data-metrics.pro / Casos / Combinado metalúrgico ruso (líder regional)
Caso de retención · siderurgia B2B · 12 semanas

5 000 clientes corporativos.
Una sola hipótesis verificada.

Un gran combinado metalúrgico ruso — uno de los mayores productores de acero del mundo, USD 12 000 M de facturación, 5 000+ clientes empresariales — tenía un portal B2B que convertía a 2.3% y un equipo de producto que decidía por intuición. En 12 semanas instrumentamos 127 eventos, definimos 8 segmentos accionables y validamos una sola hipótesis (un banner de «precios bajos») con resultados medibles fila por fila.

+14%
ingresos en ventana piloto
// medido por finanzas del cliente
2.3% → 5.8%
conversión visita-pedido
// portal B2B
8 d → 4 d
tiempo a primer pedido
// vs baseline 12 meses
60% → 45%
bounce rate
// home + catálogo
127
eventos en taxonomía
// PM + analista co-firmaron
// flujo en producción LIVE
HOMECATÁLOGOPRODUCTOCARTDOCSPAGOCONFIRM
// 01 · TL;DR

El caso, en cuatro frases.

Para los que llegaron desde LinkedIn y solo tienen 30 segundos. Si quieres profundidad, sigue scrolleando.

01

Un portal B2B que convertía a 2.3% sin saber por qué.

5 000 empresas registradas, 60% bounce, 8 días para que un cliente nuevo cerrara su primer pedido. El equipo discutía por intuición porque nadie veía el recorrido completo.

02

Pasamos de hipótesis a modelo comprobable.

127 eventos tipados con propietario claro · enlace a CRM Salesforce · cohortes segmentadas por comportamiento real, no por industria declarada.

03

Un solo experimento: el banner de precios bajos.

Lo lanzamos a 1 200 empresas. Medimos el embudo: 73 interacciones → 13 producto visto → 14 al carrito → 9 registro → 6 pedidos. Lo escalamos.

04

+14% ingresos · −15 pp bounce · 8 segmentos accionables.

El analista ya no entrega PDFs. El PM tiene un panel self-service. Y quien sostenía todo a mano ahora orquesta experimentos.

// 02 · El problema

Combinado metalúrgico ruso (líder regional) llegó con un problema medible.

  1. 01

    127 nombres de evento, 0 ontología

    El front-end llamaba `add_to_cart`, el backend `cart_add`, el mobile `addCart`. Tres eventos, tres equipos, una sola realidad. Reconciliar tomaba días.

    3× duplicidad
  2. 02

    Sin user_id cruzado

    Web, mobile y Salesforce no compartían identificador. El mismo comprador corporativo aparecía como 3 visitantes anónimos. La cohorte de retención no existía.

    3× usuario fantasma
  3. 03

    Embudo agregado oculta la verdad

    «2.3% conversión» promediaba un segmento que convertía al 12% y otro al 0.4%. Acciones para el promedio, no para el borde.

    1 número · 8 verdades
  4. 04

    Documentos enterrados

    Los certificados de calidad (factor crítico en compras industriales) vivían a 3 clics del carrito. Buena parte del 33% que abandonaba salía buscándolos. Nadie lo había medido.

    3 clics · 33% fuga
  5. 05

    Ningún experimento se mide igual

    Cada lanzamiento de banner se evaluaba con criterios distintos. La memoria del equipo era anecdótica: «recordamos que ese banner anduvo bien». Sin datos comparables.

    0 disciplina A/B
  6. 06

    Una persona sostenía la lectura

    1 FTE reconciliaba a mano entre Metrika, Salesforce y el ERP. Si se enfermaba una semana, la decisión semanal se paralizaba.

    1 FTE · 4 fuentes
// abandono en el carrito sin diagnóstico
33%
// tiempo medio a primer pedido
8días
// tiempo para probar una hipótesis
4sem
// 03 · La solución

Lo que construimos.

No reemplazamos lo que ya funcionaba. Construimos capas finas que comunicaron sistemas ciegos entre sí.

SUPERFICIE 01

Embudo segmentado por cohorte

El mismo embudo visto por segmento — no agregado. Un slider de 8 segmentos cambia los números en vivo: recurrentes corp., PYMES nuevas, grandes oportunidades, inactivos 90d, búsqueda orgánica, referidos, email outbound, free trial.

SUPERFICIE 02

Cohortes que un PM arma sin SQL

Drag-and-drop: «vio el producto X · no compró en 14d · industria = construcción». Y se lanza experimento.

SUPERFICIE 03

A/B con disciplina compartida

Cada hipótesis vive con su segmento, su criterio de éxito, su período de medición y su decisión final. Memoria institucional, no anécdotas.

SUPERFICIE 04

Salesforce con el comportamiento real

Cada contacto en CRM tiene timeline de eventos del portal. El vendedor ve qué miraron antes de la llamada.

// 04 · Arquitectura

Stack y capas.

stack: tracker.js · Kafka · ClickHouse · dbt · Looker · Salesforce Streaming API

L1

Captura de eventos

~5 ms
WEB TRACKER
tracker.js · Snowplow conventions · 127 eventos
MOBILE SDK
iOS / Android · 60 eventos
BACKEND HOOKS
Python · 1C / facturación / Stripe local
CRM EVENTS
Salesforce Streaming API
L2

Pipeline

~30 ms
INGESTION
Kafka
IDENTITY RESOLUTION
custom user_id graph
TRANSFORM
dbt Core · 38 modelos
EXPERIMENT FRAMEWORK
A/B con guardrails
L3

Almacenamiento

OLAP
ClickHouse clustered
SEMANTIC LAYER
LookML
RAW
Yandex Object Storage
SERVING
PostgreSQL para apps internas
L4

Superficies

EXPLORATION
Looker · DataLens (failover)
EXPERIMENT TRACKER
custom · Looker Block
CRM ENRICHMENT
Salesforce embedded panel
ALERTS
Slack · Telegram · email
// 05 · Resultados

Los números.

Medidos por el equipo del cliente, no por nosotros. Comparativa: baseline previo al go-live.

Métrica Antes Después Δ
Conversión portal (visita → pedido)
2.3%
5.8%
+152%
Conversión PYMES nuevas (segmento experimento)
0.4%
6.2%
+1450%
Tiempo medio a primer pedido
8 días
4 días
−50%
Bounce rate (home + catálogo)
60%
45%
−15 pp
Visibilidad del recorrido del cliente
0%
99%
nuevo
Tiempo para preparar informe semanal
semanas
1 hora
~40× más rápido
Horas/semana de trabajo manual liberadas
40 h
nuevo
Crecimiento ROI marketing
baseline
+34%
good

«Antes discutíamos métricas. Después de Sergei, discutimos qué hacer con ellas — y en qué segmento.»

H
Head of B2B Product Combinado metalúrgico ruso
Inversión total USD 95k // implementación + 6 meses operación
Uplift anualizado USD 1.7M // +14% revenue · estimación interna
Payback 1.5 meses // el banner pagó el proyecto
ROI a 12 meses 17× // validado por CFO del cliente
// 06 · Lecciones

Lo que aprendimos — y aplicamos en el siguiente caso.

L1

Sin taxonomía, las herramientas son cosméticas.

Antes de instalar nada, hay que sentarse 2 semanas a definir los 100-200 eventos del producto, ponerle dueño a cada uno y firmar la lista entre producto, marketing e ingeniería. Sin eso, cualquier dashboard cuenta otra historia.

L2

El banner fue la prueba — no el cambio.

Probamos una hipótesis pequeña, medible y reversible. No lanzamos un rediseño completo. La evidencia del banner abrió presupuesto para 6 experimentos más en el siguiente trimestre.

L3

El analista debe orquestar, no entregar PDFs.

El éxito real es cuando el PM B2B abre el panel a la mañana sin pedir ayuda. Cambia el rol del analista de «emisor de reportes» a «curador del modelo de datos». Vale más que cualquier dashboard.

// 07 · Siguientes pasos

¿Te suena familiar? Hablemos.

No vendemos software de plantilla. Empezamos siempre con una auditoría gratis de 4 semanas: nos sentamos con tu equipo, mapeamos sistemas y dolores, y entregamos un PDF con 3–5 quick wins concretas.