Este recurso te ayuda a
- Definir qué aprender durante la primera etapa del programa.
- Conectar identidad, comportamiento, valor, operación y economía.
- Convertir métricas en decisiones antes de escalar canales o complejidad.
Los primeros 90 días no deberían utilizarse para demostrar que el programa fue una buena idea.
Deberían utilizarse para descubrir:
- si la empresa puede identificar mejor a sus clientes;
- si la propuesta se entiende;
- si las reglas funcionan;
- si la operación puede sostenerlas;
- si las personas encuentran valor;
- si aparece alguna señal de comportamiento relevante;
- si el costo y la complejidad son razonables;
- qué conviene cambiar antes de escalar.
Un programa puede mostrar muchas altas, puntos emitidos o visitas al portal y, aun así, estar construyendo poca relación. También puede comenzar con volúmenes modestos y producir aprendizajes valiosos.
1. Noventa días son una ventana de aprendizaje, no una sentencia final
La ventana puede ser suficiente para evaluar:
- adopción inicial;
- calidad de identidad;
- comprensión de la propuesta;
- funcionamiento de earn y burn;
- primeras señales de segunda compra;
- utilización de rewards;
- diferencias por canal o sucursal;
- incidencias y tiempos de resolución;
- costo inicial;
- hipótesis que merecen continuar.
No siempre alcanza para concluir:
- retención de largo plazo;
- valor de vida completo;
- causalidad definitiva;
- impacto anual;
- estabilidad de tiers extensos;
- comportamiento en categorías de baja frecuencia;
- madurez omnicanal.
La interpretación debe respetar el ciclo natural del negocio. En una cafetería, 30 días pueden mostrar recurrencia. En una categoría de reposición lenta, ese período puede mostrar identificación y comprensión, pero todavía no repetición suficiente.
2. Definir hipótesis y baseline antes de mirar resultados
Una métrica sin punto de comparación describe actividad, pero no necesariamente cambio.
Antes del lanzamiento conviene registrar, cuando sea posible:
- porcentaje estimado de compras identificadas;
- cantidad de clientes conocidos;
- tasa histórica de segunda compra;
- frecuencia o recurrencia por contexto;
- uso de descuentos;
- devoluciones y cancelaciones;
- incidencias operativas;
- costo promocional;
- distribución por canal o sucursal;
- tiempo de resolución de casos.
El baseline puede provenir de datos históricos, grupos comparables, observación manual documentada o una primera etapa usada como referencia operativa.
Si el dato previo es incompleto, debe declararse. Una base débil no mejora porque el dashboard muestre más decimales.
Plantilla de hipótesis
Creemos que [actor o estado] responderá a [propuesta o reconocimiento] mediante [comportamiento verificable] dentro de [ventana], porque [barrera o motivación]. Lo evaluaremos con [métrica], controlando [guardrails].
3. Medir cinco capas distintas
Un tablero inicial debería separar actividad, relación y viabilidad.
| Capa | Pregunta | Señales posibles |
|---|---|---|
| Customer Memory | ¿La empresa recuerda mejor quién interactúa y qué ocurrió? | Identificación, duplicados, perfiles vinculados, eventos trazables. |
| Relación y comportamiento | ¿Qué sucede después de la primera interacción? | Segunda compra, recurrencia, frecuencia, exploración, reactivación. |
| Intercambio de valor | ¿Las personas comprenden, alcanzan y utilizan lo ofrecido? | Earn, burn, rewards emitidos, utilización, tiempo hasta valor. |
| Operación | ¿La organización sostiene la promesa? | Incidencias, tiempos, ajustes, fallas, diferencias entre canales. |
| Economía y aprendizaje | ¿El programa es sostenible y qué decisión corresponde? | Costo, margen comprometido, pasivo, uso, aprendizaje obtenido. |
Mezclar estas capas puede producir conclusiones equivocadas. Muchas altas no prueban recurrencia. Muchos puntos emitidos no prueban valor. Pocos canjes pueden indicar falta de interés, umbrales difíciles o simplemente una ventana todavía corta.
4. Seguir un ritmo de decisiones, no solo de reportes
Días 0–30: comprobar que la promesa puede operar
- identificación;
- comprensión de reglas;
- calidad de eventos;
- puntos o rewards correctamente registrados;
- incidencias;
- experiencia del operador;
- primeros usos del beneficio.
Decisión principal: corregir fricciones que impiden observar el programa con datos confiables.
Días 31–60: observar utilización y primeras continuidades
- segunda actividad;
- tiempo hasta el primer valor;
- utilización y no utilización;
- diferencias por segmento, canal o sucursal;
- comportamiento después de un reward;
- costo por participante activo.
Decisión principal: ajustar propuesta, reglas o alcance antes de sumar complejidad.
Días 61–90: decidir qué sostener y qué escalar
- cohortes iniciales;
- repetición dentro de la ventana esperada;
- señales de dependencia promocional;
- consistencia operativa;
- economía acumulada;
- hipótesis confirmadas, debilitadas o todavía abiertas.
Decisión principal: sostener, modificar, automatizar, ampliar o detener cada elemento relevante.
5. Usar un conjunto pequeño de métricas accionables
No todos los programas necesitan el mismo tablero. Un conjunto inicial puede incluir:
| Métrica | Qué describe | Decisión que puede habilitar |
|---|---|---|
| Compras o actividades identificadas | Capacidad de construir memoria. | Mejorar propuesta de identificación o flujo de registro. |
| Tasa de segunda compra | Continuidad después de la primera relación. | Ajustar ventana, audiencia o incentivo. |
| Tiempo hasta primer valor | Distancia entre alta y beneficio percibido. | Simplificar earn, umbral o comunicación. |
| Utilización de rewards | Valor que efectivamente se convierte en experiencia. | Revisar catálogo, elegibilidad o disponibilidad. |
| Actividad posterior al canje | Qué ocurrió después del beneficio. | Distinguir cierre transaccional de continuidad. |
| Incidencias por flujo | Fragilidad de la operación. | Corregir procesos, permisos o integraciones. |
| Ajustes y reversas | Calidad de reglas y eventos. | Mejorar referencias, idempotencia y controles. |
| Costo por comportamiento objetivo | Economía de la hipótesis. | Sostener, limitar o retirar el incentivo. |
Cada métrica debe tener definición, fuente, frecuencia, owner y una decisión asociada. Si nadie sabe qué hacer cuando cambia, probablemente todavía no sea una métrica prioritaria.
6. Interpretar sin declarar causalidad demasiado pronto
Durante la primera etapa conviene distinguir:
- actividad: algo ocurrió;
- correlación: dos cambios aparecen juntos;
- señal: existe evidencia suficiente para investigar o actuar de manera acotada;
- causalidad: el programa produjo el cambio con evidencia adecuada.
Un aumento de segunda compra puede coincidir con estacionalidad, promociones, disponibilidad, cambios de precio o campañas externas.
No siempre será posible construir un experimento perfecto. Pero sí es posible:
- comparar cohortes razonables;
- declarar limitaciones;
- observar comportamiento posterior;
- utilizar guardrails;
- evitar conclusiones más fuertes que la evidencia.
El objetivo de los primeros 90 días no es producir una narrativa de éxito. Es reducir incertidumbre.
7. Cerrar con una decisión explícita
La revisión debería terminar con decisiones por componente, no con una lista de métricas.
| Estado | Significado | Acción |
|---|---|---|
| Sostener | La hipótesis y la operación muestran señales suficientes. | Mantener y seguir observando. |
| Ajustar | Existe valor, pero la propuesta o el flujo necesita cambios. | Modificar alcance, regla, experiencia o control. |
| Automatizar | La actividad es estable y la fricción manual limita crecimiento. | Priorizar integración o workflow. |
| Ampliar | El piloto funciona dentro de su contexto inicial. | Extender audiencia, canal o sucursal de forma controlada. |
| Investigar | La señal es ambigua o la medición insuficiente. | Mejorar dato, baseline o ventana. |
| Detener | El costo, riesgo o falta de valor no justifican continuar. | Retirar la iniciativa y documentar el aprendizaje. |
Detener una mecánica que no funciona no significa que el programa fracasó. Significa que el sistema pudo aprender antes de escalar un error.
Cómo puede ayudar Qualth
Qualth puede ayudar a registrar participantes, eventos, movimientos, puntos, rewards, canjes y estados; mantener historial; y exponer información operativa para analizar adopción, utilización e incidencias dentro del alcance implementado.
La plataforma no garantiza incrementalidad ni causalidad, ni reemplaza un modelo financiero o analítico completo. Ayuda a conservar señales consistentes para que la empresa pueda evaluar hipótesis y tomar decisiones con mayor trazabilidad.
Preguntas de revisión
- ¿Qué aprendimos que no sabíamos antes?
- ¿Qué resultado es confiable y cuál todavía es una señal débil?
- ¿Qué parte de la operación distorsiona la medición?
- ¿Qué comportamiento apareció después del beneficio?
- ¿Qué costo o riesgo creció?
- ¿Qué decisión concreta tomaremos ahora?
Decisiones clave
- Medir aprendizaje, no solo actividad.
- Declarar qué puede y qué no puede concluirse en 90 días.
- Separar memoria, comportamiento, valor, operación y economía.
- Conectar cada métrica con una decisión.
- Usar guardrails y limitaciones para evitar conclusiones artificiales.
- Considerar la posibilidad de ajustar o detener, no solo escalar.
Volver al diseño con evidencia
Los resultados de los primeros 90 días deberían actualizar las decisiones sobre comportamiento, identidad, propuesta de valor, mecánicas, operación, economía y riesgos.
Worksheet
Scorecard de aprendizaje de 90 días
Completar una fila por cada hipótesis prioritaria: