La personalización en servicios financieros lleva años en la agenda. Lo que cambió es la expectativa del usuario y la capacidad tecnológica para responder en tiempo real.
Plataformas como Uber, Netflix o Mercado Libre no compiten con los bancos, pero sí definen el estándar de experiencia digital que los usuarios esperan en cualquier producto. Cada interacción personalizada que viven en esas plataformas sube la vara para todo lo demás, incluyendo su banco.
Eso pone una presión concreta sobre equipos de producto y marketing: las campañas genéricas ya no mueven métricas. Y la segmentación estática, que actualiza datos una vez por semana o por mes, llega tarde.
La experiencia gana al precio
Un estudio basado en 5.802 prestatarios, rankea los factores que determinan la satisfacción con préstamos personales. Los tres primeros: que el préstamo haya cubierto la necesidad, confianza en el prestamista, y la experiencia de obtener el préstamo. La facilidad para operar con la institución ocupa el cuarto lugar. La tasa de interés ni siquiera aparece como factor independiente: está embebida dentro de si el préstamo cumplió la necesidad. El mensaje es claro: cómo se siente el proceso importa tanto como lo que cuesta.
Según el Financial Services Customer Engagement Review 2025 de Braze, el 66% de los líderes financieros dice entender bien las preferencias de sus clientes. Pero solo el 41% personaliza mensajes en base a comportamiento en tiempo real, el número más bajo de todos los sectores analizados.
El verdadero problema es la fragmentación
Las instituciones financieras tienen historial transaccional, perfil demográfico y datos de cuenta desde el día uno. Pero esos datos viven en sistemas distintos, los canales se gestionan por separado y los equipos operan con lógicas de decisión diferentes.
En ese contexto, coordinar mensajes en tiempo real se vuelve complejo. La información existe, pero la infraestructura no está diseñada para actuar sobre ella en el momento en que el usuario toma una decisión.
En América Latina esto se amplifica. El 40% de las empresas de servicios financieros planea usar WhatsApp como canal de marketing, pero solo el 20% gestiona múltiples canales desde una sola interfaz coordinada. ¿Cual es el resultado? Mensajes duplicados, timing desincronizado y pérdida de contexto.
El 28% de los líderes financieros dice que IT o producto son los dueños del customer engagement, la proporción más alta de cualquier sector. Cada campaña nueva depende de un ticket técnico. La velocidad de ejecución cae.
Open Finance está empezando a desbloquear algunos de estos silos de datos en la región, pero tener más datos solo amplifica el problema de coordinación si no podés actuar sobre ellos en tiempo real. Escribimos sobre esta transición y su relación con el crecimiento acá.
Cómo funciona la personalización en tiempo real
La personalización en tiempo real se construye sobre eventos: acciones concretas del usuario dentro del producto. Cada evento (abrir la app, simular un préstamo, abandonar un flujo) se convierte en una señal que puede activar una decisión.
Por contraste, la segmentación tradicional agrupa usuarios por características similares y les manda el mismo mensaje. Pero dos usuarios en el mismo segmento pueden tener comportamientos completamente distintos.
En cambio, la hiperpersonalización trabaja con el comportamiento real de cada persona. Un usuario que usa la app principalmente para viajes recibe comunicaciones sobre beneficios en el exterior. Otro con patrones de ahorro recurrente recibe sugerencias de inversión alineadas con lo que ya hace, no con su rango etario.
Un matiz importante: las mejores implementaciones no hacen sentir al usuario que el sistema decide por él. Según investigaciones de Fiserv, los consumidores se sienten cómodos recibiendo recomendaciones basadas en AI, pero quieren tomar la decisión final ellos mismos. En otras palabras, la hiperpersonalización más efectiva no reemplaza la agencia del usuario: la potencia.
Un ejemplo concreto: un usuario abre la app de su banco un martes a las 10pm, simula un préstamo personal de USD 5.000 y abandona el flujo en el paso de documentación. En un modelo de segmentación estática, ese usuario no recibe nada, o recibe un email genérico sobre préstamos tres días después. Con un modelo basado en eventos, el sistema registra la simulación, el monto, el punto de abandono y el horario. En las próximas 24 horas, puede activar un push notification con un mensaje específico: “Tu préstamo de USD 5.000 está listo. Solo falta un documento.” El canal, el mensaje y el timing se definen en función de lo que el usuario hizo, no de a qué segmento pertenece.
El mismo principio aplica a la detección de fraude. Cuando el sistema tiene una línea de base del comportamiento típico de cada usuario, cualquier transacción anómala se detecta más rápido, contra el patrón individual de esa persona, no contra un promedio del segmento.
Dónde entra la AI
Volvamos al ejemplo anterior. El usuario abandonó la simulación de préstamo a las 10pm. El equipo tiene que decidir: ¿qué mensaje mandar? ¿Por qué canal? ¿Cuándo? ¿Con qué oferta? Si además quieren variar el tono, la frecuencia y el formato, las combinaciones posibles son miles. En la práctica, la mayoría de los equipos resuelve esto con reglas manuales: si segmento A, entonces mensaje B, a hora C. Cada nueva combinación significa una nueva campaña, un nuevo test, semanas esperando resultados. No escala.
Es ahí donde entran los sistemas de decisión basados en AI.
Amplitude AI responde una pregunta que muchos equipos de producto se hacen pero pocos pueden contestar con datos: ¿qué está pasando dentro del producto y por qué algunos usuarios tienen éxito mientras otros no? Qué acciones durante los primeros 7 días predicen que un usuario siga activo al mes 3, qué flujos abandonados se correlacionan con churn, qué features usan los usuarios que más valor generan. Amplitude encuentra esos patrones automáticamente, antes de que alguien en el equipo formule la hipótesis.
Braze AI Decisioning responde una pregunta diferente pero complementaria: para cada usuario individual, ¿cuál es la mejor combinación de mensaje, canal, timing, frecuencia y oferta para lograr el objetivo que definimos? Usa aprendizaje por refuerzo para experimentar continuamente y optimizar las decisiones de comunicación a nivel 1:1. Cada interacción alimenta el modelo, que se ajusta solo. El equipo define el resultado que quiere (retención, activación, conversión) y el sistema encuentra el camino.
El impacto medido
Cada uno es poderoso por separado. Combinados, crean un loop cerrado: la inteligencia de producto (Amplitude) informa la estrategia de comunicación (Braze), y el comportamiento del usuario dentro de la app determina la experiencia que recibe afuera. Los equipos pasan de definir cada regla a mano a definir objetivos (retención, activación, lifetime value) y dejar que el sistema optimice continuamente.
El impacto es medible. Según datos de Braze, las empresas de servicios financieros que pasan de cero canales a un canal de mensajería ven un aumento de 2.9x en retención a 90 días. Las que agregan un segundo canal ven un aumento adicional del 69%. Y cuando la mensajería cross-channel se coordina con personalización basada en AI, Braze reporta un 86% de uplift en retención a 6 meses y el doble de vida útil promedio del usuario.
Adopción de producto: 37%.
Retención: 29%.
Lifetime value: 28%.
Son los tres KPIs principales para líderes de servicios financieros según Braze. Cuando la personalización funciona bien, los tres se mueven juntos.
Para una mirada más profunda sobre cómo AI Decisioning funciona y en qué se diferencia de los modelos predictivos tradicionales (Next Best Action vs. Next Best Everything), publicamos un análisis detallado acá.
Un ejemplo concreto de la región
Deuna pasó de 50.000 a 2,6 millones de usuarios activos en un mercado con fuerte preferencia por el efectivo.
Desde el foco en comportamiento real, hasta el uso de datos, experimentación y personalización con Braze AI Decisioning, el 25 de marzo en Fintech Americas explorarán cómo Deuna transformó su billetera en una herramienta cotidiana que impulsa adopción, retención y crecimiento.
Si tu equipo todavía opera con segmentación estática y campañas que dependen de tickets técnicos para cada variante, el gap entre lo que tus usuarios esperan y lo que reciben se está ampliando. La buena noticia es que no hace falta reemplazar toda la infraestructura. Hace falta conectar lo que ya tenemos (los datos de producto, la plataforma de engagement, los equipos) con una capa de decisión que opere en tiempo real.
¿Querés ver cómo funciona aplicado a tu producto? Agendá una demo de Amplitude o Braze con Minders y visitá nuestro stand en Fintech Americas.
