Por Joaquín Bossie, Co-founder & CRO de Minders
El adulto argentino promedio tiene más de 7 cuentas financieras. Según COELSA, hay 262 millones de cuentas activas en el país.
En ese contexto, la pregunta que debería estar en el centro de cada reunión de producto es una sola: ¿en cuál hacen tap cada mañana?
Esa es la carrera por la principalidad. Y después de trabajar con más de 70 clientes en el sector financiero en Latam, empezamos a ver con claridad qué separa a las fintech que la ganan del resto.
Adquisición y principalidad son cosas distintas
El sector fintech argentino viene atravesando años de crecimiento acelerado. Los pagos electrónicos aumentaron un 45% interanual. Los adultos realizan en promedio 28 pagos por mes. Hoy casi cualquier usuario tiene acceso a un producto financiero digital. El desafío dejó de ser la adquisición y pasó a ser algo más difícil: que te elijan todos los días.
Principalidad es ser la app que el usuario abre primero. La que usa cuando tiene que pagar algo importante. La que vive en su pantalla de inicio porque la eligió, no porque la descargó una vez por una promoción.
Lo que construye ese hábito es simple de enunciar y difícil de ejecutar: que el usuario vuelva mañana. Y pasado. Y el mes que viene.
Tres cosas que hacen distinto las fintech que ganan
Lo que vemos en las empresas que construyen principalidad es que no tienen necesariamente el mejor producto ni el mayor presupuesto de marketing. Tienen tres hábitos que las separan del resto.
1. Miden lo que importa
Las empresas que ganan miden retención a 30, 60 y 90 días. Miden frecuencia de uso producto a producto, entendiendo quién es el usuario que paga, por dónde paga, cómo paga, qué funcionalidad usa, cuándo saca un crédito, cuándo lo paga y cuándo vuelve a la aplicación. Y miden revenue incremental; el que efectivamente generaron sus acciones, no el total. No miran installs ni opens, sino métricas de negocio que realmente impactan en lo que importa. Esas son las que dicen si un producto está construyendo hábito o simplemente acumulando registros.
2. Experimentan en todo
Experimentar es un proceso: primero medir el problema y entenderlo, después generar una hipótesis, definir cuál es el objetivo concreto de lo que queremos implementar y recién entonces lanzar para poder medir si realmente estamos generando impacto o si los resultados hubieran pasado igual.
Las empresas que construyen principalidad tienen esta disciplina embebida en su operación. Cada campaña tiene su holdout group. Cada feature nuevo se valida antes de escalar. Y la velocidad de aprendizaje, más que la velocidad de ejecución, es una de las ventajas competitivas más importante en este contexto.
Un dato que me parece importante compartir: solo el 30% de las campañas generan incrementalidad real. Por eso hay que experimentar mucho y aprender rápido.
3. Personalizan con intención
Cuando hablo de personalización, hoy en día ya no podemos quedarnos con poner el nombre en el email. Hablo de tomar al menos nueve decisiones por usuario: a quién le mandás el mensaje, por qué canal, en qué momento, con qué tono, qué incentivo usás, con qué frecuencia, qué contenido mostrás, qué acción querés que tome y cómo medís si funcionó.
Hoy podemos ir mucho más lejos. Podemos monitorear en tiempo real qué feature usa cada usuario, armar segmentos de forma automática y predictiva. Por ejemplo, identificar qué usuarios tienen probabilidad de volver a pagar y cuáles tienen probabilidad de no pagarte una cuota. A partir de ahí, accionamos de forma diferente: al usuario con riesgo de morosidad le mandamos campañas de prevención de pago, mientras que al usuario pagador quizás le ofrecemos aumentar su línea de crédito. La misma empresa, los mismos usuarios, caminos completamente distintos.
Hace poco estuve en Fintech Americas y el lema era “hay que personalizar con IA”, lo escuchabas por todos lados. Y al mismo tiempo, el Global Customer Engagement Review 2026 de Braze muestra que existe un gap del 40% entre lo que las empresas creen que entienden sobre sus usuarios y lo que los usuarios realmente sienten. Ese gap depende de más que dashboards para cerrarse. Se cierra convirtiendo el dato disponible en acción concreta en el momento correcto.
Y el impacto de cerrarlo es medible: cuando las marcas predicen bien las necesidades del usuario, los consumidores son 30% más leales, 29% más propensos a consumir el contenido de la marca, 26% más propensos a recomendarla y 23% más propensos a hacer una compra.
Lo que dicen los números
Davivienda reemplazó su estrategia de SMS por un approach cross-channel con personalización, automatización, gamificación e inteligencia artificial. El resultado: 2.7x en frecuencia de transacciones, 3.7x en actividad en su tienda virtual y 40% más de velocidad para experimentar y testear.
Stone incorporó experimentación sistemática con Amplitude Experiment. Validaron más de 50 experimentos, corrieron más de 100 tests A/B por mes y realizaron 150 rollouts mensuales. El impacto en ARPAC fue de +5.97%.
Rappi pasó de campañas manuales a segmentación automatizada y personalizada. Los resultados: +10% en primeras órdenes, -30% en costo de adquisición y una retención 2.5x mayor para los usuarios de su programa Prime.
Capital One utilizó Braze AI Decisioning para identificar más de 113 características de sus usuarios y enviarles campañas el mejor día de la semana para cada uno. Una sola campaña generó un 92% de conversion rate y 16 millones de dólares adicionales.
El loop que atraviesa todo esto
Detrás de estos resultados hay una arquitectura replicable.
Todo empieza por capturar datos de comportamiento desde el front (con SDK y datos de core) con la granularidad correcta. Sin esta base, cualquier modelo que construyas encima va a tener problemas. Podemos usar IA para optimizar, pero de nada nos sirve sin datos bien estructurados.
Sobre esos datos se construyen modelos: propensity, next best action, riesgo, LTV. Esos modelos generan scores que se sincronizan como atributos en las plataformas de ejecución y son los que permiten tomar la tercera decisión: por qué canal hablarle al usuario, en qué momento y con qué tono.
Con eso definido, se ejecutan las campañas y ahí entra la siguiente etapa: incentivar en función de quién es el usuario. No todos merecen el mismo incentivo. La pregunta es si vale la pena invertir más o menos en cada persona, y cómo optimizar ese incentivo para maximizar el retorno incremental.
Finalmente, se mide. Siempre con incrementalidad como norte, buscando entender qué acción o experimento generó impacto real.
Ese loop, repetido con disciplina, es lo que convierte datos en decisiones y decisiones en crecimiento real.
Cinco pilares que sostienen cada caso de uso
Para que ese loop funcione en la práctica, en Minders trabajamos sobre cinco pilares que están presentes en cada implementación exitosa:
Arquitectura técnica. Una capa semántica con una única definición de conversión aplicable a todos los sistemas, la base que permite que todos los equipos midan con la misma lógica.
Marketing Science. Modelos de propensión, riesgo, LTV y next best action que se sincronizan como atributos en las plataformas de ejecución.
Behavioural Science. El marco EAST, los principios de Kahneman (aversión a la pérdida, sesgo hacia el presente, efecto dotación) y la neurociencia aplicada al diseño de incentivos. Entender cómo toman decisiones los usuarios es parte central del trabajo.
Patrones de interfaz probados. Más de 14 patrones validados en más de 610 tests A/B con más de 127 millones de visitantes: social proof, botón de beneficios, participación gradual, visualización del estado.
Experimentación y gamificación. Experimentación y gamificación. Cada campaña tiene su grupo de control y su medición en revenue incremental: métricas de negocio reales, no opens ni clicks. La gamificación, cuando se implementa con intención, es una estrategia de retención genuina: guía al usuario a descubrir nuevas features, genera hábito y lo hace volver.
De la retención al revenue
El hábito se gana midiendo lo que importa, experimentando con rigor y personalizando con intención. Es un proceso lento, disciplinado y medible, y es el único que produce principalidad de forma sostenible.
En Minders hemos trabajado con más de 100 clientes en Latam, más de 70 de ellos en el sector financiero. Con toda esa experiencia acumulada, decidimos sistematizarla en 27 use cases para pagos, créditos e inversiones. Cada uno incluye el problema que identificamos, la hipótesis que planteamos y el resultado esperado si lo implementás. Están construidos con todo lo que describí acá. La idea es que, con el stack que tengas, puedas empezar a pensar qué de esto podés implementar y empezar a generar más frecuencia, más retención y más revenue en tus usuarios.
Si querés saber qué use cases implementar para empezar a construir principalidad en tu producto, calculá el impacto acá.
