Cross-sell Agent.
Detecta la próxima compra antes de que tu AM abra el CRM
Un agente autónomo que analiza el portfolio de cada cuenta, lo compara con clientes similares y propone el producto complementario correcto en el momento correcto. Con pitch, materiales y handoff listo para el Account Manager.
Expansión sub-óptima. Productos complementarios mal identificados. AMs sin tiempo para analizar cuenta por cuenta qué más se le puede vender a cada cliente. El resultado: revenue de expansión que queda sobre la mesa trimestre tras trimestre.
¿Qué hace el Cross-sell Agent?
Analiza el portfolio de cada cuenta, lo contrasta con el comportamiento de cuentas similares (misma industria, tamaño, región) y detecta qué producto complementario tiene mayor probabilidad de conversión y en qué momento. No se limita a listar opciones: prepara el pitch específico y los materiales para que el AM solo tenga que ejecutar.
Cómo funciona
5 pasos automáticos. El AM recibe la oportunidad lista, no el trabajo de análisis.
Análisis de portfolio del cliente
El agente revisa todos los productos contratados, historial de compras, frecuencia, ticket y nivel de penetración de catálogo de cada cuenta activa.
Comparación con cuentas similares
Busca cuentas del mismo segmento (industria, tamaño, región) con portfolio más amplio y analiza qué productos adicionales compraron y en qué secuencia.
Identificación de producto + timing
Cruza el gap de portfolio con los patrones de cuentas similares para determinar qué producto complementario tiene mayor probabilidad y cuándo es el mejor momento para proponerlo.
Preparación de pitch y materiales
Genera un pitch personalizado por industria y cuenta, con argumentos de valor, caso de uso relevante y materiales de apoyo (one-pager, comparativo, ROI estimado).
Handoff al Account Manager
Crea la oportunidad en Sales Cloud, notifica al AM con el contexto completo y agenda el follow-up. El AM abre el CRM y tiene todo listo para actuar.
Ejemplo real de interacción
Detecté que clientes de SKU A en industria Manufactura suelen comprar SKU B entre el mes 6 y 8 de relación. La cuenta Acme Corp (AM: María López) está en el mes 7, no tiene SKU B, y su perfil de uso es consistente con las cuentas que convirtieron. Preparé un pitch específico con ROI estimado de 18% y un one-pager para la industria. Creé la oportunidad y notifiqué a María.
Recibe la notificación, abre la oportunidad en Sales Cloud, revisa el pitch y los materiales, y agenda la reunión con el contacto principal de Acme Corp. Tiempo de preparación: 3 minutos en vez de 2 horas.
Arquitectura técnica
Cómo se construye este agente dentro de la plataforma Agentforce.
Data
- Opportunity + OpportunityLineItem (historial de compras)
- Account (industria, tamaño, región, segmento)
- Product2 + PricebookEntry (catálogo completo)
- Data Cloud: comportamiento de uso, engagement, señales de intent
- Custom objects: health score, NPS, tickets
Actions
- Consultar portfolio actual de la cuenta
- Ejecutar clustering de cuentas similares
- Calcular gap de catálogo y probabilidad de conversión
- Generar pitch personalizado (Prompt Builder)
- Crear Opportunity + Task en Sales Cloud
- Notificar al AM vía Slack / email / in-app
Guardrails
- No contactar cuentas con tickets abiertos de soporte crítico
- Respetar período de cooling-off post-compra (configurable)
- Umbral mínimo de probabilidad para proponer (ej. >60%)
- Máximo de propuestas por cuenta por trimestre
- Escalamiento humano si el account tiene renewal pendiente
- Einstein Trust Layer: masking PII, zero data retention
Channels
- Sales Cloud (oportunidades + tareas)
- Slack (notificación al AM)
- Email interno (resumen semanal de propuestas)
- CRM Analytics (dashboard de cross-sell pipeline)
Cómo se implementa
5 fases, 10 a 16 semanas. Desde el diagnóstico de datos hasta el agente en producción.
Discovery y mapeo de cross-sell
Diagnóstico del catálogo, análisis de patrones históricos de expansión, identificación de clusters de cuentas y definición de reglas de negocio.
Data readiness y modelo de similitud
Limpieza de datos de producto, historial de compras y cuentas. Construcción del modelo de clustering y validación de los patrones con el equipo comercial.
Agent build en Agent Builder
Construcción del agente: role definition, actions (flows + Apex), prompts (Prompt Builder), guardrails, integraciones con Sales Cloud y canales de notificación.
Testing, Trust Layer y piloto
QA con datos reales, configuración de Einstein Trust Layer, piloto con un grupo de AMs en un segmento controlado. Medición de precisión y adopción.
Rollout y optimización continua
Despliegue a todos los AMs, tuning del modelo de similitud, ajuste de guardrails según feedback, dashboards de performance y expansión a nuevos segmentos.
Equipo típico de implementación
Diseña la arquitectura del agente, define actions, guardrails y modelo de datos.
Construye el modelo de clustering, configura Data Cloud y el pipeline de datos.
Implementa flows, Apex classes y la integración con Sales Cloud.
Valida reglas de negocio, patrones de cross-sell y criterios de priorización.
Onboarding de AMs, adopción del agente y feedback loop post-launch.
Requisitos previos
Lo que necesitás tener antes de arrancar.
Datos
- Sales Cloud con historial de Opportunities y OpportunityLineItems (mínimo 12 meses)
- Catálogo de productos limpio en Product2
- Accounts con industria, tamaño y región completados
- Ideal: Data Cloud con datos de uso y engagement
Licencias
- Sales Cloud Enterprise o Unlimited
- Agentforce (por conversación, Flex Credits o Edition)
- Data Cloud (recomendado, no obligatorio)
- Prompt Builder + Agent Builder
Integraciones
- ERP / sistema de facturación (para historial de compras completo)
- Slack o canal de notificación interno
- CRM Analytics (para dashboards)
- Opcional: herramientas de marketing automation
Organización
- Sponsor: VP de Sales o CS
- Sales Ops con conocimiento de reglas de cross-sell
- AMs dispuestos a participar en piloto
- Admin Salesforce con acceso a Agent Builder
KPIs: antes vs 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 (manual) | Con Cross-sell Agent | Mejora |
|---|---|---|---|
| Expansion revenue | Baseline | +15-30% sobre baseline | +15-30% |
| Oportunidades de cross-sell identificadas | Análisis manual, esporádico | Análisis continuo 24/7 | 3-5x más |
| Conversion rate de cross-sell | Baseline | +10-20pp sobre baseline | +10-20% |
| Tiempo de preparación por propuesta | 1-3 horas por cuenta | 3-5 minutos | -90% |
| Cobertura de cartera analizada | Top 10-20% de cuentas | 100% de cuentas activas | 5-10x |
Primeras oportunidades de cross-sell identificadas durante el piloto. ROI visible desde la fase 4.
Considerando implementación + licencias vs incremento en expansion revenue.
Retorno estimado sobre inversión total (implementación + licencias + consumo).
Riesgos comunes y cómo los mitigamos
Recomendaciones irrelevantes
El agente sugiere productos que no aplican para la cuenta o el momento.
Mitigación: Umbral de probabilidad configurable (mínimo 60%). Validación con reglas de negocio + feedback loop del AM para reentrenar el modelo.
Historial de compras incompleto
Datos de producto o transacciones fragmentados entre sistemas.
Mitigación: Fase de data readiness con integración de ERP/facturación. No se activa el agente hasta que el historial esté consolidado y validado.
AMs ignoran las recomendaciones
El equipo comercial desconfía del agente o no cambia su rutina.
Mitigación: Piloto con early adopters, métricas visibles de win rate en propuestas del agente vs manuales, integración en el workflow diario del AM (no una herramienta más).
Fatiga de propuestas
Demasiadas recomendaciones saturan al AM y al cliente.
Mitigación: Guardrails de frecuencia: máximo N propuestas por cuenta por trimestre. Priorización por score de probabilidad. El AM siempre puede marcar "no aplica" para ajustar el modelo.
Sensibilidad de datos de pricing
El agente accede a información de precios y descuentos que requiere control.
Mitigación: Einstein Trust Layer con masking de datos sensibles. Permisos granulares por perfil de Salesforce. Audit trail de cada acción. Zero data retention.
Preguntas Frecuentes
Sí, pero con menos precisión. Sin Data Cloud, el agente trabaja con el historial transaccional de Sales Cloud (Opportunities, LineItems, Accounts). Con Data Cloud se suman señales de comportamiento, uso y engagement que mejoran mucho la predicción de timing y la relevancia de la recomendación.
No tiene límite práctico. El agente analiza toda la cartera activa de forma continua. La diferencia con el análisis manual es que no necesita priorizar: revisa el 100% de las cuentas, no solo el top 20%.
Se construye un clustering basado en atributos de cuenta (industria, tamaño, región, segmento) y comportamiento de compra (secuencia de productos, timing, ticket). El modelo se valida con el equipo de Sales Ops y se ajusta con feedback real del piloto.
El AM puede marcar la recomendación como "no aplica" con un motivo. Ese feedback alimenta el modelo para mejorar las próximas recomendaciones. El agente aprende de los rechazos tanto como de las conversiones.
Sí. La misma arquitectura sirve para detectar oportunidades de upsell (upgrade de plan, aumento de volumen, tier superior). Se agregan actions y guardrails específicos para diferenciar cross-sell de upsell en las recomendaciones.
Mínimo 12 meses de historial transaccional en Sales Cloud para que el clustering tenga significancia estadística. Con 24+ meses la predicción de timing mejora notablemente. Si tenés menos de 12 meses, igual se puede arrancar con reglas de negocio manuales mientras se acumula data.
El Cross-sell Agent tiene un guardrail que detecta si la cuenta tiene renewal pendiente. En ese caso, no propone cross-sell sino que notifica al Renewal Agent (o al CSM) para que primero se resuelva la renovación. La expansión se propone post-renewal.
Tu revenue de expansión está esperando.
Hablá con un Agentforce Architect de Solu. En una sesión de discovery mapeamos las oportunidades de cross-sell de tu cartera y definimos el primer piloto.