BUILD IN PUBLIC · MÉTODO CIENTÍFICO

EXPERIMENTOS

Cada hack, cada sistema nuevo y cada herramienta que promete milagros pasa primero por aquí. Hipótesis clara, variables aisladas, resultados reales. Si funciona, lo documentamos. Si no, también.

Total

Corriendo

Planeando

Completados

¿Qué es esto?

Cada vez que leo un hilo tipo “el sistema que me agendó 12 demos en 5 días” mi primer instinto es ejecutarlo con mi pipeline real para ver si funciona. Este log es ese proceso, público y con números.

Cada experimento vive bajo método científico: pregunta, hipótesis medible, variables independiente / dependiente / de control, metodología reproducible y resultados que se actualizan en vivo conforme corre el experimento.

Siempre probamos con nuestro stack: n8n, Make, Airtable, ActiveCampaign, CRM propio, Claude Code. Si un experimento recomienda una herramienta que no tenemos, la sustituimos por lo que sí tenemos — o la probamos en trial si es la variable que queremos medir.

PlaneandoVentasInicio 20 abr 2026

Prospección high-intent con detección de señales

¿Puede un agente que detecta señales de intención en LinkedIn reemplazar el cold outreach y subir la tasa de respuesta de 2% a 25%? Probamos Gojiberry AI como input y nuestro stack (CRM propio + ActiveCampaign + n8n) como output.

Hipótesis

Si contactamos prospectos que ya mostraron señales de intención (interactuaron con competidores, cambiaron de puesto, levantaron fondos) en lugar de listas frías, entonces la tasa de respuesta subirá de ~2% a ≥20% y agendaremos ≥5 demos en 14 días con ≤50 mensajes enviados.

gojiberry-aicrm-gnbactivecampaignslack

Ver experimento →

¿Tienes un experimento que quieres que probemos?

Mándalo y lo ponemos en la fila con nuestro stack.

Proponer experimento →