Loyalty Save / Win-back Agent.
Retención basada en datos, no en improvisación. Cada oferta justificada por LTV, motivo y guardrails comerciales.
Un agente Agentforce que detecta intención de cancelación por cualquier canal, clasifica el motivo en tiempo real, calcula el valor de retener al cliente y propone la oferta mínima viable del catálogo aprobado. Si el cliente acepta, ejecuta. Si rechaza, registra y permite la baja sin obstrucción. Implementado por Solu en 15 a 18 semanas.
¿Qué hace el Loyalty Save / Win-back Agent?
Reemplaza la retención improvisada (el agente humano ofrece lo primero que se le ocurre, sin contexto de LTV ni guardrails) por un proceso estructurado: detección de intención de cancelación, clasificación de motivo, scoring de valor de retención y oferta mínima viable calibrada por finanzas.
Para: operaciones de retención en telco, suscripciones SaaS, streaming, banca con productos opcionales y cualquier negocio con ventana de cancelación donde el costo de adquisición justifica invertir en retener.
Cómo funciona
7 pasos, desde la detección de intención de cancelación hasta el registro del outcome.
Cliente solicita cancelación
El cliente comunica su intención de baja por cualquier canal: llamada al call center, chat, email, formulario web o botón de cancelación en el portal. El agente detecta el intent independientemente del canal de entrada.
Verificación de identidad
El agente valida la identidad del cliente contra el Customer 360. Confirma que la cuenta está activa, verifica el producto o suscripción que quiere cancelar y extrae el historial relevante.
Análisis de motivo
Clasifica el motivo de cancelación en categorías accionables: precio, calidad del servicio, competidor, cambio de circunstancia (lifecycle) u otro. La clasificación determina qué tipo de oferta es pertinente y cuál no.
Scoring de retention value
Calcula el valor de retener al cliente combinando LTV residual, churn risk score, historial de saves previos y segmento. Si el valor es bajo o el cliente ya recibió múltiples saves, el agente puede proceder directamente a la baja sin oferta.
Recomendación de oferta
Selecciona la oferta mínima viable del catálogo aprobado: descuento temporal, downgrade de plan, freeze de suscripción o upgrade con descuento. La oferta se valida contra guardrails antes de presentarla: cap por intento, cap acumulado y elegibilidad del cliente.
Cliente acepta o rechaza
Si acepta: el agente ejecuta la oferta (aplica crédito, cambia plan, congela suscripción). Si rechaza: el agente registra la baja y la procesa sin obstrucción. El derecho a baja es irrestricto — el agente no insiste más allá de la oferta aprobada.
Log con outcome
Registra todo en el objeto Save_Attempt: motivo, oferta propuesta, oferta aceptada/rechazada, costo de la oferta, canal, duración. Para freezes, programa el seguimiento de win-back al término del período congelado.
Ejemplo real de interacción
Cliente telco llama al call center: "Voy a pasarme a la competencia, quiero cancelar mi plan". El agente detecta intent de cancelación y motivo competidor/precio.
Identifica motivo (precio + competidor), valida LTV alto y elegibilidad. Del catálogo selecciona: 30% off por 6 meses + 5 GB extra. Valida contra guardrails (cliente sin saves previos en 12 meses, cap no excedido). Presenta la oferta al agente humano en copiloto.
Cliente acepta. El agente aplica el descuento y los GB extra automáticamente. Registra save con costo, motivo y canal. Programa check-in del CSM a los 5 meses para renovación post-descuento.
Arquitectura técnica
Los 4 pilares del agente: datos, acciones, guardrails y canal de entrega.
Data
- Save_Attempt: custom object — registra cada intento de retención con motivo, oferta, outcome y costo
- Retention_Offer: catálogo de ofertas aprobadas con elegibilidad, cap y duración
- Guardrail_Rule: reglas de negocio validadas por finanzas (cap por intento, cap acumulado, exclusiones)
- Customer_360 DMO: perfil unificado con LTV, historial de saves, churn risk, segmento
- Churn_Signal DMO: señales de riesgo de cancelación desde producto, billing y soporte
Actions
- Apply_Credit — aplica descuento o crédito temporal
- Freeze_Subscription — congela la suscripción por período definido
- Downgrade_Plan — cambia al plan inferior manteniendo al cliente
- Apply_Upgrade_Discount — upgrade con descuento como oferta de retención
- Register_Cancellation — procesa la baja cuando el cliente rechaza
- Create_CSM_Followup — programa seguimiento post-save o post-freeze
Guardrails
- Catálogo cerrado de ofertas: el agente no inventa descuentos, solo selecciona del catálogo aprobado
- Cap por intento: límite máximo de costo de retención por save
- Flow valida elegibilidad antes de ejecutar: historial de saves, tiempo desde último save, segmento
- Derecho irrestricto a baja: cumple Profeco, Procon, Ley 26.992 — el agente no obstruye la cancelación
- Detección de serial discounters: flag para clientes que cancelan recurrentemente para obtener descuentos
- Einstein Trust Layer: zero data retention, PII masking
Channel
- Copiloto en voz: asiste al agente humano durante la llamada con la oferta y el contexto
- Autonomous en chat/email: maneja el flujo completo sin intervención humana
- IVR integration: detecta intent de cancelación desde el menú de voz y enruta al flujo de retención
- Slack/Teams al CSM: notificación post-save para seguimiento de cuentas de alto valor
Cómo se implementa
5 fases, 15-18 semanas. Equipo Solu + tu equipo de retención, finanzas y contact center.
Discovery y diseño del catálogo de ofertas
Mapeo de motivos de cancelación históricos. Definición del catálogo de ofertas con finanzas (10-25 ofertas con cap, elegibilidad y duración). Diseño de guardrails comerciales. Análisis de LTV por segmento para calibrar el scoring de retention value.
Data readiness e integraciones
Configuración de Save_Attempt, Retention_Offer y Guardrail_Rule. Conexión con sistema de billing (Zuora, SAP u otro). Ingesta de Customer 360 en Data Cloud. Integración con IVR/Contact Center para detección de intent en voz.
Build del agente
Configuración en Agent Builder: topics de cancelación, clasificación de motivos, lógica de scoring, selección de oferta. Desarrollo de actions (Apply_Credit, Freeze, Downgrade, etc.). Configuración de guardrails y validaciones. Testing con casos históricos de cancelación.
Piloto controlado
Activación en un canal (chat o email) con un segmento acotado. El agente opera en modo copiloto: sugiere la oferta al agente humano, quien decide si la presenta. Se mide: save rate, costo promedio de oferta, satisfacción del cliente post-save, adopción del equipo.
Rollout y modo autónomo
Expansión a todos los canales. Activación del modo autónomo en chat/email (sin intervención humana). Copiloto en voz se mantiene con asistencia al agente humano. Tuning del catálogo con datos del piloto. Dashboard de cost per save y win-back rate para finanzas.
Requisitos previos
Lo que necesitás tener (o que Solu te ayuda a configurar) antes de arrancar.
Service Cloud Enterprise+
Con Cases, Contact y Account configurados. Es la base sobre la que vive el flujo de retención y el registro de cada intento de save.
Agentforce License
Flex Credits (pay-per-use) o Agentforce Edition. El agente consume créditos por cada evaluación de cancelación y propuesta de oferta.
Billing system integrado
Zuora, SAP Billing u otro sistema conectado vía API o MuleSoft. El agente necesita leer y escribir en billing para aplicar descuentos, freezes y downgrades.
Catálogo de 10-25 ofertas definido
Ofertas de retención aprobadas por finanzas con reglas de elegibilidad, cap por intento y duración. Sin catálogo, el agente no tiene qué ofrecer.
Guardrails comerciales firmados
Reglas de negocio validadas por finanzas: cap máximo de descuento, límite de saves por cliente por período, exclusiones por segmento.
Data Cloud
Para unificar Customer 360 con LTV, churn signals y historial de saves en un perfil por cliente. Sin Data Cloud se puede arrancar, pero con menos precisión en el scoring.
Canal IVR / Contact Center
Para detección de intent de cancelación en voz y enrutamiento al flujo de retención. Sin IVR, el agente funciona en chat, email y web.
Historial de cancelaciones 6+ meses
Para calibrar motivos, scoring de retention value y efectividad del catálogo de ofertas. Con menos datos, los umbrales iniciales son más conservadores.
KPIs Before / After
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.
Riesgos y mitigaciones
Lo que puede salir mal y cómo lo prevenimos. Sin sorpresas.
Over-discount y fuga de margen
El agente otorga descuentos excesivos que retienen al cliente pero destruyen margen. El costo de retención supera el valor del cliente.
Mitigación: Catálogo cerrado con cap por intento y cap acumulado. El agente selecciona la oferta mínima viable, no la máxima. Dashboard de cost per save visible para finanzas. Revisión mensual del catálogo con datos reales de retención vs costo.
Hallucination de ofertas inexistentes
El LLM genera una oferta que no existe en el catálogo o que el cliente no es elegible para recibir.
Mitigación: El agente no genera texto libre para ofertas. Selecciona de un catálogo estructurado (Retention_Offer) con validación de elegibilidad en Flow antes de ejecutar. Si no hay oferta elegible, el agente lo comunica y no inventa.
Gaming del cliente (serial discounters)
Clientes que amenazan con cancelar repetidamente para obtener descuentos recurrentes. El flujo de retención se convierte en un canal de descuento.
Mitigación: Flag de serial discounter basado en historial de saves. Cooldown entre ofertas (e.g., máximo 1 save cada 12 meses). El agente detecta el patrón y ajusta la respuesta: oferta reducida o sin oferta con procesamiento directo de la baja.
Obstrucción del derecho a baja
El agente insiste demasiado o hace difícil la cancelación, violando regulaciones de protección al consumidor (Profeco, Procon, Ley 26.992).
Mitigación: Guardrail de compliance: máximo una oferta por intento de cancelación. Si el cliente dice "no", la baja se procesa inmediatamente. Opción de "cancelar sin hablar con retención" siempre disponible. Audit trail completo para reguladores.
Latencia en canal de voz
En llamadas telefónicas, la latencia del LLM genera silencios incómodos mientras el agente calcula la oferta.
Mitigación: En voz, el agente opera como copiloto del agente humano (no autónomo). Pre-carga el scoring y las ofertas elegibles mientras el agente humano verifica identidad. Para el piloto se recomienda iniciar con chat/email donde la latencia no es crítica.
Adopción del save desk
Los agentes de retención ignoran las sugerencias del copiloto y siguen ofreciendo descuentos ad-hoc por costumbre.
Mitigación: Change management desde discovery. El save desk participa en la definición del catálogo. KPI de adherencia al catálogo como métrica del equipo. Gamification: los agentes que usan el copiloto ven sus save rates comparados con los que no lo usan.
Preguntas Frecuentes
En la fase de discovery se trabaja con finanzas y el equipo de retención para definir 10-25 ofertas con sus reglas: tipo (descuento, freeze, downgrade, upgrade), monto o porcentaje, duración, elegibilidad por segmento, cap por intento y cap acumulado por cliente. El catálogo se carga como registros en Retention_Offer y se revisa mensualmente con datos reales de efectividad.
El agente tiene un guardrail de compliance: máximo una oferta por intento de cancelación. Si el cliente rechaza, la baja se procesa de inmediato sin insistencia. La opción de "cancelar directo" está siempre disponible. El audit trail registra cada interacción para cumplir con requerimientos de Profeco (México), Procon (Brasil), Ley 26.992 (Argentina) y regulaciones equivalentes en cada país.
El agente consulta el historial de Save_Attempt del cliente. Si tiene más de N saves en los últimos 12-24 meses (configurable), se activa el flag de serial discounter. La respuesta puede ser: oferta reducida, sin oferta (procesamiento directo de baja), o derivación a un supervisor. Los umbrales se definen con el equipo de retención en discovery.
El freeze congela la suscripción por un período definido (típicamente 1-3 meses). El cliente no paga durante el freeze pero mantiene la cuenta activa. Al terminar el período, la suscripción se reactiva automáticamente. El agente programa un seguimiento de win-back 2-3 semanas antes del fin del freeze para confirmar la reactivación o procesar la baja definitiva.
Sí, la integración con el sistema de billing es obligatoria. El agente necesita leer el estado de la suscripción y escribir cambios (descuentos, freezes, downgrades). La integración se hace vía MuleSoft o API directa, dependiendo del sistema. Zuora y SAP Billing tienen conectores pre-construidos que aceleran la implementación.
En chat y email, sí: el agente puede manejar el flujo completo de forma autónoma (detectar intent, clasificar motivo, proponer oferta, ejecutar). En voz, opera como copiloto del agente humano porque la latencia del LLM no es compatible con la expectativa de respuesta inmediata en llamadas. El modo autónomo se activa después del piloto controlado, cuando se valida la accuracy de las ofertas.
15-18 semanas desde kick-off hasta el primer canal en producción. Si ya tenés el catálogo de ofertas definido y el billing integrado, puede ser más rápido (12-14 semanas). El piloto controlado es parte del timeline — no se salta, porque necesitamos validar que las ofertas funcionan y que el equipo las adopta.
En canales digitales (chat, email, portal), el agente autónomo opera 24/7 y puede gestionar la retención en cualquier horario. En voz, si el call center está cerrado, la cancelación se procesa vía IVR con la opción de "recibir llamada del equipo de retención" al día siguiente. El agente registra el intent y programa el contacto.
Retención basada en datos, en producción en 15 semanas.
Hablá con un Retention Architect de Solu. En una sesión de discovery mapeamos tus motivos de cancelación y diseñamos el catálogo de ofertas para tu operación.