Masivo lleva la inteligencia artificial de la conversación a la acción

‍

Masivo incorporó Claude directamente en su plataforma para resolver dos necesidades diferentes: facilitar la creación de campañas de fidelización y transformar el feedback de los clientes en acciones concretas.

En ambos casos, la inteligencia artificial forma parte de los procesos de la plataforma y utiliza información real del negocio para ayudar a los equipos a tomar decisiones y ejecutar acciones.

‍

Caso 1: Fidelización que se configura hablando

‍

Los equipos de marketing tienen claro qué quieren conseguir: aumentar ventas, ticket promedio o frecuencia de compra. Sin embargo, convertir ese objetivo en una campaña de fidelización podía requerir conocimientos técnicos y configuraciones complejas.

Masivo integró Claude para que los equipos puedan describir directamente la acción que necesitan.

‍

Por ejemplo:

“Doble puntos para clientes Gold en compras mayores a $50.”

A partir de esa instrucción, el sistema consulta la información disponible, analiza el contexto de la cuenta y prepara una propuesta para que una persona la revise y confirme antes de ejecutarla.

‍

‍

‍

‍

El sistema analiza el catálogo de recompensas y resume el estado actual antes de proponer cambios.

Luego, con ese diagnóstico, la plataforma prioriza oportunidades de mejora y presenta acciones concretas para optimizar la estrategia de fidelización.

‍

Con base en el análisis realizado, Masivo presenta recomendaciones priorizadas para optimizar el catálogo y mejorar el desempeño de las campañas.

Resultados

• El lanzamiento de una campaña pasó de 2 horas y 15 minutos a 11 minutos, un 92% más rápido.
• Cada operador pasó de lanzar aproximadamente 3 a 11 campañas al mes.
• De 1.240 programas creados durante los primeros 90 días, el 98,6% fue confirmado sin requerir correcciones posteriores.

‍

Caso 2: De una reseña a una acción en minutos

‍

Las reseñas de clientes llegaban desde diferentes tiendas, marcas y canales, pero su clasificación manual dificultaba detectar rápidamente los casos que realmente necesitaban atención.

Una señal de riesgo podía terminar mezclada con cientos de comentarios, haciendo más difícil identificar a tiempo a un cliente insatisfecho o con riesgo de abandonar la marca.

Masivo integró Claude para analizar cada reseña considerando elementos como el sentimiento, el motivo y las posibles señales de riesgo.

Cuando el sistema detecta una reseña que requiere atención, puede generar automáticamente el ticket correspondiente para que el equipo pueda actuar.

‍

‍

El sistema agrupa las reseñas por sentimiento para identificar patrones y detectar rápidamente los casos que requieren mayor atención.

A partir de estos grupos, el equipo puede profundizar en cada caso y entender los principales motivos detrás de la experiencia del cliente.

‍

‍

Cada grupo muestra el sentimiento promedio, los motivos más frecuentes y recomendaciones concretas para facilitar la toma de decisiones.

Resultados

• El tiempo entre una reseña de riesgo y la apertura de un ticket pasó de 4 días a 7 minutos.
• El etiquetado manual se redujo un 96%, pasando de aproximadamente 6 horas diarias a 15 minutos de revisión de excepciones.
• Se gestionan 2,6 veces más casos de riesgo de fuga que con el proceso manual.
• Durante los primeros 90 días se clasificaron 86.400 reseñas y se generaron automáticamente 8.630 tickets de alto riesgo.

‍