Para finalizar el Programa de Dirección y Cultura de Producto de Instituto Tramontana, tuve que construir un producto digital en seis semanas junto a Paula Carrasco, experta en diseño de machine learning en Mercado Libre y Asier García, cofundador y CTO de Chubbyapps. Tenía que resolver un problema real y cercano a nosotros. Elegimos algo que Asier sentía muy de cerca: la frustración de tener que personalizar decenas de correos electrónicos cada vez que enviaba notas de prensa a los medios. Él notaba que esa personalización mejoraba la respuesta de los prescriptores. Esto nos llevó a una idea: M.A.P.I.A. (Mails Automáticos Personalados por Inteligencia Artificial).
Las relaciones personales son clave
Nadie quiere sentirse un número. Nos gusta que nos llamen por nuestro nombre. Este es el primer paso para construir una relación personal y una conexión con las personas con las que conversamos. Cuanto más interactuamos, más nos conocemos y más personales se vuelven nuestras relaciones. El vínculo se fortalece y lo que comunicamos tiene un mayor impacto. Sin embargo, a menudo desaprovechamos esa oportunidad en nuestras relaciones virtuales.
Piensa en los correos masivos. Cuando recibimos uno, a menudo nos sentimos uno más, alguien del montón. Este trato anónimo desaprovecha la oportunidad de crear una conexión emocional con la empresa o persona que lo ha enviado.
Recuerdo a Dale Carnegie, en su clásico How to Win Friends and Influence People, donde defiende la importancia de llamar a las personas por su nombre. O la idea de Ursula K. Le Guin en A Wizard of Earthsea, donde los nombres poseen un poder inherente. Llamar a las personas por su nombre es un primer paso para ponerlas en valor y establecer una mayor conexión.
Existen aplicaciones que intentan incluir el nombre y otros datos en campañas de mailing utilizando etiquetas. A veces, esto incluso provoca errores en el texto del correo. Pero, además, limitarnos al nombre nos hace perder la oportunidad de crear un vínculo más profundo y una relación personal genuina que perdure en el largo plazo.
Aquí es donde entra la Inteligencia Artificial. Aprovechando su potencial, podemos generar correos electrónicos con una mayor o menor capa de personalización de forma automatizada. Esto facilita crear un sentimiento de cercanía con los destinatarios. Como decía Simon Sinek en una de sus charlas, las relaciones y las conexiones son la fuerza más poderosa en el planeta, algo invisible que moldea nuestras vidas.
La personalización funciona
Para Chubbyapps es fundamental establecer relaciones personales con los prescriptores. Esto asegura que conozcan sus productos y los promocionen en sus canales. Los esfuerzos que realizan para cultivar una relación cercana con aquellos que han hablado sobre ellos son un pilar esencial en su estrategia a largo plazo. Buscan posicionarse como una empresa accesible, atenta a las necesidades de los demás, lo que refuerza su reputación y visibilidad en el mercado.
Cuando hay una novedad, preparan un correo base que usan como plantilla. Después, revisan los intereses de cada prescriptor para adaptar el mensaje. Por ejemplo, mencionan cuándo tuvieron contacto por última vez o cómo la novedad se conecta con sus intereses. Con este enfoque, su correo no es una campaña más en la avalancha de mensajes diarios, sino una interacción genuina.
¿Cómo funciona Mapia?
Mapia permite personalizar correos a partir de un texto inicial, que se alimenta de una base de datos con diferentes niveles de complejidad. Con esos correos, puedes mantener actualizados a tus prescriptores sobre la actividad de tu empresa, relacionándola con sus intereses, publicaciones y la relación que ya mantienes con ellos.
Esta funcionalidad no se limita a las notas de prensa. También se puede aplicar en mailmarketing o en la gestión de clientes por parte de un equipo comercial.
El corazón de la aplicación es la personalización masiva de correos electrónicos. Otras funcionalidades como la conexión a CRMs, integraciones con clientes de correo o envíos, son consideradas secundarias en esta primera fase. Al principio, nos centraremos en una capa de personalización sencilla, como el nombre y el tono del correo (de más formal a menos formal), para validar la idea. A partir de ahí, basándonos en el feedback que recibamos, valoraremos las siguientes funcionalidades a implementar.
El alcance de Mapia: poniendo límites al producto
El trabajo de diseño de producto es un equilibrio. Es fácil dejarse llevar por las ideas y querer abarcarlo todo. Pero para construir algo útil y robusto en un tiempo limitado, es crucial saber dónde poner el foco.
Inicialmente, el centro de Mapia es la personalización masiva. Sin embargo, la periferia de funcionalidades que imaginamos para el futuro es amplia: descubrir nuevos prescriptores, perfilar asistidamente a los destinatarios, personalizar el tono de comunicación, extraer intereses de un cuerpo de texto, detectar nuevas interacciones de prescriptores ya identificados, completar su perfil, asignar un score de relación, realizar envíos masivos, detectar el ritmo de la conversación o incluso fomentar la relación con un «cool start».
La tarea principal de Mapia se centra en el procesado de texto y requiere visualizar bastante información. Por eso, nos hemos enfocado en una versión de escritorio, concretamente una aplicación que corre en el navegador. De momento, descartamos las versiones para móvil, TV, tablet o dispositivos conversacionales.
El camino no siempre es fácil: problemas y aprendizajes
Construir un producto en tan poco tiempo, seis semanas, conlleva sus desafíos. Algunas cosas pueden salir mal, y es importante ser consciente de ello. Por ejemplo, podríamos enfrentar una falta de adherencia si la aplicación se usa poco en ciertos perfiles, como el envío puntual de notas de prensa.
Otra preocupación era la dependencia de herramientas como Lovable. Es una gran «caja negra» en la que no siempre sabemos qué pasa, ni si podremos escalar en caso de necesidad. Esto podría llevarnos a un producto con funcionalidades o diseño pobres, al depender de las conexiones que se incentivan en su plataforma, como Supabase. También existe el riesgo de que nuestro caso de uso inicial sea tan de nicho que no nos permita expandir el producto a una base de usuarios más amplia. Y, por supuesto, la competencia. Que plataformas de mailmarketing como Mailchimp saquen algo similar, añadiendo una capa de personalización, es una posibilidad. Al fin y al cabo, es fácil copiar, y no tenemos nada «hard-to-copy».
El prototipo
Hemos creado un prototipo inicial con Lovable, dedicándole apenas una hora de desarrollo. Creemos que es suficiente para mostrarlo y obtener feedback de otras personas. No queremos hacer cosas solo porque podamos hacerlas, eso añadiría una complejidad innecesaria al producto. Puedes acceder a la versión que ya está publicada aquí: https://app.mapia.tech/ (solo realiza envíos a través de los dominios mapia.tech).
Al principio, nuestro alcance solo contemplaba el paso de personalización. Sin embargo, al introducir el prompt en Lovable, la herramienta generó más funcionalidades de las que habíamos descrito inicialmente. Esto me llevó a una reflexión sobre la flexibilidad y el aprendizaje continuo.
Recopilación de señales
Hablar con las personas que podrían usar Mapia es esencial. Sus insights nos ayudan a refinar el producto.
Tuve la oportunidad de conversar con Alfredo Lores, especialista en marketing y fundador de una academia de idiomas. Él ya realiza un proceso similar, aunque con mucha carga manual, principalmente para mantener la relación con los leads. Para él, sería prioritario poder conectar la aplicación directamente a un CRM para que recoja los datos y el estado de cada cliente. Me decía: «Ayúdame a recuperar la relación con este cliente». Para Alfredo, era importante que, incluso ante respuestas negativas, se generara una contestación amable. «Lo problemático es que parezcan robots», me comentó. También le parecía potente para campañas de nurturing en mail marketing o para perfilar dominios de empresa y automatizar mails de puerta fría con personalización. Otro ejemplo que me dio fue su academia: la aplicación podría tomar la ficha del alumno y automatizar correos en momentos clave como Navidad o cumpleaños.
También hablé con Emma González, dedicada al marketing y la comunicación, cuyo caso de uso es similar al de Asier: envía notas de prensa a muchos medios. Ella personaliza muy poco, por falta de tiempo y porque sabe que en algunos casos no obtendrá respuesta. Para ella, un nivel de personalización tan profundo como el que se muestra en la demo del MVP no sería necesario al principio. Bastaría con determinar el tono del mail: de menos a más formal. Valora que el mensaje se aleje de la sensación de ser enviado a través de una lista de distribución. «La parte personal es una diferencia en nuestra empresa y lo reflejamos en la comunicación», me dijo. Sin embargo, me confesó: «Me da terror delegar en la inteligencia artificial porque en algo personal no sé qué va a sacar». Sus palabras me hicieron reflexionar sobre la confianza y la necesidad de transparencia en los procesos de IA.
Estos insights son valiosísimos. El comentario de Emma sobre la información personal «en la cabeza» nos hizo dudar de si la gente crearía una nueva agenda solo para esto. Esto nos llevó a la conclusión de que sí hay un hueco para mailingmasivo con un nivel de personalización que haga los correos más «auténticos».
Pivotando con Mailchimp
Después de algunos prototipos fallidos por complejidades técnicas (especialmente con OAuth y las APIs de Google), decidimos pivotar. Concluimos que podríamos hacer una aplicación integrada con Mailchimp y publicarla en su directorio de integraciones.
Una integración con Mailchimp es un producto pequeño, manejable, rápido de crear y muy útil para los usuarios, ya que ya tienen audiencias creadas con datos recopilados. Podríamos haberlo hecho con otra plataforma, pero Mailchimp tiene casi el 70% de la cuota de mercado.
Hicimos una nueva prueba de concepto. Esto nos sirvió para analizar la viabilidad de la idea y mejorar la definición del uso de la aplicación: utilizar OAuth para que el usuario conecte directamente con su cuenta de Mailchimp y que el envío de correos usara la API específica para emails transaccionales, ya que la de campañas no permite el envío masivo de mailstan diferentes.
Esta segunda semana nos sirvió para ampliar nuestro conocimiento técnico y tener un producto mejor definido. También aprovechamos para definir algunos aspectos visuales.
Personalización a través de las notas
En la tercera semana, el objetivo era refinar el prompt de personalización y crear un nuevo prototipo con autenticación Mailchimp y que tomara las notas de los contactos para la personalización. Y lo conseguimos.
Comencé a construir el prototipo de nuevo en Lovable. El motivo principal fue aplicar los aprendizajes de prompting sin heredar código de versiones anteriores, obteniendo una aplicación más «limpia». El primer prompt que le pasé a Lovable fue bastante detallado, incluyendo la estructura de la aplicación, el flujo de login con OAuth2 de Mailchimp, la selección de audiencias, la escritura del email, el envío a OpenAI para la personalización, la visualización de los mails generados y la opción de envío masivo con la API transaccional de Mailchimp. Incluso le di una paleta de colores y un estilo minimalista inspirado en Linear.
A partir de ahí, fui iterando y ajustando detalles. La autenticación con OAuth2, que me preocupaba, fue rápida y sencilla gracias a los aprendizajes de la semana 2.
El prompt para la personalización de los correos lo redactó mi compañera de equipo Paula Carrasco, Sr. Machine Learning Designer en Mercado Libre.
Y tras esta semana, ya teníamos una aplicación funcional conectada a Mailchimp que personaliza e-mails de forma masiva.
Fracasando
La cuarta semana estuvo plagada de fracasos, pero también de muchos aprendizajes. Nuestro objetivo de darnos de alta en el marketplace de Mailchimp se topó con un requisito: tener 25 usuarios conectados. Algo que, de momento, tendremos que posponer.
Pero el mayor escollo fue configurar la aplicación para enviar correos con la API transaccional de Mailchimp (Mandrill). Un desastre. Al principio, creía que usaría el correo que el usuario tuviera configurado en Mailchimp. Desgraciadamente, no es así. El dominio desde el que se envían los mails debe estar validado. Así que compré mapia.tech y un hosting. Era algo que tenía planificado para la quinta semana, pero la situación requería flexibilidad.
El proceso de verificación de dominios es sencillo: crear entradas SPF y DKIM en los DNS. Esto otorga permiso para enviar emails en tu nombre. Una vez hecho esto, los envíos con Mandrill seguían sin funcionar. Agotado mentalmente, decidí dejarlo unos días.
A principios de la quinta semana, sí logré enviar correos utilizando la API de Resend. La respuesta a por qué Mandrill no funcionaba me la dio Perplexity: es necesario tener una cuenta de pago. Esto me pareció un error por parte de Mailchimp/Mandrill, si lo hubieran especificado claramente, me habría ahorrado muchos quebraderos de cabeza. Este proceso me está sirviendo para convertirme en un apasionado del vibe coding: entender el software, cómo se conectan las piezas, y conversar con la IA para que construya la aplicación.
Plátanos
La quinta semana fue decisiva. Con la pista de Perplexity, me lancé a Resend. Podría haberlo intentado de nuevo con Mandrill, pero estaba un poco harto de su interfaz y de las frustraciones que me había generado.
Un par de prompts más y tenía un sistema completo de conexión a Mailchimp, selección de audiencia, personalización básica del correo y envío masivo.
Pero aún quedaba algo esencial: la capa de personalización compleja basada en las notas asociadas a cada contacto y una interfaz más intuitiva. Así que reconstruí el sistema paso a paso, añadiendo los errores de los logs de las funciones en los prompts.
Tardamos menos de lo que pensábamos. Queríamos añadir una capa diferencial, algo que ayudara a generar mayor adherencia. Así que incluí un módulo para añadir, modificar y eliminar las notas asociadas a los contactos. Mucho más accesible que el sistema de Mailchimp.
Y la versión que usamos para la demo de la sexta semana ya está publicada: https://app.mapia.tech/ (solo realiza envíos a través de los dominios mapia.tech).
Faltaba una landing page de presentación del producto. Decidí probar v0, una aplicación similar a Lovable. El prompt fue claro: «Crea una landing page para Mapia, un nuevo producto digital. Este producto ayuda a los usuarios a personalizar emails para sus audiencias en sus cuentas de Mailchimp —no solo un email, sino cada uno individualmente— con la ayuda de OpenAI.» Le di los colores y el estilo minimalista de Linear.
El resultado de v0 me gustó, pero usaba Node, así que no podía desplegarlo en mi servidor. Decidí experimentar: subí el JPG de la landing a Lovable con el prompt: «Here’s the design for a landing page for Mapia, make it real.» Y listo, landing funcionando: https://mapia.tech/.
Afiné un par de cosas, añadí el módulo explicando la necesidad de validación de dominios… y los plátanos. Sí, plátanos. Conectan bien con el estilo de Mailchimp, son divertidos y crean juegos simpáticos, como en la pantalla de bienvenida.
Solo nos quedaba solventar un par de bugs en la personalización, así que la última semana fue tranquila.
Aprendizajes
Llegamos a la semana final. La demo transcurrió sin contratiempos. Incluso descubrimos una nueva «funcionalidad»: añadiendo el idioma del contacto en sus notas, el correo se genera en ese lenguaje.
Aquí te dejo los principales aprendizajes de este proceso de construcción y del vibe coding:
- Hazte el tonto: Este es el aprendizaje más importante del vibe coding. No siempre vas a tener el conocimiento de todas las piezas del software y cómo se conectan. Es probable que la IA sepa mejor que tú. En lugar de darle indicaciones basadas en especulaciones, hazle preguntas, pídele consejo: «¿Cómo harías una aplicación que se conecte a Mailchimp?». Te responderá con un plan. Léelo detenidamente, te ayudará a entender lo que va a hacer. Si el plan te convence, solo tienes que pedirle que lo implemente. En el fondo, es como una partida de ajedrez, tú crees que sabes mucho, pero la máquina va mil jugadas por delante. Deja que juegue, tú dale los objetivos.
- Busca un «pain» y resuélvelo: Concéntrate en un problema real y cercano.
- Ponte límites: Evita que el producto se convierta en una amalgama de funcionalidades.
- Revisa los logs y úsalos en los prompts: Simplifica la depuración de errores.
- Construye por partes y experimenta: Ve paso a paso y no tengas miedo de probar cosas nuevas.
- No tengas miedo a hacer rollback: Si algo no funciona, vuelve a una versión anterior.
- Documéntate y planifica: Ten claro tus objetivos técnicos y de despliegue.
- Lanza pronto y busca feedback: Cuanto antes despliegues y escuches a los usuarios, más rápido podrás iterar.
- Empieza de nuevo: Es la mejor forma de aplicar lo aprendido y mejorar.
–
Ponte en contacto conmigo si quieres probar Mapia.
–
Sígueme en LinkedIn para estar al tanto de nuevas publicaciones.
Deja una respuesta