La oportunidad
FUME tenía algo que la mayoría de marcas pasan años intentando fabricar: demanda real de consumidor, no forzada. El producto se movía. La gente lo quería.
Lo que el negocio necesitaba era infraestructura a la altura de esa demanda. El storefront era lento y el checkout filtraba. El email estaba casi por completo sin usar. Y detrás de todo, las operaciones de almacén en Puerto Rico corrían separadas del lado de ventas, así que la verdad de inventario vivía en un sistema y la verdad de ingresos en otro.
Nada de eso es raro en una marca que crece más rápido que su stack. También es exactamente el tipo de problema que nos gusta, porque cada uno de esos huecos es un lugar donde ya hay ingresos sentados, esperando a que alguien construya lo que los desbloquea.
Antes
- Inventory truth in one system
- Revenue truth in another
- Manual reconciliation
- Email effectively dormant
Después
- One centralized record
- Continuous reconciliation
- Humans decide, system tracks
- Email earning daily
La columna vertebral: un ERP agentico de IA a medida
El primer y más importante build fue el nuestro.
En lugar de enganchar FUME a una plataforma genérica y pasar meses doblando el negocio para que encajara, desplegamos nuestro ERP agentico de IA a medida y lo dimos forma alrededor de cómo FUME operaba de verdad. Punto de venta, inventario, órdenes de compra, movimiento de almacén y tracking de producto entraron en un sistema centralizado, con la operación de Puerto Rico plenamente integrada.
La capa agentica es lo que lo hizo más que una base de datos. En lugar de que un equipo reconciliara a mano lo que decía el almacén contra lo que decía el storefront, el sistema mantenía esos registros verdaderos entre sí de forma continua y sacaba a la luz lo que necesitaba una decisión humana. El movimiento de stock, el flujo de pedidos y la inteligencia de distribución se convirtieron en una sola imagen en vivo en lugar de tres retrasadas.
Este es el trabajo menos visible de todo el proyecto y el más importante estructuralmente, porque todo lo que viene después depende de él. No puedes ejecutar buen email contra datos de inventario malos. No puedes juzgar una campaña de anuncios cuando no confías en tus propios registros de pedidos. Acertar esto primero es lo que hizo posible cada otro resultado de este proyecto.
No puedes correr buen email contra datos malos. Acertar esto primero es lo que hizo posible el resto de resultados.
Agentes de email marketing, produciendo a escala
El programa de email de FUME estaba casi dormido. No lo reconstruimos a mano, un flujo cada vez. Pusimos encima nuestros agentes de email marketing.
Secuencias de bienvenida, recuperación de carrito y browse, journeys post compra, winbacks y una estructura completa de campañas segmentadas se produjeron a un volumen y velocidad que la producción manual simplemente no alcanza. Como los agentes tiraban del ERP, cada mensaje tenía contexto real de producto, inventario y pedido detrás, en lugar de copy genérico de merchandising.
El programa pasó de inactivo a producir ingresos diarios en menos de seis semanas. El abandono bajó, las tasas de apertura subieron y las automatizaciones seguían ganando sin que nadie tuviera que tocarlas. Esa es la diferencia entre email como calendario de campañas y email como infraestructura.
Storefront y checkout
Con el backend verdadero y el motor de email en marcha, reingenierizamos el tech stack y reconstruimos la lógica de checkout. El peso de página bajó, la velocidad móvil subió y se cerraron los puntos de fricción donde las sesiones morían en silencio.
Adquisición de pago, ejecutada como un build de datos
Invertimos poco más de dieciséis mil dólares en Facebook para aprender qué costaba de verdad la adquisición en esta categoría a escala real.
La campaña devolvió 0,9 a 1 en la primera compra, y lo diremos con claridad, porque lo que compró valía más que el margen del primer pedido. Entraron más de doscientos clientes nuevos a unos ochenta dólares cada uno, junto con una lectura clara y testeada de la economía de adquisición de la categoría. Esa lectura dio forma directa a la estrategia de retención y repetición que siguió, y esos clientes aterrizaron en un sistema que por fin estaba construido para seguir trabajándolos.
Qué produjo
Los ingresos mensuales pasaron de unos treinta mil a unos cincuenta mil a lo largo del rebuild, un lift de alrededor del sesenta y seis por ciento.
Conviene ser precisos con ese número, porque la precisión es el producto aquí. El ERP, los agentes de email, el trabajo de storefront y el test de paid corrieron todos dentro de la misma ventana, y cada uno aportó. Aislar cualquiera de ellos de forma limpia habría requerido instrumentación de atribución que aún no estaba en su sitio cuando empezó el proyecto. Ese hueco es exactamente por qué cerrar el tracking y la atribución es ahora el paso dos de cada engagement que ejecutamos, justo después de la propia capa de datos.
