Javier Cepedano es Fractional CMO con una larga trayectoria en dirección de marketing. Trabaja en exclusiva con empresas de tecnología en entornos B2B, donde ejerce desde consultor estratégico, siempre con una dedicación limitada y ligada a hitos concretos de negocio. Actualmente centra buena parte de su actividad en el asesoramiento a startups de software.
En esta entrevista, hablamos con él de por qué las startups no necesitan más datos, sino mejores datos, y de un cambio que ya está aquí aunque muchos founders se resistan: hablar con la información de tu empresa como hablas con un compañero.
Antón Suárez: La primera pregunta es obligada: ¿qué hace exactamente un Fractional CMO en una startup y hasta dónde llega tu implicación?
Javier Cepedano Hens: El rol fraccional de dirección de marketing es, al final, un responsable de marketing a todos los efectos, pero con una dedicación de tiempo limitada y no total al cliente o proyecto. El rol depende del cliente y de la tipología de empresa. En mi caso, que trabajo exclusivamente para empresas de tecnología en entornos B2B, fundamentalmente lo que hago para estas startups es dos cosas: o bien hacer de consultor muy estratégico para CEOs que no tienen la capacidad ni el conocimiento de marketing para entender cuáles son los canales más relevantes para su negocio. O, a medida que van creciendo, ir subiendo el nivel de servicio hasta llegar a gestionar internamente sus equipos, con una dedicación limitada y muy sujeta a hitos concretos de la empresa.
Antón: ¿Qué tipo de hitos?
Javier: Por ejemplo, he estado en proyectos donde me han pedido: «quiero validar mis dos o tres canales de marketing más rentables». Cuando identificamos esos canales y los entendemos, se cumplen más o menos los objetivos y la empresa crece, lo lógico es que mi rol desaparezca y contraten a un director de marketing interno.
Antón: ¿Qué duración tiene tu intervención en los proyectos?
Javier: Cuando empiezo a trabajar intento que haya un compromiso mínimo de seis meses, porque por lo general siempre hay un decalaje entre que entiendes el negocio y tomas decisiones —sean de equipo, estratégicas o de canales—, y hace falta al menos ese tiempo para ver si las decisiones que se toman tienen un efecto, positivo o negativo.
A partir de ahí me vinculo al valor que aporto a cada proyecto. No me gusta que los clientes sean esclavos de mi servicio, así que trabajamos mes a mes, sujetos a unos hitos muy concretos, unos alcances y una involucración dentro del cliente.
Por ejemplo, hay veces que he tenido que levantar la mano o parar de trabajar en algún proyecto, porque no tenía las herramientas ni el acceso a la información que creo que debo tener para trabajar con un cliente. Muchas empresas lo ven como una forma económica de tener una dirección de marketing, pero también exige compromisos: es un toma y daca, un camino de dos direcciones.
Antón: Hablando de aportación de valor: la IA ha llegado a las empresas como un elefante a una cacharrería. Con la IA, ¿dónde se está ganando tiempo de verdad en marketing y ventas, y dónde se está perdiendo?
Javier: Hay un problema de base en startups, que tienen una idiosincrasia muy particular: por definición, en todo lo que tenga que ver con datos —salvo modelos muy concretos B2C que puedan tener mucho volumen con campañas—, son empresas que siempre van a tener cierta sensación de datos incompletos, porque al final tienen una muestra pequeña.
Imagínate un SaaS B2B que está empezando y factura 10, 15 o 20.000 € al mes. ¿Qué capacidad tiene de generar datos estadísticamente significativos? Los tiene, pero no muchos. Ahí en lo que siempre me centro es en que, si tenemos que tomar decisiones desde la primera parte del funnel de marketing hasta el comercial, tengamos en todos los puntos un planteamiento para que todos los datos que manejemos sean mínimamente sólidos.
Antón: ¿Y qué te sueles encontrar cuando aterrizas en esos proyectos? ¿Tienen esa base hecha?
Javier: Por ejemplo, en muchos proyectos entramos a colaborar en temas comerciales y nos damos cuenta de que hay empresas con buena facturación mensual que no tienen en su CRM —sea HubSpot, Zoho o Pipedrive— el set de propiedades específicas de nicho que debe tener cada deal, cada compañía y cada contacto para que a la larga tengas buenos datos con los que tomar decisiones comerciales.
Esto, que es cierto que habla mucho de la parte de venta, también tiene que ver con las campañas. Si invierto mucho tiempo en redactar contenidos en orgánico, o invierto 1.000, 3.000, 5.000 o 10.000 € al mes en paid media, en paid search o en cualquier campaña de pago, lo lógico es que todo eso revierta en un análisis comercial del revenue que esas campañas están generando.
Pero si, para empezar, no tengo mi herramienta comercial fundamental bien estructurada en base a los datos comerciales, cualquier decisión que tome sobre las campañas será errónea. Por eso me centro en tener primero una capa mínimamente válida de datos, desde la estrategia: ¿a qué clientes vamos? ¿Qué ICP [Ideal Customer Profile] es? ¿Qué nicho? ¿Qué le duele de verdad? Y que todo eso vaya trazando el camino desde el tráfico hasta el lead, y desde el lead hasta la oportunidad y la venta, para que, cuando tomes una decisión al final del embudo, todo lo que cambies en la parte inicial tenga sentido. Esa primera capa es fundamental y no lleva tanto trabajo como se cree.
La transcripción de una llamada de prospección o de discovery también son datos, con prácticamente el mismo valor que los numéricos.
Antón: Esto es algo que nosotros comentamos muchas veces: para que la IA funcione tienes que tener una buena base de datos. Las startups están adoptando diferentes IAs: unas generativas y otras que ayudan a mejorar la productividad. Nosotros estamos en esa segunda parte, en utilizar la IA para explotar los datos. Con este segundo tipo, si no tienes suficientes datos y bien organizados, casi mejor no usarlas.
Javier: Sí. Ahora mismo, en todos los proyectos que tienen volumen y un servicio para mí considerable —porque en los proyectos de consultoría no me centro tanto en esto—, estoy metiendo la API de todos los CRMs en Claude para ir autoeditando y desplegando miniagentes que me ayuden a sacar mejores conclusiones y me automaticen el trabajo. Pero ese trabajo automatizado, que fundamentalmente es una propuesta de seguimiento o una propuesta de email —ten en cuenta que son SaaS B2B que necesitan seguimientos muy personalizados—, nunca va a estar bien si los datos de base no lo están.
En vuestro caso, muchos datos pueden ser numéricos, de campañas. En tecnología, cuando hablamos de datos comerciales, la gente ni se para a pensar que la transcripción de una llamada de prospección o de discovery también son datos, con prácticamente el mismo valor que los numéricos. Y esos datos hay que trabajarlos bien de base.
Si no están bien estructurados en propiedades concretas —para que los agentes revisen esas propiedades, casen la información con las transcripciones de las llamadas, la crucen a su vez con las fuentes por las que ha venido el lead y te analicen los pasos que ha seguido, si ha sido rápido o no—, las conclusiones que saques van a ser malas. Por eso te decía que la capa inicial es fundamental: te va ayudando a tener una cultura de trabajo del dato, sea comercial o de marketing. Para mí es indiferente, porque todo tiene valor.
Antón: Y a la hora de tomar decisiones, ¿qué suele fallar más en las startups? ¿No tener los datos, tardar demasiado en entenderlos u otra circunstancia que conozcas de primera mano?
Javier: Lo hemos medio mencionado. Sobre todo cuando empiezan y quieren validar canales —y en realidad, cuando te dicen que quieren validar canales, lo que quieren es validar el producto—, están en una fase muy inicial y, por definición, seguramente no tengan muchos datos. Y el hecho de no tener datos lo que provoca, creo yo, es que tarden demasiado en tomar decisiones. Con respecto a los datos, yo siempre pienso en esa capa muy fina que alinee qué datos tengo que tener de cada acción de marketing y, consecuentemente, de cada conversación comercial, para poder ir tomando minidecisiones y no quedarme esperando a acumular un montón de datos.
Pero insisto: este es un contexto muy concreto de startups que empiezan, que facturan 5.000, 10.000, 15.000, 20.000 € al mes o incluso más, y que muchas veces se quedan paralizadas pensando «necesito tener un montón de datos».
Para una pyme, una gran empresa o una compañía de gran consumo el contexto es totalmente diferente. Pero en el contexto en el que yo trabajo, precisamente le das la importancia al dato en el contexto correcto: «Oye, tienes pocos; trata de sobresegmentar si es necesario, haz esta campaña para este ICP concreto, para este decisor, y cuando tengas 15 o 20 conversaciones ya puedes ir tomando decisiones».
Hablamos de un volumen muy pequeño, pero esas decisiones son las que te van ayudando a validar o invalidar. ¿Hasta qué momento? Hasta que tienes un producto más o menos validado, puedes empezar a escalar las campañas y tienes ya todos los datos bien estructurados en toda tu infraestructura. A partir de ahí ya puedes ir escalando, y que el problema sea «no tengo datos suficientes» o «tengo un montón de datos y ni me estoy parando a entenderlos», que entiendo que es un caso que os soléis encontrar mucho vosotros en clientes ya más sólidos.
Antón: Sí, hay un poco de todo. En gran consumo el problema suele ser el contrario: demasiados datos, desordenados en silos, sin capacidad de abordarlos. En B2B hay una especie de complejo: creen que no tienen datos suficientes, pero sí los tienen. Y luego hay casos en los que directamente hay que montar proyectos de captación, porque hay muchos touchpoints digitales y comerciales que no se están aprovechando para recopilar. Siempre hay ese primer día.
Javier: Ten en cuenta que en startups —sabiendo en qué contexto estás y qué etiqueta tienes—, los datos se basan en ir trabajando la marca y, por lo tanto, en integrar todo lo que es Search Console y búsquedas de marca, que más o menos te va echando un cable con el posicionamiento orgánico.
Esa información ya la puedes integrar directamente en Claude para tenerla bastante unificada. Y lo mismo con DataStudio: lo puedes integrar perfectamente para tener más o menos trabajadas las campañas de paid search que haces. En una startup SaaS B2B —insisto, SaaS B2B, que ya te reduce el volumen un montón—, con tener estos tres o cuatro elementos más o menos trazados, que la información que se vuelque a nivel comercial en el CRM responda a esos canales y que puedas trazar bien la información de un punto A a un punto B sin volverte loco, de inicio, es suficiente.
Pero que no es poco, porque al final hablamos de que con muy pocos recursos tienes que hacer cosas que siempre van a estar por encima de tus capacidades, que por idiosincrasia es lo que supone montar una startup y arrancarla.
El futuro de la interpretación de los datos, de la productividad y de la gestión estratégica y de ejecución de tareas será conversacional o no será.
Antón: Pues justo, ya que mencionas DataStudio: en aditu llevamos más de 15 años en analítica digital haciendo dashboards en DataStudio y Power BI, y acabamos de lanzar un nuevo servicio que es una evolución de esos dashboards estáticos: Business Intelligence conversacional. Conectamos las diferentes fuentes de datos —Google Analytics, campañas, CRM, ERP—, trabajamos la capa semántica y puedes hablar directamente con los datos en lenguaje natural desde tu chat habitual, sea Slack, Teams o Google Chat. Un servicio así, ¿crees que tendría encaje en este ecosistema de startups de software B2B?
Javier: Para mí, el futuro de la interpretación de los datos, de la productividad y de la gestión estratégica y de ejecución de tareas, tanto en startups como en otro tipo de empresas, será conversacional o no será. Para empezar, eso ya valida, creo, el entorno conversacional. ¿Por qué? Porque si partes de la premisa de que todo el mundo va a tener acceso a los datos core de la empresa, principalmente lo que estás dando es visibilidad, transparencia y contexto, y creo que o lo haces o te quedas fuera.
Ahora mismo, las empresas que mejor están trabajando este tipo de cuestiones a nivel compañía —y no me centro solo en los datos de negocio— son muy pocas, y están utilizando, por ejemplo, un servidor con la API de Anthropic desplegada. A partir de ahí van conectando servicios de toda su empresa: un e-commerce que le mete toda la información de la web, de toda la logística, de todo el presupuesto de marketing, de la gestión del día a día de la empresa, información financiera, administrativa… De tal forma que ese cerebro común que tiene toda la empresa va distribuyendo tareas, conclusiones o alertas. Y sobre ese cerebro tienes una interfaz —aquí las empresas están utilizando, por ejemplo, la terminal, que yo, que no soy técnico, no había usado hasta hace unos meses—, que no deja de ser un chat conversacional que tira de un cerebro, al que le vas pidiendo información, te la va desplegando y tú vas decidiendo cómo visualizarla: tíramela sobre un HTML, descárgamela en PDF o mándala directamente al canal de Slack en el que quiero compartir unas conclusiones que estoy sacando.
Antón: ¿Y todo eso que describes está al alcance de una startup?
Javier: Es que en entornos startuperos con pocos recursos ya se está haciendo. Entonces, si me preguntas si un servicio de este tipo encaja en la solución de problemas que pueden tener las empresas de tecnología pequeñas para ser más productivas, la respuesta es que al 100 %. Ya es un tema de encajar ese problema y el precio al que lo solucionas, con lo que a una startup le cuadra. Pero todo lo que sea conversacional, todo lo que tire de contexto común y todo lo que ayude a que la gestión del día a día de la información sea más ligera, 100 %. Y esto, aunque suene al típico cuñadismo: no es que vaya a llegar, es que ya está aquí y desde hace meses.
Hay casos de empresas que lo están haciendo superbién. El problema es el de siempre: cultural. Trabajo en startups con gente muy técnica, muy actualizada, a la que le cuesta entender que puedes tener perfectamente un cerebro que, de forma automática, sujeto a una constitución y a unas instrucciones que tú le has dado y que tú vas manejando, te actualice la base de conocimiento de toda tu empresa.
Hay founders que no lo aceptan: «No, no, perdona: ¿la definición estratégica de mi cliente ideal —a quién voy, a quién no voy— y la base de conocimiento de la que van a tirar mis clientes la va a ir actualizando automáticamente un agente que tira de todo el contexto?». Y yo les digo: «Sí, hombre, claro». ¿Por qué? Porque tienes metida toda la interacción con tu plataforma y si es evidente que hay un botón que los usuarios no están sabiendo interpretar ni utilizar bien, el agente sabe perfectamente qué está ocurriendo y te lo dice: «Oye, está pasando esto, ¿actualizamos la ficha del artículo que habla de esta funcionalidad?». Y hay mucha gente que no quiere hacerlo. Es más un tema cultural y, luego, el encaje típico del proceso de compraventa, de precio y servicio. Pero ya te digo yo que sí, que un servicio de este tipo encaja, porque es el día a día.
Antón: Eso mismo me encuentro yo. Hay gente cacharreando con herramientas como Claude que ve muchas alucinaciones y errores, y siempre decimos: «Si lo haces, hazlo bien: prepara los datos, hazlo en tu entorno privado y con los permisos y la seguridad adecuados». Y luego está la parte casi de ciencia ficción: en un dashboard ves qué ha pasado; con este chat conversacional ves qué ha pasado, qué va a pasar y qué puedes hacer, y le pides recomendaciones. Ahí es cuando la gente se queda con la boca abierta.
Javier: Claro, y te va dando recomendaciones de acción. Va a llegar un momento en que, si le estás dando el conocimiento suficiente —sean datos, como decías antes, de puntos de contacto, de campañas, lo que sea—, si le das la información correcta, creo que es muy presuntuoso pensar que un humano va a tener más capacidad que un agente con el contexto suficiente para tomar decisiones correctas. Es presuntuoso pensar que el humano va a tener más contexto guardado y almacenado. Eso sí: el gusto y el toque para decidir si la opción A, la B o la C es la mejor, eso probablemente será insustituible durante mucho tiempo. Pero el cambio de mentalidad y el fiarte de todo este tipo de avances tecnológicos para hacer mejor tu trabajo de una forma más eficiente… me parece como no utilizar la rueda cuando se inventó, si es que lo estás viendo.
Si te ha parecido interesante esta entrevista, en nuestra newsletter publicamos conversaciones como esta cada dos semanas: expertos del sector, sin filtros y con foco en negocio. Suscríbete y no te pierdas la próxima.
