El ROI de los Growth Agents 2026

La predicción de Gartner ha envejecido hasta convertirse en una descripción. Los equipos que se retiraron no carecían de una plataforma: la mayoría había comprado dos. Lo que les faltaba era una manera de demostrar que el programa producía ingresos que la empresa no habría obtenido de otro modo, y sin esa demostración, la partida presupuestaria pierde cualquier argumento que se le presente.

La contrapartida es que el valor es real donde se captura. Los clientes esperan relevancia y castigan su ausencia, y las empresas que la operacionalizan crecen más rápido que sus pares. Ambas cosas son ciertas a la vez: el pool de valor existe, y la mayoría de los intentos de alcanzarlo fallan en la medición en lugar de en el modelado.

La lectura honesta es que la personalización se vendió como una compra de tecnología cuando es un cambio de modelo operativo. La tecnología llegó a tiempo. La disciplina de medición, las reglas de supresión y la voluntad de retirar un programa perdedor no lo hicieron.

El trabajo de medición de BCG encuentra que las organizaciones con una práctica de incrementality madura experimentan un crecimiento de ingresos materialmente mayor que sus pares. La historia causal no es misteriosa. Un equipo que puede distinguir un efecto real de una coincidencia deja de financiar las coincidencias, y el presupuesto liberado se acumula en los programas que funcionan.

La misma investigación advierte sobre los modos de fallo que hacen que una medición débil parezca fuerte: efectos de novedad que inflan las primeras semanas de cualquier programa nuevo, efectos halo y de adelanto que toman ingresos del próximo trimestre, y contaminación entre experimentos superpuestos. Cada uno de ellos sesga en la misma dirección, por lo que los programas no auditados casi nunca se revisan a la baja.

Este es el argumento que debes llevar a una reunión de presupuesto. No que el techo sea más alto de lo que las finanzas creen, sino que el suelo es conocible y que conocerlo es lo que convierte un piloto en un modelo operativo.

El growth de suscriptores premium de SVOD se redujo a la mitad en un solo año, y el comentario del propio sector ha pasado de la adquisición a la arquitectura de retención y la economía unitaria. Las telecomunicaciones muestran la misma presión desde la otra dirección: aproximadamente un tercio de los clientes a nivel global están considerando activamente un cambio, una tasa que ningún presupuesto de adquisición puede superar.

Cuando la adquisición deja de ser la palanca, la economía de la base se convierte en todo el juego, y está gobernada por cuatro preguntas hechas millones de veces al mes. Quién merece ser contactado, sobre qué, cuándo y a qué coste. Ese es un problema de decisioning, no un problema de campaña, y su resolución es de donde proviene el ARPU incremental.

El efecto compuesto importa más que cualquier palanca individual. Un cliente activado alimenta el cross-sell; un cliente retenido de alto ARPU sigue alimentando ambos durante años; un descuento innecesario suprimido devuelve margen sin enviar un solo mensaje adicional. Los business cases construidos sobre una sola palanca son frágiles precisamente porque estos efectos son multiplicativos.

Valora la restricción correctamente. Un senior data scientist cuesta bastante más de seis cifras con todos los gastos incluidos, y la tasa de mercado para las habilidades de inferencia causal que requiere este trabajo se sitúa por encima de la mediana publicada. El resultado de esa persona no son dashboards: es un número limitado de experimentos bien diseñados por año, la mayoría de los cuales fallarán, porque la mayoría de las ideas fallan dondequiera que se midan correctamente.

La literatura sobre experimentación es clara en que una alta tasa de fracasos es el estado normal de un programa saludable, no un síntoma de uno débil. La implicación es aritmética. Si la mayoría de las hipótesis fallan, el valor de la función lo establece la cantidad que puede pasar por el ciclo y lo barato que puede eliminar a los perdedores. Un equipo que realiza doce A/B test al año está haciendo doce apuestas. Un sistema que ejecuta el mismo diseño en miles de segmentos de forma continua está realizando un tipo de inversión completamente diferente.

Esta es la parte del caso que usualmente se redacta como un ahorro de personal, y ese enfoque es incorrecto y débil. Nada se elimina. Lo que cambia es a dónde van las escasas horas: lejos de reconstruir el mismo informe de lift cada mes, y hacia la decisión de qué vale la pena probar a continuación.