Cada cuenta de micali.online acumula cientos de cifras en un mes. Quién ha visto tu página de reservas y de dónde venía. Quién ha abierto el detalle de una franja horaria y no ha vuelto. Qué franjas se llenaron, cuáles quedaron vacías, quién no se presentó y quién reservó cinco veces seguidas. En Estadísticas puedes consultar estos números. Pero las cifras por sí solas no te dicen qué hacer con ellas un lunes por la mañana, cuando tienes delante a un cliente y no una tabla.
Por eso hemos incorporado a micali.online el asistente de AI. Normalmente una vez por semana revisa tu cuenta, recalcula todo lo que ha pasado en ella en los últimos 30 días, lo compara con el mes anterior y con el resto de cuentas de la plataforma, y te envía de 3 a 5 recomendaciones concretas para conseguir más reservas. Cada recomendación tiene el número que la ha generado, un motivo, unos pasos y un enlace a la pantalla donde dar el primer paso. En la aplicación la encontrarás bajo el nombre Consejos para tu negocio.
En este artículo te contamos qué calcula exactamente el asistente, por qué detrás de cada recomendación hay matemáticas y no una impresión, por qué cada propuesta la lee una persona antes de enviarla y cómo son las recomendaciones que ya han recibido los primeros propietarios de cuentas.
Qué ve el asistente
El asistente trabaja con una ventana de 30 días y otra ventana de la misma duración justo antes, para poder distinguir un pico puntual de una tendencia. A partir de tu cuenta elabora una instantánea de ocho áreas:
- Visitas a tu página pública: cuántas personas hubo, de dónde vinieron (Facebook, Instagram, Google, enlace directo, publicidad de pago), desde qué dispositivo, en qué idioma y a qué página entraron primero.
- Embudo de reserva: cuántas personas vieron el listado, cuántas abrieron el detalle de una franja horaria o un servicio, cuántas empezaron una reserva, cuántas iniciaron sesión y cuántas completaron la reserva.
- Ocupación de cada evento y de cada franja horaria: franjas vacías, franjas completas, el número medio de plazas ocupadas y qué día y hora de la semana te funcionan mejor.
- Asistencia y pagos: quién se presentó, quién no, cuántas reservas se quedaron sin registrar y cuántas reservas sin pagar tienes en los próximos siete días.
- Visitantes: quién reserva de forma recurrente, quién todavía no ha reservado nunca, quién no ha dado señales de vida en 60 días y quién viene con regularidad pero no tiene un plan prepago.
- Planes prepago: qué vence en las próximas dos semanas, qué ha terminado sin renovarse y qué está pendiente de aprobación.
- Comunicación: mensajes de visitantes sin responder, correos fallidos, recordatorios configurados y cuestionarios.
- Perfil: longitud de la descripción, categoría, web, redes sociales, contacto. Es decir, lo primero que ve un visitante.
Cómo se convierten los números en señales
Aquí está el núcleo de todo esto. La instantánea de tu cuenta no la lee la AI, sino un conjunto de más de veinte detectores deterministas. Cada uno busca un patrón concreto y, cuando lo encuentra, genera una señal junto con los números que la respaldan. Aquí tienes varios ejemplos de lo que se calcula bajo el capó:
Salidas rápidas. En cada vista del listado medimos cuánto tiempo se queda el visitante en ella. Si se va antes de diez segundos, lo contamos como una salida rápida. Cuando más de la mitad de las personas se van así, el listado no les ha dicho por qué deberían seguir haciendo clic.
El embudo, paso a paso. Seguimos el recorrido desde el detalle de una franja horaria hasta la reserva iniciada, el inicio de sesión y la reserva completada. Cada paso tiene su propio porcentaje. Al mismo tiempo dividimos a los visitantes entre los que llegaron desde publicidad de pago y los orgánicos, para ver si la publicidad trae personas que realmente reservan o solo hacen clic.
Los mejores y los peores horarios de la semana. Cada franja horaria realizada la clasificamos en una celda de día de la semana × hora y para cada celda calculamos el número medio de plazas ocupadas. Ordenamos las celdas que tienen al menos dos franjas, y así el asistente puede decirte que los jueves a las 19:00 te traen de media tres plazas ocupadas y los viernes a las 8:00 ninguna.
Franjas vacías y grado de ocupación. En cada evento comparamos el número de franjas horarias realizadas con el número de vacías. Si al menos la mitad de cinco o más franjas se ha quedado vacía, es una señal fuerte. Si las franjas se han ido llenando, pero de media por debajo del 30 % de la capacidad, es una señal más débil con una recomendación distinta.
Reservas de última hora. A partir de la diferencia entre la creación de la reserva y el inicio de la franja horaria calculamos la antelación media. Cuando más del 40 % de las personas reserva con menos de 24 horas de antelación, tiene sentido planificar de otra forma tanto los recordatorios como la promoción.
Ausencias. A partir de la asistencia marcada calculamos el porcentaje de personas que reservaron y no se presentaron. Por encima del 20 % es una señal que se asocia con la falta de un recordatorio antes de la franja horaria o con la falta de un enlace de pago.
Los umbrales son deliberadamente conservadores. Una señal significa «merece una frase», no «es estadísticamente seguro». Y cuando hay pocos datos, el detector prefiere callar antes que recomendar algo basándose en tres visitas.
Comparación con toda la plataforma
La mayoría de los números no significan nada sin comparación. ¿Es una conversión del 3 % desde el detalle de una franja horaria hasta la reserva un mal resultado? No se puede saber sin conocer qué logran los demás. Por eso, en cada ejecución, el asistente recalcula las medianas de toda la plataforma para los ratios clave: salidas rápidas del listado, visitas de una sola página, conversión del detalle a la reserva, grado de ocupación de las franjas horarias y porcentaje de asistencia marcada. En las medianas solo entran las cuentas con visitas suficientes, para que no las distorsionen cuentas nuevas o casi sin uso.
La comparación tiene otra consecuencia, y en ella nos apoyamos especialmente. Si tu cuenta tiene una conversión débil del detalle a la reserva, pero toda la plataforma la tiene igual de débil, el problema no está en la descripción de tu franja horaria. El problema está en nuestra página de reservas. Una señal así nunca se te mostrará como recomendación. En su lugar, llega a la mesa de nuestro equipo como una información sobre el producto. Así que el asistente no busca solo lo que puedes mejorar tú, sino también lo que tenemos que mejorar nosotros.
En la comparación solo entran medianas agregadas. Ninguna cuenta ve los números de otra cuenta, y tus recomendaciones contienen únicamente tus propios datos. Las demás cuentas están presentes solo como una cifra: la mediana con la que te comparas.
Dónde interviene la AI y dónde no
El modelo de lenguaje de este sistema no calcula nada. Recibe la instantánea de la cuenta, la lista de señales con sus cifras de respaldo y las medianas de la plataforma, y su tarea es redactar con ello recomendaciones comprensibles. Las reglas son estrictas: cada recomendación debe apoyarse en una señal concreta, solo puede usar números que existan en la instantánea y solo puede enlazar a pantallas de la lista permitida. Después, la salida del modelo pasa un control. Una recomendación sin señal, con un número inventado o con un enlace fuera de la lista se descarta antes de que nadie la vea.
Gracias a esto podemos rastrear cada frase de una recomendación hasta el número del que salió. Cuando el asistente escribe que «373 personas llegaron desde publicidad y ninguna empezó una reserva», no es una estimación. Es una línea de la instantánea de tu cuenta.
Cada recomendación pasa por una persona
Aunque las reglas son estrictas, el modelo puede llegar a escribir una frase que sea numéricamente correcta y aun así desafortunada. Por eso, cada ejecución del asistente termina como un borrador que lee alguien de nuestro equipo. Puede editar, aprobar o rechazar las recomendaciones. Solo las recomendaciones aprobadas se traducen al idioma de tu cuenta y se envían. Nadie debería interrumpir su clase de la mañana por un texto generado automáticamente que nadie ha leído.
Este paso nos cuesta tiempo, pero no queremos saltárnoslo. micali.online lo usan estudios y empresas en 31 idiomas, y un consejo que es evidente para un estudio de yoga en Bratislava puede ser inútil para una escuela de música en Varsovia. Tener a una persona en el proceso es la razón por la que respaldamos nuestras recomendaciones.
Cómo se ve en tu cuenta
Cuando las recomendaciones están listas, los administradores de la cuenta reciben un correo y una notificación en la aplicación. En la página principal de la cuenta aparece la tarjeta Consejos para tu negocio. Cada consejo tiene:
- un punto de color según la importancia, desde informativa hasta urgente, y verde cuando la señal es positiva, cuando algo te está funcionando y merece la pena construir sobre ello,
- Por qué: una a tres frases con los números que han generado el consejo,
- Qué hacer: de dos a cuatro pasos, dentro y fuera de la aplicación, por ejemplo qué evento editar, a quién enviar un correo o qué cambiar en la publicidad,
- una frase sobre lo que va a mejorar de verdad,
- el botón Abrir, que te lleva directamente a la pantalla donde das el primer paso.
En cada consejo puedes hacer clic en Hecho, Ocultar o No es útil. Los consejos resueltos desaparecen de la tarjeta y tu respuesta vuelve a nosotros. Un consejo que los propietarios marcan como poco útil es para nosotros una señal de que tenemos que ajustar el detector o el umbral, no de que tengamos que convencerte a ti.
Seis ejemplos reales
Las siguientes recomendaciones surgieron en las primeras ejecuciones del asistente. Hemos cambiado los nombres de las cuentas y los eventos; los números son reales.
Publicidad que trae gente, pero no reservas. En 30 días llegaron 373 visitantes desde publicidad de pago. Ninguno empezó una reserva, y vieron de media 1,1 páginas. Del tráfico orgánico llegaron 181 personas y 14 de ellas iniciaron sesión. Recomendación: pausar la campaña que dirige al listado general y llevar la publicidad directamente a una franja horaria concreta, con día, hora y el botón «Reservar plaza». El primer paso está en Estadísticas, donde se ve qué hacía realmente la gente que llegaba desde la publicidad.
Clases de mañana a las que no va nadie. La clase de pilates matutina tuvo 23 franjas horarias y las 23 quedaron vacías. La clase de tarde del mismo estudio tuvo 17 vacías de 21, pero las celdas de jueves, sábado y domingo a las 19:00 salieron mejor. Recomendación: trasladar las franjas matutinas a la tarde, para las que se mantengan por la mañana fijar una capacidad mínima y un plazo límite de inscripción, para que la clase sin interés no llegue a celebrarse, y promocionar tres horarios de tarde concretos.
El detalle de una franja horaria del que no sale nada más. El detalle del evento lo vieron 467 personas, nadie empezó una reserva y 14 iniciaron sesión. Eso es un 3 % frente a la mediana de la plataforma del 14,3 %. Además, tres eventos tenían una descripción corta o inexistente. Recomendación: añadir a las descripciones para quién es la clase, qué se lleva el participante, qué necesita traer y cómo funciona la reserva. Solo entonces volver a compartir el enlace.
Los horarios que funcionan piden más franjas. Los cursos infantiles del martes a las 10:00 tenían de media 8 plazas ocupadas, y los del viernes a las 10:00, cinco. Además, la cuenta tenía un 86 % de correos abiertos de 201 enviados. Recomendación: añadir más franjas matutinas de martes y viernes y anunciarlas con un correo, que los padres claramente leen.
Franjas completas sin lista de espera. Las clases individuales tuvieron tres franjas completas y las grupales dos, y en ambas la lista de espera estaba desactivada. Recomendación: activarla y configurar una plantilla de mensaje para que, cuando se cancele una reserva, la plaza liberada vaya al siguiente interesado y no se quede vacía.
Personas en la lista que nunca han reservado. La cuenta tenía 32 visitantes registrados, 19 de ellos no habían reservado nunca y 10 habían reservado de forma recurrente. Recomendación: crear con esos 19 una lista de correo y enviarles un correo masivo con un enlace directo a la próxima franja horaria. Contactar por separado con los visitantes recurrentes. Recuperar un contacto existente sale más barato que encontrar uno nuevo.
Y un extra que no tiene que ver con las matemáticas, sino solo con la atención: en una cuenta había un mensaje de un visitante esperando respuesta desde hacía 825 horas. El asistente lo sacó como la señal más urgente de la semana.
Lo que el asistente no es
No es una adivinación. El asistente solo ve lo que hay en micali.online: reservas, visitas a la página pública, asistencia, mensajes. No ve tus ingresos, tus costes ni lo que pasa dentro de tu gimnasio. Cuando una cuenta tiene pocos datos, el asistente prefiere enviar dos recomendaciones antes que cinco inventadas. Y si un consejo no te convence, márcalo como No es útil. La decisión siempre es tuya; el asistente solo está para facilitártela.
Cómo activarlo
El asistente de AI, como todo lo demás en micali.online, no tiene coste adicional. Lo vamos activando cuenta por cuenta, para poder revisar bien cada primera ejecución. Si quieres los consejos para tu cuenta ya mismo, escríbenos a través de la sección Soporte directamente en la aplicación. Las recomendaciones las reciben los administradores de la cuenta, normalmente una vez por semana, siempre en el idioma de la cuenta. Y si te parece que el asistente no ha visto algo importante, avísanos. De mensajes así surgen precisamente los siguientes detectores.
