Suplementos deportivos · analítica

Publicidad, pedidos, CRM y ERP en un solo almacén,
y un analista al que puedes escribir

Para dos marcas de suplementos deportivos (Tailandia y Ucrania) construimos un almacén que une Meta, TikTok Shop, Shopify, LINE, GA4, CRM y un ERP de fábrica para el coste real de los bienes, con dashboards, monitorización de competidores y distribuidores, y un analista de IA en Telegram que responde con SQL. 1,025 tests. 184 de 218 eventos de subcotización de precios detectados con cero falsas alarmas.

Tailandia, Ucrania2026live 1,025tests automatizados
184 / 218eventos de subcotización de distribuidores detectados automáticamente, 0 ruido
3,638pedidos de TikTok Shop recuperados con backfill de 30 días en un conector
8formas de eludir la guarda de SQL encontradas en nuestra propia auditoría y cerradas antes del lanzamiento
10segmentos de clientes con afinidad de producto, calculados sin un LLM

La tarea

Dos marcas, dos países, datos repartidos en una docena de lugares: plataformas publicitarias, una tienda Shopify, TikTok Shop, LINE, un CRM, GA4, un canal de pedidos de Telegram y un ERP de fábrica. El propietario quería una sola imagen y la capacidad de hacer una pregunta y obtener una cifra.

Qué construimos

Conectores con backfill. Meta Ads, TikTok Shop (3,638 pedidos de un backfill de 30 días), Shopify, LINE OA, GA4, KeyCRM, PostHog, un canal de pedidos de Telegram analizado por un user-bot (571 de 571 pedidos recuperados), y el ERP de fábrica como fuente de solo lectura del coste real de los bienes a través de recetas y precios de materia prima. Catálogo reconciliado entre tres fuentes: mostró 13 productos en fabricación pero ausentes de la tienda.

Marts y dashboards. Pedidos, gasto, cohortes, productos, bundles, márgenes con COGS real (margen de materia prima por línea, usado para diseñar sets). Un análisis de cesta de mercado de 568 pedidos cambió la estrategia de bundles.

Módulos. Inteligencia de competidores con diez recolectores (bibliotecas de anuncios, redes sociales, marketplaces, sitios web, tráfico, búsquedas, tendencias, reseñas) y un monitor de distribuidores que detectó 184 de 218 eventos de subcotización de precios con cero falsas alarmas. Segmentación de clientes en diez personas con afinidad de SKU, calculada de forma determinista en SQL. Un constructor de ofertas con una puerta financiera sobre el margen y una guarda de afirmaciones. Un arquitecto de embudos con cuatro puertas deterministas y exportación a Mermaid.

El analista de IA. Un rol de solo lectura en la base de datos, una capa SQL protegida (un solo SELECT, solo el esquema del mart, límites y timeouts forzados), y un bot de Telegram que responde “las tres ciudades principales por ingresos” con la consulta que ejecutó. Auditamos nuestra propia guarda y encontramos ocho formas de eludirla, desde trucos de comillas hasta acceso al catálogo del sistema, y las cerramos todas antes de confiarle datos en producción.

Despliegue. Servicios separados por marca en un VPS, systemd, Caddy para TLS, copias de seguridad diarias, 1,025 tests automatizados en la ejecución completa.

El resultado

El propietario obtiene cifras en Telegram en segundos, el equipo recibe alertas cuando un distribuidor subcotiza, y las dos marcas finalmente comparten una sola definición de pedido.

Empiece aquí

Cuéntenos el problema.
Nosotros aportamos el sistema.

Una llamada de 30 minutos, un plan por escrito con cifras en 48 horas, sin compromiso. Si no somos la opción adecuada, se lo diremos y le recomendaremos a quien sí lo sea.