Predictive Analytics de Klaviyo lleva años funcionando sin hacer ruido. La mayoría de las cuentas que auditamos lo tienen activado por defecto y nunca han creado un solo segmento o flujo que lo use. Es una palanca desaprovechada: estas señales predictivas son de los resultados de IA con datos propios más limpios que puede tener un programa de email para eCommerce, y no cuestan nada extra si ya pagas Klaviyo en un plan suficiente.
Este artículo explica qué calcula realmente Klaviyo Predictive Analytics, cómo usamos esas señales como disparadores de flujos e insumos de audiencias en nuestra práctica de email marketing con Klaviyo, y los casos en los que las predicciones son tan poco confiables que deberías ignorarlas.
¿Qué predice realmente Klaviyo Predictive Analytics?
Para cada perfil de cliente con suficientes datos históricos de compra, Klaviyo calcula:
- Valor de vida del cliente previsto (CLV). El gasto total pronosticado en un horizonte futuro.
- Fecha esperada del próximo pedido. El campo predictivo más útil para programar los flujos.
- Valor promedio del pedido esperado. El tamaño de pedido pronosticado en la próxima compra.
- Tiempo promedio entre pedidos. Se deriva del historial de compras; se usa para calcular el pronóstico del próximo pedido.
- Riesgo de abandono. Una puntuación probabilística que indica qué tan probable es que el cliente se vuelva inactivo.
Se calculan por perfil, se actualizan según el calendario de Klaviyo y se muestran tanto en la vista del perfil como en los criterios de segmentación.
¿Qué predicciones son lo bastante confiables como para actuar con base en ellas?
No todas por igual. La jerarquía aproximada:
- Tiempo promedio entre pedidos. La más confiable. Es un cálculo histórico directo, no el resultado de un modelo. Úsala libremente.
- Fecha esperada del próximo pedido. Confiable para clientes con 3 o más pedidos históricos. Poco confiable para clientes con 1–2 pedidos.
- CLV previsto. Útil como clasificación relativa, menos útil como cifra absoluta en dólares. Trátalo como una señal de cohorte, no como un pronóstico financiero.
- Riesgo de abandono. Útil como dirección; el umbral en el que el "alto riesgo" se convierte en "abandono real" varía según la categoría.
En la práctica, esto significa: crea segmentos y disparadores de flujos con los campos más confiables. Trata los menos confiables como pistas que se agregan encima.
¿Cómo uso la fecha esperada del próximo pedido como disparador de un flujo?
Este es el uso de mayor impacto del conjunto predictivo de Klaviyo, y el que la mayoría de las cuentas pasan por alto.
El patrón:
- Crea un flujo que se active con "La fecha esperada del próximo pedido está dentro de X días". La X depende de tu categoría: 7 días funcionan para consumibles y de 14 a 30 días para categorías de compra más pensada.
- Segmenta el flujo según las propiedades del perfil. Los compradores por primera vez y los recurrentes reciben mensajes distintos. La cohorte VIP recibe mensajes distintos que la lista general de suscriptores activos.
- Secuencia el flujo con tres emails dentro de la ventana prevista. Recordatorio, prueba social / novedades e incentivo final.
Funciona porque envía el mensaje correcto en el momento en que el destinatario tiene, estadísticamente, más probabilidades de volver a comprar, y no con una cadencia arbitraria de calendario.
¿Y el riesgo de abandono como disparador de recuperación?
Es útil, con una advertencia. La señal de riesgo de abandono de Klaviyo suele activarse antes de lo que intuitivamente definirías como "inactivo", lo cual es bueno para una recuperación proactiva, pero plantea una cuestión de secuencia frente a tu flujo de recuperación (Winback) existente.
El patrón que usamos:
- Alto riesgo de abandono → flujo de rescate previo al abandono. Un mensaje distinto al de recuperación estándar. "Notamos que no te hemos visto por aquí: esto es lo nuevo". Un incentivo más ligero y un enfoque más centrado en descubrir productos.
- Inactivo (sin compras en 90 días o más) → flujo de recuperación estándar. Como se describe en nuestro artículo sobre flujos de Klaviyo.
- No ejecutes ambos flujos en el mismo perfil. Configura la recuperación estándar para que omita los perfiles que ya están en el flujo de rescate de alto riesgo.
Con esta secuencia, la señal predictiva detecta antes a los clientes en riesgo y le entrega al flujo de recuperación estándar cohortes más limpias con las cuales trabajar después.
¿Cómo uso el CLV previsto para la segmentación?
Trata el CLV previsto como una clasificación de cohortes, no como un pronóstico.
Lo mínimo:
- El 10% superior por CLV previsto → cohorte VIP. Una cadencia de campañas distinta, una lógica de ofertas distinta y, a menudo, creatividades con acceso anticipado.
- Del 11% al 30% superior → cohorte de alto valor. Cadencia estándar con ofertas que cuidan el margen.
- El resto → segmentación basada en interacción. Trata el CLV previsto como una señal secundaria.
Las cohortes de CLV también son útiles como señales de puja basada en valor en medios pagados. Exporta el segmento de la cohorte superior a Customer Match en Google Ads y a Matched Audiences en LinkedIn; úsalo como audiencia semilla para audiencias similares en publicidad en Facebook. Los mismos datos propios que impulsan la segmentación de email también mejoran la calidad de la adquisición pagada.
¿Cuándo debo ignorar las predicciones?
En tres casos:
- Perfiles con pocos datos. Los clientes con 1–2 pedidos históricos tienen predicciones que básicamente son valores por defecto. No actives flujos con ellas. Espera al tercer pedido; ahí se vuelven predictivas.
- Lanzamientos de catálogo sin antecedentes históricos. Una marca que lanza una nueva categoría de producto no tiene historial de compras para esa categoría. Las predicciones de Klaviyo extrapolan a partir de categorías anteriores; a menudo se equivocan en lanzamientos realmente nuevos.
- Anomalías de temporada. Las compras impulsadas por las fiestas distorsionan el pronóstico de la fecha del próximo pedido. El modelo no separa por completo la estacionalidad. Agrega tu propia lógica de temporada encima.
En los tres casos, vuelve a la segmentación basada en interacción y a los disparadores de flujo deterministas (checkout abandonado, poscompra, etc.).
¿Cómo encaja esto junto con Klaviyo AI para contenido?
La IA de Klaviyo también genera sugerencias de líneas de asunto, recomendaciones de hora de envío y (recientemente) asistencia para redactar textos. Esas son herramientas de la capa de contenido; Predictive Analytics es una herramienta de la capa de datos. Se pueden separar:
- Predictive Analytics → a quién y cuándo.
- Klaviyo AI para contenido → qué y cómo.
Usamos Predictive Analytics de forma intensiva. Usamos las funciones de contenido generativo con moderación: las líneas de asunto y los textos generados se benefician de una revisión humana antes de llegar a la audiencia, y la voz de marca es algo que los generadores de IA degradan si los dejas funcionar sin supervisión.
¿Cómo se combina esto con la segmentación en medios pagados?
Los segmentos predictivos de Klaviyo son exportaciones útiles para los medios pagados:
- Cohorte de alto CLV previsto → audiencia semilla para audiencias similares en publicidad en Facebook.
- Cohorte en riesgo / previa al abandono → audiencia de retargeting para campañas de display de servicios de PPC.
- Cohorte con próximo pedido esperado en 7 días → audiencia de exclusión para prospección (no pagues por adquirir a alguien que está por comprar de forma orgánica) Y de inclusión para retargeting (un toque de retargeting bien sincronizado puede acelerar la compra).
La exportación de audiencias no es automática: la activas por destino en la configuración de integraciones de Klaviyo. Vale la pena el tiempo de configuración.
Puntos clave
- Klaviyo Predictive Analytics calcula el CLV previsto, la fecha esperada del próximo pedido, el AOV, el tiempo entre pedidos y el riesgo de abandono por perfil.
- La fecha esperada del próximo pedido es la señal de mayor impacto. Crea un flujo que se active con ella.
- El riesgo de abandono detecta a los clientes en riesgo antes que una definición de inactividad basada en el calendario. Úsalo como flujo de rescate previo al abandono, en secuencia antes del Winback estándar.
- Trata el CLV previsto como una clasificación de cohortes, no como un pronóstico. Úsalo para la segmentación VIP y como audiencia semilla en medios pagados.
- Ignora las predicciones en perfiles con pocos datos, en lanzamientos de nuevas categorías y en periodos con anomalías de temporada.
- Los segmentos predictivos son exportaciones útiles para Customer Match, Matched Audiences y audiencias semilla de audiencias similares en medios pagados.
¿Quieres una auditoría de Klaviyo?
Si tu programa de Klaviyo está funcionando, pero los segmentos y disparadores predictivos no están aportando, estás dejando una palanca sin usar. El equipo de email marketing para eCommerce de 1Digital® audita programas de Klaviyo con este marco: cuéntanos sobre tu cuenta para empezar.