Optimiza tu funnel de producto con IA: así construimos FunnelOptimizer

La mayoría de los Product Managers que conozco no tienen un problema de datos. Tienen datos por todas partes: en el CRM, en la herramienta de analítica, en una hoja de cálculo que alguien montó hace ocho meses, en el panel de la pasarela de pago. El problema es otro, y es más incómodo de admitir: no saben si están midiendo bien. Y cuando no sabes si mides bien, cada decisión que tomas sobre tu producto se apoya en una base que no aguanta el peso.

De ahí nació FunnelOptimizer, uno de los experimentos que prototipamos en nuestro Lean Improvements Day, la jornada interna en la que el equipo se encierra un día a construir herramientas con IA para problemas que vemos una y otra vez en cliente. Quiero contarte qué es, cómo funciona y, sobre todo, qué aprendimos montándolo. Aviso desde ya: es un prototipo open-source, no un producto terminado. Pero la idea de fondo nos parece lo bastante potente como para compartirla.

El problema real de medir el funnel de producto

El funnel suena a cosa resuelta. Todo el mundo sabe dibujar el embudo, todo el mundo ha oído hablar de adquisición, activación y retención. El drama empieza cuando bajas al detalle.

¿Qué es exactamente activación en tu producto? ¿El primer login? ¿El momento en que el usuario llega a su aha moment? ¿Haber completado el onboarding? Según a quién preguntes en el mismo equipo, obtienes tres respuestas distintas. Y si la definición baila, la métrica no vale nada: estás sumando peras y manzanas y llamándolo tasa de activación.

Luego está el problema de la dispersión. Analizar el funnel se convierte en un peregrinaje por cinco herramientas, exportando CSV, cuadrando cifras que no cuadran y perdiendo la tarde. Al final del día tienes un montón de gráficas y ninguna claridad sobre qué mejorar ni qué acción tomar mañana. Y eso, multiplicado por semanas, se traduce en decisiones equivocadas y oportunidades de crecimiento que se quedan por el camino. No porque el equipo sea malo, sino porque medir bien es genuinamente difícil y casi nadie te enseña a hacerlo.

FunnelOptimizer ataca justo ese hueco: no pretende ser otra herramienta de analítica, sino un asistente que revisa si estás midiendo bien y te devuelve acciones concretas.

Cómo funciona FunnelOptimizer en 5 pasos

La lógica es deliberadamente simple, porque el valor está en el diagnóstico y en las acciones, no en añadir más complejidad a tu stack. El asistente se apoya en el clásico framework AARRR (Adquisición, Activación, Retención, Recomendación y Revenue) y recorre cinco pasos.

1. Pregunta

Empieza con una conversación de unos cinco minutos. Te hace preguntas sencillas sobre tu producto y tu funnel: qué eventos registras, cómo defines cada etapa, qué herramientas usas. Nada de rellenar formularios eternos. La idea es capturar el estado real de tu medición, no el ideal que aparece en la documentación.

2. Evalúa

Con esas respuestas, analiza etapa por etapa si estás midiendo bien cada una de las cinco fases del funnel. No solo si tienes un número, sino si ese número significa algo: si la definición es accionable, si el evento se dispara donde debe, si estás capturando la cohorte correcta.

3. Detecta gaps

Aquí está el corazón del experimento. FunnelOptimizer identifica qué no estás midiendo bien o qué te falta medir directamente. Es el paso que la mayoría de equipos se salta, porque es incómodo mirar de frente los agujeros de tu propia instrumentación.

4. Genera acciones

Y este es el paso que lo diferencia de un simple informe. En lugar de dejarte con un deberías medir mejor la retención, genera acciones concretas para el backlog: user stories o tareas con criterios de aceptación, listas para priorizar. Convierte el diagnóstico en trabajo ejecutable.

5. Toma acción

Las añades a tu backlog y empiezas. Fin del ciclo. Sin fricción entre he entendido el problema y estoy trabajando en él.

Como referencia ilustrativa (y lo digo como tal, no son datos verificados): el prototipo apunta a darte una idea clara de qué mejorar en apenas un par de minutos de análisis, cubriendo las cinco etapas del funnel y devolviendo acciones en forma de user stories, tareas, experimentos y criterios de aceptación.

Un ejemplo concreto: el gap típico de activación

Para que se vea, un caso que aparece constantemente. Un equipo mide usuarios registrados y usuarios activos mensuales, y da por hecho que con eso cubre la activación. Pero entre el registro y el uso recurrente hay un abismo que nadie está observando: no saben cuántos usuarios llegan al momento en que el producto realmente aporta valor.

FunnelOptimizer detectaría ese gap y generaría algo así:

User story: Como equipo de producto, queremos medir la tasa de activación real definida como usuario que completa [acción de valor] en sus primeros 7 días, para saber cuántos usuarios alcanzan el momento en que perciben valor.

Criterios de aceptación:

• Se define y documenta el evento de activación con el equipo.
• Se instrumenta el evento en producto.
• Se puede segmentar la tasa de activación por cohorte semanal.
• El dato es visible en un panel compartido.

No es magia. Es traducir una intuición vaga (creo que perdemos gente en el onboarding) en un trozo de trabajo con principio y final. Que es exactamente lo que necesitas para que algo entre en un sprint y no se quede en una conversación de pasillo.

Qué aprendimos construyéndolo

Tres cosas nos quedaron claras montando el prototipo.

La primera: el cuello de botella no es analizar, es decidir qué medir. La IA es buenísima estructurando un diagnóstico contra un framework como AARRR, pero el clic real ocurre cuando ese diagnóstico se convierte en acciones para el backlog. Un informe se lee y se olvida; una user story con criterios de aceptación se ejecuta.

La segunda: AARRR sigue siendo un andamiaje excelente, precisamente porque obliga a mirar todo el flujo y no solo la etapa que más te preocupa esa semana. Nuestra obsesión de siempre con el flujo y las métricas de producto encaja de forma natural aquí. Si te interesa cómo conectar estas mediciones con objetivos de negocio, esta lógica enlaza bien con lo que contamos en qué es un OKR: ejemplos, tips y anti-patrones.

La tercera: priorizar por impacto lo cambia todo. No todos los gaps merecen la misma urgencia. El asistente ordena las acciones para que empieces por lo que más mueve la aguja, en lugar de instrumentarlo todo a la vez y morir en el intento.

Cuándo te vendría bien

FunnelOptimizer tiene sentido si estás empezando a medir y no sabes por dónde, si heredaste una medición que no te fías de ella, o si sospechas que tus definiciones de activación o retención están difusas. También si quieres una segunda opinión rápida antes de invertir semanas de ingeniería en instrumentación. Si ya tienes un funnel maduro y bien definido, probablemente te aporte menos, aunque el paso de detectar gaps casi siempre encuentra alguna sorpresa.

Y si de aquí sales con ganas de afinar tus métricas de flujo, te recomiendo asomarte a cycle time vs lead time y el cycle time scatterplot: medir bien el funnel de producto y medir bien tu flujo de entrega son dos caras de la misma disciplina.

Un experimento abierto y en evolución

Insisto en lo de siempre: esto es un prototipo, no un SaaS pulido. Es open-source y está vivo, así que irá cambiando. Lo compartimos porque creemos más en enseñar cómo pensamos que en vender humo. Si lo pruebas, rompes o mejoras, encantados de escucharte.

Al final, la promesa de FunnelOptimizer es la misma que su lema: mide mejor, decide mejor, crece más. La IA no sustituye tu criterio de producto. Solo te quita horas de análisis disperso y te devuelve algo accionable, para que dediques tu cabeza a lo que de verdad importa: decidir qué construir a continuación.