Predicción de compra: cómo interpretar la puntuación de Flowpredict

1. Lee la puntuación como una señal de interés.

En el perfil, empieza por cuatro datos: la puntuación, el desarrollo de la visita, la compra y el reconocimiento del contacto. Abajo, el visitante tiene 71/100, dos visitas, siete páginas vistas y un añadido al carrito, pero ninguna compra registrada. Es un motivo concreto para revisar la oferta y la última etapa del recorrido. La puntuación por sí sola no explica si el obstáculo fue el envío, el precio o una visita interrumpida.

La etiqueta de visitante anónimo (en el panel, en polaco: «Anonim») es tan importante como una puntuación alta. Permite analizar el comportamiento, pero no ofrece un destinatario para la etiqueta en la herramienta de marketing. Una acción sobre el contacto requiere reconocimiento, vinculación con el contacto en la integración y el consentimiento adecuado. No interpretes la puntuación por sí sola como un permiso para comunicarte.

2. Comprueba la intención también antes del carrito.

El perfil 40/100 tiene cinco visitas y 23 páginas vistas, pero ni carrito ni compra. El modelo puede valorar el interés antes de que se añada un producto. Sin embargo, con la condición «puntuación de al menos 70», este perfil no avanzará. Las visitas repetidas no garantizan que suba la puntuación; cada nuevo cálculo tiene en cuenta las señales disponibles, no solo el aumento del contador de páginas vistas.

Es otro visitante, no una etapa anterior del perfil 71. Más visitas con una puntuación más baja no es en sí una contradicción: el modelo tiene en cuenta muchas características del comportamiento. El radar ayuda a leer su peso estimado, pero no demuestra que aumentar artificialmente una característica vaya a provocar una compra.

El umbral de 70 es una regla de actuación elegida, no la promesa de que siete de cada diez personas comprarán. Lo configuras por separado de los umbrales de los segmentos del informe ML. Anota qué tamaño de grupo y qué coste de los errores aceptas; no cambies el umbral solo para que un perfil concreto entre en la campaña.

3. Comprueba qué significa de verdad el acierto del modelo.

La exactitud (accuracy) es el porcentaje de valoraciones correctas del modelo. Depende también de la proporción entre compradores y no compradores. Con 1.000 observaciones y 20 compras, la regla «nadie comprará» tendría un 98 % de exactitud, aunque no señalaría a ningún comprador. Es un ejemplo de cálculo, no un resultado de Flowpredict.

Distingue la puntuación de una persona de las métricas del modelo en su conjunto. En los perfiles nuevos, junto a la puntuación de 40, 71 o 95, aparece una exactitud del 94,4 % con la descripción de la prueba: un comprador por un máximo de cuatro no compradores, no tráfico real. No es la eficacia de una campaña futura ni el porcentaje de personas con una puntuación de 71 que comprarán. Para evaluarlo necesitas también el número de casos, el periodo y el tipo de errores.

4. Anota la puntuación antes de actuar y comprueba el resultado después.

Empieza tu propia evaluación con una nota tomada antes de la acción: fecha, puntuación, etapa alcanzada, condición elegida y número de casos observados. Fija la ventana en la que comprobarás la compra posterior. No reconstruyas la valoración a partir del perfil una vez hecha la compra: usarías información que antes no existía.

Evalúa una muestra de un periodo posterior a los datos usados para preparar la regla. Mantén las mismas definiciones y la misma ventana de observación. Si cambias a la vez el umbral, el descuento y el contenido del mensaje, no sabrás qué influyó en el resultado. Ante una nueva promoción o un cambio de surtido, vuelve a comprobar la utilidad del umbral.

5. Traduce la intención en condiciones y en una etiqueta del contacto.

El perfil reconocido de abajo tiene 95/100, seis visitas, 40 páginas vistas y actividad en el carrito y en el formulario de pedido, pero sigue sin compras. Puedes comprobar si cumple la regla de intención alta. La marca de contacto reconocido (en el panel, en polaco: «Rozpoznany») todavía no confirma el consentimiento ni la conexión con la plataforma elegida: verifícalos antes de la acción.

Para un escenario basado en la puntuación, configura un disparador ML de al menos 70, añade un control de compra en las últimas 24 horas y dirige la rama «NO» a la etiqueta wysoka_intencja en GetResponse. Los +25 puntos opcionales cambian la puntuación del contacto en GetResponse, no la puntuación de Flowpredict. La etiqueta permite elegir un grupo de destinatarios; el mensaje, las exclusiones y los límites de comunicación los configuras en la plataforma de destino.

En la variante antes del carrito, empieza, por ejemplo, con la visita a una dirección que contenga /kolekcja/. Comprueba la puntuación de Flowpredict. La ausencia de un carrito registrado la compruebas con la condición de interés por productos (cualquier producto, añadido al carrito, al menos uno, periodo elegido) en la rama «NO». Comprueba aparte que no haya compra. Para reaccionar a una subida posterior de la puntuación, elige un disparador ML evaluado periódicamente; una sola vista del listado no espera a que se supere el umbral en el futuro.

6. Separa la buena selección del grupo de la eficacia del mensaje.

Primero comprueba si la puntuación elegida ordena el interés: cuántos casos entraron en el grupo, cuántos compraron después y cuántos compradores quedaron fuera. Usa una ventana fija y la misma definición de compra. No compares solo porcentajes de grupos de tamaños muy distintos.

Evalúa por separado el efecto de la comunicación. Las personas cercanas a la compra podrían volver sin mensaje, así que una compra tras el etiquetado no demuestra una venta recuperada. Si evalúas el efecto, planifica un grupo de control comparable y el coste de la acción. Cuando una puntuación alta deje de ayudar, revisa los nuevos eventos, las fuentes de tráfico y ejemplos de recorridos antes de cambiar el umbral.

7. Tras la compra, pon orden en las marcas anteriores.

En otro perfil independiente se ven tres visitas, 22 páginas vistas y un pedido de 669 PLN. El panel muestra el estado de compra realizada y ninguna valoración actual de la intención. Es información sobre la etapa alcanzada, no la prueba de que las etiquetas y los mensajes anteriores se hayan desactivado automáticamente.

Prepara un escenario aparte: compra registrada → eliminar la etiqueta usada antes de la compra. En GetResponse, elige la etiqueta existente que asignaba de verdad la automatización anterior. Comprueba la ejecución de la acción y las reglas del segmento en la plataforma. Una bajada de la puntuación no elimina la etiqueta, y eliminar la etiqueta no garantiza que se retire un mensaje ya enviado a la cola.