No como concepto. No como slide en una presentación. Sino en la práctica: qué equipos están involucrados, qué KPIs miran cada semana, cómo está estructurada la organización para que la retención no sea solo responsabilidad del equipo de CRM.

La retención no empieza cuando el usuario se va. Empieza en el onboarding. Empieza en el primer momento de valor.

Desde la perspectiva de Reforge — el referente global en product growth — la retención se define por los "hábitos" que el producto logra instalar en los primeros días de vida del usuario. Brian Balfour y Casey Winters lo llaman el retention curve flattening: el objetivo no es reducir el churn, sino conseguir que la curva de retención se estabilice en un piso alto antes de que se caiga a cero.

Eso implica tres cosas concretas: (1) definir con precisión el momento "aha" del producto — el evento que dispara la primera comprensión de valor real; (2) diseñar los primeros 7 días como si fueran una sola conversación continua con el usuario; y (3) tener rituales semanales donde producto, datos y marketing revisan las cohortes juntos. No en reuniones separadas. Juntos.

Lo que salió en la mesa fue que la mayoría de los equipos tiene los datos pero no los rituales. El análisis de cohortes existe en un dashboard que nadie abre con regularidad. La pregunta no es si medís retención — es quién toma decisiones en base a esos números y con qué frecuencia.

Todos tienen datos. Pocos saben qué preguntarles. Aún menos tienen los rituales de alineación entre equipos para que un modelo de lead scoring o una señal de churn se convierta en una campaña activa antes de que sea tarde.

Hablamos de rutinas concretas, de quién toma la decisión, de cómo se rompen los silos entre el equipo de data y el equipo de negocio.

Reforge llama a esto el "insight-to-action gap" — la distancia entre saber algo y hacer algo con eso. Es uno de los problemas más comunes en equipos de growth maduros: tienen los modelos, tienen las señales, pero no tienen el proceso para convertirlos en ejecución antes de que la ventana de oportunidad se cierre.

La solución no es tecnológica. Es organizacional. Las empresas que lo resuelven bien tienen un owner claro por cada señal crítica: alguien que es responsable de que cuando el modelo dice "este usuario está en riesgo de churn", en menos de 24 horas ya hay una campaña activa respondiendo a eso.

Lo más interesante que surgió fue que las fintechs más avanzadas en la sala no esperan a que el dato sea perfecto. Operan con señales tempranas, imperfectas, y aprenden rápido. La disciplina no está en el modelo — está en el ciclo de feedback entre la acción y el resultado. Datos → hipótesis → campaña → aprendizaje → iteración. Sin ese ciclo, el dashboard es solo un cuadro en la pared.

El elefante en la sala. La pregunta no era "¿usan IA?" — todos la usan. La pregunta era cómo la están usando de forma concreta, qué resultados están viendo, y dónde todavía hay más hype que impacto real.

Aprovechamos el evento para entrevistar a Andrea Játiva, Gerente de Marketing Digital en Banco Guayaquil, que nos contó cómo utiliza la IA en el banco para enviar comunicaciones, para redactar copies y para hacer social listening.