Las organizaciones sabemos hoy muchísimo sobre nuestros clientes.
Sabemos qué compran, qué tienen contratado, qué campañas han recibido, qué canales utilizan, qué contenidos consultan, cuándo llaman a atención al cliente y, en muchos casos, incluso podemos estimar qué probabilidad tienen de abandonar o responder a una determinada oferta.
Nunca habíamos tenido tanta información.
Y, sin embargo, seguimos viviendo situaciones bastante absurdas.
Un banco ofrece un crédito hipotecario a alguien que acaba de contratar uno. Un retailer intenta recuperar un carrito cuando el cliente ya ha perdido interés en la compra. Marketing lanza una campaña sin saber que esa misma persona acaba de resolver una incidencia con atención al cliente.
El problema empieza a ser bastante evidente.
Conocer más al cliente no sirve de mucho si después somos incapaces de decidir qué hacer con ese conocimiento.
Es precisamente ahí donde vemos una de las mayores oportunidades de nuestra alianza con Salesforce, una de las plataformas de referencia para gestionar la relación con clientes en la era agéntica.
Tener Salesforce no significa estar aprovechando Salesforce
Muchas compañías llevan años construyendo su ecosistema alrededor de Salesforce.
Tienen CRM. Marketing Cloud. Automatizaciones. Integraciones. Información histórica de clientes. Audiencias. Journeys. Modelos de datos.
Y probablemente continúen incorporando capacidades.
Pero cuando miramos cómo funcionan muchas de esas organizaciones en la práctica, encontramos un patrón que se repite con bastante frecuencia.
Las capacidades existen, pero siguen operando de forma demasiado independiente:
- CRM sabe una cosa.
- Marketing sabe otra.
- Los canales digitales generan nuevas señales.
- Atención al cliente incorpora más información.
- Los sistemas transaccionales conocen lo que acaba de suceder.
Y no siempre se consigue reunir todo ese conocimiento cuando llega el momento de tomar una decisión.
La diferencia entre disponer del dato y saber activarlo es donde más valor se está dejando sobre la mesa.
De hecho, según datos de Salesforce, solo el 31% de las organizaciones había unificado completamente sus datos antes de desplegar agentes. El resto avanzó con una base todavía fragmentada y aun así alcanzó ROI [1].
No necesitamos conectarlo todo, sino tener disponible la información que realmente importa cuando toca decidir.
Porque el objetivo de una estrategia de Customer Data nunca debería ser simplemente saber más, sino responder una pregunta mucho más sencilla: ¿qué necesito saber de mi cliente para poder ayudarlo mejor?
De una visión 360 a una capacidad de decisión
Si durante años hemos hablado de construir una visión 360 del cliente, ahora vamos más allá para preguntarnos:
- ¿A quién deberíamos contactar?
- ¿Cuándo?
- ¿Por qué canal?
- ¿Con qué propuesta?
- ¿Qué producto tiene más sentido ofrecer?
- ¿Qué contenido puede resultar relevante?
- ¿Y cuándo sería mejor no hacer absolutamente nada?
Esta última pregunta es probablemente más importante de lo que parece, porque personalizar también implica saber cuándo una interacción puede aportar valor y cuándo solo añade ruido.
El siguiente paso es conseguir que datos, señales e inteligencia nos ayuden a decidir qué debería ocurrir después.
El siguiente paso de la personalización es decidir mejor
Imaginemos un banco con decenas de campañas activas. Cada equipo puede estar haciendo correctamente su trabajo y, aun así, un mismo cliente terminar recibiendo varias ofertas en pocos días.
Imaginemos un banco con decenas de campañas activas. Cada equipo puede estar haciendo correctamente su trabajo y, aun así, un mismo cliente terminar recibiendo varias ofertas en pocos días.
La personalización tradicional nos permite evitar buena parte de estas situaciones mediante segmentos, triggers, exclusiones o reglas de presión comercial. Y en muchos casos sigue siendo suficiente.
El problema aparece cuando la personalización sigue operando de forma fragmentada y aumentan los clientes, las señales y las posibles acciones. Entonces una lógica basada en reglas predefinidas empieza a quedarse corta para decidir qué es más relevante en cada momento.
Ahí cobran sentido modelos de Next Best Action, capaces de evaluar distintas alternativas y decidir cuál puede aportar más valor en cada momento.
Salesforce aporta la infraestructura para hacerlo posible. Desde Multiplica diseñamos la lógica que hay detrás, definiendo qué queremos optimizar con cada decisión: conversión, retención, valor de cliente, adopción de producto o una combinación de varias.
La tecnología puede ayudarnos a tomar millones de decisiones, pero primero necesitamos definir qué significa una buena decisión.
El comercio conversacional es un buen ejemplo de cómo esta lógica empieza a trasladarse a experiencias concretas. El AI Shopping Assistant de Synerise combina historial conductual, preferencias, catálogo, stock y propensión de compra para personalizar recomendaciones y activar acciones dentro de la propia conversación.
Para Multiplica, la oportunidad está en integrar esa conversación dentro del customer journey. Si el asistente conoce el contexto del cliente antes de que escriba la primera palabra, puede dejar de funcionar como un buscador con interfaz de chat y convertirse en una experiencia que realmente acompaña la decisión.
Diseñar la lógica antes de activar la tecnología
Cuando trabajamos con Salesforce, no empezamos preguntando qué producto tenemos que implementar, sino qué queremos cambiar en la experiencia del cliente y qué resultado esperamos conseguir con ello.
Si queremos reducir el abandono, por ejemplo, antes de hablar de Data, Marketing Cloud o modelos predictivos necesitamos entender dónde se produce, qué señales lo anticipan, qué clientes merece la pena intentar recuperar, qué intervención puede cambiar el resultado y cómo vamos a medirlo.
Después viene la tecnología.
Ese orden es importante porque en Multiplica trabajamos experiencia, personalización, datos, producto, growth y tecnología como partes de un mismo problema. Nuestro trabajo consiste en identificar dónde existe una oportunidad, diseñar cómo debería funcionar esa experiencia y activar la combinación de capacidades necesaria para conseguirla.
A veces será data. Otras, automatización, personalización, integración o IA. Y muchas veces será una combinación de varias.
No implementamos capacidades de Salesforce de forma aislada. Diseñamos qué deben conseguir juntas para el cliente y para el negocio.
No todas las señales tienen el mismo valor
Una buena estrategia de personalización no consiste en acumular toda la información posible, sino en identificar qué señales pueden cambiar una decisión.
Pensemos en un usuario que consulta varias veces un producto, compara alternativas, lo añade al carrito y finalmente abandona.
La organización probablemente sabe que todo eso ha ocurrido. La diferencia está en cuándo consigue utilizarlo.
Si horas después enviamos el mismo correo de recuperación que a cualquier otro abandono, estamos reaccionando al evento. Pero si interpretamos el contexto en tiempo real, podemos decidir algo más relevante.
Quizá necesite un recordatorio. Una alternativa. Información de stock. Un incentivo. O quizá tenga más sentido esperar y contactar en otro momento o canal.
Tenemos la señal. El valor está en convertirla en una mejor decisión, a tiempo.
En proyectos de hiperpersonalización de Multiplica hemos conseguido recuperar entre un 30% y un 40% de carritos abandonados mediante activaciones en tiempo real. Detrás de ese resultado hay una capacidad que va mucho más allá de lanzar una campaña: detectar la señal, interpretarla en contexto, decidir la mejor intervención y activarla en el momento adecuado.
Ahí vemos uno de los grandes potenciales de Salesforce cuando conseguimos conectar sus capacidades alrededor de una misma lógica de decisión.
Por eso solemos empezar por momentos concretos —un abandono, una renovación, una señal de churn o una segunda compra— y escalar la capacidad de decisión a partir de ahí.
La IA debería desbloquear complejidad, no añadirla
La llegada de la inteligencia artificial puede acelerar muchísimo esta evolución.
Pero probablemente no de la forma que a veces imaginamos.
No necesitamos IA para cada decisión. Cuando el contexto y una buena regla son suficientes, añadir más complejidad aporta poco.
La IA empieza a ser especialmente valiosa cuando ya no tenemos una respuesta evidente. Cuando necesitamos evaluar muchas señales, estimar propensión, anticipar abandono, elegir entre distintas ofertas o determinar el mejor momento y contenido para cada cliente.
Ahí la personalización puede pasar de una lógica basada principalmente en reglas a otra mucho más adaptativa.
Y esa inteligencia genera más valor cuando forma parte de la operación real. El 94% de los líderes consultados por Salesforce considera que la IA aporta más cuando está integrada en los workflows centrales que cuando funciona como una herramienta independiente [1].
Salesforce avanza precisamente en esa dirección, conectando datos, automatización e inteligencia, mientras Agentforce amplía esa capacidad para tomar decisiones y ejecutar acciones dentro de los procesos existentes.
Desde Multiplica trabajamos esa orquestación entre datos, IA, workflows y experiencia manteniendo un principio muy simple:
Empezar por el problema. No por la IA.
De conocer al cliente a saber qué hacer después
Ahí vemos el potencial de nuestra alianza con Salesforce. La plataforma aporta capacidades para conectar datos, decisiones, automatización y experiencia. Desde Multiplica ayudamos a convertirlas en casos de uso concretos, diseñando la lógica de personalización y midiendo su impacto.
Muchas organizaciones ya tienen una parte importante de la tecnología que necesitan. El siguiente salto consiste en conseguir que esas capacidades trabajen juntas para tomar mejores decisiones alrededor de sus clientes.
Y cuando eso ocurre, Salesforce deja de ser solo una plataforma y empieza a convertirse en una capacidad de crecimiento.
Fuentes: [1] Salesforce.