Cross-sell & Upsell Strategist.
El producto complementario correcto, en el momento correcto. Cross-sell que el cliente espera, no que ignora.
El agente custom que entiende la orden actual, el perfil y el comportamiento del cliente para proponer el cross-sell o upsell con propensión real de conversión. Activa in-session, en checkout o post-purchase, en el canal donde el cliente vive. Para CRM Managers, Merchandising y Product Managers cansados del "los clientes que compraron esto también compraron".
¿Qué hace Cross-sell & Upsell Strategist?
Cross-sell & Upsell Strategist analiza la orden actual junto con el perfil unificado del cliente y su browsing reciente para identificar el producto complementario o el upgrade con mayor propensión de conversión en ese momento. Activa la oferta en el canal indicado (banner in-session, email post-purchase, WhatsApp en ventana contextual) con guardrails de frecuencia y margen.
Cómo funciona paso a paso
De la orden actual a la oferta enviada. 5 pasos con foco en momento del cliente.
Análisis del momento
Hidrata orden actual (SKUs en cart o ya comprados), perfil unificado del Customer 360 y browsing de las últimas 1-7 sesiones.
Identificación de productos complementarios
Cruza co-compra histórica, complementariedad técnica y stock disponible para armar el set candidato. Filtra los OOS y los que rompen política de marca.
Scoring de propensión
Para cada candidato calcula la propensión de conversión usando el comportamiento del cliente y el historial del segmento. Selecciona las 1-3 ofertas top.
Activación in-session o post-purchase
In-session: banner en PDP / cart / checkout. Post-purchase: email + WhatsApp dentro de la ventana contextual (típicamente 7-30 días según categoría).
Tracking de conversión y uplift
Atribuye la venta cross-sell, mide AOV incremental versus holdout group y reporta caídas en métrica para recalibrar propensity.
Ejemplo de interacción real
Arquitectura del agente
Las cuatro primitivas que sostienen al Cross-sell & Upsell Strategist dentro de tu org de Salesforce.
Data
Fuentes de grounding
- Order DMO (actual + 24 meses)
- Browsing Events (Data Cloud)
- Customer 360 unified profile
- Catalog DMO + co-compra
- Inventory por canal
- Propensity by SKU model
Actions
Lo que el agente ejecuta
- analyzeMoment
- identifyComplementarySKUs
- scorePropensity
- renderInSessionOffer
- triggerPostPurchaseJourney
- logConversion
Guardrails
Controles de confianza
- Frequency capping post-purchase
- Filtro OOS y márgenes negativos
- Política de marca y exclusiones
- Holdout group del 10%
- Trust Layer + PII masking
Channels
Dónde se activa la oferta
- Banner PDP / cart / checkout
- Email post-purchase (vía MCE)
- WhatsApp dentro de ventana
- Push de app móvil
- In-app banner
Requiere Data Cloud: Recomendado (Customer 360 + browsing events)
Requiere Marketing Cloud Engagement: Sí (para journeys post-purchase)
Requiere Einstein Trust Layer: Sí (incluido en Agentforce)
Implementación en 5 fases
De discovery a producción. Cross-sell & Upsell Strategist activando ofertas en 8-12 semanas.
Discovery del catálogo y segmentos
Workshop con CRM, Merchandising y Product. Mapeo de productos hero, complementariedad, ventanas post-purchase por categoría y exclusiones de marca.
Data readiness
Order DMO de 24 meses, Browsing Events vía Web SDK de Data Cloud, identidad resuelta cross-device, modelo de co-compra y propensity por SKU.
Agent build
Topics, Actions, journeys MCE post-purchase, plantillas pre-aprobadas WhatsApp, banners para PDP / cart / checkout.
Piloto controlado por categoría
Activación en 2-3 categorías hero. Holdout del 10% desde el día 1 para medir uplift real. CRM Manager revisa cohortes semanales.
Rollout y retrospectiva
Expansión a todas las categorías relevantes. Retrospectiva mensual con uplift, AOV incremental y propuestas de ajuste de ventanas y propensity.
Equipo típico de implementación
Requisitos para arrancar
Lo que necesitás tener listo antes de poner Cross-sell & Upsell Strategist en producción.
Datos mínimos
- Histórico de compra y co-compra 24 meses
- Browsing Events capturados (Data Cloud)
- Identidad resuelta cross-device
- Catálogo con atributos enriquecidos
Licencias
- Commerce Cloud (B2C, B2B o D2C)
- Agentforce for Commerce (Flex Credits)
- Data Cloud (recomendado)
- Marketing Cloud Engagement
Integraciones
- MCE (journeys post-purchase)
- WhatsApp Business templates
- Web SDK de Data Cloud
- Inventory en near-real-time (OCI)
Org readiness
- Sponsor en CRM y Merchandising
- Política de cross-sell aprobada
- Ventanas por categoría definidas
- Consent layer al día
KPIs: antes y después
KPIs esperados al implementar este agente. Rangos referenciales para planificación; los resultados reales dependen del estado de los datos y la operación de cada empresa.
| Métrica | Antes | Después | Cambio |
|---|---|---|---|
| Conversion de cross-sell | Baseline genérico | +15-30% | Lift sostenido |
| AOV (ticket promedio) | Baseline | +10-20% | Mejora |
| Cross-sell genérico ineficaz | Baseline | -50%+ | Reducción |
| Repurchase 30-90 días | Baseline | +12-22% | Retención |
| Tasa de opt-out post cross-sell | Baseline | -20-30% | Mejor relevancia |
| Time-to-value | N/A | 4-8 semanas post go-live | Progresivo |
Solu entrega dashboard con uplift incremental versus holdout, AOV por categoría, conversión por canal y monitoreo de fatiga post-purchase.
Riesgos comunes y cómo los mitigamos
Ofertas irrelevantes erosionan confianza
Recomendar productos sin relación con la compra actual genera ruido y caída de relevancia percibida.
Mitigación: Filtros estrictos de complementariedad (técnica + estilo + categoría), umbral mínimo de propensity para activar oferta, revisión manual del Merchandising para categorías sensibles.
Sobre-comunicación post-purchase
Una sola compra dispara 4-5 mensajes de cross-sell en distintos canales y el cliente se da de baja.
Mitigación: Frequency capping global por orden y por canal coordinado con MCE. Detección de fatiga (caída en open rate) y pausa automática.
Dependencia de calidad de datos de comportamiento
Sin browsing events bien capturados, el agente sólo trabaja con histórico estático y pierde el momento.
Mitigación: Auditoría del Web SDK de Data Cloud antes del go-live. Cobertura de eventos críticos validada (pageview, add-to-cart, search, purchase) por SKU.
Recomendar productos OOS
Una oferta de cross-sell con stock cero genera frustración inmediata y pierde la conversión disponible.
Mitigación: Hydrator de Inventory antes del scoring. Si el SKU no tiene stock disponible en el canal del cliente, queda fuera del set candidato sin excepción.
Sesgo a bestsellers
El modelo concentra cross-sell en los SKUs más vendidos y deja sin exposición al long tail relevante.
Mitigación: Diversidad explícita en el set candidato. Capping de exposición de bestsellers. Métrica de coverage de catálogo en el reporte mensual.
Preguntas Frecuentes
No. Einstein recommendations puede coexistir como input. El agente agrega razonamiento contextual sobre el momento del cliente, la coherencia con la orden actual y el canal. La estrategia típica es activar el agente en cross-sell post-purchase y dejar Einstein operando en recomendaciones in-PDP del catálogo general.
Sí. La activación in-session vía banner PDP / cart / checkout no requiere email ni MCE. Funciona con browsing events del Web SDK y la orden en curso. La activación post-purchase agrega email + WhatsApp para extender la ventana de oportunidad.
Idealmente 24 meses de Order DMO para tener cobertura de estacionalidad. Con 12 meses ya se puede arrancar pero el modelo de co-compra es más débil en categorías de baja frecuencia. Browsing events de mínimo 90 días para entrenar la propensity model.
Mantenemos un holdout group del 10% sin intervención. El reporte mensual compara conversión y AOV de la cohorte expuesta versus el holdout. El número que importa es el uplift incremental, no la conversión absoluta de la oferta.
Sí, con dos diferencias: cross-sell B2B trabaja sobre contratos y precios negociados, no sobre catálogo público. Y la activación suele ser dentro del portal B2B y vía email al comprador, no WhatsApp. La lógica de complementariedad técnica es similar a B2C.
Lift en conversión de cross-sell suele aparecer en 4-8 semanas post go-live, una vez que el modelo de propensity calibró con datos reales. AOV incremental se sostiene a partir del segundo mes con la cohorte expuesta acumulando órdenes.
Cross-sell que el cliente espera, no que tu cliente cierra.
Hablá con un Commerce Architect de Solu. En discovery mapeamos las categorías hero y la primera oportunidad de uplift medible.