Saltar al contenido
Leandro Galicia
← Ver todos los casos

Caso operativo · Automatización conversacional · Instagram

De DMs manuales a un flujo automatizado de clasificación y derivación en Instagram

La implementación organizó conversaciones entrantes, clasificó intención y definió un siguiente paso distinto para cada tipo de mensaje.

Mamá Setter · ManyChat · OpenAI · Make · Calendly

Entrada organizadaRecepción de mensajes desde Instagram.
ClasificaciónLectura de intención según categorías.
BranchingUna acción diferente para cada recorrido.
Handoff humanoDerivación cuando la conversación lo requiere.

Punto de partida

El problema era operativo: cada conversación dependía del mismo tratamiento manual.

Los mensajes entraban por Instagram sin un criterio uniforme para reconocer intención, ordenar prioridades o definir el siguiente paso. La implementación debía estructurar esa entrada sin asumir volúmenes ni resultados comerciales que no formaban parte del alcance.

Mensajes fragmentados

Instagram puede recibir una misma idea distribuida en varios mensajes, por lo que el flujo debía contemplar el contexto antes de responder.

Sin clasificación común

Las conversaciones no contaban con categorías consistentes para separar interés, dudas o mensajes fuera del recorrido principal.

Siguiente paso variable

No todas las intenciones necesitaban la misma respuesta: algunas podían continuar automáticamente y otras requerían intervención humana.

Flujo implementado

Instagram DM → ManyChat → clasificación → acción según categoría.

01

Instagram DM

La conversación entra desde el canal.

02

ManyChat

El flujo recibe y organiza el mensaje.

03

Clasificación

La intención se asigna a un recorrido.

04

Acción

El sistema responde, deriva o finaliza.

Branching conversacional

Cada categoría activa un siguiente paso diferente.

Interesada

Puede recibir acceso a Calendly. El clic queda como evento del flujo y permite registrar avance hacia ese recurso.

Con duda

Se deriva para intervención humana y puede generar una notificación por email con acceso al contexto de la conversación.

Irrelevante

Sale del recorrido principal mediante una respuesta y clasificación coherentes con ese tipo de mensaje.

Alcance: recibir o hacer clic en un enlace de Calendly no equivale a una reunión agendada o realizada. El caso documenta la arquitectura del recorrido, no su rendimiento comercial.

ManyChatOpenAIMakeCalendlyEmail

Qué demuestra

Cada conversación dejó de depender del mismo tratamiento manual.

Arquitectura conversacional

Un recorrido modular conecta entrada, clasificación, respuesta y derivación.

Contexto para el equipo

Cuando se necesita una persona, el handoff conserva acceso directo a la conversación.

Siguiente paso consistente

Las categorías determinan qué acción corresponde sin tratar todos los mensajes de la misma manera.

Evidencia de implementación

Dos versiones documentan la evolución del flujo.

Los videos muestran la implementación existente. Se preservan como evidencia funcional y no se utilizan para atribuir resultados cuantitativos.

Versión con IA nativa de ManyChat

Evolución con ManyChat, OpenAI y Make

Aprendizaje

Automatizar no significa eliminar la intervención humana.

La automatización puede ordenar la entrada, resolver lo repetitivo y reservar la participación del equipo para las conversaciones que la necesitan. El valor está en decidir mejor dónde interviene cada parte del sistema.

Siguiente paso

¿Tu equipo sigue clasificando manualmente conversaciones que podrían llegar ordenadas?

La Auditoría Estratégica permite revisar el recorrido, la lógica de derivación y el papel que debería cumplir la automatización dentro del sistema.

Aplicar para Auditoría Estratégica →

Otros casos como este

Ver los 17 casos →