Fábrica de alimentos: un sistema de ventas agéntico para reactivar clientes

Al analizar un año de facturas, KINTO halló que menos de la mitad de los clientes sostenía casi todo el volumen; construimos un agente de WhatsApp en producción, un piloto de llamadas con IA y una tienda headless sin perder una URL.

Problema

Una fábrica con tienda en línea estándar, decenas de referencias y más de mil clientes registrados atendía todo por WhatsApp a mano. Uno de los objetivos era reactivar clientes, pero nadie veía a cuáles contactar. El equipo comercial no daba abasto y los intentos previos de automatizar prometían fechas de entrega equivocadas.

Señales

• Mercado: Ya había pauta activa (más de un tercio de las sesiones venía de anuncios) y búsquedas de marca dominantes: la demanda existía.
• Negocio: Una cola larga de clientes se enfriaba, con un grupo grande sin comprar hace más de tres meses.
• Experiencia de usuario: Tres de cada cuatro visitas llegaban desde el móvil y productos con muchas impresiones en buscadores tenían clics muy bajos.
• Atención al cliente: Varias personas respondían WhatsApp a mano; llegaban pedidos sin datos de facturación electrónica y la fecha de entrega depende de ruta y día de corte.

Cómo lo entendimos

• Minería de la base de clientes: un año de facturas segmentado por recurrencia (núcleo, frecuente, ocasional, esporádico) y por ruta de entrega. Así apareció quién sostiene el negocio y quién se está yendo.
• Revisión de conversaciones reales, incluida una venta perdida, para convertir cada error en una regla verificable.
• Simulador de clientes con decenas de escenarios que corre antes de cada despliegue.
• Auditoría digital: inventario de todas las URLs de la tienda antes de migrar, analítica y Search Console revisadas por API, y una revisión del feed de compras.

Qué construimos y por qué

• Agente de ventas por WhatsApp (en producción): asesora, cotiza, toma el pedido con los datos de facturación y notifica al asesor y a contabilidad. La fecha de entrega la calcula código: corte horario, día de ruta, festivos y fines de semana.
• Piloto de llamadas salientes con IA para reactivar clientes: campañas segmentadas por valor y recencia, con transcripción y pedido escritos en el CRM.
• Rutero consultable por cualquier IA: la hoja de rutas convertida en un servicio de consulta para agentes.
• Tienda headless sincronizada con el catálogo, con la estructura de URLs original (casi todas sin redirección), datos estructurados, FAQ veraces, llms.txt y un buscador propio que lleva a WhatsApp cuando no hay resultado.
• Propuesta de crecimiento a éxito: línea base congelada por cliente y cobro solo sobre la venta adicional, auditable contra el ERP.
• Capa de solo lectura sobre su ERP para que agentes consultaran datos reales sin poder escribir. El proyecto no avanzó por restricciones de acceso; la capa quedó como activo reutilizable.

Por qué así: La fecha de entrega depende de corte horario, ruta y festivos; si la calcula el modelo, se equivoca. Por eso la calcula código y, si el modelo contradice a la herramienta, se regenera la respuesta.

Transformación

• El canal de WhatsApp pasó de un bot en un computador local a un servicio en la nube con pedidos completos y fechas deterministas. A los pocos meses había miles de conversaciones atendidas y cientos de traspasos a humanos registrados.

• La empresa pasó a ver su base de clientes como segmentos accionables (recuperación, núcleo) en lugar de un listado.

• La tienda headless quedó lista para el corte sin pérdida de URLs.

• líneas de factura analizadas: decenas de miles (12 meses) (medido)

• clientes que compran todos los meses vs. volumen: ≈45 % de los clientes concentra ≈85 % del volumen (medido)

• conversaciones atendidas por el agente que terminan en pedido (cifra de la propuesta comercial): ≈1 de cada 4 (estimado)

• URLs de la tienda conservadas en la migración: ≈98 % en la misma ruta (medido)

Lo que aún no sabemos

• Efecto en ventas totales: la métrica de conversión del agente viene de nuestra propuesta y no hemos auditado su cálculo; el corte de la tienda nueva estaba pendiente.
• El piloto de llamadas cerró pedidos en pruebas, pero no se lanzó una campaña real medible.