Next Best Action para e-commerce: cómo elegirla, ponerle límites y medirla

Next Best Action (NBA) es un enfoque para elegir la acción con más probabilidades de mejorar un resultado de negocio para un cliente en un momento concreto. Se elige una sola opción: un mensaje, una oferta, un canal o no enviar nada de forma deliberada. Se diferencia de una campaña porque parte del estado actual del cliente y compara opciones que compiten entre sí. Una campaña parte de un mensaje y busca personas a las que enviárselo. Comprueba si funciona comparando los resultados con los de un grupo asignado al azar en el que no se realice ninguna acción. Medir solo clics no lo demuestra.

Esta guía explica cómo se toman las decisiones de NBA, qué reglas las mantienen bajo control, un ejemplo desarrollado y un diseño de prueba para saber si el programa aporta valor.

Qué significa Next Best Action en la práctica

Un segmento agrupa a personas con características similares. La personalización adapta el contenido para ese grupo. Next Best Action va un paso más allá: elige entre distintas acciones para una persona respondiendo a cuatro preguntas:

Qué hacer: una recomendación de producto, un recordatorio de reposición, un mensaje educativo, una oferta o una actualización de servicio
Dónde hacerlo: email, SMS o WhatsApp (con opt-in), Viber, push, in-app o en la web
Cuándo hacerlo: ahora, más tarde hoy o después del siguiente evento
Si conviene hacer algo

La última pregunta importa más de lo que muchos equipos admiten. A menudo, lo mejor es no enviar nada. Por ejemplo, cuando el cliente probablemente vaya a comprar de todos modos, cuando falte el consentimiento para el canal correspondiente o cuando otro mensaje solo añada coste y fatiga sin cambiar el comportamiento.

Imagina que una persona que compra productos para el cuidado de la piel consultó ayer un protector solar. Podría recibir un email educativo, una comparativa de productos in-app, un recordatorio de reposición o nada. La elección depende de su actividad reciente, su historial de compras, su consentimiento, sus respuestas anteriores en cada canal, las reglas de margen y el resultado que quieras mejorar. Si el objetivo son los ingresos incrementales, la acción ganadora no es la que consigue más clics. Es la que cambia el comportamiento frente a no hacer nada.

Regla práctica: trata Next Best Action como una política de decisión con una lista de acciones aprobadas, no como un montón de plantillas personalizadas.

Campañas, journeys y decisiones

Campaña masiva: parte de un mensaje y después busca a las personas que cumplen los requisitos para recibirlo.
Journey estático: parte de un evento activador y sigue rutas fijas.
Next Best Action: parte del estado actual del cliente y comprueba qué acciones aprobadas están disponibles y permitidas en ese momento.

En la práctica, la mayoría de los equipos usa NBA como un paso de decisión dentro de un journey, no como un sistema aparte. El journey gestiona el evento activador, los tiempos y la salida. El paso de decisión elige la acción.

Cómo se toma una decisión de Next Best Action

Una configuración de NBA que funciona tiene tres capas. Mantenlas separadas para poder detectar y resolver problemas en cada una.

Predicción. Estima lo que es probable que ocurra, como la probabilidad de compra, el riesgo de abandono o la respuesta a un canal.
Política. Elige una acción de la lista aprobada según el objetivo y las reglas.
Medición. Comprueba si la acción elegida causó una mejora frente a un holdout.

Qué señales conviene recopilar

Entre los datos útiles están:

Compras recientes, valor de los pedidos y categorías de productos
Secuencias de navegación y búsqueda, productos añadidos al carrito y abandonos del carrito
Actividad en la app: sesiones, uso de funciones, estado del opt-in para push
Historial de mensajes: envíos recientes por canal, clics, respuestas, bajas
Consentimiento por canal y preferencias sobre los temas
Estado de suscripción o fidelización
Tickets de atención al cliente abiertos, devoluciones o reembolsos

La predicción por sí sola no basta. Un cliente con una alta probabilidad de compra puede estar ya listo para comprar, así que un descuento solo reduciría el margen. La capa de decisión debe evaluar las acciones según el objetivo y, cuando sea posible, compararlas con un escenario de referencia sin acción.

Qué papel tiene la IA

La IA puede ayudarte a preparar borradores de contenido, segmentos y journeys para que tu equipo los apruebe. Una vez activado un journey, la IA puede personalizar el mensaje, el canal y la hora de envío para cada cliente dentro de las reglas que haya definido tu equipo. Trabaja siempre a partir de borradores: las personas aprueban el contenido nuevo y los journeys antes de activarlos, y la mejora se mide frente a un grupo de control. Los equipos de marketing conocen las prioridades de inventario, la presión sobre el margen, los límites legales y las incidencias de atención al cliente que quizá no aparezcan en los datos de eventos.

El tono es un buen ejemplo de una elección que varía según el cliente. Algunas personas responden mejor a mensajes directos y prácticos; otras, a mensajes más cercanos. En Joryio, una plataforma de customer engagement, la IA analiza qué tono ha funcionado con cada audiencia y puede sugerir añadir una variante con un tono distinto. El responsable de marketing añade esa variante y, después, cada cliente recibe la que mejor encaja con él. La mejora se mide frente a un grupo de control. La función de tono está disponible en todos los planes.

Reglas de negocio para aplicar Next Best Action con seguridad

Un modelo puede ordenar bien las acciones por prioridad y aun así ofrecer una mala experiencia si las reglas de control son insuficientes. Define reglas estrictas para cubrir obligaciones y riesgos. Después, deja que el modelo optimice entre las opciones restantes.

Consentimiento y elegibilidad: bloquea las acciones de SMS, WhatsApp y Viber si falta el opt-in correspondiente. Respeta los permisos de email y las preferencias sobre los temas. El consentimiento para email no sirve para SMS.
Límites de frecuencia entre canales: fija límites de contacto que abarquen todos los canales y journeys, en lugar de definirlos para cada campaña. Un cliente no debería recibir tres acciones "óptimas" en un día porque tres equipos lo hayan seleccionado.
Horas de descanso: guarda la zona horaria de cada cliente y aplica las horas de descanso antes de optimizar la hora de envío.
Reglas por canal: define cuándo se permite usar cada canal. Que un canal sea el preferido no significa que esté permitido.
Límites de las ofertas: controla quién puede recibir descuentos, qué productos se excluyen, los márgenes mínimos, las condiciones de stock y las fechas de caducidad.
Estados de exclusión: excluye a los clientes con incidencias de atención al cliente abiertas, reembolsos en curso o una compra muy reciente.
Reglas de contenido: define el lenguaje aprobado, las afirmaciones prohibidas, los avisos obligatorios y los límites de la voz de marca antes de que la IA redacte nada.

Deja que el modelo elija entre acciones seguras. No le pidas que decida qué significa "seguro".

Evita acumular reglas

Los equipos suelen añadir una condición nueva para cada caso excepcional. Con el tiempo, el journey se vuelve difícil de auditar y las reglas que se contradicen impiden que las acciones adecuadas lleguen a los clientes que cumplen los requisitos. Mantén el consentimiento, la frecuencia y las restricciones críticas del negocio como reglas obligatorias. Usa experimentos y puntuaciones del modelo para decisiones más flexibles, como el enfoque del contenido, el momento de envío, la preferencia de canal y la forma de presentar la oferta. Documenta por qué existe cada regla y revisa la lista cada trimestre.

Ejemplo: una decisión de Next Best Action para reactivar clientes de una marca de cuidado de la piel

Imagina que una marca de cuidado de la piel quiere recuperar a clientes que llevan un tiempo sin comprar. Ahora envía el mismo email con un descuento a todos los que cumplen los requisitos. Así trata igual a quien ayer estuvo mirando cremas hidratantes y a quien lleva meses sin entrar.

Paso 1: Define la audiencia elegible

order_count ≥ 1
days_since_last_order entre 60 y 180
Consentimiento activo para al menos uno de los canales que podría usar la acción
Sin tickets de soporte abiertos, reembolsos ni devoluciones en los últimos 14 días
Sin participar en otro journey promocional en este momento
Al menos un evento registrado en los últimos 30 días, o la etiqueta "inactivo" para seguir una ruta aparte

Paso 2: Reserva un holdout

Antes del lanzamiento, asigna al azar al 10% de los clientes que cumplan los requisitos a un grupo holdout que no reciba ninguna acción de reactivación. Mantén esa asignación durante toda la prueba.

Paso 3: Configura las opciones de decisión

Escribe la lógica de decisión como un conjunto de estados del cliente. Para cada uno, define una acción, una restricción y un resultado:

Ha consultado cremas hidratantes y ha abandonado el carrito en los últimos 7 días

Acción: mensaje in-app para ofrecer una muestra, o email si el cliente no usa la app
Restricción: cumplir los requisitos para recibir mensajes in-app o contar con opt-in de email; ningún contacto promocional en los últimos 3 días
Resultado principal: compra en un plazo de 7 días

Ha leído contenido educativo, pero no ha tenido actividad en el carrito en los últimos 14 días

Acción: email educativo (guía de una rutina o explicación sobre un ingrediente), sin descuento
Restricción: opt-in de email; respeto de las horas de descanso
Resultado principal: nueva visita y visualización de un producto en un plazo de 7 días

Sin actividad en los últimos 30 días

Acción: un único mensaje de reactivación sin presión, por el canal mejor valorado para ese cliente entre los que tengan consentimiento activo, o no enviar nada
Restricción: límite de frecuencia entre canales; comparación con el holdout
Resultado principal: compra en un plazo de 14 días

Incidencia de atención al cliente abierta

Acción: solo una actualización sobre la incidencia
Restricción: bloqueo de todo el contenido promocional
Resultado principal: incidencia resuelta

Paso 4: Decide en el momento, no al entrar en el segmento

Evalúa el estado del cliente cuando llegue al paso de decisión, no solo cuando entre en el segmento. Así, el sistema puede excluir a quien acaba de comprar, dejar en espera a quien tenga un nuevo ticket de soporte y cambiar de acción cuando un nuevo comportamiento cambie la situación.

Paso 5: Mide los resultados

Cuando termine la ventana de medición, compara la tasa de compra, los ingresos por cliente elegible y la tasa de bajas entre el grupo de NBA y el holdout.

Optimiza para aportar valor incremental, no para conseguir engagement

Las aperturas y los clics sirven para detectar problemas, pero no demuestran que un mensaje haya creado valor. Un cliente muy activo puede hacer clic en todas las promociones y comprar de todos modos. Si le das un descuento, el informe mostrará un alto engagement, aunque el margen baje y los ingresos incrementales no aumenten.

Cada tipo de métrica tiene sus riesgos:

Métricas de engagement (aperturas, clics, pulsaciones en notificaciones push, sesiones): pueden premiar los mensajes enviados a personas que habrían actuado de todos modos.
Métricas de conversión (compras, renovaciones, upgrades): pueden seguir sobreestimando el impacto si no se comparan con un escenario sin acción.
Métricas económicas (ingresos incrementales, margen, retención): necesitan ventanas de atribución claras y un análisis cuidadoso de los resultados que tardan en producirse.
Métricas de control (bajas, opt-outs, quejas, contactos con soporte): un resultado positivo puede ocultar fatiga o efectos negativos.

Un enfoque centrado en el engagement ordena las acciones según la probabilidad de conseguir una respuesta. Un enfoque centrado en el valor incremental las ordena según la probabilidad de cambiar esa respuesta frente a no hacer nada. Eso cambia quién recibe una promoción. Un cliente que ya tiene una alta probabilidad de comprar puede ser un mal candidato para un descuento. Un cliente con una probabilidad de compra moderada puede aportar más valor si el mensaje adecuado lo lleva de plantearse una compra a realizarla.

Separa los objetivos de cada programa

No impongas una puntuación única a todos los programas de lifecycle. Un journey de retención puede dar prioridad a mantener la suscripción. Uno promocional, al margen incremental. Uno de servicio, a resolver la incidencia sin ninguna oferta. Cuenta cada conversión una sola vez entre todos los canales e incluye los efectos negativos, como las bajas.

Cómo medir Next Best Action con holdouts

Un holdout te da una referencia de lo que habría pasado sin realizar la acción. Sin él, sabes qué ocurrió después del mensaje, pero no qué habría ocurrido sin enviarlo.

En apps y otros contextos con decisiones repetidas, un diseño útil es el ensayo microaleatorizado. En cada punto de decisión, el sistema comprueba si la persona cumple los requisitos y determina al azar si recibe o no el mensaje. Después, mide un comportamiento definido durante un periodo fijo. En un estudio microaleatorizado publicado sobre una app de salud, se estimó que enviar un mensaje push personalizado aumentaba un 3.9% la probabilidad de que los usuarios interactuaran con la app en las siguientes 24 horas, en comparación con no enviar nada (JMIR mHealth and uHealth, a través de PubMed Central). Los autores lo describen como un efecto relativamente pequeño. Es un buen recordatorio de que la mejora real suele ser modesta y solo se detecta con un grupo de control adecuado.

Un diseño de prueba que puedes reutilizar

Define quién puede participar: el evento, el estado dentro del ciclo de vida, el consentimiento requerido y las condiciones de exclusión.
Elige la ventana de medición: por ejemplo, 24 horas para una acción en la app o entre 7 y 14 días para una compra.
Asigna al azar en el punto de decisión: asigna a cada cliente al grupo que recibe la acción o al holdout en el momento de la decisión, no a partir de un segmento antiguo.
Define un único resultado principal: el comportamiento ligado al objetivo de negocio, no el clic.
Supervisa las métricas de control: tasa de entrega, opt-outs, bajas, quejas y contactos con soporte.
Registra la exposición: la acción elegida, el canal, el momento, el estado de elegibilidad y si el mensaje se entregó.

La optimización de la hora de envío debe seguir el mismo esquema. Prueba su efecto en la conversión posterior, no solo en las tasas de apertura o de pulsación.

Cómo empezar con Next Best Action

Empieza con una sola decisión, no con un despliegue de IA en toda la empresa:

Elige un journey en el que puedas definir con claridad quién cumple los requisitos, de dos a cuatro acciones entre las que elegir, un resultado principal y las reglas de exclusión.
Audita los datos de eventos y consentimiento que necesita la decisión. Resuelve las carencias antes de añadir puntuaciones del modelo.
Asegúrate de que tus canales permiten realizar esas acciones. Si tus clientes están activos en tu app móvil o han dado su consentimiento para recibir mensajes por WhatsApp o Viber, una configuración basada solo en email limitará lo que NBA puede hacer.
Lanza el programa con un holdout. Déjalo funcionar al menos durante un ciclo de compra completo y revisa los resultados incrementales antes de ampliar la lista de acciones.

Para ver con más detalle qué puedes esperar de la plataforma que uses, consulta nuestra guía para elegir una plataforma de customer engagement.

Preguntas frecuentes

¿Next Best Action es lo mismo que las recomendaciones de productos?

No. Las recomendaciones de productos son una de las acciones posibles. Next Best Action elige entre recomendaciones, mensajes de servicio, contenido educativo, ofertas, canales y no hacer nada, según el estado actual del cliente y tu objetivo.

¿Hace falta machine learning para empezar?

No necesariamente. Muchos equipos empiezan con decisiones basadas en reglas: estados claros del cliente asociados a acciones aprobadas, más un holdout. Las puntuaciones del modelo pueden sustituir o afinar esas reglas más adelante, cuando ya sepas qué decisiones importan y tengas datos limpios.

¿Qué tamaño debería tener el holdout?

El suficiente para detectar el efecto que te interesa en un plazo razonable. Depende del tamaño de tu audiencia y de la tasa de conversión de base. Para empezar, puedes reservar un 10% y ajustar esa proporción tras revisar los primeros resultados. Mantén la asignación durante toda la prueba.

¿Cómo evitar que los clientes reciban demasiadas acciones "óptimas"?

Fija límites de frecuencia que abarquen todos los canales y journeys, no por campaña. Dale al paso de decisión opciones alternativas ordenadas por prioridad para que pueda elegir "ninguna acción" cuando un cliente haya alcanzado su límite.

Si estás incorporando Next Best Action a tu programa de lifecycle, mira cómo funciona Joryio o habla con el equipo de Joryio sobre tu configuración actual.