Un CRM puede mostrar que una oportunidad se perdió por “precio”, “financiamiento”, “sin interés” o “no contesta”. El problema es que esas categorías rara vez explican qué ocurrió realmente.
Dos compradores registrados como “precio” pueden haberse detenido por razones completamente distintas. Uno no alcanza a completar el pie. Otro sí puede comprar, pero considera que un proyecto competidor entrega más valor por un monto similar. Para el CRM ambos casos son iguales; para el equipo comercial, no deberían serlo.
La información que permite distinguirlos muchas veces ya existe. Está repartida entre conversaciones de WhatsApp, correos, notas del CRM y registros de llamadas.
Con una herramienta conversacional de inteligencia artificial y una muestra bien preparada, es posible transformar esas conversaciones en un primer análisis de fricciones comerciales sin implementar software adicional.
La clave está en no pedirle a la IA que “adivine por qué se perdió la venta”, sino obligarla a trabajar con evidencia.
Qué queremos descubrir
El objetivo no es reemplazar el motivo de pérdida del CRM por otra etiqueta más sofisticada.
Buscamos responder, para cada oportunidad:
- ¿qué motivo expresó el prospecto?;
- ¿qué condición parece estar bloqueando el avance?;
- ¿qué parte de la conversación respalda esa conclusión?;
- ¿en qué etapa apareció?;
- ¿la inmobiliaria podría resolverla, influir sobre ella o no puede modificarla?;
- ¿qué acción comercial tendría sentido evaluar?
El resultado debería permitir pasar de esto:
Motivo de pérdida: precio.
A algo como esto:
Fricción: el comprador considera viable el valor del departamento, pero no completa el pie dentro del calendario actual.\ Evidencia: “Podría pagar el dividendo, pero no alcanzo a juntar ese pie antes de diciembre”.\ Capacidad de intervención: resoluble solo si existe una alternativa de pago autorizada.\ Acción a evaluar: revisar las condiciones vigentes para el pie.
Esa diferencia convierte una conversación en información que puede utilizarse.
Antes de analizar: selecciona una muestra que tenga sentido
Para una primera prueba no necesitas exportar toda la historia comercial de la inmobiliaria.
Conviene elegir un solo proyecto y una etapa comparable del proceso, por ejemplo:
- prospectos que visitaron pero no reservaron;
- oportunidades que cotizaron y después se perdieron;
- reservas que no avanzaron a la siguiente etapa.
Luego selecciona una muestra manejable de conversaciones. Como ejercicio inicial, pueden bastar algunas decenas de casos, dependiendo de la longitud de cada conversación.
Esto no pretende producir una conclusión estadísticamente representativa de todo el proyecto. Su función es comprobar si existen patrones que hoy están ocultos bajo motivos demasiado amplios.
Mezclar proyectos, etapas y tipos de comprador desde el comienzo puede dificultar la interpretación. Si una fricción aparece repetidamente en un grupo comparable, recién entonces vale la pena ampliar el análisis.
Paso 1: reúne las conversaciones y elimina lo que no necesitas
Las fuentes pueden ser:
- conversaciones de WhatsApp;
- correos;
- notas del CRM;
- transcripciones de llamadas, si existen;
- comentarios del ejecutivo asociados a la oportunidad.
Antes de copiarlas a una herramienta de IA, elimina datos que no sean necesarios para el análisis:
- nombre;
- RUT;
- teléfono;
- correo electrónico;
- dirección particular;
- datos bancarios;
- antecedentes personales que no aporten a entender la decisión.
Puedes reemplazar esos identificadores por códigos como CASO-01, CASO-02 o CASO-03.
La regla práctica es simple: si un dato no ayuda a entender por qué avanzó o no avanzó la oportunidad, no debería formar parte del análisis.
Esto es especialmente relevante porque las conversaciones comerciales contienen datos personales. En Chile, la Ley 21.719 entra en vigencia el 1 de diciembre de 2026 y refuerza el marco aplicable al tratamiento de datos personales, incluyendo actividades de análisis y perfilamiento.
Paso 2: prepara cada caso con el mismo formato
No pegues veinte conversaciones seguidas sin contexto.
Entrega a la IA una estructura mínima:
CASO-01
Proyecto: Proyecto A
Etapa: visitó / no reservó
Motivo registrado en CRM: precio
CONVERSACIÓN:
[pegar aquí solo los mensajes relevantes]
---
CASO-02
Proyecto: Proyecto A
Etapa: visitó / no reservó
Motivo registrado en CRM: financiamiento
CONVERSACIÓN:
[pegar aquí solo los mensajes relevantes]No es necesario incluir meses de conversación si el motivo aparece claramente en un intercambio breve.
Pero tampoco conviene recortar tanto que se pierda el contexto. Si el ejecutivo ofrece una condición y el prospecto responde a ella, ambos mensajes pueden ser necesarios para interpretar correctamente la objeción.
Paso 3: utiliza un prompt que obligue a trabajar con evidencia
Puedes usar una herramienta conversacional de IA que permita pegar texto y analizarlo en su modalidad gratuita. Para esta prueba importa más que puedas revisar la respuesta que la herramienta específica que elijas.
Utiliza un prompt como este:
Actúa como analista comercial de un proyecto inmobiliario.
Analiza cada caso usando solo la información entregada. No inventes motivos ni completes información faltante.
Para cada caso identifica:
1. motivo explícito del prospecto;
2. fricción subyacente más específica;
3. evidencia breve que respalda la clasificación;
4. familia de fricción;
5. capacidad de intervención: resoluble, influenciable, no resoluble o no determinada;
6. una acción comercial que valdría la pena evaluar, sin inventar ofertas ni condiciones;
7. confianza del análisis: alta, media o baja.
Si la conversación no permite determinar una causa, indica “no determinado”.
Devuelve primero una tabla por caso y después agrupa los patrones encontrados.Este prompt hace tres cosas importantes.
Primero, separa lo que el prospecto dijo de la interpretación.
Segundo, obliga a conservar una evidencia. Eso permite revisar rápidamente si la IA está clasificando bien.
Tercero, permite reconocer incertidumbre. “No determinado” es un resultado útil cuando la conversación no contiene información suficiente.
Paso 4: lleva el resultado a una tabla
La salida podría quedar así:
| Caso | Motivo CRM | Fricción detectada | Evidencia | Familia | Intervención | Acción a evaluar |
|---|---|---|---|---|---|---|
| 01 | Precio | No completa el pie en el plazo actual | “No alcanzo a juntar ese pie antes de diciembre” | Financiera | Resoluble si existe alternativa | Revisar condiciones vigentes de pago |
| 02 | Precio | Percibe mejor relación precio/equipamiento en otro proyecto | “Allá me incluyen estacionamiento por un valor parecido” | Percepción de valor | Influenciable | Comparar costos y atributos equivalentes |
| 03 | Financiamiento | No sabe si calificará al hipotecario | “Prefiero no reservar hasta saber si el banco me aprueba” | Financiera | Influenciable | Revisar proceso de apoyo financiero |
| 04 | Sin interés | Necesita mudarse después de la fecha prevista | “Mi problema es la fecha, no el departamento” | Timing | Depende del proyecto | Evaluar alternativa o recontacto asociado al hito |
Ahora sí puedes empezar a mirar patrones.
Quizás descubras que “precio” está agrupando cuatro problemas distintos. O que buena parte de los casos clasificados como “sin interés” corresponden en realidad a timing. O que una objeción aparece repetidamente después de la visita y casi nunca antes.
Ese es el valor del análisis.
Paso 5: no te quedes con la primera clasificación
La IA puede equivocarse.
Antes de sacar conclusiones, revisa una parte de los casos junto con alguien que conozca el proceso comercial del proyecto. La pregunta no debería ser “¿la IA lo hizo bien?”, sino:
¿Esta clasificación representa fielmente lo que ocurrió y nos ayuda a decidir algo?
Si aparecen categorías demasiado amplias, divídelas.
Si aparecen categorías distintas que describen prácticamente lo mismo, unifícalas.
Si el análisis empieza a atribuir intenciones que el prospecto nunca expresó, ajusta el prompt o descarta esa clasificación.
El objetivo no es obtener la taxonomía perfecta. Es construir una clasificación que el equipo comercial pueda reconocer y utilizar.
Del análisis de conversaciones al Friction Mapping
Este ejercicio permite descubrir las fricciones.
El siguiente paso es incorporarlas al proceso comercial para que no vuelvan a quedar escondidas dentro de una conversación.
Ahí entra el Friction Mapping para proyectos inmobiliarios: registrar la fricción principal de cada oportunidad, determinar si puede resolverse o influenciarse y asociarla a una acción comercial que el equipo pueda evaluar.
Los dos métodos cumplen funciones distintas:
El análisis con IA descubre qué está ocurriendo en las conversaciones.
El Friction Mapping convierte ese descubrimiento en una variable operativa del proceso comercial.
Qué puedes aprender sin comprar una herramienta nueva
Una prueba manual ya puede responder preguntas relevantes:
- ¿Qué significa realmente “precio” en este proyecto?
- ¿Qué fricciones aparecen con más frecuencia después de una visita?
- ¿Cuáles dependen del comprador y cuáles del propio proceso comercial?
- ¿Qué motivos de pérdida del CRM están escondiendo problemas diferentes?
- ¿En qué casos la inmobiliaria tiene una posibilidad real de intervenir?
- ¿Qué información falta porque los ejecutivos nunca llegaron a preguntar lo suficiente?
Este último punto es especialmente valioso.
Si muchos casos terminan como “no determinado”, el problema puede no ser el análisis. Puede ser que el proceso comercial esté cerrando oportunidades sin capturar la razón real.
Cuándo la prueba manual deja de ser suficiente
Copiar conversaciones funciona para explorar el método. No escala bien cuando existen cientos o miles de interacciones.
En una implementación más avanzada, el análisis puede ejecutarse sobre los canales comerciales autorizados y actualizarse de forma continua.
Un sistema de este tipo podría:
- tomar conversaciones nuevas desde las fuentes definidas;
- detectar posibles fricciones;
- conservar la evidencia que sustenta cada clasificación;
- marcar casos ambiguos para revisión humana;
- actualizar la fricción cuando aparece información nueva;
- agrupar patrones por proyecto, etapa o tipología;
- conectar cada categoría con un playbook comercial aprobado.
La dificultad ya no está solamente en “usar IA”. Está en integrar fuentes, mantener contexto, definir reglas, controlar acceso a los datos, evaluar la calidad de las clasificaciones y convertir el resultado en una acción dentro del proceso comercial.
Ahí una prueba gratuita se transforma en una implementación operacional.
Empieza por una pregunta que tu CRM hoy no pueda responder
No necesitas comenzar con una plataforma nueva.
Elige un proyecto. Selecciona un grupo comparable de oportunidades perdidas. Anonimiza las conversaciones. Utiliza el prompt. Revisa las clasificaciones con el equipo comercial.
Después formula una pregunta concreta:
Cuando nuestro CRM dice “precio”, ¿qué está diciendo realmente el comprador?
Si la respuesta empieza a dividirse en problemas específicos —pie, dividendo, comparación, percepción de valor, timing u otras fricciones— ya encontraste información que antes estaba enterrada en las conversaciones.
La siguiente decisión es qué hacer con ella y cómo incorporarla al proceso sin depender de un análisis manual cada vez.
Fuentes
- Biblioteca del Congreso Nacional: Ley 21.719. La norma modifica el marco chileno de protección y tratamiento de datos personales y entra en vigencia el 1 de diciembre de 2026.
- Biblioteca del Congreso Nacional: Ley 19.628, versión con vigencia diferida al 1 de diciembre de 2026. Referencia para principios y reglas aplicables al tratamiento de datos personales bajo la reforma.
