Saltar al contenido
Marketing, Sales & Growth Evolution Program

Parte 17 — Marketing automation y revenue operations#

Esta parte trabaja el nivel Operación de ingresos del programa y su propósito es que llegues a poder integrar marketing, ventas y servicio en un solo modelo de datos y de proceso. Llegas desde la parte 16, CRM, pipeline y sales operations, y lo que allí quedó resuelto se da por sabido aquí. Lo que produzcas aquí es material de entrada para la parte 18, Customer experience, success y fidelización.

Son 14 clases, alrededor de 35 horas de estudio dirigido, y todas empujan hacia la misma pregunta:

¿Qué automatizo porque mejora el sistema y qué estaría solo escalando un desorden?

Esa pregunta no es retórica: al final de la parte tienes que poder responderla con un artefacto en la mano —operating model de RevOps con lifecycle, scoring, SLA, integraciones y observabilidad— y no con una opinión.

Sobre qué caso vas a trabajar#

Marketing entrega 300 leads mensuales y ventas trabaja 60. Cada área tiene su propio informe y ambos son correctos según su definición.

Todo el programa ocurre en la misma empresa, Ruta Andina SpA: Empresa chilena que vende una plataforma de agendamiento, pagos y CRM ligero para pymes de servicios (peluquerías, talleres, centros médicos pequeños, estudios contables). Tiene tres líneas de ingreso: suscripción SaaS (CLP 39.000 a CLP 199.000 mensuales por local), venta de hardware complementario por e-commerce y marketplace, y contratos anuales con municipios y corporaciones para digitalizar atención de público. Trabajar siempre sobre el mismo caso permite comparar decisiones tomadas en partes distintas y ver cuáles se contradicen entre sí.

Qué vas a saber hacer#

Las competencias que se desarrollan aquí son automatización con propósito, modelo de datos de ingresos y gobernanza operativa. Con ellas la parte habilita para el trabajo de Marketing ops, RevOps manager y Sales ops, que es donde estas decisiones se toman de verdad.

Cómo avanza la parte, clase a clase#

Las clases van en orden y cada una supone la anterior. Esta es la secuencia y los conceptos que introduce cada sesión:

#ClaseConceptos que introduce
01Automatización con propósitoproceso estandarizado, modo de falla, detección de falla
02Etapas de ciclo de vidaetapa de ciclo de vida, criterio de transición, flujo entre etapas
03Lead scoringpuntaje de ajuste, puntaje de comportamiento, validación del modelo
04Enrutamiento de leadsregla de asignación, tiempo de asignación, cobertura de asignación
05Nurturingsecuencia de maduración, pertinencia por etapa, avance de etapa
06Workflowscondición de entrada, condición de salida, prueba en ambiente controlado
07Acuerdo de servicio entre marketing y ventasdefinición compartida de lead calificado, compromiso de volumen, compromiso de atención
08Modelo de datos de RevOpsentidad, fuente autoritativa, estado válido
09Integracionesdirección de sincronización, latencia, manejo de errores
10Embudo de ingresosembudo unificado, definición compartida por etapa, pérdida por tramo
11Forecast unificadoingreso nuevo, renovación, expansión y contracción
12Calidad y observabilidadindicador de salud del sistema, alerta accionable, detección por reclamo
13Gobernanza de automatizacionesautoridad de cambio, registro de tratamiento, revisión periódica
14Operating model de RevOpsmodelo operativo de ingresos, cifra única, responsabilidad por proceso

Dónde se practica y cómo se evalúa#

Leer la parte no la acredita. Los laboratorios te hacen ejecutar el método sobre el caso; la evaluación de la parte comprueba que puedes sostener las decisiones sin el material delante; el caso extendido exige integrar lo aprendido en una recomendación completa, y en templates/ están los formatos que se usan para producir el artefacto. El resultado que va a tu portafolio es operating model de RevOps con lifecycle, scoring, SLA, integraciones y observabilidad.

Qué puede salir mal#

Automatizar comunicaciones sin base de licitud ni control de calidad y multiplicar el daño. Antes de llevar cualquier recomendación de esta parte a una operación real, revisa el mapa regulatorio y las reglas sobre datos personales: la norma vigente manda sobre el material pedagógico.

Bibliografía de la parte#

Estas son las obras sobre las que se apoya la parte, con lo que aporta cada una y en cuántas de sus 14 clases aparece. Está comprobado que cada obra existe y cuál es la edición —el título enlaza a su localizador—; que la idea atribuida esté en el capítulo que indica cada clase es la lectura del programa y está para que la contrastes. La columna «Acceso» dice de antemano qué puedes leer sin pagar.

ObraQué aportaClasesLocalizadorAcceso
Susan A. Ambrose et al. — How Learning Works (2010)principios de aprendizaje: conocimiento previo, práctica y retroalimentación14ISBN 9780470484104comprar o biblioteca
Peter C. Brown, Henry L. Roediger III y Mark A. McDaniel — Make It Stick (2014)recuperación espaciada, intercalado y dificultad deseable14ISBN 9780674419377comprar o biblioteca
Anders Ericsson y Robert Pool — Peak (2016)práctica deliberada con criterios explícitos y retroalimentación inmediata14ISBN 9781473513143comprar o biblioteca
Stephen G. Diorio y Chris K. Hummel — Revenue Operations (2022)integración de datos, procesos y equipos que producen ingreso como un solo sistema14ISBN 9781119871132comprar o biblioteca
William Ellet — The Case Study Handbook (2018, ed. revisada)análisis de casos: problema, decisión, evidencia y recomendación14ISBN 9781633696150comprar o biblioteca
Grant Wiggins y Jay McTighe — Understanding by Design (2005, 2.ª ed.)diseño inverso desde el desempeño observable14ISBN 9781416600350comprar o biblioteca
Andrew S. Grove — High Output Management (1983)output gerencial, indicadores adelantados y reuniones como herramienta de producción7ISBN 9780394532349comprar o biblioteca
Mark Roberge — The Sales Acceleration Formula (2015)contratación, formación, gestión y demanda comercial gobernadas por datos7ISBN 9781119047018comprar o biblioteca
Foster Provost y Tom Fawcett — Data Science for Business (2013)pensamiento analítico: formulación del problema, evaluación y valor esperado6ISBN 9781449374280comprar o biblioteca
NIST — AI Risk Management Framework 1.0 (2023)gobernanza de riesgo de IA: mapear, medir, gestionar y gobernar5DOI 10.6028/NIST.AI.100-1gratis
Alistair Croll y Benjamin Yoskovitz — Lean Analytics (2013)una métrica que importa por etapa y por modelo de negocio3ISBN 9781449335670comprar o biblioteca
Robert S. Kaplan y David P. Norton — The Balanced Scorecard (1996)traducción de la estrategia en indicadores causalmente conectados3ISBN 9780875846514comprar o biblioteca
Nick Mehta, Dan Steinman y Lincoln Murphy — Customer Success (2016)disciplina operativa de éxito de cliente: salud, renovación y expansión2ISBN 9781119168294comprar o biblioteca
Cathy O'Neil — Weapons of Math Destruction (2016)daños de los modelos opacos a escala y necesidad de auditoría2ISBN 9780141985428comprar o biblioteca
Dave Chaffey y Fiona Ellis-Chadwick — Digital Marketing (2022, 8.ª ed.)planificación digital integrada: canales, medición y gobierno1ISBN 9781292400990comprar o biblioteca
Ann Handley — Everybody Writes (2022, 2.ª ed.)estándar editorial: claridad, utilidad y empatía en la escritura comercial1ISBN 9781119854319comprar o biblioteca
ISO — ISO 31000: Gestión del riesgo (2018)vocabulario y proceso de gestión de riesgo aplicable a decisiones comerciales1fuente primariade pago
Aaron Ross y Marylou Tyler — Predictable Revenue (2011)especialización de roles comerciales y generación de pipeline predecible1ISBN 9780984380213comprar o biblioteca
Patrick Lencioni — The Five Dysfunctions of a Team (2002)confianza, conflicto productivo, compromiso, accountability y resultados1ISBN 9780787960759comprar o biblioteca
Seth Godin — This Is Marketing (2018)marketing como servicio a un público mínimo viable y construcción de confianza1ISBN 9780525540830comprar o biblioteca
Donald J. Wheeler — Understanding Variation (2000)distinguir variación común de variación especial antes de reaccionar a un KPI1ISBN 9780945320531comprar o biblioteca

De todas ellas, las que ordenan el criterio de esta parte son Stephen G. Diorio y Chris K. Hummel (Revenue Operations), Mark Roberge (The Sales Acceleration Formula), Andrew S. Grove (High Output Management), Robert S. Kaplan y David P. Norton (The Balanced Scorecard), Foster Provost y Tom Fawcett (Data Science for Business) y NIST (AI Risk Management Framework 1.0). Si sólo puedes leer una, empieza por Stephen G. Diorio y Chris K. Hummel — Revenue Operations.

La bibliografía completa del programa, con el uso de cada obra clase a clase, está en docs/BIBLIOGRAFIA.md; el registro con los localizadores comprobables, en sources/bibliography.json.


⬅ Índice del currículo · Programa