.svg)
Mixilo and Educación Continua del Tecnológico de Monterrey: Caso de éxito
Desafío
En la educación continua, elegir un programa es una decisión meditada. Cada persona lo relaciona con una meta —especializarse, asumir un nuevo reto, cambiar de rumbo—, compara opciones y se toma su tiempo; entre el primer contacto y la inscripción pueden pasar semanas o incluso meses. Por eso, un formulario completado cuenta apenas el comienzo de la historia. Lo que de verdad importa es que cada quien encuentre el programa que lo lleve a donde quiere llegar y decida comenzarlo.
Educación Continua del Tecnológico de Monterrey cuenta con un portafolio amplio y diverso, en el que cada programa responde a perfiles y propósitos distintos. Ahí surgió una oportunidad: la optimización tradicional de campañas asigna el mismo peso a todos los registros, y un modelo capaz de reconocer la afinidad entre cada persona y cada programa podría acercar a cada quien la propuesta adecuada.
La pregunta que guió el proyecto: ¿cómo lograr que más personas encuentren y elijan el programa ideal para su momento profesional, manteniendo a la vez el alcance de las campañas?
El Tecnológico de Monterrey es una de las universidades privadas más prestigiosas de México y de América Latina. Además de sus carreras de grado, ofrece posgrados, educación ejecutiva y programas de educación continua. Cuenta con más de 90,000 estudiantes y múltiples campus en México.
Solución: Mixilo AI Conversions
Las plataformas digitales ofrecen su propia optimización por valor —como Value-Based Bidding en Meta y Google—, que aprende de los eventos que configura cada organización. En este caso, ese evento era el llenado de formulario (Form Fill).
Un formulario completado es una primera señal de interés, aunque no siempre anticipa una inscripción. Al contrastar los registros de la plataforma con los confirmados en el CRM, se identificó una brecha considerable. El reto, entonces, era que las campañas aprendieran del momento decisivo: cuando alguien elige comenzar un programa.
Muttdata propuso otro camino: Mixilo AI Conversions. La solución opera en tres pasos:
- Análisis Individual. El modelo estudia cada nuevo registro según su campaña de origen, antigüedad, ubicación geográfica y lead score, un puntaje que refleja el nivel de interés de cada persona y combina señales como su perfil, su interacción con los contenidos (aperturas de correo, visitas al sitio, respuestas) y la etapa de decisión en la que se encuentra. En este caso, el puntaje provenía del CRM de Educación Continua; cuando una organización no cuenta con uno, Muttdata también puede construirlo.
- Asignación de Probabilidad. Con base en esas características, el modelo estima la probabilidad de que cada persona se inscriba.
- Esperanza de Matriculación. La suma de las probabilidades del día se convierte en la nueva métrica para orientar las campañas.
¿Por qué predecir sobre registros?
El modelo predice sobre leads, (no sobre matrículas) porque el volumen real de matrículas suele ser demasiado bajo para entrenar un modelo con validez estadística. Los leads, en cambio, conforman una muestra significativamente mayor y sirven como proxy de alto volumen para aprender qué características anticipan una matrícula.
La diferencia central respecto de otras soluciones es esta: Mixilo AI Conversions no es una capa de reglas sobre la optimización nativa de las plataformas. Es un modelo propio. Se entrena y se valida contra el resultado de negocio real del cliente.
Implementación
Educación Continua y Muttdata diseñaron juntos la implementación como un experimento controlado, con un propósito claro: aislar el efecto del modelo de cualquier variación estacional o de canal y obtener evidencia sólida para decidir.
El enfoque lleva a las campañas digitales el mismo rigor con el que el Tecnológico de Monterrey genera conocimiento: una hipótesis, una medición cuidadosa y conclusiones fundamentadas.
- Prueba A/B. Un grupo de prueba optimizó con Mixilo AI Conversions y un grupo de control, por volumen de registros.
- 29 días en Meta y Google. La atribución se realizó contra el CRM de Educación Continua, no contra las conversiones reportadas por las plataformas.
- Validación continua. Las predicciones del modelo se compararon con los resultados reales durante una ventana de atribución definida a partir del historial de inscripciones, lo que permitió medir su precisión casi en tiempo real.
Resultados Clave
La precisión del modelo se confirmó frente a los datos del CRM.
El grupo optimizado con Mixilo AI Conversions creció en cada etapa del proceso de decisión, mientras que el grupo de control sumó registros y mantuvo sus inscripciones en niveles similares a los de su periodo previo.
Nota: “Prueba vs. su periodo previo” y “Control vs. su periodo previo” comparan cada grupo con su propia base histórica. “Prueba vs. Control” compara ambos grupos durante el experimento. Al tratarse de bases diferentes, las cifras no son directamente sumables entre sí.
La señal más relevante es la tendencia: frente a su propio periodo previo, el grupo de prueba mantuvo su avance desde el primer interés hasta la inscripción.
“En Educación Continua medimos nuestras campañas tanto por el interés que generan como por las personas que deciden inscribirse. Muttdata construyó la optimización alrededor de lo que para nosotros significa el éxito, en lugar de lo que la plataforma mide por defecto, y nos acompañó muy de cerca con hallazgos y recomendaciones valiosas.” Demetrio Morales, Gerente de Medios Pagados, Educación Continua del Tecnológico de Monterrey
El impacto de Mixilo
- Cada organización define su propio éxito. Mixilo, la plataforma de Muttdata, optimiza hacia el objetivo que cada institución considera prioritario —inscripciones, citas o activaciones—, más allá de las métricas que las plataformas miden por defecto.
- Un modelo que se valida. Las predicciones se contrastan de forma recurrente con resultados reales, a nivel campaña. Así, cada afirmación de desempeño es trazable, con un detalle que supera los promedios agregados.
- Se adapta a instituciones complejas. El mismo servicio operó dos experimentos en paralelo, con distintos programas, canales y tiempos de decisión, lo que demuestra su flexibilidad para instituciones con múltiples unidades y audiencias.
Tecnología al servicio del aprendizaje
Para Educación Continua del Tecnológico de Monterrey, la innovación cobra sentido cuando acerca a cada persona a la oportunidad de aprendizaje que impulsa sus aspiraciones. Este proyecto muestra cómo la inteligencia artificial, guiada por objetivos claros y validada con evidencia, ayuda a que cada programa llegue a quienes encuentran en él su siguiente paso: personas que buscan crecer, transformar su trayectoria y generar un impacto positivo en sus organizaciones y comunidades.
