DEV Community: Claudio Cavezzali

Auditoría GEO profesional: qué incluye y cuánto cuesta

Claudio Cavezzali — Thu, 08 Oct 2026 11:00:40 +0000

Por qué ChatGPT puede estar citando tu código pero recomendando a tu competencia

Acá va algo contraintuitivo: podés tener el contenido técnico más sólido de tu categoría, el que todos copian y pegan en sus propios posts, y aun así quedar afuera cuando alguien le pregunta a ChatGPT "qué herramienta uso para X". Los motores de IA pueden estar leyendo tu documentación, citando tu blog como fuente, y nunca mencionar tu nombre como opción. Te usan, pero no te recomiendan.

Esto no es un bug. Es consecuencia directa de cómo funcionan los modelos generativos y de un error que veo repetirse en founders técnicos: tratan la visibilidad en IA como una extensión del SEO tradicional, cuando son dos problemas distintos.

El problema real no es el ranking, es la síntesis

SEO clásico optimiza para que Google te muestre en una lista de diez links. GEO (Generative Engine Optimization, término que viene de un paper académico presentado en KDD 2024 por investigadores de Princeton y otras instituciones) optimiza para que un modelo, al sintetizar una respuesta, decida mencionarte a vos y no a tu competidor como la fuente o la opción.

La diferencia es brutal en la práctica. Un modelo puede extraer tres párrafos de tu documentación técnica para explicar un concepto, sin necesidad de decir de dónde los sacó ni de posicionarte como proveedor. Sos fuente, no sos marca. Y para una empresa B2B, lo que mueve el pipeline es lo segundo.

Las cinco capas que determinan si te nombran o te usan

Cuando reviso esto con founders, lo desarmo en capas. No son pasos secuenciales, son dimensiones que hay que auditar en paralelo:

Acceso: ¿los crawlers de OpenAI, Google y Anthropic pueden entrar a tu sitio? Esto suena obvio pero rompe seguido: un robots.txt mal configurado, un WAF demasiado agresivo o contenido detrás de JavaScript que el bot no renderiza bastan para que directamente no existas en el índice que alimenta las respuestas.
Lectura: ¿hay datos estructurados (schema.org, JSON-LD) que le digan a la máquina quién sos, qué vendés y para quién? Sin esto, el modelo tiene que inferir, y cuando infiere, se equivoca o te ignora.
Formato: tu contenido, ¿responde como responde una IA? Definiciones claras, comparaciones directas, estructura de pregunta y respuesta. Los modelos citan literalmente lo que ya viene masticado en ese formato.
Presencia: qué dice hoy ChatGPT, Perplexity, Gemini y los AI Overviews cuando alguien pregunta por tu categoría. Esto se mide con prompts reales, no se asume.
Autoridad externa: quién habla de vos fuera de tu propio dominio. Menciones en foros técnicos, comparativas de terceros, reviews. Los modelos ponderan mucho más lo que dicen otros que lo que decís vos de vos mismo.

El caso que veo repetirse

Una empresa TI de 20 personas en Buenos Aires, con un producto de nicho bastante defendible técnicamente, tenía un blog con guías detalladas que rankeaban bien en Google. El founder asumía que eso era suficiente cobertura. Cuando empezamos a correr prompts reales en los motores de IA (las preguntas que haría un comprador potencial, no las que haría un buscador de SEO), aparecía su contenido citado como referencia técnica en dos de cada tres respuestas, pero su nombre como proveedor recomendado no aparecía nunca. El modelo usaba su explicación de un concepto y después recomendaba a un competidor con peor documentación pero con mejor presencia en comparativas de terceros y mejor schema de producto.

El ajuste no fue reescribir contenido. Fue estructurar los datos para que la máquina entendiera "esto es un producto, estas son sus features, este es el caso de uso", y conseguir que terceros (no ellos mismos) hablaran de la categoría mencionándolos por nombre.

Cómo saber en qué capa estás fallando, sin gastar nada

Antes de meterte en una auditoría formal, hay dos cosas que podés chequear hoy mismo:

# 1. ¿Tu robots.txt bloquea a los bots de IA?
curl https://tudominio.com/robots.txt

# Buscá líneas tipo:
# User-agent: GPTBot
# Disallow: /

Si ves un Disallow: / para GPTBot, Google-Extended o ClaudeBot, ahí tenés el primer problema resuelto en cinco minutos.

Segundo paso: abrí ChatGPT, Perplexity y Gemini, y hacé la pregunta que haría tu cliente ideal sobre tu categoría, sin mencionar tu marca. Anotá qué nombres aparecen. Si el tuyo no está, tenés un diagnóstico más honesto que cualquier reporte de posicionamiento.

Esta separación entre "ser citado" y "ser nombrado" es el eje de lo que trabajo con founders TI de LATAM en los sistemas de adquisición que diseño, y es también el tema central de un artículo donde desarrollé con más detalle qué capas componen una auditoría GEO profesional y cómo se diferencia de una revisión SEO estándar.

Publicado originalmente en claucave.com

Auditoría SEO gratis: qué te dice de verdad y qué no

Claudio Cavezzali — Thu, 01 Oct 2026 11:00:34 +0000

Auditoría SEO gratis: qué te dice de verdad y qué no

Podés tener cero errores técnicos en tu auditoría SEO gratis y seguir sin generar un solo lead calificado. Eso es lo contraintuitivo: el informe perfecto y el pipeline vacío conviven todo el tiempo, porque son dos cosas distintas que miden cosas distintas.

El problema real: el crawler ve código, no decisiones de negocio

Cuando trabajo con founders de empresas TI, el patrón que se repite es siempre el mismo: alguien corrió un escaneo automatizado, arregló lo que decía en rojo (títulos duplicados, imágenes sin comprimir, alt text faltante) y esperó que eso se tradujera en tráfico calificado. No pasó, porque esas herramientas comparan tu HTML contra una lista de buenas prácticas genéricas. No saben si la página que estás optimizando debería existir, si apunta a la keyword con intención de compra o si el visitante que llega ahí es tu ICP o un curioso que rebota en tres segundos.

El approach estándar falla porque trata el SEO como un problema de cumplimiento (checklist) cuando en realidad es un problema de arquitectura: qué contenido existe, para quién, en qué orden de prioridad lo lee el buscador y qué pasa después de que alguien entra.

Los 4 componentes que un crawler no puede evaluar

Datos reales de comportamiento. Search Console y GA4 te dicen qué queries ya te traen clics, con qué CTR y en qué posición. Un crawler nunca toca esa data: solo infiere desde el código.
Intención de búsqueda. Una keyword con volumen alto puede ser 100% informacional. Optimizar para eso trae tráfico, no pipeline.
Arquitectura de contenido y enlazado interno. El crawler te marca "enlaces rotos", no te dice si tu pilar de contenido técnico está enlazando (o no) a las páginas que generan conversión.
Priorización por impacto, no por cantidad. Un informe de 40 páginas trata un H1 faltante con la misma urgencia que una página cardinal sin indexar. Sin criterio de negocio, todo pesa igual.

Acá una comparación rápida de lo que mide cada cosa:

Crawler automatizado          →  Diagnóstico de arquitectura comercial
-----------------------------    -----------------------------------
Títulos duplicados             →  Qué página debería rankear para qué intención
Velocidad de carga             →  Dónde se cae el visitante entre click y lead
Enlaces rotos                  →  Si el enlazado interno sostiene al pilar correcto
Meta descriptions faltantes    →  Si esa página le habla al ICP o a un curioso

Caso: una empresa TI de 20 personas en Buenos Aires

Una empresa de desarrollo de software, equipo chico, venía corriendo auditorías gratis cada dos o tres meses. El puntaje subía, el tráfico orgánico también subía un poco, pero las consultas que llegaban por el sitio eran de gente buscando trabajo o pasantías, no empresas buscando contratar un equipo de desarrollo. El crawler nunca iba a detectar eso: todo el código estaba técnicamente sano. El problema estaba en que el contenido mejor posicionado respondía "qué es [tecnología X]" en vez de "cómo evaluar un proveedor de desarrollo en [tecnología X]", que era la pregunta que hacía su comprador real antes de pedir una propuesta. Cruzar Search Console con las páginas de servicio mostró la brecha en una tarde: la arquitectura de contenido le hablaba a alguien que busca aprender, no a alguien que busca contratar.

Qué hacer hoy con la auditoría que ya tenés

Si tenés un PDF de auditoría guardado en algún lado, no lo tires, pero tampoco lo uses como lista de prioridades. Antes de corregir un solo ítem:

Abrí Search Console y filtrá las 20 queries con más impresiones. Preguntate cuántas de esas son de alguien que busca comprar algo parecido a lo que vendés.
Cruzá eso contra tus páginas de mayor tráfico en GA4. Si la página que más visitas recibe no tiene ningún camino hacia una conversión, ahí está el problema real, no en el meta description.
Recién después, volvé al informe técnico y arreglá lo que sí importa para esas páginas específicas.

El escaneo gratuito sirve para descartar errores obvios. No reemplaza mirar los datos de tu propio sitio con la pregunta de negocio puesta primero. En los sistemas que diseño en Claucave para empresas TI de LATAM, ese cruce entre comportamiento real y arquitectura de contenido es siempre el paso que falta antes de tocar una sola línea de código.

Si querés entender qué parte de tu auditoría es ruido y qué parte es señal, te dejo una guía más completa sobre cómo leer una auditoría SEO gratis con el detalle de los cuatro pilares y cómo priorizarlos según impacto en pipeline, no según cantidad de errores en rojo.

Publicado originalmente en claucave.com

Cómo hacer una auditoría GEO paso a paso: guía completa

Claudio Cavezzali — Thu, 24 Sep 2026 11:00:37 +0000

Por qué tu sitio puede rankear #1 en Google y ser invisible para ChatGPT

Acá va la paradoja: podés tener el Lighthouse en verde, Core Web Vitals perfectos, backlinks de calidad, y aun así no existir cuando alguien le pregunta a Perplexity o ChatGPT quién resuelve el problema que tu producto resuelve. Rankear y ser citado son dos juegos distintos, con reglas distintas.

El problema real no es de contenido, es de arquitectura

Cuando trabajo con founders TI en Argentina y México, el patrón que se repite es siempre el mismo: el contenido existe, está bien escrito, a veces hasta bien optimizado para Google. Pero está armado para que un humano lo lea de arriba a abajo, no para que un LLM extraiga una respuesta puntual y te atribuya la fuente.

Los motores generativos no leen tu blog como un lector paciente. Leen buscando una oración autocontenida, sin ambigüedad, que responda una pregunta específica. Si la respuesta está en el cuarto párrafo, envuelta en contexto, el modelo puede parafrasearla igual, pero sin nombrarte. Terminás siendo la fuente invisible: tu texto entrena la respuesta, tu marca no aparece.

Eso no se arregla escribiendo "mejor" contenido en el sentido tradicional. Se arregla auditando cómo está estructurado.

Los 4 chequeos que sí mueven la aguja

No hace falta un proceso de seis semanas para empezar. Esto es lo mínimo que reviso primero:

Entidad de marca explícita: ¿tu nombre y el de tu empresa aparecen en el cuerpo del texto, no solo en el footer o el schema? Si el modelo no ve la asociación entre contenido y marca en el texto plano, no la va a inventar.
Respuesta directa en los primeros 100 caracteres del párrafo: cada sección que responde una pregunta debería poder copiarse y pegarse como respuesta completa, sin necesitar el párrafo anterior para tener sentido.
Schema estructurado consistente: Article, FAQPage, Person. No es decoración para Google, es la forma más barata de decirle a un modelo "esta entidad existe, se llama así, hace esto".
Preguntas reales del ICP, no keywords disfrazadas de preguntas: los LLMs entrenan y recuperan sobre lenguaje conversacional, no sobre "software gestión empresas TI Buenos Aires".

Una forma rápida de ver la diferencia:

SEO tradicional                    →  GEO / AEO
────────────────────────────────────────────────────
Optimizado para rankear            →  Optimizado para ser citado
Keyword en el H1                   →  Entidad nombrada en el body
Long-form para tiempo en página    →  Respuesta autocontenida por sección
Backlinks para autoridad de dominio →  Schema + consistencia de entidad

Un caso concreto

Una empresa TI de unas 20 personas en Buenos Aires, SaaS B2B vertical, tenía un blog activo desde hacía años. Buen tráfico orgánico, posiciones sólidas en Google para sus keywords de nicho. Cuando le preguntamos a ChatGPT y Perplexity por herramientas para el problema que ellos resuelven, el modelo describía correctamente la categoría, incluso mencionaba soluciones parecidas, pero a ellos no. Su contenido probablemente estaba en el corpus de entrenamiento o se indexaba en tiempo real, pero nunca decía "según [nombre de la empresa]".

El diagnóstico no fue "hagan más contenido". Fue reescribir la estructura de las secciones clave para que cada una respondiera una pregunta completa en sí misma, y agregar la entidad de marca de forma explícita en el texto, no solo en el schema. El contenido de fondo casi no cambió. La forma en que estaba empaquetado, sí.

Lo que podés hacer hoy, sin herramientas nuevas

Tomá tus tres artículos de mejor tráfico orgánico. Preguntale a ChatGPT o Perplexity algo que ese artículo debería responder. Si el modelo te da una respuesta correcta pero no te nombra, ese es tu primer punto de fricción. No necesitás un audit completo para empezar: necesitás reescribir un párrafo para que sea una respuesta autocontenida con tu marca adentro.

Si querés el proceso completo, con los seis pasos que uso para diagnosticar entidad, citabilidad técnica y brechas de autoridad, lo desarrollé en detalle acá: guía completa de auditoría GEO paso a paso.

Publicado originalmente en claucave.com

Cómo escalar el ticket promedio B2B sin contratar más vendedores

Claudio Cavezzali — Thu, 17 Sep 2026 11:00:49 +0000

Contratamos 3 SDRs más. El ticket promedio no se movió ni un peso.

Es contraintuitivo, pero duplicar el equipo comercial de una empresa B2B casi nunca sube el ticket promedio. Sube el volumen de operaciones cerradas al mismo precio de siempre. Es como agregar más threads a un proceso que tiene un bug en la lógica: vas a procesar más rápido el mismo resultado incorrecto.

Lo digo porque lo veo repetirse en empresas TI de Argentina y México: el founder mira el pipeline, ve que el deal size está estancado, y la primera hipótesis es "necesitamos más gente vendiendo". Es la hipótesis más fácil de ejecutar y la que menos resuelve el problema real.

El problema no es de capacidad, es de arquitectura

Un vendedor nuevo no puede vender más caro si la oferta, la segmentación y el momento de la propuesta siguen siendo los mismos. Podés sumar diez SDRs: si todos están empujando el mismo paquete a los mismos perfiles de cuenta en el mismo punto del funnel, el techo de precio no se mueve. Es un problema de diseño del sistema, no de dotación.

En términos de sistema, es parecido a escalar horizontalmente un servicio con un query mal indexado. Agregás instancias, mejora el throughput, pero el costo por transacción sigue siendo alto porque nadie tocó el cuello de botella real.

Cuando trabajo con founders TI que llegan con esta pregunta, el diagnóstico casi siempre encuentra lo mismo: nadie diseñó el sistema comercial para maximizar el valor por cuenta. Lo diseñaron para maximizar el número de cuentas cerradas. Son objetivos distintos y requieren arquitecturas distintas.

Los 4 componentes que sí mueven el ticket promedio

Ninguno de estos cuatro requiere sumar headcount comercial. Todos requieren rediseñar cómo se decide a quién venderle, qué ofrecerle y cuándo.

Segmentación por potencial de expansión. No todas las cuentas que "califican" (fit inicial) tienen el mismo techo de gasto. Hay que segmentar por capacidad de crecer el contrato en el tiempo, no solo por si cumplen el ICP básico.
Oferta en niveles, no oferta plana. Si el catálogo tiene un solo paquete, el vendedor no tiene margen para subir el ticket aunque la cuenta lo permita. Necesitás niveles diseñados para empujar hacia arriba desde el primer contacto.
Expansión post-venta integrada al sistema comercial, no como un área aparte que se activa "después". El momento de mayor probabilidad de upsell casi nunca es el primero, es el segundo o tercer touchpoint post-cierre.
Priorización de cuentas basada en señales reales, no en la intuición del vendedor sobre "quién parece que tiene presupuesto". Esto es lo que más cambia con agentes de IA: podés cruzar señales de expansión (contrataciones, rondas, cambios de stack) antes de que el vendedor levante el teléfono.

Comparación rápida de los dos enfoques:

Enfoque estándar          | Enfoque arquitectura de oferta
---------------------------|--------------------------------
Más vendedores             | Misma dotación, más valor/cuenta
Un solo paquete de oferta  | Oferta en niveles
Segmentación por fit       | Segmentación por potencial de expansión
Upsell reactivo            | Expansión integrada al ciclo
Priorización por intuición | Priorización por señales de datos

El caso: la misma dotación, otro resultado

Una empresa TI de unas 20 personas en Buenos Aires llegó con el diagnóstico típico: pipeline lleno, ticket promedio plano hacía más de un año, y la conversación interna era "necesitamos dos vendedores más para el próximo trimestre".

Antes de sumar a nadie, el trabajo fue reordenar tres cosas: se redefinió qué cuentas del pipeline tenían potencial real de expansión (no todas las que "calificaban" lo tenían), se armó una oferta con niveles claros donde el nivel base ya no era la opción por default, y se metió un proceso de expansión post-venta que antes no existía como tal, era solo "el equipo de soporte a veces vendía algo más si el cliente preguntaba".

No se contrató a nadie nuevo. El equipo comercial siguió siendo el mismo. Lo que cambió fue a quién le ofrecían qué y en qué momento.

Qué podés hacer esta semana, sin contratar a nadie

Antes de escribir el job posting para el próximo SDR, mirá tres cosas en tu propio pipeline:

¿Tenés más de un nivel de oferta, o todos los prospectos ven el mismo paquete?
¿Tu segmentación distingue entre "cumple el ICP" y "tiene potencial de expansión", o son la misma pregunta?
¿Existe un proceso de expansión post-venta, o el upsell depende de que el cliente pregunte primero?

Si las tres respuestas son negativas, el problema no se resuelve con más gente. Se resuelve rediseñando el sistema que decide a quién, qué y cuándo ofrecer.

Escribí con más detalle sobre cómo mapear esto paso a paso en este análisis sobre cómo escalar el ticket promedio B2B sin sumar dotación comercial.

Publicado originalmente en claucave.com

Asesor de crecimiento fractional para pymes B2B: guía completa

Claudio Cavezzali — Thu, 10 Sep 2026 11:00:58 +0000

Por qué contratar un gerente de crecimiento full-time no resuelve el problema de pipeline en una startup B2B

La mayoría de las empresas de software que no logran pipeline predecible no tienen un problema de talento. Tienen un problema de secuencia: contratan al ejecutor antes de que exista un sistema que ese ejecutor pueda ejecutar. Es como escalar un backend sin definir la arquitectura primero: funciona un tiempo, hasta que no.

Lo veo repetirse con founders técnicos: el producto está sólido, hay tracción inicial (clientes que llegaron por referido o por una demo que salió bien), y llega el momento de escalar adquisición. La reacción natural es contratar un gerente de marketing o crecimiento senior. El costo full-time no cierra con el estadio de la empresa, así que terminan sumando un junior, o tercerizando a una agencia que corre tácticas sin contexto del negocio.

El problema no es la ejecución, es la ausencia de arquitectura

Un gerente de crecimiento full-time (o un junior, o una agencia) puede correr campañas de LinkedIn, escribir cold emails, optimizar un blog. Lo que no puede hacer solo, sin dirección, es decidir qué sistema construir antes de ejecutar nada. Esa decisión requiere criterio de nivel gerencial: quién es el ICP real (no el que aparece en el pitch deck), qué canal tiene sentido para ese ICP, y cómo se mide si el pipeline que entra es real o vanity metrics.

Sin esa capa de arquitectura, cualquier ejecutor (junior, senior o agencia) termina optimizando tácticas sueltas. El pipeline sigue dependiendo de que alguien te recomiende, no de un sistema que trae SQLs de forma sostenida.

Los componentes de una arquitectura comercial que sí sostiene pipeline

En los sistemas que diseño para empresas TI en Argentina y México, el patrón que funciona tiene cuatro capas, en este orden:

Diagnóstico honesto: qué ya está funcionando (aunque sea poco) y qué se está gastando en tácticas que no corresponden al estadio de la empresa.
ICP y propuesta de valor validados: no el ICP del pitch a inversores, sino el segmento donde el ciclo de venta es más corto y el deal size sostiene el CAC.
Sistema de adquisición multicanal: LinkedIn, cold email y contenido, pero diseñados como un sistema con feedback loops entre sí, no como canales aislados corriendo en paralelo.
Gobierno de datos: un CRM que refleje pipeline real, no vanity metrics. Sin esto, ninguna decisión posterior tiene base.

Como founder técnico, esto se lee parecido a diseñar un sistema distribuido: si no definís el contrato entre servicios antes de escribir código, terminás con acoplamiento innecesario y deuda técnica que se paga después con interés.

Un caso concreto

Una empresa de software de unas 20 personas en Buenos Aires, con un producto vertical para el sector legal, tenía el patrón clásico: fundador técnico, tracción por referidos, y un intento fallido de contratar un gerente de marketing full-time que duró seis meses sin resultados claros. El problema no era la persona: era que nadie había definido el ICP con precisión (vendían a estudios jurídicos de todos los tamaños, con mensajes genéricos) ni existía un sistema de reporting que distinguiera un lead curioso de un SQL real.

El reordenamiento empezó por ahí: acotar el ICP a estudios medianos con un dolor operativo específico, y construir el CRM antes de escalar ningún canal. Recién después de esas dos capas tuvo sentido invertir en contenido y outbound de forma sostenida.

Gerente full-time vs. arquitecto fractional: la diferencia real

	Gerente full-time	Asesor fractional
Dedicación	Tiempo completo, un solo foco	Tiempo parcial, sostenido en el tiempo
Rol principal	Ejecuta tácticas	Diseña y supervisa la arquitectura
Costo fijo	Alto, mensual	Proporcional al tamaño del negocio
Riesgo	Ejecuta sin dirección estratégica clara	Aporta el criterio que falta antes de escalar tácticas

Qué podés hacer esta semana

Antes de publicar otra vacante de "growth manager", hacé el ejercicio inverso: sacá el CRM (o la planilla que hace de CRM) y contá cuántos de los leads de los últimos tres meses fueron SQLs reales versus curiosos. Si no podés responder esa pregunta con confianza, el problema no es de ejecución. Es de arquitectura.

Trabajo de esta forma con founders de empresas TI en Argentina y México: ordenando el sistema antes de sumar tácticas nuevas. Si te interesa ver cómo se aplica este framework en detalle, ahí está la guía completa sobre el asesor de crecimiento fractional para pymes B2B.

Publicado originalmente en claucave.com

Agentes de IA para prospección comercial: la arquitectura real

Claudio Cavezzali — Thu, 03 Sep 2026 11:00:53 +0000

Agentes de IA para prospección comercial: por qué más mensajes automatizados pueden significar menos pipeline

El agente de IA que manda 500 mensajes personalizados por semana puede estar destruyendo tu pipeline, no construyéndolo. Suena contraintuitivo, pero es el patrón que veo repetirse en founders TI que instalan automatización de prospección sin haber definido antes qué prospecto vale la pena contactar.

El problema no es la herramienta, es el orden en que la instalás

La secuencia típica es: alguien lee que "los agentes de IA reemplazan SDRs", conecta un CRM con una API de LLM, arma secuencias de LinkedIn y espera pipeline calificado. Lo que obtiene es volumen. Más contactos, más respuestas automáticas, más ruido en el inbox del equipo comercial. Pero el ratio de SQLs (Sales Qualified Leads) no se mueve, porque nadie definió antes qué es un prospecto calificado para ese negocio específico.

Un agente de IA sin un ICP (Ideal Customer Profile) explícito detrás no prospecta: dispara. Y disparar a escala con IA generativa es peor que hacerlo manual, porque el volumen esconde el problema de calidad por más tiempo antes de que alguien se dé cuenta de que el pipeline está vacío de verdad.

Los 4 componentes que definen si tenés arquitectura o solo herramientas

Cuando trabajo con founders TI de Buenos Aires y CDMX, el diagnóstico casi siempre revuelve alrededor de estos cuatro puntos, en este orden:

Perfil: un mapa de ICP con criterios verificables (stack tecnológico, tamaño de equipo, señales de contratación), no una descripción genérica de "empresas de más de 50 personas".
Señal: triggers de intención de compra (cambio de CTO, ronda de inversión, job posts de roles técnicos específicos) que priorizan a quién contactar primero.
Personalización: research automatizado que use datos reales del prospecto (no solo nombre y empresa insertados en un template).
Orquestación: la secuencia multicanal y el punto exacto de hand-off a un humano cuando el prospecto está listo para hablar con ventas.

La diferencia entre instalar una herramienta y diseñar una arquitectura se ve clara en una comparación directa:

	Herramienta suelta	Arquitectura completa
Punto de partida	Se compra el software	Se define el ICP primero
Output	Volumen de contactos	Pipeline calificado
Personalización	Variables de template	Research por señal de intención
Escalado	Más mensajes	Más señales bien leídas
Hand-off a ventas	Manual, ad hoc	Definido por criterio de calificación

El caso: una empresa TI de 20 personas en Buenos Aires

Una empresa TI de 20 personas en Buenos Aires venía de meses con un SDR junior mandando secuencias en LinkedIn Sales Navigator, sin agente de IA todavía. El pipeline dependía de que esa persona se acordara de hacer seguimiento a los prospectos correctos, en el momento correcto. Cuando esa persona rotó, el pipeline se cayó a cero en semanas, porque el conocimiento de "quién es un buen prospecto" vivía en su cabeza, no en un sistema.

El error habría sido reemplazar al SDR por un agente de IA que hiciera lo mismo, más rápido. Lo que cambió el resultado fue invertir el orden: primero se documentó el ICP con criterios verificables (tipo de stack, señales de contratación de roles técnicos, tamaño de equipo de ingeniería), después se definieron las señales que activan el primer contacto, y recién ahí se automatizó la orquestación. El agente de IA terminó siendo la última pieza, no la primera.

Lo que podés hacer hoy, sin comprar nada

Antes de evaluar cualquier herramienta de agentes de IA, hacé este ejercicio con tu equipo comercial:

1. Listá los últimos 10 clientes cerrados
2. Identificá 3 características técnicas o de negocio que compartían
   antes de ser clientes (no después)
3. Definí qué señal pública indicaba que estaban "listos"
   (contratación, funding, cambio de liderazgo técnico)
4. Preguntate: ¿un agente automatizado sabría distinguir
   a este prospecto de uno genérico?

Si la respuesta es no, el problema no se resuelve con más automatización. Se resuelve documentando el criterio antes de escalarlo.

El primer paso real

La arquitectura comercial no se compra en un plan de SaaS, se diseña antes de elegir las herramientas. En los sistemas que diseño para founders TI de LATAM, el agente de IA es la capa de ejecución de un criterio ya definido, nunca el reemplazo de ese criterio.

Si tu pipeline hoy depende de que alguien en tu equipo se acuerde de escribirle al prospecto correcto, vale la pena revisar la arquitectura completa de agentes de IA para prospección comercial antes de sumar una herramienta más al stack.

Publicado originalmente en claucave.com

Auditoría SEO: qué es y cómo priorizarla por impacto en pipeline

Claudio Cavezzali — Thu, 27 Aug 2026 11:01:03 +0000

La auditoría SEO con cero errores técnicos que no generaba un solo SQL por mes

La auditoría SEO más "limpia" que vi en los últimos años pertenecía a una empresa que no generaba un solo Sales Qualified Lead desde su sitio. Cero errores de rastreo. Sitemap perfecto. Core Web Vitals en verde en las tres métricas. Y aun así, invisible para su propio ICP en el momento exacto en que buscaba solución.

Soy Claudio Cavezzali, y en Claucave diseño sistemas de adquisición B2B para empresas TI de LATAM. Lo que veo repetirse en fundadores técnicos es esto: contratan una auditoría, reciben un PDF de cuarenta páginas ordenado alfabéticamente por tipo de error, corrigen los tres primeros items (los más fáciles, no los más importantes) y el resto queda archivado. El tráfico no se mueve, o se mueve poco, y nadie vuelve a abrir ese documento.

El problema no es la auditoría, es el criterio de orden

Una auditoría SEO técnica bien hecha te dice qué está roto. Lo que casi ninguna te dice es cuánto pipeline comercial cuesta cada mes que ese error sigue sin corregirse. Y para un founder que reparte su tiempo entre producto, hiring y ventas, esa diferencia es todo.

El approach estándar prioriza por severidad técnica: primero los errores 500, después los redirects rotos, después el alt text faltante. Tiene sentido para un auditor. No tiene sentido para un negocio, porque un error 500 en una página que nunca convirtió nada vale menos que un H1 mal optimizado en la página donde tu ICP llega a comparar proveedores.

Los pilares que sí importan, en orden de impacto

Cuando reviso un sitio B2B, trabajo en este orden:

Arquitectura e indexación: si Google (o un motor de IA) no puede rastrear tus páginas de servicio, nada de lo siguiente importa.
Intención de búsqueda y contenido: ¿el contenido responde lo que busca alguien evaluando proveedores, o lo que le gustaría a un dev escribir?
Autoridad y enlaces: no cantidad de backlinks, sino quién te menciona y en qué contexto.
Rendimiento y experiencia (SXO): velocidad y usabilidad, pero medidas contra el punto donde el usuario abandona antes de convertir.
Visibilidad en IA (GEO/AEO): si ChatGPT o Perplexity responden una pregunta de tu categoría, ¿te citan a vos o a tu competencia?
Priorización por pipeline: cruzar los cinco puntos anteriores contra qué página, si se arregla, mueve una reunión comercial esta semana.

Ese sexto punto es el que casi ningún checklist incluye, y es el único que le importa a alguien que tiene que mostrar resultados en el próximo board.

Checklist técnico vs. priorización por pipeline

	Auditoría por checklist	Auditoría por impacto en pipeline
Orden de hallazgos	Alfabético o por severidad técnica	Por cercanía a la conversión comercial
Métrica de éxito	Errores corregidos	SQLs generados por página corregida
Vida útil del informe	Se archiva en semanas	Se revisa cada ciclo comercial
Quién lo puede ejecutar	Solo un especialista SEO	Founder + un dev part-time

El caso: una empresa TI de 20 personas en Buenos Aires

Una empresa TI de 20 personas en Buenos Aires tenía tres auditorías SEO archivadas en Google Drive, ninguna implementada más de un 20%. El sitio tenía errores técnicos reales, pero el hallazgo que más pesaba no estaba en ningún PDF: la página de "casos de éxito", que era donde el ICP llegaba después de comparar dos o tres proveedores, tardaba más de cinco segundos en cargar y no tenía ni una mención de industria específica. Corregir eso valía más que arreglar veinte redirects.

El primer paso que podés hacer hoy

Antes de pedir otra auditoría completa, mirá tu Search Console y respondé una sola pregunta: ¿cuáles son las tres páginas donde tu ICP llega justo antes de escribirte o llenar un formulario? Esas tres páginas son tu auditoría prioritaria. Todo lo demás puede esperar un ciclo más.

Si querés ver cómo se estructura una auditoría SEO pensada para priorizar por pipeline en lugar de por severidad técnica, dejé el detalle completo en la guía de auditoría SEO para empresas B2B.

*Publicado originalmente en [claucave.com](https://claucave

Neuromarketing: qué es, tipos, ejemplos y cómo aplicarlo en B2B

Claudio Cavezzali — Thu, 20 Aug 2026 11:00:24 +0000

Neuromarketing en B2B: por qué tu SaaS technical-first sigue dependiendo del founder para cerrar ventas

Che, dato raro: la mayoría de los founders TI que conozco pueden explicarte los cuatro tipos de neuromarketing de memoria. Leyeron el paper, vieron el video de YouTube, hasta probaron eye-tracking en la landing. Y aun así, dos años después, siguen siendo ellos los que cierran cada deal. El conocimiento no es el problema. La forma en que lo aplican, sí.

El problema real (no el síntoma)

Cuando trabajo con founders de empresas TI, el patrón se repite con una precisión molesta: cambian el copy del hero, ajustan colores según "psicología del color", meten un contador de urgencia en el cold email. Aplican neuromarketing como si fuera una lista de hacks sueltos. El resultado: la conversión en la landing sube un 3%, y el pipeline sigue siendo exactamente igual de errático que antes.

El error de fondo es tratar al neuromarketing como táctica de pieza aislada en lugar de tratarlo como principio de diseño de sistema. El cerebro humano no evalúa un email, una demo y una propuesta comercial como eventos separados. Los procesa como una secuencia continua, y cada fricción cognitiva en esa secuencia se acumula. Si tu landing reduce la carga cognitiva pero tu propuesta comercial es un PDF de 14 páginas con jerga legal, perdiste todo lo que ganaste.

En ventas B2B con ciclo largo (que es el caso de casi todo SaaS o consultora TI), esto pesa el doble: el decisor no compra en una sesión, compra después de acumular impresiones de tu marca en 5 o 6 touchpoints distintos, muchas veces separados por semanas.

Los componentes que sí generan pipeline predecible

En vez de una lista de "trucos", pensalo como cuatro capas que tienen que ser consistentes entre sí:

Atención selectiva en el primer contacto: el cerebro filtra el 99% de los estímulos. Tu subject line o tu primera línea de landing tienen que ganar esa atención con algo específico, no genérico ("Reducimos el churn en SaaS B2B" pierde contra "Empresas TI con 15-40 empleados: así bajamos el churn del 8% al 3% en 6 meses").
Carga cognitiva reducida en cada pieza: menos opciones, menos texto, un solo CTA por pantalla. Si tu demo tiene 40 slides, ya perdiste antes de empezar.
Memoria y repetición espaciada: el decisor B2B necesita ver el mismo mensaje central en formatos distintos (email, landing, propuesta) para que se consolide en memoria de largo plazo. No es spam, es refuerzo.
Coherencia emocional entre canales: si tu cold email es directo y técnico pero tu landing suena a agencia de marketing genérica, generás disonancia. El cerebro detecta la inconsistencia como señal de riesgo.

Caso concreto

Una empresa TI de 22 personas en Buenos Aires, dev shop con foco en integraciones API, tenía un problema clásico: el founder cerraba el 90% de los deals porque era el único que "explicaba bien" el producto. El resto del equipo comercial repetía el mismo pitch pero sin resultado.

No cambiamos el pitch. Rediseñamos la secuencia completa aplicando los cuatro puntos de arriba: el primer email pasó de "somos expertos en integraciones" a un dato específico del sector del prospecto, la demo se recortó de 45 a 20 minutos con un solo hilo narrativo, y

Marketing B2B: el sistema que genera clientes predecibles en LATAM

Claudio Cavezzali — Thu, 13 Aug 2026 11:00:23 +0000

Por qué tu startup B2B puede tener buen producto, buen contenido, y cero pipeline predecible

698 conversaciones con founders B2B en LATAM me dieron un dato que no esperaba: el problema casi nunca es el producto. Es que la adquisición de clientes vive en la cabeza de una sola persona, y esa persona sos vos.

El síntoma que todos conocemos

Si trabajás o fundaste una empresa TI, esto te va a sonar conocido: mes bueno, mes en seco, mes bueno, mes en seco. Publicás en LinkedIn, mandás algunos cold emails, quizás contratás a alguien junior para que "haga marketing", y el pipeline sigue dependiendo de a quién conocés o quién te recomendó.

Lo que veo repetirse en empresas TI de 15 a 50 personas en Argentina y México es que hacen todo lo que dicen los blogs de growth: publican contenido, prueban herramientas de automatización, contratan un SDR. Y sin embargo el resultado no cambia. Porque el problema no es táctico. Es de arquitectura.

Una táctica sin sistema no acumula. Es como hacer commits sin un pipeline de CI/CD: cada uno funciona por separado, pero no hay nada que los integre, los mida y los haga repetibles.

El problema real: no tenés un sistema, tenés heurísticas sueltas

Cuando un founder técnico dice "necesitamos más marketing", en realidad está describiendo un síntoma. El diagnóstico real casi siempre es alguno de estos tres:

No hay ICP definido con criterios verificables. "Empresas medianas que necesitan software" no es un ICP, es una esperanza.
La propuesta de valor está en lenguaje de feature, no de problema. Nadie compra "integración con API REST", compran "dejar de perder 10 horas semanales reconciliando datos a mano".
El pipeline no tiene infraestructura de seguimiento. Existe en la cabeza del founder o en un Excel que solo él entiende.

Los componentes de un sistema de adquisición que no depende de vos

Un sistema de adquisición B2B funciona parecido a una arquitectura de software bien diseñada: cada componente tiene una responsabilidad clara y el conjunto es más resiliente que cualquier pieza individual.

ICP definido → Propuesta de valor en lenguaje del problema
     → Canal de outreach estructurado (LinkedIn + cold email)
     → Contenido que califica antes de la reunión
     → Pipeline con seguimiento sistematizado

La diferencia entre esto y una "campaña de marketing" es la misma que hay entre escribir un script one-off y construir un servicio con logging, monitoreo y retries. Uno funciona una vez. El otro funciona aunque vos no estés mirando.

Un caso concreto

Una empresa TI de 20 personas en Buenos Aires, especializada en desarrollo a medida, tenía exactamente este patrón: meses de facturación alta seguidos de sequía total. El founder era el único que vendía, y vendía cuando tenía tiempo, que era casi nunca.

Al analizar el pipeline, encontramos que el 80% de los clientes cerrados venían de referidos directos del founder. Cero sistema de outreach, cero calificación previa, cero contenido que hiciera el trabajo de convencer antes de la llamada.

El cambio no fue "hacer más marketing". Fue definir un ICP con tres criterios verificables (tamaño de equipo técnico interno, stack tecnológico, presupuesto anual de desarrollo), reescribir la propuesta de valor en términos del problema que resolvían (no de las tecnologías que usaban), y estructurar un cold outreach de 15 contactos semanales con seguimiento sistematizado. En cuatro meses, el pipeline dejó de depender de que el founder "tuviera tiempo para vender".

El primer paso que podés hacer hoy

Antes de invertir en más contenido o más herramientas, hacé este ejercicio simple: agarrá tus últimos 10 clientes cerrados y preguntate de dónde vinieron realmente. No "marketing" o "referido" en general, sino el canal exacto y la persona ex

Ventas B2B: el sistema que genera pipeline predecible en LATAM

Claudio Cavezzali — Thu, 06 Aug 2026 11:00:33 +0000

Por qué tu pipeline B2B depende del humor del founder (y cómo romper ese ciclo)

La mayoría de las empresas TI que conozco cierran clientes a pesar de su proceso de ventas, no gracias a él.

Es una paradoja incómoda: founders que construyeron productos técnicamente sólidos, con equipos competentes y clientes satisfechos, pero cuyo pipeline de nuevos negocios depende de si alguien les respondió en LinkedIn esta semana o de qué referido apareció en el evento del martes. Cuando trabajo con founders TI en Argentina y México, ese patrón se repite con una consistencia que ya dejó de sorprenderme.

El problema real no es la falta de esfuerzo

El founder típico de una empresa B2B tech no está cruzado de brazos. Manda mensajes, publica contenido, asiste a meetups, activa contactos dormidos. El problema no es la cantidad de actividad: es que toda esa actividad no está conectada por ninguna lógica de sistema.

Sin un ICP definido con criterios específicos (no "empresas medianas del sector financiero", sino "empresas de 50 a 200 empleados, con CTO in-house, en proceso de digitalización de operaciones, en CDMX o CABA"), cada mensaje va a un destinatario diferente con un mensaje diferente buscando un resultado diferente. No hay aprendizaje acumulado. No hay tasa de conversión medible. No hay forma de saber qué funciona y qué no.

Lo que veo repetirse, en términos técnicos: el proceso de adquisición tiene alta varianza y baja repetibilidad. Es exactamente lo opuesto a lo que necesita un negocio para escalar.

Los cuatro componentes que convierten esfuerzo en sistema

Cuando diseño una arquitectura comercial para una empresa TI, trabajo sobre cuatro capas. Ninguna es opcional:

ICP con criterios de exclusión: no solo "a quién le vendemos" sino "a quién le decimos que no". Un ICP sin criterios de descarte es solo un wishlist.
Secuencia de contacto multicanal: email frío + LinkedIn + seguimiento estructurado, con tiempos definidos. No "le mando un mensaje y espero". Hay un paso 1, un paso 2, un paso 3 con intervalos y variaciones de mensaje.
Calificación activa en las primeras dos interacciones: si no hay presupuesto, decisor, urgencia y fit mínimo después de dos conversaciones, el lead sale del pipeline. Sin piedad y sin culpa.
Seguimiento automatizado con personalización selectiva: las respuestas se automatizan donde no importa la voz humana; el founder aparece solo donde sí importa.

La diferencia entre un sistema y un proceso

Un proceso es una lista de pasos. Un sistema es un conjunto de componentes que se retroalimentan y generan outputs medibles. La diferencia práctica: con un proceso podés saber qué hiciste; con un sistema podés saber por qué funcionó o por qué no.

Un caso concreto: empresa TI de 20 personas en Buenos Aires

Una empresa de desarrollo de software a medida, 20 personas, 8 años en el mercado. Tres clientes grandes que representaban el 80% de los ingresos. El founder era el único que conseguía clientes nuevos, y lo hacía por contactos. Cuando uno de los tres clientes grandes empezó a dar señales de que iba a reducir el contrato, la presión fue inmediata.

El primer diagnóstico fue directo: no tenían pipeline. Tenían relaciones. Que es valioso, pero no escalable y no predecible.

Lo primero que hicimos no fue lanzar campañas. Fue definir, con criterios concretos, qué tipo de empresa les generaba los mejores proyectos históricamente (ticket, duración, complejidad de relación, probabilidad de renovación). Con eso construimos un ICP real, no aspiracional.

Después vino la secuencia. Seis meses después tenían cuatro conversaciones activas con empresas que calificaban. No cien leads tibios: cuatro conversaciones reales con decisores reales.

El primer paso que podés hacer hoy

Abrí una hoja de cálculo y listá tus últimos diez clientes. Para cada uno, respondé:

¿Cuánto facturó en el primer año?
¿Cómo llegó a vos?
¿Cuánto tiempo tardó en cerrar desde el primer contacto?
¿Qué cargo tenía la persona que tomó la decisión?

Si podés responder esas cuatro preguntas con datos (no con memoria), ya tenés la materia prima para construir un ICP real. Si no podés, ese es tu problema número uno, antes que cualquier táctica de prospección.

El objetivo no es más actividad. Es actividad que se acumula y produce resultados medibles. Eso es lo que diferencia un sistema de adquisición de un founder con buena voluntad y mala semana.

Si te interesa profundizar en cómo estructurar cada componente, encontrás el análisis completo en el artículo sobre ventas B2B y pipeline predecible en LATAM.

Publicado originalmente en claucave.com

CRM para PyMEs B2B: qué necesitás de verdad (y qué sobra)

Claudio Cavezzali — Thu, 30 Jul 2026 11:00:33 +0000

# El CRM no es tu problema. El proceso que no tenés, sí.

La mayoría de las empresas TI que conozco en Argentina y México implementaron un CRM antes de tener un proceso comercial. El resultado es siempre el mismo: una base de datos de contactos sin actividad y un pipeline que sigue dependiendo de que alguien conozca a alguien.

El CRM no genera pipeline. Lo registra. Y si no hay nada que registrar, el software más caro del mercado tampoco va a ayudarte.

---

## El error de raíz (que nadie menciona en los tutoriales de HubSpot)

Cuando trabajo con founders TI, lo primero que veo es un patrón claro: el pipeline es reactivo. Un cliente cierra, entra otro por referido, el mes cierra bien o cierra mal según la suerte de ese referido. No hay prospección activa, no hay cadencia de seguimiento, no hay ICP definido.

Entonces llega el momento en que alguien en el equipo dice "necesitamos un CRM para ordenar esto". Se elige la herramienta, se cargan los contactos, se configuran las etapas (Prospecto / Calificado / Propuesta / Cierre) y se espera.

No pasa nada.

El problema no es la herramienta. Es que instalaron software en un proceso que todavía no existe. El CRM se convierte en una agenda glorificada.

---

## Los 5 componentes que tienen que existir antes (o junto con) el CRM

Estos no son features del software. Son decisiones de arquitectura comercial que el CRM después refleja:

1. **ICP definido con criterios objetivos**: no "empresas medianas del sector tech", sino "empresas de 20-80 personas en AR/MX con equipo de desarrollo propio y sin área comercial estructurada". Si no podés escribir esto en una oración, cualquier CRM va a acumular ruido.

2. **Etapas del pipeline ancladas al comportamiento del comprador**: la etapa no es "Propuesta enviada" (eso es lo que hiciste vos). Es "Comprador validó internamente el problema". La diferencia define si tu pipeline es real o decorativo.

3. **Cadencia de seguimiento explícita**: cuántos touchpoints, en qué canal, con qué intervalo. Un ciclo B2B en LATAM requiere entre 7 y 12 contactos antes de una decisión. Sin cadencia definida, el seguimiento depende de la energía del día.

4. **Canal de prospección activa integrado**: ¿desde dónde entran los leads al CRM? Si la respuesta es "referidos y clientes que nos escriben", el CRM va a seguir registrando reactividad, no actividad propia.

5. **Métricas de proceso, no solo de resultado**: el resultado es "cuánto facturamos". Las métricas de proceso son "cuántos contactos nuevos por semana, cuántas conversaciones calificadas, cuánto tarda cada etapa". Sin esto, no sabés dónde mejorar.

---

## Un caso concreto

Una empresa TI de 20 personas en Buenos Aires, servicios de desarrollo a medida para el mercado local. Tenían HubSpot con 400 contactos cargados. Dos vendedores. Pipeline en cero desde hacía tres meses.

El diagnóstico fue simple: las etapas del pipeline reflejaban acciones internas ("Demo agendada", "Propuesta enviada") pero no había ningún criterio para saber si el contacto estaba avanzando o simplemente respondía correos por cortesía. Y no había prospección activa: todo entraba por LinkedIn casual o referidos del CEO.

Lo que cambiamos primero no fue el CRM. Fue definir el ICP (en este caso, empresas de logística en CABA con facturación entre 5 y 20 millones de pesos mensuales), redefinir las etapas en función de señales del comprador, y arrancar una secuencia de outreach con 8 touchpoints en 21 días.

A las seis semanas, el pipeline tenía 14 oportunidades reales. El CRM era el mismo. El proceso era otro.

---

## El primer paso que podés hacer hoy

Antes de evaluar si cambiar de CRM o contratar un vendedor, hacé este ejercicio:

Abrí tu pipeline actual y respondé para cada oportunidad: ¿cuál fue la última acción que tomó el comprador (no vos)? Si la mayoría de tus "oportunidades" tienen como última actividad algo que hiciste vos (un email, una propuesta, un seguimiento), no tenés un pipeline. Tenés una lista de contactos que todavía no rechazaron.

Ese diagnóstico, honesto y sin filtro, es el punto de partida real. El CRM viene después.

---

Si querés profundizar en cómo estructurar cada uno de estos componentes en el contexto de una empresa B2B en Argentina o México, escribí el análisis completo con los errores más frecuentes y cómo evitarlos.

*Publicado originalmente en [claucave.com](https://claucave.com/crm-para-pymes-b2b-que-necesitas-de-verdad/)*

Embudo de ventas B2B: cómo construir uno que realmente funcione

Claudio Cavezzali — Thu, 23 Jul 2026 11:00:34 +0000

Por qué tu embudo de ventas B2B no funciona (y no es por falta de leads)

La mayoría de los founders TI con los que trabajo tienen demasiadas conversaciones y muy pocas ventas. El problema no es conseguir leads: es que nunca construyeron un embudo real. Construyeron una lista de actividades.

Hay una diferencia enorme entre las dos cosas.

El síntoma que todos diagnostican mal

El founder publica en LinkedIn tres veces por semana. Manda emails. Va a eventos. Tiene un sitio web prolijo con su stack tecnológico bien documentado. Y aun así, el pipeline es impredecible: tres meses con conversaciones interesantes, dos meses de sequía absoluta, sin ninguna explicación clara.

Cuando trabajo con founders TI en Argentina, México o Uruguay, lo que veo repetirse no es falta de esfuerzo. Es ausencia de arquitectura.

Un embudo de ventas B2B no es una secuencia de pasos. Es un sistema de filtrado. Su función es llevar a un prospecto desde el primer contacto hasta la decisión de compra, descartando en cada etapa a quienes no tienen el perfil, el problema o la urgencia para avanzar. Sin ese filtrado explícito, todo el tiempo que invertís en conversaciones se convierte en actividad sin conversión.

El 95% del mercado B2B en LATAM no está buscando tu solución hoy. Eso significa que si esperás a que el dolor del cliente sea insoportable para aparecer, siempre vas a llegar tarde o compitiendo por precio.

Los 5 componentes que separan un sistema real de una lista de tareas

1. ICP con criterio de exclusión

La mayoría define su cliente ideal por lo que incluye ("empresa de tecnología, 10 a 50 empleados, tiene CTO"). Un ICP útil también define lo que excluye: qué tipo de empresa no tiene el problema que vos resolvés, qué señales indican que no van a avanzar aunque tengan el presupuesto.

Sin criterio de exclusión, el embudo no filtra: acumula.

2. Generación de demanda en el tope, no solo captura

Publicar contenido genérico en LinkedIn no genera demanda. Genera ruido. Lo que genera demanda es contenido que nombra el problema específico del ICP antes de que ellos tengan palabras para describirlo. La diferencia está en el nivel de especificidad.

3. Calificación antes de la demo

El error clásico: agendar una llamada de 45 minutos con cualquiera que responda un email. La calificación tiene que pasar antes, no durante. Tres preguntas bien formuladas por escrito te ahorran horas de reuniones con prospectos que nunca iban a comprar.

4. Nutrición con criterio de avance

Un prospecto que no avanza en 30 días no es un prospecto activo: es un contacto. La diferencia importa porque define cómo invertís el tiempo de seguimiento. Un sistema de nutrición real tiene criterios claros de cuándo un lead vuelve al tope y cuándo sale del embudo.

5. Cierre con preguntas, no con propuestas

Mandar una propuesta antes de entender el criterio de decisión del prospecto es la forma más cara de perder tiempo. El cierre empieza cuando podés responder: ¿quién decide, con qué criterio, en qué plazo, qué pasaría si no hacen nada?

El caso: una empresa TI de 20 personas en Buenos Aires

Una empresa de desarrollo de software a medida, 8 años en el mercado, referidos como único canal de adquisición. Cuando los referidos se estancaron, el founder empezó a mandar emails fríos sin estructura. Tasa de respuesta: menor al 1%. Conclusión del founder: "el outbound no funciona en Argentina".

El problema no era el canal. Era que los emails describían la solución, no el problema del prospecto. No había ICP definido con criterio de exclusión. No había calificación previa. No había criterio de avance. Cada email era una lotería.

En tres meses, con un ICP redefinido, una secuencia de tres emails enfocada en el problema y un criterio claro de calificación previa a la llamada, la tasa de respuesta subió al 8% y el tiempo promedio por conversación bajó a la mitad porque las conversaciones eran con prospectos que ya estaban calificados.

El primer paso que podés hacer hoy

Abrí tu CRM (o tu hoja de cálculo, no importa el formato) y respondé esta pregunta para cada oportunidad activa:

¿Cuál es el próximo paso definido, con fecha y criterio de avance?

Si no podés responderla para más del 50% de tus oportunidades, no tenés un embudo. Tenés una lista de conversaciones abiertas.

Ese diagnóstico tarda 20 minutos y te dice más sobre tu arquitectura comercial que cualquier herramienta de analytics.

Si querés profundizar en cómo se estructura cada etapa, el artículo completo sobre cómo construir un embudo de ventas B2B para empresas en LATAM desglosa cada componente con ejemplos por mercado.

Publicado originalmente en claucave.com