AI Skill Report Card

Diagnosticando Embudo de Ventas E Commerce

A-83·Nov 17, 2026·Source: Web
YAML
--- name: diagnosticando-embudo-de-ventas-ecommerce description: Analiza embudos de venta de e-commerce (producto, anuncios de Meta, tienda y oferta) para localizar por qué no se está convirtiendo y proponer acciones priorizadas. Se usa cuando un producto tiene tráfico de Meta Ads pero ventas bajas o nulas, cuando se necesita decidir si matar, pivotar o escalar un producto, o cuando se arma una oferta nueva para una campaña. ---

Diagnosticando Embudo de Ventas E-commerce (Meta Ads + Tienda)

13 / 15

Cuando el usuario pida un diagnóstico, pide primero estos datos mínimos (si no los dio ya) organizados por producto:

Por cada producto a analizar:
1. PRODUCTO: nombre, precio de venta, costo (si lo sabe), tiempo en el mercado,
   link de tienda/landing, proveedor (¿Dropi u otro?)
2. ADS: CTR, CPM, CPC, frecuencia, costo por resultado, ROAS, gasto total,
   días corriendo la campaña, retención de video (3s, 25%, 50%, 75%)
3. TIENDA: screenshots o link real de la página de producto, checkout
4. EMBUDO: visitas, add to cart, checkouts iniciados, compras (para calcular
   tasas de caída por etapa), carritos abandonados si hay dato

Si el usuario no tiene alguno de estos datos, no te detengas: analiza con lo que hay, marca explícitamente qué falta y por qué importa, y da conclusiones condicionadas ("si el CTR es bajo por fatiga de audiencia vs. por creativo débil, la acción cambia; con el dato de frecuencia lo resuelvo").

Luego sigue el workflow de 4 partes, en orden, sin saltarte ninguna.

Recommendation▾
Añadir un segundo ejemplo con un escenario distinto (ej. producto saturado/muerto, o tienda con buena prueba social pero ads débiles) para mostrar rango de diagnósticos.
14 / 15
Progress:
- [ ] Parte 1: Análisis del producto (vigencia, problema real, competencia)
- [ ] Parte 2: Análisis de anuncios Meta (números, segmentación, test sugerido)
- [ ] Parte 3: Análisis de tienda (4 categorías de fuga + causa raíz priorizada)
- [ ] Parte 4: Construcción de oferta (mínimo 2 opciones con lógica)
- [ ] Resumen ejecutivo: top 3 acciones por impacto, producto más prioritario

Parte 1 — Producto

Antes de concluir, lista qué falta (ej: "no sé el ranking de búsqueda del producto en biblioteca de anuncios, eso me dice si está en fase de pico o declive").

Evalúa:

  • Fuerza del problema que resuelve: ¿dolor agudo (compra impulsiva) o necesidad tibia (requiere educación)? Esto cambia toda la estrategia de ads y oferta.
  • Vigencia/saturación: cruza tiempo en el mercado del usuario con señales típicas de saturación (muchos anuncios iguales en biblioteca de Facebook, mismo creativo reciclado, CPMs subiendo sin razón estacional). Si lleva +60-90 días con métricas cayendo y hay saturación visible en biblioteca de anuncios → señal de producto quemado, no de embudo roto.
  • Alternativas al problema: no solo "productos competidores" sino cualquier forma de resolver el mismo dolor (incluyendo no comprar nada, soluciones caseras, productos sustitutos de otra categoría). Esto define qué tan fuerte debe ser la oferta para ganar la decisión.
  • Da veredicto explícito: Vigente / Vigente pero saturado / En declive / Muerto. Si está muerto o muy saturado, dilo de frente: ningún ajuste de ads o tienda va a arreglar un producto sin demanda real.

Parte 2 — Anuncios Meta

No evalúes "si el anuncio se ve bien", evalúa con benchmarks relativos al tipo de producto (impulso/dropshipping suele necesitar CTR >1.5-2%, CPM razonable depende de nicho y país):

  • CTR bajo + CPM normal → problema de creativo/hook, no de audiencia.
  • CTR bueno + costo por resultado alto / ROAS bajo → el tráfico llega pero algo después del clic falla (tienda u oferta) — esto conecta directamente con Parte 3 y 4.
  • Frecuencia alta (>3-4) con CTR cayendo → fatiga de anuncio, hay que rotar creativo, no apagar campaña.
  • Retención de video baja en los primeros 3s → el hook falla, sin importar qué tan buena sea la oferta.

Para segmentación: compara el "cliente ideal" descrito en Parte 1 contra edad/intereses/ubicación usada. Señala si hay desalineación obvia.

Propón una prueba A/B concreta, no genérica: qué variable (creativo/ángulo/audiencia), cuántas variantes, presupuesto mínimo por variante (regla práctica: ~3-5x el costo por resultado actual por variante), y duración mínima (3-4 días o hasta acumular ~50 resultados antes de decidir).

Parte 3 — Tienda

Revisa como cliente frío que llega del anuncio, no como dueño del negocio. Clasifica cada hallazgo en una de las 4 categorías (no mezcles):

  1. Prueba social: ¿hay reseñas visibles arriba del fold? ¿tienen fotos/video de clientes reales? ¿sellos de garantía o seguridad visibles en el botón de compra?
  2. Falta de información: tallas, envío (tiempo y costo claro), política de devolución, FAQ anticipando objeciones. La ausencia de esto genera fricción silenciosa que no se ve en métricas de ads pero mata la conversión en checkout.
  3. Incoherencia: compara mensaje del anuncio vs. lo que dice la landing vs. lo que se entrega. Si el anuncio promete 50% off y la tienda muestra precio normal, o el ángulo del video no coincide con el copy de la página, ahí se pierde la venta aunque todo lo demás esté bien.
  4. Atractivo visual / propuesta de valor: ¿en 3 segundos se entiende qué es, para quién y por qué comprarlo ahora?

Termina con ranking de causa más probable por impacto, no una lista plana. Ejemplo de razonamiento: incoherencia anuncio-tienda suele pesar más que falta de reseñas, porque rompe la confianza inmediatamente después del clic (momento de mayor intención).

Pide explícitamente: tasa de conversión real, % de abandono de carrito, y si hay grabación de sesión (Hotjar/Clarity) — sin esto, el diagnóstico de tienda es cualitativo, dilo.

Parte 4 — Oferta

Antes de proponer precios finales, pregunta: margen real, costo del producto, precio de competencia directa, volumen de inventario disponible (una oferta de urgencia con stock infinito no es creíble).

Mientras tanto, propone mínimo 2 estructuras de oferta con la lógica de cada una (no solo el formato):

  • Oferta de volumen (2x1, 3x2, 4x6): funciona mejor cuando el producto es de bajo costo unitario y el objetivo es subir el ticket promedio / aprovechar que el cliente ya decidió comprar.
  • Oferta de descuento escalonado (1 unidad precio normal, 2 con 25% off, 3 con 25% off): funciona para empujar el AOV sin regalar margen en la primera unidad, y da sensación de "mientras más compras, más ahorras" sin canibalizar el margen de entrada.

Para cada opción explica: a quién le sirve más (cliente de alta vs. baja intención), qué pasa con el margen, y cómo se debe reflejar tanto en el anuncio (hook de la oferta) como en la tienda (above the fold, barra de urgencia, countdown si aplica — solo si la urgencia es real: stock limitado real o ventana de tiempo real, nunca timer falso que se reinicia).

Recommendation▾
El output del ejemplo final está cortado ('en cuál inv...'); revisar y completar el documento antes de publicarlo.

Input: "Producto: masajeador de cuello, $89.900 COP, 45 días en mercado, CTR 0.8%, CPM $35.000, ROAS 0.9, frecuencia 1.8. Tienda: landing básica de Dropi sin reseñas."

Output:

PRIORIDAD: Alta - el embudo tiene fuga en 2 puntos simultáneos.

Parte 1 - Producto: 45 días es tiempo corto, no descartar por vigencia aún.
Problema (dolor de cuello) es real pero de intensidad media -> compra no 100%
impulsiva, necesita más prueba social que urgencia.
Falta dato: ranking en biblioteca de anuncios Facebook para confirmar saturación.

Parte 2 - Ads: CTR 0.8% está por debajo de benchmark (>1.5% esperado) ->
el problema es el CREATIVO/HOOK, no la audiencia. ROAS 0.9 con este CTR es
esperable, no concluyas aún que la tienda falla - primero arregla el hook.
Test sugerido: 3 variantes de hook (testimonio, antes/después, UGC) con
$15 USD/día cada una por 4 días antes de tocar audiencia.

Parte 3 - Tienda: Falta de prueba social es la fuga #1 (landing Dropi
default sin reseñas = cero confianza). Pedir: capturas reales de la página.

Parte 4 - Oferta: con margen desconocido, propongo pero no cierro precio:
Opción A: 1 unidad precio normal / 2da unidad 30% off (sube AOV, protege margen)
Opción B: Pack 2x1 con envío gratis (más agresivo, usar solo si margen >60%)
Necesito: costo del producto y precio de competencia para decidir cuál va.
  • Sé directo cuando algo no sirve: "este producto está en declive, ningún ajuste de tienda lo va a salvar" es más útil que suavizar.
  • Siempre conecta las 4 partes: una métrica de ads mala puede tener su causa raíz en la tienda o en el producto, no trates cada parte en aislamiento.
  • Prioriza por producto cuando hay varios: no des el mismo peso de análisis a un producto con 3 días de data que a uno con 60 días.
  • Usa terminología del sector sin explicarla (CTR, ROAS, AOV, hook, fatiga de anuncio) pero siempre explica el porqué de la recomendación.
  • Trata la urgencia/escasez de la oferta como un compromiso de credibilidad: si se sugiere, debe ser real o no se sugiere.
  • No concluir sobre producto o tienda con menos de 3-4 días de gasto en ads: es ruido estadístico.
  • No recomendar "subir presupuesto" como solución a un problema de creativo (empeora el gasto, no lo arregla).
  • No evaluar la tienda únicamente por estética; la incoherencia anuncio-landing suele pesar más que el diseño.
  • No dar oferta final sin margen/costo confirmado — dar opciones condicionadas es correcto, cerrar precio sin esos datos no.
  • No mezclar categorías de fuga en la tienda (prueba social vs. información vs. incoherencia vs. visual) en una sola lista; el usuario necesita saber en cuál inv
0
Grade A-AI Skill Framework
Scorecard
Criteria Breakdown
Quick Start
13/15
Workflow
14/15
Examples
15/20
Completeness
18/20
Format
14/15
Conciseness
12/15