Mixilo and Educación Continua del Tecnológico de Monterrey: Caso de éxito

Resumen ejecutivo 

Muchos equipos optimizan paid media por un evento upper-funnel, como los leads. Pero ese no es el objetivo final. El objetivo real es otro: más ingresos, mejor ROAS. El desafío, entonces, es distinto al que resuelve la mayoría de las plataformas: optimizar las campañas no por cantidad de leads o prospectos, sino por su probabilidad real de convertirse en matriculación. Este caso muestra cómo Muttdata ayudó al Tecnológico de Monterrey a dar ese giro.

La implementación de Mixilo AI Conversions se realizó mediante un experimento controlado de 29 días. Corrió en paralelo en dos programas académicos. El grupo Test, optimizado con Mixilo AI Conversions, superó al Control en cada métrica clave, y lo logró sin sacrificar volumen: el volumen de leads creció un +41%.

‍

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.

La Solución: Mixilo AI Conversions

Para muchas organizaciones, la métrica de éxito no es el volumen de leads. Es una conversión de valor más adelante en el funnel: un lead calificado, una matrícula/inscripción, una activación. En esos casos, optimizar campañas solo por volumen de leads es ineficiente, y a veces costoso; porque se paga por leads que las plataformas cuentan como "conversiones" pero que casi nunca llegan al resultado que realmente importa. De hecho, en muchas industrias, entre que se genera la primera interacción hasta que se logra la conversión deseada pueden pasar hasta meses. 

Tec de Monterrey estaba optimizando sus campañas buscando maximizar la cantidad de leads. Pero la tasa de conversión a matrícula variaba entre segmentos, y el costo por prospecto difería según la oferta. En otras palabras, se pujaba igual por prospectos con probabilidades de matriculación muy distintas. Además, el costo por lead subía sin que el volumen de matriculados creciera al mismo ritmo. 

La pregunta central: ¿Cómo podemos mejorar la calidad de los leads y así incrementar el volumen total de matriculados? Sin sacrificar el volumen de leads, una métrica que el equipo seguía necesitando reportar.

Solution: Mixilo AI Conversions

Si bien las plataformas ofrecen su propia optimización por valor —como Value-Based Bidding en Meta y Google—, esa optimización se basa en los eventos de conversión que cada anunciante configura. En este caso, el evento utilizado era el Form Fill. 

El problema es que ese evento seguía siendo un proxy del resultado de negocio. Completar un formulario no equivale necesariamente a un lead válido ni, mucho menos, a una matrícula. En este caso, existía una diferencia significativa entre los Form Fill registrados por la plataforma y los leads reales confirmados en el CRM, por lo que la señal utilizada para optimizar estaba desalineada del resultado que realmente importaba. 

Muttdata implementó un modelo distinto: Mixilo AI Conversions. Esta solución opera sobre tres ejes:

1. Análisis Individual. El modelo analiza cada nueva oportunidad de venta: campaña de origen, antigüedad, ubicación geográfica y lead score. El lead score es un puntaje que se asigna a cada lead, según su nivel de calificación comercial. Suele combinar señales como el perfil del prospecto, su nivel de interacción (aperturas de email, visitas a la web, respuestas), y el momento del proceso de venta en el que se encuentra. En este caso, el lead score provenía del CRM, en caso de que un cliente no cuente con uno, Muttdata también puede construirlo.
2. Asignación de Probabilidad. Le asigna a cada lead una probabilidad individual de convertirse en matriculado, según esas características.
3. Esperanza de Matriculación. Suma las probabilidades del día. Ese total es la nueva métrica clave para optimizar el presupuesto.

Mixilo AI Conversions vs Optimización por Matriculados

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

El rollout se estructuró como un experimento controlado sobre dos canales. El objetivo era aislar el efecto del modelo del ruido estacional o de canal.

El experimento se diseñó junto al equipo de Tec de Monterrey para asegurar que los resultados les resultaran útiles para validar el impacto de la herramienta. 

• La implementación fue mediante un A/B test para poder comparar un grupo test optimizando con AI Conversions, y un grupo Control optimizando por volumen de leads.
• El test se extendió 29 días, en Meta & Google. La atribución se hizo contra el CRM propio del cliente, no contra las conversiones reportadas por la plataforma.
• Adicionalmente, los resultados reales se compararon contra las predicciones del modelo durante una ventana de atribución que se determinó a partir de un análisis histórico de matriculación de leads. Esto permitió medir el accuracy casi en tiempo real. 

‍

Resultados Clave

El accuracy del modelo se sostuvo frente a los resultados reales. 

Se puede observar que el Grupo Optimizado por Mixilo AI Conversions obtuvo mejores resultados a lo largo del funnel mientras que el grupo Control se estancó.

Nota: "Test vs su periodo previo" y "Control vs su periodo previo" comparan cada grupo contra su propia base histórica. "Test vs Control" compara ambos grupos en el período del experimento. Al ser bases distintas, no son directamente sumables entre sí.

Quizás la señal más relevante es la tendencia: comparando cada grupo contra su propio período previo, el funnel del Test siguió creciendo mientras el del Control se frenó.

El impacto de Mixilo

• • Las métricas de éxito varían según el negocio. Mixilo, la plataforma de Muttdata, optimiza hacia lo que realmente significa "éxito" para cada cliente. Puede ser matrículas, pipeline calificado, citas, activaciones. No solo ingresos o compras, — que es donde se detienen la mayoría de las herramientas de optimización.
  • El modelo se valida. Las predicciones se contrastan contra resultados reales, a nivel campaña, de forma recurrente. Así las afirmaciones de performance son trazables, no solo promedios agregados.
  • Escala con la complejidad del negocio. El mismo servicio corrió dos experimentos en paralelo, sobre distintas ofertas, canales y ventanas de maduración de leads. Esto demuestra la flexibilidad de la plataforma para organizaciones multi-unidad y multi-funnel.

‍

¿Tu negocio también optimiza por algo que no es venta directa? Potencia tu equipo con Mixilo

Este caso muestra algo puntual: cuando el éxito se mide en conversiones más lower funnel, optimizar por volumen de leads no alcanza.

Mixilo es el optimizador de paid media con IA de Muttdata. Analiza cada prospecto, predice su probabilidad real de conversión entrenada contra tu propio CRM, y ajusta el presupuesto para maximizar los resultados.

¿Listo para optimizar lo que realmente importa para tu negocio? Contáctenos para una demo gratuita.