Optimización del Embudo de Activación: Incorporación y Tiempo hasta el Valor

La mayoría de los productos B2B SaaS y PLG pierden entre el 60 y el 80 % de los registros entre el momento del registro y la activación, y casi nadie ha mapeado dónde ocurre esa fuga. El PM culpa a marketing por los "leads de baja calidad." Marketing culpa a producto por una incorporación defectuosa. El embudo reposa en un dashboard de Mixpanel que nadie abre, y la reunión semanal de crecimiento se convierte en un debate sobre creatividades publicitarias mientras la mitad de los registros de pago nunca vuelven a iniciar sesión.

Si usted es el growth marketer, este es su problema. Tanto si la organización lo reconoce como si no, la activación vive en la unión entre adquisición y producto, y esa unión le corresponde a usted. Adquisición quiere más volumen. Producto quiere código más limpio. La pérdida entre el registro y la generación de valor es el territorio sin dueño, y suele ser la palanca más importante de la empresa.

Este playbook explica cómo tomarlo.

Encuentre su momento aha en datos de cohortes, no en la cabeza del fundador

Todos los equipos con los que he trabajado tienen un "momento de valor central" que alguien, generalmente el fundador, nombró en un deck de 2018. Casi siempre está equivocado, o al menos es vagamente impreciso. El momento aha es la acción en la que los usuarios que la realizan en la semana 1 retienen a una tasa 2 o 3 veces mayor que los que no la realizan. Se encuentra mirando curvas de retención, no mirando hacia adentro.

Los casos clásicos son famosos porque fueron definidos por datos, no por intuición. Slack no eligió "enviar 2.000 mensajes como equipo" porque sonara bien en una reunión con inversores. Agruparon equipos por volumen de mensajes en las primeras semanas y observaron que la retención se disparaba claramente por encima de esa cifra. Dropbox descubrió que "1 archivo en 1 carpeta en al menos 1 dispositivo" predecía la retención mejor que el recuento de archivos o el almacenamiento utilizado. Figma observó que compartir el primer archivo era la acción que convertía a un usuario individual en un equipo de usuarios.

El patrón es siempre el mismo. Agrupe a los usuarios por semana de registro. Segmente cada cohorte según si realizaron una acción candidata en sus primeros 7 días. Trace la curva de retención en el día 7, el día 14 y el día 30 para cada segmento. La acción cuyas curvas de retención se separan más es su candidato a momento aha.

Un patrón SQL funcional, en términos simples:

1. Extraiga todos los registros de las últimas 12 semanas.
2. Para cada usuario, marque si realizó la acción candidata dentro de los 7 días posteriores al registro.
3. Calcule la retención en el día 7, el día 14 y el día 30 para ambos segmentos.
4. Repita para 5 a 10 acciones candidatas: invitó a un compañero, creó un registro, conectó una integración, envió un mensaje, generó un informe, etc.
5. La acción con el mayor diferencial de retención y una tasa de adopción razonable (se busca que al menos el 30 % de los usuarios la alcance, de lo contrario el incremento es teórico) es su momento aha.

No elija únicamente por el incremento. Una acción que eleva la retención 4 veces pero a la que solo accede el 5 % de los usuarios no es un momento aha, sino un comportamiento de usuario avanzado. Se necesitan tanto el incremento como un camino que la mayoría de los usuarios pueda recorrer de manera plausible.

Si el fundador insiste en que el momento aha es algo que los datos no respaldan, tiene dos tareas: presentar el análisis de todos modos y sostener la conversación. La activación es un problema de retención, no de opiniones.

El embudo de 5 pasos, con rangos de pérdida realistas

Una vez definido el momento aha, instrumente el camino hacia él como 5 pasos. Cualquier producto B2B PLG puede modelarse de esta manera:

1. Registro. Correo verificado, cuenta creada.
2. Configuración. Espacio de trabajo creado, primera configuración realizada y, opcionalmente, un compañero invitado.
3. Primera acción. Crearon el elemento: un registro, un proyecto, un documento, una oportunidad.
4. Primer valor (el momento aha). El elemento hizo algo útil. El dashboard se pobló. El correo se envió. El compañero respondió.
5. Hábito. Regresó 3 o más veces en la semana 1, o alcanzó el momento aha 3 o más veces.

La pérdida realista para un producto B2B PLG típico se ve así:

• Registro a Configuración: pérdida del 30 al 40 %
• Configuración a Primera acción: pérdida del 25 al 35 %
• Primera acción a Primer valor: pérdida del 20 al 30 %
• Primer valor a Hábito: pérdida del 15 al 25 %

El efecto compuesto es devastador. Si cada paso tiene un 75 % de conversión, se termina con un 32 % de activación. Para alcanzar un 50 % de activación de extremo a extremo, cada paso necesita un 85 % o más. La mayoría de los productos tiene un paso que sangra el doble que los demás. Ese es el paso que se corrige primero.

Un ejemplo con forma real de un CRM PLG con el que trabajé:

Total de extremo a extremo: 22 %. Los pasos de configuración y primer valor están sangrando. La configuración es corregible reduciendo los campos obligatorios y ofreciendo un espacio de trabajo de muestra. El primer valor es corregible pre-creando una oportunidad en la etapa 1 para que la primera sesión pueda demostrar el avance de etapa sin 30 minutos de carga de datos.

Instrumentación: eventos, propiedades y el dashboard que no miente

Dispare un evento por paso, con nombres consistentes y el mismo conjunto de propiedades:

• signup_completed
• setup_completed
• first_action_completed
• first_value_reached
• habit_formed

Adjunte estas propiedades a cada evento: signup_source (de pago, orgánico, recomendación, partner), plan (gratuito, prueba, de pago), team_size (declarado o inferido), role (administrador, miembro, visualizador), industry, cohort_week. Las propiedades importan más que los eventos. Sin ellas, sabrá que el 36 % de los usuarios llegó a la configuración, pero no sabrá que el 14 % de los usuarios de fuente de pago llegó a la configuración frente al 52 % de los de recomendación, que es la historia real.

El diseño del dashboard que hace visible la pérdida: semana de cohorte en las filas, los 5 pasos del embudo como columnas, porcentajes de conversión en las celdas, formato condicional para resaltar celdas por debajo del 70 %. Una vista por fuente. Una vista por plan. La primera vez que ponga esto frente a un PM que ha estado hablando vagamente de "interacción", se quedará en silencio.

Asigne nombres a los diagnósticos para que el equipo pueda hablar de ellos sin tener que derivarlos de nuevo cada vez:

• Registros fantasma. Correo verificado, nunca volvió a iniciar sesión. Casi siempre es un problema de marketing o de expectativas. La página de aterrizaje prometió algo que el producto no muestra al abrirse. La corrección va del lado de la adquisición, no del producto.
• Bloqueos en estado vacío. Inició sesión, nunca creó nada. El producto les mostró un dashboard en blanco y abandonaron. Este es el mayor obstáculo de activación en B2B PLG. Más sobre esto a continuación.
• Abandono en configuración. Comenzaron la configuración, se toparon con un campo obligatorio que no podían completar o no querían. Revise sus campos obligatorios con rigor.
• El valor nunca llegó. Usó el producto pero el momento mágico nunca ocurrió. Generalmente significa que el camino desde la primera acción hasta el primer valor es demasiado largo, demasiado oculto, o requiere datos que el usuario aún no tiene.

Cada diagnóstico tiene una solución diferente. Tratarlos como uno solo ("nuestra activación es mala") es cómo los equipos lanzan 6 meses de pulido de interfaz que no mueve la métrica.

El problema del estado vacío

Una interfaz de primera ejecución que muestra datos cero es el mayor obstáculo de activación en B2B PLG. Un dashboard en blanco se siente como tarea. El usuario se registró para ver el valor, y ahora el producto le pide 40 minutos de trabajo antes de mostrarle algo. Cierra la pestaña. No vuelve.

Tres patrones funcionan, en orden creciente de inversión:

Datos de muestra pre-poblados. El espacio de trabajo viene con un proyecto, oportunidad, documento o conjunto de datos sintético ya cargado. El usuario llega a un dashboard poblado y puede explorarlo. Los gráficos se renderizan. Los filtros funcionan. El producto parece vivo. La mejor versión permite al usuario eliminar los datos de muestra con un clic cuando esté listo, pero no obliga a tomar esa decisión de entrada.

Modo exploración antes del modo construcción. Un recorrido de solo lectura por un espacio de trabajo de demostración completamente poblado, seguido de un botón "crear el suyo propio". Notion hace una versión de esto. Linear también. El usuario siente el producto antes de tener que alimentarlo.

Recorridos de producto interactivos que producen un artefacto real. No el recorrido con superposición de interfaz del tipo "haga clic aquí, ahora haga clic aquí", que todo el mundo omite. El recorrido es un flujo guiado de 90 segundos que termina con el usuario siendo propietario de algo real: su primera oportunidad, su primer documento, su primera automatización. El recorrido es la primera acción, no un tutorial sobre la primera acción.

La solución equivocada es agregar más superposiciones de incorporación. Los carruseles de tooltips son el equivalente en activación de "¿ha intentado apagarlo y encenderlo?". Hacen que el equipo se sienta productivo. No mueven la métrica.

Patrones para resolver el bloqueo de valor

Cuando los usuarios completan la configuración o la primera acción pero nunca alcanzan el primer valor, existe un bloqueo de valor. Los patrones de solución, ordenados por palanca:

• Plantillas. Comience desde un ejemplo funcional, no desde un lienzo en blanco. La plantilla debe ser un artefacto real en su espacio de trabajo que puedan modificar, no un "paquete de inicio" que tienen que importar. Las plantillas elevan las tasas de primer valor más que cualquier otra intervención individual que haya visto.
• Muestras. Datos sintéticos que el usuario puede editar, ejecutar y probar. Diferente de las plantillas porque las muestras son datos de demostración dentro de una estructura vacía, mientras que las plantillas son la estructura misma.
• Botones de omisión. Permita a los usuarios avanzados saltarse la incorporación sin penalización. Un amigo growth PM midió en una ocasión que el 18 % de los registros de prueba omitían todo el flujo de incorporación cuando se les ofrecía la opción, y ese segmento tenía mayor activación que el que completaba la incorporación. Los usuarios rápidos quieren que los dejen solos. Asegúrese de que el camino de omisión no pierda sus datos de atribución.
• Listas de verificación con progreso visible. Una lista de activación de 5 elementos, persistente en la navegación lateral, con estado de finalización. El truco es que los elementos sean lo suficientemente pequeños como para que el primero esté completado para cuando el usuario termina de leer la lista. El impulso es el mecanismo real, no la lista de verificación.
• Intervenciones humanas. Correo del fundador a las 24 horas si el usuario no ha llegado al paso 3. No un correo de marketing. Un mensaje corto en texto plano: "noté que se registró, aquí está lo que el 90 % de los equipos hace primero." Tasas de apertura superiores al 50 %. Tasas de respuesta superiores al 5 %. Aprenderá más de esas respuestas que de cualquier grabación de sesión.

Combine los patrones. Plantillas más una lista de verificación más una intervención a las 24 horas moverán la activación más que cualquiera de ellos por separado.

Cómo probar cambios en la incorporación (secuencialmente, no en paralelo)

Las pruebas de activación no son pruebas de página de aterrizaje. La población es pequeña. La señal es ruidosa. Las pruebas interactúan entre sí de maneras que contaminan las lecturas. Ejecute una variante a la vez.

Reglas que sigo:

1. Una variante a la vez. Dos pruebas de incorporación en paralelo colisionarán. Un usuario que cae en la variante de plantillas de la prueba A y en la variante de lista de verificación de la prueba B ha sido tratado por ambas, y su análisis no puede separarlas sin más tamaño de muestra del que dispone.
2. Espere al menos 2 cohortes semanales completas. Los efectos de activación aparecen en el día 7, a veces en el día 14. Una prueba de 3 días le da un incremento de primera sesión que no se traduce.
3. Mire la retención en el día 7, no la finalización del paso. La finalización del paso es un número de vanidad. Una nueva lista de verificación que eleva la finalización del paso 3 del 50 al 70 % pero no mueve la retención en el día 7 es una victoria de interfaz y un no-resultado de crecimiento.
4. Pre-registre la hipótesis y el efecto mínimo detectable. Antes de lanzar la variante, escriba qué incremento espera y qué tamaño de muestra necesita para detectarlo con un poder del 80 %. Si la matemática indica que necesita 4.000 usuarios por grupo y tiene 600 registros por semana, la prueba durará 13 semanas. Decida eso de antemano, o elija una batalla diferente.
5. Cierre las malas pruebas rápido, pero sin mirar antes de tiempo. Si la señal direccional en la semana 1 es fuertemente negativa, ciérrela. No siga mirando resultados neutros esperando que se vuelvan positivos. Así es como termina publicando la variante peor con un falso positivo.

La parte más difícil es decirle que no al equipo que quiere ejecutar 5 pruebas de incorporación este trimestre. Puede ejecutar 2, quizás 3, con confianza. Más de eso y está produciendo movimiento, no señal.

La matemática del tiempo hasta el valor

El tiempo mediano hasta el valor (registro a momento aha) es la métrica más predictiva de la activación. Sígalo. Discuta sobre él. Redúzcalo.

Umbrales aproximados que he visto mantenerse:

• Menos de 10 minutos: excelente. La mayoría de los usuarios llegará en una sesión.
• Menos de 1 hora: aceptable. Algunos usuarios vuelven el día 2 para terminar.
• Más de 24 horas: la mayoría de los usuarios nunca vuelve. La sesión terminó y el producto no se ganó la segunda visita.

La matemática de reducir el tiempo hasta el valor es enormemente favorable. Un ejemplo real de un producto de analítica B2B:

• Antes: Tiempo mediano hasta el valor de 45 minutos (requería configuración de integración y espera de datos). Retención en el día 7: 22 %.
• Después: Tiempo mediano hasta el valor de 8 minutos (conjunto de datos de muestra al registrarse, integración real opcional). Retención en el día 7: 38 %.

Eso es un incremento de 1,7 veces en la retención del día 7 a partir de una sola intervención. El equipo de adquisición necesitaría duplicar el volumen de registros calificados para producir el mismo impacto corriente abajo, probablemente a 10 veces el costo. Por eso el trabajo de activación es el trabajo de crecimiento de mayor palanca en la mayoría de las empresas: no está comprando usuarios, está reteniendo a los que ya se presentaron.

Cómo el momento aha se relaciona con la retención

Por qué todo esto importa: los usuarios que alcanzan el momento aha en la semana 1 retienen entre el 60 y el 70 % en el día 30. Los que no lo hacen retienen entre el 15 y el 20 %. Eso es un diferencial de retención de 3 a 4 veces que se acumula durante toda la vida del cliente.

Un cálculo aproximado del impacto en el LTV:

• 1.000 registros mensuales
• 22 % de activación hoy: 220 usuarios activados, aproximadamente 150 retenidos en el día 30
• Elevar la activación al 40 %: 400 usuarios activados, aproximadamente 270 retenidos en el día 30
• 80 % más de usuarios retenidos con el mismo presupuesto de adquisición

Mismo presupuesto publicitario. Mismo SEO. Mismo pipeline de partners. Casi el doble de la base de usuarios retenidos. Ese es el argumento para financiar el trabajo de activación, y el argumento para asumirlo como growth marketer en lugar de dejar que se deteriore en la unión.

Lista de diagnóstico que puede ejecutar esta semana

Reserve 4 horas. Abra su almacén de datos y su herramienta de analítica. Recorra esta lista:

1. Extraiga curvas de retención de cohortes. Últimas 12 semanas de registros, retención en el día 7, 14, 30. Trácelas.
2. Liste 5 a 10 acciones aha candidatas. ¿Qué espera el producto que hagan los usuarios? Lístelas sin clasificar.
3. Calcule el diferencial de retención por acción. Realizaron vs. no realizaron, en la semana 1, trazado frente a la retención en el día 30. Encuentre la acción con la mayor diferencia y al menos el 30 % de adopción.
4. Instrumente los 5 pasos del embudo si aún no están disparando. Agregue el conjunto de propiedades (fuente, plan, team_size, rol, cohort_week).
5. Construya el dashboard de cohorte por paso y conversión. Una fila por semana de cohorte, una columna por paso.
6. Encuentre el peor paso. El que sangra 2 veces más que los demás. Asígnele el diagnóstico (fantasma, estado vacío, abandono en configuración, valor que nunca llegó).
7. Lance una corrección. Plantilla, muestra, botón de omisión o intervención a las 24 horas. Empareje la corrección con el diagnóstico.
8. Espere 2 semanas de cohorte. Lea los resultados en la retención del día 7, no en la finalización del paso.

Ese es el trabajo. No es glamoroso. No es un rediseño. No es una migración de plataforma. Un número, un paso que sangra, una corrección, dos semanas. Repita hasta que su activación de extremo a extremo supere el 40 %. Luego encuentre el siguiente paso que sangra.

Los growth marketers que más respeto tienen una opinión sobre su embudo de activación dentro de los primeros 30 días de unirse a una empresa. No una corazonada, sino un número, un diagnóstico y una cola de tres correcciones ordenadas por incremento esperado. Sea esa persona.

Aprenda más

• Descripción del puesto: Growth Marketing Manager
• Diseño de Experimentos de Crecimiento: De la Hipótesis al MDE y la Lectura de Resultados
• Métricas de Crecimiento: Momento Aha, Activación, Retención
• Bucles de Retención, Bucles Virales, Reactivación