en combustible y tiempo.
INFORMS, "ORION delivers success" · fuenteMandas a todos lo mismo a la misma hora y quemas la mitad de los disparos.
Unos abren el correo a las ocho de la mañana, otros solo responden al teléfono el viernes por la tarde, otros no quieren que les llames nunca. Si contactas a todos igual y a la vez, aciertas con los pocos a quienes pilla bien y desgastas al resto — y cada mensaje a destiempo consume un intento y un poco de paciencia.
Cada cliente tiene su momento y su canal óptimos, y están escritos en cómo respondió las veces anteriores — cuándo abrió, cuándo contestó, qué ignoró. Pero ese rastro está repartido en cientos de envíos pasados que nadie cruza. Sin analizarlo, se contacta a todos a la misma hora por el mismo canal, que es cómodo de gestionar y poco eficaz en resultados.
A partir de tu histórico de envíos y respuestas se aprende, para cada cliente, a qué hora y por qué canal responde realmente, y se le contacta ahí. El mismo mensaje, enviado en el momento óptimo de cada uno, deja de desgastar la lista y empieza a llegar — sin enviar más, enviando mejor.
Momento y canal óptimos por cliente (send-time optimization, bandits sobre tu histórico de respuestas).
Tu histórico de contactos con cada cliente: cuándo le escribiste, por qué canal y si respondió o abrió · con eso se aprende su ventana óptima.
El retorno reside en dejar de desgastar la lista: el mismo número de mensajes rinde más cuando cada uno llega en el momento en que el cliente está dispuesto a leerlo, y consume menos paciencia de la gente que no quieres perder. Es la misma lógica del "cuándo" que recorre todo este oficio — la acción correcta sirve en su semana y estorba un mes tarde. La cifra concreta para tu negocio la determina el diagnóstico sobre tu propio histórico.
Los clientes que se van avisan antes.
¿Cuántos de tus clientes están en la rampa ahora mismo?
El número real lo da el diagnóstico: un backtest sobre tu propio histórico. Sin promesas — tu número sobre la mesa.