El método y la herramienta
Un instrumento fijo del equipo para validar hipótesis de marketing (posicionamiento, lanzamientos, mensajes, conceptos) simulando la reacción de segmentos de clientes, anclada en datos reales de Hites y comprobada con un loop de validación antes de creerle.
El primer ejercicio del sistema fue el territorio de la Tarjeta Hites Visa: a quién entrevistamos, sus perfiles, las preguntas y las conclusiones viven en su propio reporte.
Esto sirve para comparaciones relativas y rankings, no para cifras absolutas de demanda. La honestidad (saber lo que no sabe) es el sello del instrumento, no su limitación. Se declara siempre al entregar.
Si el output es un orden o una dirección, confía. Si es una cifra, trátala como hipótesis a calibrar. Inspirado en la lógica de evidenza.ai, pero con una diferencia: aquí la confiabilidad la ponemos nosotros con datos reales de Hites, no la promesa de un proveedor.
La confiabilidad no viene de qué tan bien redactada esté una persona. Viene de dos cosas, y sin ellas esto es un juego de rol caro. Con ellas, es un instrumento.
El sintético habla desde lo que la data de Hites ya dice (BigQuery, ERP, cartera), no desde lo que imaginamos. Cada dato trae su fuente y su fecha. El segmento no se lee de un campo: se deriva (comuna, estudios, ocupación, comportamiento y monto de cupo) y por eso es calibrable, no un dato de origen.
Método holdout: se le pregunta a ciegas por hechos que YA conocemos y se compara con la data dura. El criterio es dirección y orden, no clavar la cifra. Si no puede predecir lo conocido, no le creemos lo desconocido.
Ningún estudio presenta resultados si su backtest no pasó. Si una prueba falla, se suma la señal que faltaba al grounding citando la fuente y se vuelve a correr. Nunca se reescribe la persona para que "adivine" el resultado: eso es hacer trampa y rompe la confiabilidad. Y cuando llega la data real, la data manda: la herramienta se corrige.
El primer ejercicio ya pasó su backtest (5 de 5, una en el borde) y quedó documentado en su reporte. Ver la validación del estudio Tarjeta Visa.
El ecosistema encapsula el método: cada estudio pasa por grounding real, población calibrada, backtest y lectura relativa. La confiabilidad no depende de quién lo use, está en el proceso que obliga a seguir.
Datos reales de Hites: la verdad de terreno.
El segmento como distribución con varianza, no un arquetipo.
Cómo preguntamos: cuanti opción forzada + cuali profunda.
Qué probamos y con qué: instrumento + estímulo.
El backtest: la capa que da o quita confianza.
Correr el estudio N+1 sin rehacer todo: plantillas + runbook.
Las reglas que no se rompen.
Ocho pasos. El quinto es el gate: sin backtest verde, no se elicita ni se presenta nada.
La pregunta de negocio que se quiere responder.
Traer de BigQuery la data real que ancla al segmento.
Construir o actualizar los segmentos sintéticos con su varianza.
El estudio: instrumento (preguntas) + estímulos (mensajes a probar).
Validar que la población reproduce hechos conocidos. Si falla, se recalibra el grounding, no se maquilla la persona.
Correr el estudio (cuanti + cuali) sobre la población.
Ranking, dirección, objeciones. Nunca cifras absolutas como verdad.
Qué se decidió, con qué confianza, qué queda pendiente de validar con data real.
Que esto no sea un ejercicio aislado, sino un instrumento reutilizable. La regla de oro embebida: ningún estudio muestra resultados si su backtest no pasó. El gate es del software, no de la voluntad.
Biblioteca de poblaciones sintéticas versionadas. Cada una con su grounding, su varianza y su confianza. Se reutilizan estudio a estudio.
Los hechos duros de Hites (BigQuery, ERP, cartera) con fuente y fecha. La base contra la que se calibra. Se refresca periódicamente.
Donde se define un ejercicio: pregunta de negocio, segmentos, estímulos y el instrumento (cuanti opción forzada + cuali profundidad).
El gate. Corre las pruebas holdout contra el grounding y entrega un semáforo. Sin verde, el estudio no publica.
Rankings, matriz de objeciones, jerarquía de casos de uso y recomendación, todo con su confianza. Exportable a deck HTML del estándar Growth.
Donde se inyecta data real cuando llega (la base pre-aprobada, un test de mercado) y el sistema aprende: corrige segmentos y sube o baja la confianza.
Nada de esto pelea con lo existente: comparte el data map de BigQuery, vive en el hub Growth y alimenta los decks HTML.
La cara, en el sistema de diseño Growth, enlazada en el hub: define estudios, muestra segmentos, corre backtest, lee resultados.
Orquesta el loop. Llama a la Claude API para la elicitación sintética (generar las respuestas de las sub variantes) y para el backtest.
Guarda segmentos versionados, estudios, estímulos, resultados y el historial de calibración. Mismo patrón que el panel Eunoe (D1 + cron).
BigQuery no se consulta en vivo desde el Worker: un job exporta los hechos duros de BQ a D1 o KV en cada refresco. Grounding siempre fresco sin exponer BQ.
Estas dos páginas: el método y la herramienta aquí; el estudio Tarjeta Visa en su propio reporte. Sirven para presentar y para que el equipo entienda el instrumento.
Interactivo: el usuario escribe qué necesita, elige método y segmentos, y aprieta correr. El Worker llama a la Claude API, corre el backtest y devuelve el ranking y la matriz. Guarda todo en D1.
El job de BQ refresca el grounding solo. El backtest se vuelve gate duro (sin verde no hay resultado). La confianza por segmento se calcula automática.
Versionado de segmentos, auditoría (quién corrió qué y con qué grounding) y el loop de calibración con data real cerrando el círculo.
La herramienta compara y ordena, no adivina demanda. Sus números son hipótesis a calibrar; sus rankings son la señal confiable. Cuando llega data real, la data manda y la herramienta se corrige. Ese es justamente su valor: es un instrumento que sabe lo que no sabe.
Así se vería la cara de la herramienta. Elige un método, escribe qué necesitas y deja que el sistema arme el instrumento. Es un mockup clickeable: pruébalo.
El catálogo de métodos. Cada uno con su "cuándo se usa". Haz clic para elegir uno.
Escríbelo en tus palabras. El sistema parte de aquí.
Ejemplos: "qué claim de lanzamiento diferencia más" · "qué objeción frena la activación" · "cómo ordenar los beneficios por prioridad".
Dos caminos. Elige uno y mira la respuesta abajo.
Un método fijo y auditable: cada decisión trae su grounding y su backtest. Los segmentos se construyen una vez y sirven para todos los estudios. Y el resultado sale en formato Growth, listo para Harold, Nicol o el CEO.