Audience Discovery Agent para Marketing Cloud.
Los micro-segmentos que tu hipótesis nunca habría encontrado.
Un agente custom de Agentforce que explora Data Cloud y Calculated Insights de forma autónoma, detecta clusters de comportamiento no obvios y propone audiencias accionables con justificación. Para CRM Managers, Audience Strategists y Marketing Analysts que saben que están dejando segmentos rentables sin descubrir simplemente porque nadie los pensó.
¿Qué hace Audience Discovery Agent?
Audience Discovery Agent es un agente custom de Agentforce que opera sobre Data Cloud para Marketing y Calculated Insights. Mientras la segmentación tradicional depende de que el marketer formule la hipótesis primero (y entonces escriba la query), este agente invierte el proceso: explora la data en busca de clusters de comportamiento accionables y los presenta con justificación, tamaño y propensión esperada. El marketer revisa, valida y activa.
Cómo funciona paso a paso
De la exploración de Data Cloud a la activación en journey. 5 pasos.
Análisis de Data Cloud y Calculated Insights
El agente recorre DMOs de comportamiento, transacciones e interacciones recientes con la frecuencia que se le configure.
Detección de clusters no explícitos
Identifica grupos de contactos con patrones de comportamiento similares que no están definidos por reglas existentes.
Propuesta de audiencia con justificación
Devuelve nombre sugerido, tamaño, perfil, propensión esperada a la métrica objetivo y los criterios que la definen.
Marketer revisa y selecciona
El usuario acepta, modifica o descarta. Si acepta, la audiencia se crea en Segment Builder con lineage hacia el agente.
Activación a journey o campaña
La audiencia se activa con un test pequeño antes de scale. Los resultados retroalimentan al agente para futuras propuestas.
Ejemplo de interacción real
[Agente reporta una propuesta semanal]
[Marketer revisa y aprueba]
Arquitectura del agente
Los cuatro pilares que hacen funcionar al Audience Discovery Agent dentro de tu org de Salesforce.
Data
DMOs y fuentes de grounding
- Behavior DMO (web, app, email, SMS)
- Transaction DMO (compras, devoluciones)
- Customer Profile unificado
- Calculated Insights (LTV, RFM, propensión)
- Catálogo de productos con metadata
- Histórico de campañas y resultados
Actions
Lo que el agente ejecuta
- Explorar clusters en Data Cloud
- Calcular tamaño y propensión esperada
- Generar nombre y justificación
- Crear audiencia en Segment Builder
- Configurar test inicial y hold-out
- Reportar performance vs control
Trust Layer
Controles y guardrails
- Tamaño mínimo de audiencia configurable
- Validación de PII y consent por contacto
- Aprobación humana obligatoria pre-activación
- Lineage agente → audiencia auditable
- Bloqueo de segmentos con criterios sensibles
Channels
Dónde opera el agente
- Data Cloud Segment Builder
- Marketing Cloud Engagement
- Journey Builder
- Advertising Studio
- Slack / Teams (notificación de propuestas)
Implementación en 5 fases
De discovery a producción. Necesita Data Cloud maduro y un framework de validación de hipótesis: 8 a 10 semanas.
Discovery y métricas objetivo
Definir las métricas para las que el agente debe descubrir audiencias (conversion, LTV, churn, cross-sell), gobernanza y umbrales mínimos.
Data readiness
Auditar DMOs y Calculated Insights, validar Identity Resolution, completar metadata de catálogo de productos.
Agent build
Configurar Topics, Actions, prompts de exploración, plantillas de propuesta y framework de test.
Calibración con marketers
Sesiones con CRM Managers para refinar qué tipo de propuestas son útiles vs ruido, ajustar tamaños mínimos y framework de validación.
Go-live y feedback loop
Reporte semanal de propuestas activadas vs descartadas, lift de las audiencias en producción, revisión mensual de drift.
Equipo típico de implementación
Requisitos para arrancar
Lo que necesitás tener listo antes de poner Audience Discovery Agent en producción.
Datos mínimos
- Data Cloud con histórico amplio (≥12 meses)
- Calculated Insights de LTV, RFM y propensión
- Identity Resolution madura
- Catálogo de productos con metadata enriquecida
Licencias
- Marketing Cloud Engagement
- Data Cloud for Marketing
- Agentforce for Marketing
- Journey Builder + Segment Builder activos
Integraciones
- Data Cloud ↔ MCE sincronizado
- Advertising Studio (si activación a paid)
- Trust Layer y consent management
- Slack / Teams para reporte semanal
Org readiness
- Framework de test antes de scale
- Naming convention de audiencias
- Owner de governance designado
- Sandbox para validación inicial
KPIs: antes y después
Métricas operativas que mejoran cuando la segmentación deja de depender solo de la hipótesis humana.
| Métrica | Antes (segmentación por hipótesis) | Después (con discovery agéntico) | Cambio |
|---|---|---|---|
| Segmentos accionables descubiertos por mes | Baseline | 5 a 10 veces más | +5-10x |
| Conversión en audiencias descubiertas vs reglas | Baseline | +20 a 40% | +20-40% |
| Tiempo de exploración del marketer | Días por hipótesis | Revisar propuestas listas | -60-80% |
| Tiempo de propuesta a activación | Semanas | Días | -70% |
| Audiencias activas vivas | Baseline | +2 a 3 veces | +2-3x |
| Cross-sell capturado en segmentos no obvios | Bajo / opaco | Visible y medible | Material |
Caso anonimizado: retailer omnicanal regional. El equipo de CRM trabajaba con 8 audiencias maestras armadas a mano. En 90 días, el agente propuso 27 micro-segmentos accionables; 14 superaron el test inicial y entraron a producción, contribuyendo con un lift agregado en conversión que el equipo no habría descubierto sin el agente.
Tenemos casos en este agente — hablemos para compartir los relevantes a tu industria.
Riesgos comunes y cómo los mitigamos
Clusters espurios sin causalidad
Correlaciones que no implican comportamiento estable se filtran como audiencias.
Mitigación: framework de test obligatorio antes de scale, hold-out estable y umbrales de significancia mínimos.
Audiencias muy chicas sin volumen útil
Segmentos de 200 contactos no mueven la aguja por más relevantes que sean.
Mitigación: tamaño mínimo configurable por canal y caso de uso, fusión de micro-segmentos cuando aplica.
Governance del proceso de aprobación
Si todo lo que propone se activa sin filtro, se rompe la coherencia de la segmentación.
Mitigación: queue de aprobación con dueño designado, naming convention clara y revisión semanal del backlog.
Audiencias sensibles por consent o categoría
El agente podría proponer segmentos que cruzan categorías sensibles según LGPD / GDPR.
Mitigación: bloqueo automático de criterios sensibles (salud, religión, política) y validación de consent por contacto antes de activar.
Fatiga del marketer revisando propuestas
Si el agente genera demasiado ruido, las propuestas se ignoran.
Mitigación: ranking por lift esperado, tope semanal de propuestas y feedback loop que penaliza tipos de propuestas descartadas sistemáticamente.
Preguntas Frecuentes
No. Lo libera del trabajo de exploración manual para que pueda concentrarse en estrategia, validación de propuestas y diseño de campañas. El agente propone, el CRM Manager decide qué se activa.
Sí. El agente se apoya en DMOs y Calculated Insights. Sin Data Cloud el discovery no tiene sustrato. Si recién estás migrando, conviene esperar a tener la base lista antes de implementar este agente.
Tiene un tope mínimo de tamaño y un umbral de lift esperado por debajo del cual no propone. Además aprende del feedback: si descartás repetidamente cierto tipo de propuesta, la frecuencia baja.
El agente respeta el consent registrado en Data Cloud y bloquea criterios sensibles. Toda audiencia activada queda con lineage para auditoría: cuándo se propuso, qué criterios usó y quién aprobó la activación.
Con dos métricas: cuántas propuestas se activan vs descartan, y cuál es el lift agregado de las audiencias descubiertas vs el control. Lo hablamos en QBR mensual con el equipo de CRM.
Para ambos. En B2B el agente busca clusters de comportamiento de cuentas y de buyer personas dentro de cuentas. La diferencia es qué Calculated Insights se le configuran y qué métrica objetivo se persigue.
Audiencias que tu hipótesis nunca habría encontrado.
Hablá con un Marketing Architect de Solu. En una sesión de discovery revisamos tu Data Cloud y te mostramos qué clusters están a la vista esperando una campaña.