Florería Suspiros (floreriasuspiros.com) es una florería en Mexico que opera principalmente por WhatsApp. Empezamos a automatizar su atención en julio de 2025. Esto no pretende ser un "case study de marketing" — es la bitácora real de lo que pasó, con los números que sí podemos compartir y las decisiones de las que aún me arrepiento.
Por qué arrancamos
El dolor era operativo. Dos personas atendían WhatsApp en horario hábil. Fuera de eso, los mensajes se acumulaban hasta el día siguiente. La cifra que más me marcó fue ésta: de los mensajes que llegaban entre viernes 8 PM y lunes 9 AM, el 38% terminaba comprando con otra florería antes de que el equipo pudiera responder. Lo sabíamos porque cuando finalmente respondíamos, esa era la respuesta típica: "ya pedí, gracias".
Antes de meternos a IA, intentamos dos cosas que no funcionaron:
- Un bot por menú con ManyChat (2023). "Marca 1 para arreglos, 2 para cotizaciones, 3 para soporte." Tasa de abandono del 60% medida en las analíticas del propio ManyChat. Los clientes querían escribir, no navegar un IVR.
- Contratar a una tercera persona (2024). Bajó el problema en horario hábil, pero subió la nómina ~$11,000 MXN mensuales y los fines de semana seguían descobertados.
La aplicación propia ni siquiera la consideramos seriamente: a los clientes les estorba descargar algo. WhatsApp es la inercia.
Cómo decidimos el alcance del agente
El error que veo en 9 de cada 10 implementaciones es querer automatizar todo de golpe. Aquí nos forzamos a elegir un solo flujo: tomar pedidos del catálogo estándar. Nada más. Si el cliente pedía algo personalizado ("quiero un ramo con girasoles, tulipanes morados y un girasol blanco al centro"), el bot tenía instrucciones de transferir a humano sin intentarlo. Esa restricción fue probablemente la decisión más rentable que tomamos.
El flujo completo del agente en producción es así:
- Saluda con el nombre del cliente si está en el CRM, o pregunta el nombre si es nuevo.
- Pregunta si busca algo del catálogo o algo personalizado. Si es personalizado, transfiere.
- Muestra opciones del catálogo con imagen y precio (usando mensajes multimedia de WhatsApp).
- Toma datos: dirección, fecha, hora de entrega, mensaje para la tarjeta.
- Valida la dirección contra la API de Google Maps y calcula el costo de envío según colonia (47 colonias mapeadas con precio fijo, el resto cae a humano).
- Genera el link de pago con la API de Stripe (Payment Link dinámico).
- Cuando el webhook de Stripe confirma el pago, manda confirmación y crea la orden en el sistema interno.
El stack técnico: Meta Cloud API (no usamos un BSP como Twilio o WATI porque el costo se nos disparaba), OpenAI GPT-4.1 para el razonamiento (no GPT-5 todavía — más adelante explico por qué), y Yolani como capa que pega todo junto.
Las primeras 4 semanas: bitácora de lo que rompió
Semana 1 — direcciones
El agente confundía direcciones. Cosas como "Av. Constitución 100", "constitucion 100" y "cerca del HEB de Constitución" caían en buckets distintos. El bot a veces aceptaba la dirección "cerca del HEB" como válida y mandábamos al repartidor sin saber a dónde. Hubo dos entregas tardías y una devuelta. Solución: forzar validación contra Google Maps Geocoding API antes de aceptar la dirección, y si no se podía resolver con confianza alta, el bot preguntaba referencias hasta encontrar coordenadas válidas.
Semana 2 — colonias limítrofes
San Pedro y Santa Catarina tienen colonias que rozan municipios distintos. El bot cobraba envío estándar cuando debía cobrar express. Pérdida real medible: $2,180 MXN en cuatro pedidos antes de detectarlo. Solución: la florería se sentó conmigo media tarde y documentamos las 47 colonias problemáticas con su precio exacto. Esa tabla la cargamos al knowledge del agente.
Semana 3 — pedidos personalizados que el bot intentó manejar
El prompt original decía "si el pedido es personalizado, transfiere". El bot interpretaba "personalizado" de forma laxa: si el cliente pedía "un ramo de 24 rosas rojas" (variación obvia de un producto del catálogo), lo aceptaba. Pero si pedía "24 rosas rojas con mensaje de cumpleaños", también intentaba procesarlo sin transferir. Reescribimos la regla: cualquier petición que no coincida exacto con un SKU del catálogo se transfiere. Tasa de transferencia subió del 10% al 17%, pero los errores en pedidos cayeron a casi cero.
Semana 4 — sentimiento
Doce clientes se quejaron en la calificación post-conversación de que "el bot no entendía". Al leer las conversaciones, eran casos donde el cliente estaba enojado por algo previo (una entrega tarde de la semana anterior, un cobro doble que aún no se resolvía) y el bot seguía intentando venderle. Agregamos detección de sentimiento: si el modelo detecta tono molesto en los primeros dos mensajes, transfiere directo. Nunca intentar vender a alguien enojado.
Métricas reales después de 9 meses
| Métrica | Línea base (jun 2025) | Mar 2026 | Cambio |
|---|---|---|---|
| Tiempo medio de 1ª respuesta (horario hábil) | 14 min | 4 s | ~99% ↓ |
| Tiempo medio de 1ª respuesta (fuera de horario) | ~11 h | 4 s | ~99% ↓ |
| % conversaciones cerradas sin humano | 0% | 72% | — |
| Pedidos cerrados en menos de 15 min | 22% | 69% | +47 pp |
| Conversión mensaje → orden pagada | ~14% | ~21% | +50% |
| Quejas escaladas a la dueña | ~30 / mes | ~9 / mes | −70% |
| Costo del agente (Meta + OpenAI + Yolani) | $0 | ~$830 MXN / mes | — |
Dos notas honestas sobre estos números: la "tasa de cierre sin humano" subió a 85% por un par de semanas, pero después de las primeras revisiones cuando endurecimos las reglas de transferencia, se estabilizó en el 72%. Y la conversión efectivamente subió, pero no es solo mérito del agente — en esos 9 meses la florería también mejoró su catálogo de fotos y limpió precios viejos. Atribuir todo al bot sería deshonesto.
El primer 14 de febrero con el bot prendido
El 14 de febrero de 2026 recibieron 4,180 mensajes en 48 horas (su promedio mensual es 1,100). El bot procesó 3,140 sin intervención humana. El equipo se concentró en los 1,040 que sí escaló — personalizados, problemas de pago, cambios de última hora, reagendos. Vendieron 41% más que el 14 de febrero de 2025.
Lo que no contamos a nadie ese fin de semana: el bot se cayó dos veces, ambas por límites de rate de la Cloud API de Meta. Al sostener picos de ~80 mensajes simultáneos, Meta nos throttleó y algunas respuestas tardaron 6-9 segundos en vez de los típicos 800 ms. Nadie del cliente lo notó porque WhatsApp ya tiene de fondo la lógica de "escribiendo…", pero internamente fue un susto. Para el 10 de mayo (Día de las Madres) movimos parte del tráfico a la cuenta business como respaldo y precalentamos plantillas.
Lo que cambiaría hoy si volviera a empezar
Tres decisiones que tomaría diferente:
- No esperaría 3 semanas para conectar el sistema de pagos. En las primeras dos semanas el bot solo "tomaba" pedidos y un humano cobraba después. Esto rompió el flujo y perdimos ~$14,000 MXN en pedidos no cerrados. La integración con Stripe Payment Links debía haber estado el día 1.
- Empezaría con menos conocimiento, no más. Subí al primer prompt todo el catálogo y todas las políticas. El agente se confundía. Hubiera sido mejor empezar con los 10 productos más vendidos y agregar el resto en oleadas semanales.
- Documentaría las conversaciones malas antes que las buenas. Las primeras 6 semanas pasaba tiempo viendo "ejemplos exitosos". El verdadero oro está en leer los 20 peores chats de la semana, no los 20 mejores.
Lo que el bot todavía no hace bien
Para no vender humo: hay tres cosas en las que el agente todavía cojea, 9 meses después.
- Reagendos por mensaje de voz. Cuando el cliente manda audio diciendo "oye, mejor cámbialo para el viernes", el flujo se rompe. Transcribimos con Whisper, pero la confianza al confirmar fechas en español oral es del 60%. Por seguridad, esos los transferimos siempre.
- Casos con dos destinatarios. "Manda uno a mi mamá y otro a mi suegra el mismo día." El bot procesa el primero bien y se enreda con el segundo. Está en backlog separarlo en dos órdenes paralelas.
- Cambios de catálogo en tiempo real. Si un producto se agota a media tarde, el bot puede seguir ofreciéndolo durante horas hasta que alguien actualice la base. Estamos integrando un webhook con el inventario de la florería, pero todavía no está vivo.
Si tu negocio se parece
Florería Suspiros no es un caso especial — es un negocio mexicano de servicio con catálogo estable, pedidos por WhatsApp y picos estacionales. Si vendes flores, comida lista, productos de belleza, ropa, repostería o cualquier vertical con esa forma operativa, lo que les funcionó es muy probable que te funcione. Lo que no es replicable son los atajos: la documentación de las 47 colonias se hizo a mano, la base de conocimiento se afinó leyendo conversaciones reales, el handoff se calibró durante meses. No hay "configurar y olvidar".
Si quieres conversar caso por caso, escríbeme directo a [email protected]. Si prefieres armarlo solo, crea una cuenta y empieza con tu propio número. Lo único que pido: documenta tu línea base antes de prender nada, o no vas a poder medir si esto te sirvió o no.
