Ventas

Pronóstico con IA (probabilidad de ganar)

Un modelo entrenado con tu propio historial predice la probabilidad de ganar cada oportunidad abierta, sin costo de IA.

La página "Pronóstico IA" (en el menú lateral) usa TU historial de oportunidades ganadas y perdidas para aprender qué características llevan a la victoria y, con ello, estimar la probabilidad de cerrar cada oportunidad abierta.

Cómo funciona

El modelo se entrena automáticamente con las oportunidades ya cerradas (Ganada/Perdida).
Analiza características como etapa, origen, tipo de venta, prioridad y rango de valor.
Cada oportunidad abierta recibe una probabilidad de ganar y una franja (Alta, Media, Baja).
El "pipeline ponderado" suma el valor de las abiertas multiplicado por la probabilidad prevista, así obtienes un pronóstico realista.

La pantalla también muestra los factores que más empujan a favor y en contra de la victoria, aprendidos de tu historial.

💡 Se necesita un mínimo de historial (unos 10 negocios cerrados) para que el modelo se entrene. Cuantas más oportunidades cierras como Ganada/Perdida, mejor el pronóstico.

Riesgo de churn

En la misma página, la sección "Riesgo de churn" aprende de tu historial de cuentas perdidas (ciclo de vida "Perdido" o tipo "Churn") frente a las retenidas y estima el riesgo de que cada cuenta ACTIVA cancele. Usa señales anticipadas como salud (health) y estado de renovación, y lista las cuentas del mayor al menor riesgo.

Propensión a expandir y a downgrade

El mismo motor predice qué cuentas tienen mayor propensión a EXPANDIR (upsell/cross-sell) y cuáles tienen mayor propensión a DOWNGRADE/contracción. Aprende de tu historial REAL de movimiento de ingresos: las expansiones y contracciones de MRR de las suscripciones a lo largo del tiempo. Las features son atributos de la cuenta (tier, tamaño, sector, salud, estado de renovación, plan). Pregunta al Copilot "¿qué clientes tienen potencial de expansión?" o "¿quién podría hacer downgrade?" y lista las cuentas del mayor al menor score, con las señales que impulsan la predicción.

💡 El modelo se entrena con el historial de cambios de MRR de las suscripciones. Si aún no usas el objeto Suscripción o tienes pocas expansiones/contracciones registradas, la muestra es insuficiente y el resultado se marca como no entrenado, sin inventar números.

Pronóstico de renovación e ingresos futuros

Pregunta al Copilot "¿qué contratos van a renovar?" o "¿cuánto MRR/ARR tendremos?". Proyecta el MRR/ARR de los próximos meses a partir del MRR activo actual y del crecimiento neto medio (nuevos + expansión − contracción − churn) y estima la probabilidad de renovación de cada suscripción activa, entrenada con tu historial (suscripciones activas versus canceladas), listándolas de la menor a la mayor (las más en riesgo primero). Cada línea trae además un sub-score de riesgo contractual derivado del estado de renovación de la cuenta. Las features consideran el plan, la antigüedad y atributos de la cuenta (tier, tamaño, sector, salud, estado de renovación).

💡 Todo se calcula localmente, sin costo de IA. Sin historial de movimiento de MRR la proyección queda plana, y con pocas suscripciones con desenlace el modelo se marca como no entrenado, sin inventar números.

Fiabilidad del pronóstico (error histórico y varianza)

Pregunta "¿qué tan confiable es mi pronóstico?" o "¿estoy cumpliendo el commit?". El error histórico (MAPE) hace un backtest del modelo predictivo comparando, por período, el pronóstico (suma valor × probabilidad) con lo realizado (negocios ganados). La varianza compara el pronóstico declarado (categorías Commit y Best case) con lo realizado, mostrando si superaste o quedaste por debajo de lo comprometido.

💡 Como el sistema aún no guarda una foto guardada del pronóstico de cada día, el MAPE se calcula sobre todo el historial (una aproximación optimista) y la varianza usa la categoría actual del registro. Cada respuesta trae un campo de base que explica la limitación, para que leas el número con el contexto correcto.

Recomendación de producto (mejor oferta y cross-sell)

El Copilot también recomienda QUÉ producto ofrecer a cada cuenta, al estilo "cuentas que compraron X también compraron Y". Mira tu historial REAL de ventas: para cada cliente, los productos que ya ganó (oportunidades ganadas e ítems de la oportunidad). A partir de la co-ocurrencia entre productos, sugiere a la cuenta los productos que clientes parecidos compraron y que aún NO tiene, del mayor al menor score (confianza por frecuencia). Cada sugerencia viene clasificada como cross-sell (producto de otra categoría), upsell (categoría ya comprada, precio mayor) o próximo producto, con el porqué ("60% de las cuentas que compraron A también compraron B").

Pregunta "¿qué ofrecer a esta cuenta?" para una cuenta específica o "¿cuáles son las mejores oportunidades de cross-sell?" para recibir la fila del equipo, con la mejor oferta por cuenta.

💡 La recomendación viene de tu propio historial. Con pocas ventas o sin productos comprados en conjunto, la lista vuelve vacía: el sistema no inventa un par que tus datos no muestran.

Anomalías

El bloque "Anomalías detectadas" acompaña indicadores semanales (oportunidades y leads creados, negocios ganados) y señala semanas que se salieron del patrón, por ejemplo una caída brusca de leads o un pico de victorias. La detección usa z-score robusto (mediana + desviación absoluta mediana), resistente a valores extremos.

Además de la vista en vivo en la pantalla, el programador ejecuta la detección automáticamente y AVISA a los administradores (notificación en la campana) cuando aparece una anomalía nueva. Cada anomalía se alerta una sola vez: la misma semana del mismo indicador nunca genera un aviso repetido. El "Historial de anomalías" en la propia página lista todo lo ya detectado y alertado.

En Configuración > Organización activas o desactivas las alertas, ajustas la sensibilidad (umbral del z-score; menor = más sensible) y eliges qué indicadores monitorear. El valor predeterminado ya viene activo, con sensibilidad 2.5 y los tres indicadores.

Enrutamiento inteligente

La sección "Enrutamiento inteligente" clasifica a los vendedores por su tasa de victoria histórica (suavizada, para no distorsionar con una muestra pequeña) y por su carga actual. Usa el ranking para dirigir los nuevos leads a quien tiene más probabilidad de convertir, equilibrando la distribución.

💡 Todo se calcula localmente a partir de tus datos: no usa proveedores de IA externos y no genera ningún costo.

Abrir este artículo dentro del sistema →