Predice y recomienda dentro de vuestros sistemas.

Modelos predictivos

Se entrenan con vuestro histórico, se recalculan solos y escriben el resultado en la ficha de cada cliente. Tres son de catálogo; el cuarto se entrena para la pregunta que tengáis vosotros.

1. Cuánto va a gastar en total El Customer Lifetime Value (CLV): lo que aportará ese cliente mientras siga comprando, si nada cambia. Indica a quién compensa retener y dónde no invertir.
2. Cada cuánto vuelve a comprar El ciclo de consumo: en qué semana volverá a necesitarlo. De aquí salen los envíos que llegan a tiempo.
3. Qué comprará la próxima vez La propensión de compra, el buyer-persona: qué categorías tienen probabilidad de entrar en el próximo pedido y cuáles no.
4. Lo que os interese predecir Modelos a medida, entrenados para una pregunta propia de vuestro negocio. Parten del mismo histórico que los otros tres.

Segmentación y promociones

Cada cliente queda en un segmento según su ciclo de compra y lo que compra. A cada segmento le corresponde una acción distinta, y ninguna promoción va a quien iba a comprar igual.

1. Compra cuando le toca En ciclo. No necesita descuento: recomendación y contenido, y el margen se queda entero.
2. Se está retrasando Ha pasado su fecha prevista. Un recordatorio o un incentivo pequeño, antes de que se enfríe.
3. Lleva tiempo sin comprar En hibernación. Una promoción de recuperación proporcional a lo que valía, no la misma para todos.
4. Es de los que más aportan Alto valor. Trato preferente y acceso anticipado, no descuento: la repetición ya está.

Así cada cliente recibe la promoción que le mueve y ninguna que no haga falta: más repetición, menos hibernación y más valor por cliente.

Redes de recomendación

Redes neuronales entrenadas con el comportamiento real de compra. Deciden qué productos ve cada persona en la tienda, en la app, en la newsletter y en los envíos automáticos.

• One-to-one Los productos de esa persona, no los de la media.
• Producto con producto Qué se compra junto con lo que está viendo.
• Ranking one-to-one El mismo listado, ordenado distinto para cada visitante.
• Bestsellers La opción por defecto para quien entra por primera vez.

Agentes de IA

El agente no empieza la conversación en blanco: entra con el perfil de esa persona delante y con lo que ya han decidido los modelos y las redes de recomendación. Así no solo responde: recomienda lo que le corresponde a ese cliente en ese momento. En el chat de la tienda y de la app, y también por teléfono.

• Asistente de compra Pregunta, acota y recomienda sobre el catálogo real y el perfil de quien está delante. Quien no sabe qué buscar termina la visita con una opción, no con un formulario.
• Atención al cliente Responde con el histórico del cliente delante y con el tono de la casa. La respuesta no depende de quién atienda la conversación ni de la hora a la que llegue.
• Incidencias Resuelve lo que se puede resolver (un pedido, un cambio, una devolución), abre el caso en vuestro sistema y escala lo que necesita una persona, con todo lo hablado escrito.

La misma estrategia que decide el segmento y la recomendación decide lo que dice el agente. No es un canal aparte con criterio propio.

Los otros tres servicios