Blog Primo Robles

Tu empresa no necesita más datos. Necesita escuchar mejor los que ya tiene

primo@primorobles.com (Primo Robles) — Sat, 10 Oct 2026 14:10:34 GMT

Tenemos CRM.

Dashboards.

Analítica.

Encuestas.

Automatización.

Inteligencia artificial.

Nunca habíamos tenido tantas herramientas para conocer al consumidor y capturar la voz del cliente.

Y, sin embargo, sospecho que muchas empresas siguen perdiendo algunos de sus mejores insights todos los días.

No porque el cliente no hable.

Sino porque estamos demasiado ocupados intentando venderle, convertirlo y medirlo como para detenernos a escuchar lo que realmente está diciendo.

La voz del cliente probablemente ya está en tu CRM

Pensemos en una conversación comercial cualquiera.

Un cliente explica por qué está interesado.

Hace preguntas.

Compara alternativas.

Expone una objeción.

Cuenta qué le preocupa.

Explica por qué nuestra propuesta le parece costosa.

Menciona qué está haciendo la competencia.

Incluso utiliza palabras muy concretas para describir su problema.

Todo eso es información de mercado.

Pero termina la llamada y muchas veces el vendedor actualiza:

Estado: seguimiento.

Programa la próxima llamada.

Y continúa con el siguiente prospecto.

Lo más valioso de aquella conversación desapareció.

Razones para comprar.

Objeciones.

Miedos.

Comparaciones.

Necesidades.

Palabras exactas del consumidor.

El cliente habló.

La empresa simplemente no aprendió.

El CRM debería ser la memoria del cliente

Creo que hemos reducido demasiado el significado de un CRM.

Lo utilizamos para saber quién es el cliente, en qué etapa está, cuánto vale la oportunidad, cuándo debemos volver a llamarlo y finalmente si compró o no.

Todo eso importa.

Pero debería ayudarnos a responder también preguntas bastante más interesantes:

¿Por qué quería comprar?

¿Por qué decidió no hacerlo?

¿Qué objeción apareció?

¿Con quién nos comparó?

¿Qué esperaba encontrar y no encontró?

¿Qué problema está intentando resolver realmente?

La investigación sobre CRM lleva tiempo señalando precisamente esta posibilidad. Khodakarami y Chan estudiaron cómo diferentes tipos de sistemas CRM pueden contribuir no solamente a almacenar datos, sino a crear conocimiento sobre, para y desde los clientes. Su investigación también advierte que muchas organizaciones invierten en estas tecnologías sin explotar completamente su capacidad para generar conocimiento del consumidor.

Por eso me gusta pensar el CRM de otra manera:

El CRM no debería ser solamente la memoria de las ventas. Debería ser la memoria del cliente.

Marketing también puede dejar de escuchar

Pero no toda la responsabilidad está en ventas.

Supongamos que el vendedor hizo la tarea y registró la información.

Ahora llega a marketing.

Y aparece otro riesgo.

Nos encantan los números.

CTR.

Conversión.

CAC.

CPL.

ROAS.

Leads.

Todo eso es necesario.

El problema aparece cuando lo fácilmente medible desplaza a lo verdaderamente importante.

El dashboard puede decir:

“La conversión cayó”.

Perfecto.

Pero diez conversaciones comerciales podrían estar diciendo:

“Me interesa, pero no entiendo qué los diferencia de la competencia”.

Una métrica nos dice qué está ocurriendo.

La voz del cliente puede ayudarnos a comprender por qué está ocurriendo.

Ahí está la diferencia entre acumular datos y generar inteligencia de marketing.

No toda la información importante viene en forma de KPI

Uno de los grandes riesgos del marketing obsesionado con performance es terminar mirando únicamente aquello que cabe fácilmente en una gráfica.

Pero una objeción recurrente puede contener más información estratégica que muchos indicadores.

“Está muy caro”.

“Parece difícil de implementar”.

“No veo por qué debería cambiarme”.

“No entiendo la diferencia”.

“Me preocupa lo que ocurra después de comprar”.

Si esas frases empiezan a repetirse, tenemos algo más que comentarios comerciales.

Tenemos patrones.

Y esos patrones pueden ayudarnos a cambiar mensajes, ajustar la propuesta de valor, desarrollar contenido, modificar procesos de venta, mejorar experiencias e incluso detectar oportunidades de innovación.

Investigaciones sobre Customer Knowledge Management han mostrado precisamente que la captura, consolidación, análisis y distribución del conocimiento proveniente del cliente puede utilizarse para orientar decisiones posteriores. Pero hacerlo exige algo más que tecnología: también requiere procesos que permitan que esa información circule dentro de la organización.

Ahí aparece el verdadero problema.

Escuchar no basta

Muchas empresas escuchan al cliente.

Lo que no han construido es un sistema para aprender de lo que escuchan.

Yo lo resumiría así:

ESCUCHAR → REGISTRAR → INTERPRETAR → COMPARTIR → ACTUAR

El cliente habla.

Ventas escucha.

El CRM conserva.

Marketing interpreta.

La organización comparte.

Y el negocio actúa.

Si ventas escucha pero no registra, el conocimiento se queda en la cabeza del vendedor.

Si registra pero marketing nunca analiza, convertimos el CRM en un cementerio de información.

Si marketing interpreta pero el aprendizaje nunca llega a ventas, producto, servicio o dirección, tendremos insights interesantes que no cambian nada.

El valor aparece cuando cerramos el ciclo.

Una objeción puede convertirse en un nuevo argumento comercial.

Una razón de pérdida puede revelar una debilidad en nuestra propuesta.

Una pregunta repetida puede transformarse en contenido.

Una comparación frecuente puede señalar un problema de posicionamiento.

Una necesidad inesperada puede convertirse en innovación.

La conversación deja entonces de ser anecdótica.

Se convierte en inteligencia.

Quizás no necesitas otra encuesta

No estoy diciendo que dejemos de investigar consumidores.

Al contrario.

Pero antes de encargar otro estudio, lanzar una nueva encuesta o comprar otra herramienta de analítica, quizá deberíamos mirar lo que ya tenemos.

Conversaciones comerciales.

Oportunidades perdidas.

Objeciones.

Correos.

Chats.

Tickets de servicio.

Razones para comprar.

Razones para abandonar.

El próximo gran insight puede que no esté escondido en un nuevo dashboard.

Quizá alguien ya se lo dijo ayer a uno de tus vendedores.

La pregunta es si alguien lo registró.

Y, sobre todo, si alguien hizo algo con eso.

Porque una empresa verdaderamente orientada al cliente no es la que acumula más datos ni la que hace más encuestas.

Es la que escucha, atiende y convierte lo aprendido en capacidad para anticipar lo que su cliente necesitará después.

Tal vez debamos dejar de preguntarnos únicamente cuánto vendimos.

Y empezar a obsesionarnos un poco más con entender por qué alguien decidió comprarnos o por qué decidió no hacerlo.

Útil, aunque incomode

Si esta idea te dejó una pregunta útil, recibe una conversación semanal sobre marketing, innovación y negocios para pensar mejor antes de decidir.

Recíbelo en tu correo →

¿Tu marketing tiene estrategia o solo actividad? Claves para saberlo

primo@primorobles.com (Primo Robles) — Fri, 09 Oct 2026 23:04:41 GMT

Publicar no es estrategia. Pautar tampoco. Hacer reels, enviar correos o lanzar campañas puede ser parte del marketing. Pero ninguna de esas actividades, por sí sola, constituye una estrategia de marketing.

Hay una pregunta que se repite con demasiada frecuencia en los equipos de marketing:

¿Qué vamos a publicar mañana?

Después vienen otras.

¿Qué hacemos para Instagram?
¿Qué tendencia aprovechamos?
¿Lanzamos una campaña?
¿Hacemos un reel?
¿Trabajamos con influencers?

Todas pueden ser preguntas válidas.

El problema es cuando aparecen antes de una bastante más importante:

¿Qué estamos intentando conseguir?

Porque una organización puede publicar todos los días, tener pauta activa, producir videos, organizar eventos y llenar un dashboard de indicadores…

y aun así no tener una estrategia de marketing.

Puede tener mucha actividad.

Que no es lo mismo.

La actividad genera movimiento. La estrategia genera dirección

Michael Porter lleva décadas defendiendo una distinción que sigue siendo vigente: hacer muchas actividades bien y mejorar la eficiencia operacional no equivale a tener estrategia. La estrategia exige elecciones, prioridades y coherencia entre las diferentes actividades de una organización.

En marketing solemos olvidarlo.

Decimos:

“Tenemos una estrategia de reels”.

“Vamos a hacer una estrategia con influencers”.

“Nuestra estrategia es publicar cuatro veces por semana”.

Pero esas son tácticas, canales o actividades.

Pueden formar parte de una estrategia.

O pueden simplemente mantener ocupado al equipo.

Para mí, una estrategia de marketing empieza bastante antes de Instagram.

Empieza preguntando qué quiere conseguir el negocio.

Crecer.

Aumentar rentabilidad.

Entrar a un nuevo mercado.

Retener clientes.

Desarrollar una categoría.

Fortalecer una posición competitiva.

A partir de ahí debería construirse una secuencia coherente:

Negocio → Marca → Marketing → Tácticas → Actividades → Métricas

Cada nivel debería poder justificar al siguiente.

Si el negocio quiere crecer en un segmento de mayor valor, eso debería afectar lo que la marca quiere representar, los clientes que marketing prioriza, la propuesta que desarrolla y los comportamientos que busca generar.

Después vienen los canales.

Después las campañas.

Después el contenido.

No al revés.

Esta alineación no es solamente lógica. Una investigación reciente de Eric M. Olson, que recoge evidencia acumulada durante tres décadas, vuelve a poner sobre la mesa la relación entre estrategia empresarial, prácticas de marketing y desempeño organizacional.

Cuando la estrategia de marketing se construye al revés

Sin embargo, muchas organizaciones empiezan por el final.

“Necesitamos publicar algo mañana”.

Entonces buscamos una tendencia.

Elegimos un formato.

Diseñamos una pieza.

La publicamos.

Medimos alcance.

Y después intentamos explicar por qué todo eso era importante.

Eso es marketing construido al revés.

El problema no es publicar.

El problema es no poder explicar qué objetivo empresarial está ayudando a conseguir esa publicación.

Porque un equipo puede tener veinte campañas activas y seguir estratégicamente perdido.

Puede llenar calendarios.

Cumplir indicadores.

Generar impresiones.

Celebrar seguidores.

Y aun así no estar acercando al negocio a ninguna de sus prioridades.

La actividad puede producir una sensación peligrosa de progreso:

estamos haciendo cosas, entonces sentimos que estamos avanzando.

No necesariamente.

Hazle cinco veces “¿para qué?” a tu marketing

Hay una prueba sencilla.

Toma cualquier actividad y pregunta:

¿Para qué?

“Publicamos tres reels semanales”.

¿Para qué?

Para aumentar alcance.

¿Para qué necesitamos alcance?

Para mejorar conocimiento de marca.

¿En quién?

En propietarios de pequeñas y medianas empresas.

¿Por qué específicamente ellos?

Porque representan uno de nuestros segmentos prioritarios de crecimiento.

¿Y qué queremos que ocurra después?

Que aumente la consideración y se generen nuevas oportunidades comerciales.

Ahora aparece la estrategia.

El reel sigue siendo un reel.

Pero ya sabemos por qué existe.

Si después de dos preguntas la respuesta termina siendo “porque toca”, “porque la competencia lo hace” o “porque tenemos que mantener activas las redes”, probablemente no tenemos estrategia.

Tenemos actividad.

Una estrategia también consiste en decir que no

Una estrategia clara debería permitirnos descartar cosas.

No toda tendencia merece nuestra atención.

No todo canal necesita nuestra presencia.

No toda plataforma nueva debe entrar al plan.

No toda buena idea merece convertirse en campaña.

Porter lo plantea a través de los trade-offs: tener estrategia también significa elegir qué no hacer.

En marketing solemos olvidar esa segunda mitad.

Una buena estrategia debería ayudarnos a decidir:

Esto sí.

Esto no.

Esto ahora.

Esto después.

Esto construye.

Esto distrae.

La estrategia no consiste en maximizar actividad.

Consiste en priorizar aquello que mueve el negocio en la dirección que hemos decidido.

Entonces, ¿tu marketing tiene estrategia?

No lo comprobaría mirando el calendario de publicaciones.

Ni contando campañas.

Ni revisando cuánto invertimos en pauta.

Tomaría cualquier actividad e intentaría recorrer esta cadena hacia atrás:

Actividad → Táctica → Marketing → Marca → Negocio

Si puedo explicar con claridad cómo se conecta cada nivel, probablemente existe estrategia.

Si no puedo hacerlo, quizá tenemos un departamento muy ocupado.

Pero eso es diferente.

Hoy tenemos más herramientas que nunca para producir marketing.

Inteligencia artificial.

Automatización.

CRM.

Analítica.

Redes sociales.

Plataformas publicitarias.

Contenido prácticamente ilimitado.

Como planteé al hablar sobre cómo tomar mejores decisiones en tiempos de inteligencia artificial, disponer de más capacidad tecnológica no elimina la necesidad de criterio. Al contrario: hace todavía más importante decidir qué merece nuestra atención y qué no.

Precisamente por eso necesitamos más estrategia.

Porque tener capacidad para hacer más cosas no significa que debamos hacerlas.

La próxima vez que alguien llegue a una reunión preguntando:

“¿Qué vamos a publicar mañana?”

tal vez convenga responder primero:

“¿Qué estamos intentando conseguir?”

Porque la actividad mantiene ocupado al marketing.

La estrategia consigue que avance el negocio.

Útil, aunque incomode

Si esta idea te dejó una pregunta útil, recibe una conversación semanal sobre marketing, innovación y negocios para pensar mejor antes de decidir.

Recíbelo en tu correo →

Cómo tomar mejores decisiones en tiempos de IA sin delegar nuestro criterio

primo@primorobles.com (Primo Robles) — Fri, 09 Oct 2026 16:08:42 GMT

La inteligencia artificial puede ayudarnos a procesar más información. El verdadero reto es que esa capacidad nos permita pensar mejor, no dejar de pensar.

Hay algo que vengo observando con frecuencia en mis clases de posgrado.

La inteligencia artificial entró al aula. Y eso, en principio, me parece una buena noticia.

Hoy un estudiante puede buscar información, contrastar alternativas, organizar datos, explorar escenarios y construir análisis en una fracción del tiempo que necesitábamos hace apenas unos años.

El problema no es que utilice inteligencia artificial.

El problema comienza cuando deja de utilizarla para potenciar su análisis y empieza a tratarla como una especie de secretaria que piensa, escribe y resuelve por él.

Entonces aparecen trabajos perfectamente estructurados, argumentos sofisticados y conclusiones convincentes que no siempre parecen haber pasado por el proceso intelectual de quien los entrega.

Y ahí empieza a interesarme mucho menos preguntar si el texto fue producido con inteligencia artificial.

Me interesa otra pregunta:

¿La persona que entrega ese resultado realmente comprende lo que está diciendo?

Porque quizás uno de los grandes retos profesionales de los próximos años no será aprender a utilizar IA.

Será aprender qué debemos delegarle y qué no.

El problema no es usar IA, sino dejar de pensar

Los seres humanos siempre hemos utilizado herramientas para reducir nuestro esfuerzo mental.

Escribimos listas para no memorizar. Utilizamos calculadoras. Guardamos números telefónicos. Consultamos GPS.

La literatura denomina a este fenómeno cognitive offloading o descarga cognitiva: trasladar parte de las exigencias mentales de una tarea hacia una herramienta externa.

Y no necesariamente es algo negativo. La descarga cognitiva puede incluso mejorar nuestro desempeño cuando enfrentamos tareas con una alta demanda de memoria y procesamiento.

Por eso el debate no debería ser si dejamos o no que la IA haga cosas por nosotros.

La pregunta importante es:

¿Qué cosas queremos que haga por nosotros?

Aquí propongo distinguir entre dos formas de utilizar inteligencia artificial:

Descarga cognitiva útil: delego procesamiento para aumentar mi capacidad de análisis.

Descarga cognitiva peligrosa: delego procesamiento, interpretación y decisión hasta dejar de comprender el resultado.

La diferencia es enorme.

La IA debería ayudarnos a invertir mejor nuestro esfuerzo mental

Imagine a un gerente que debe decidir si lanzar un nuevo producto.

Puede pedirle a una inteligencia artificial que organice investigaciones de mercado, compare competidores, clasifique miles de comentarios de consumidores, encuentre patrones, construya escenarios y proponga alternativas.

Excelente.

¿Por qué dedicar horas a procesar manualmente algo que una máquina puede ayudarnos a analizar en segundos?

El problema aparece cuando, después de todo ese trabajo, simplemente preguntamos:

“Entonces, ¿qué debo hacer?”

Y aceptamos la respuesta.

Sin cuestionarla.

Sin identificar qué información falta.

Sin incorporar nuestro conocimiento del contexto.

Sin considerar emociones, consecuencias o variables que nunca estuvieron representadas en los datos.

En ese momento dejamos de utilizar IA para ampliar nuestra capacidad y empezamos a utilizarla para sustituir nuestro criterio.

Por eso creo que debemos cambiar dónde invertimos nuestro esfuerzo intelectual:

Usa IA para cambiar dónde inviertes tu esfuerzo mental: menos esfuerzo procesando información; más esfuerzo interpretándola, cuestionándola y tomando decisiones.

Un estudio presentado en CHI 2025 por investigadores de Microsoft, basado en 936 experiencias de uso de IA generativa reportadas por 319 trabajadores del conocimiento, encontró una asociación entre una mayor confianza en la IA y un menor ejercicio de pensamiento crítico.

Pero encontró algo particularmente interesante: la IA no necesariamente elimina el pensamiento crítico. Puede desplazarlo hacia otras actividades, como verificar información, integrar respuestas y supervisar los resultados producidos por la herramienta.

Ahí está una de las oportunidades.

No necesitamos defender todas las tareas intelectuales que tradicionalmente realizábamos.

Necesitamos reservar nuestro esfuerzo para aquellas donde el criterio humano genera mayor valor.

Una respuesta convincente también puede ser una mala respuesta

Hay otro problema.

La IA es extraordinariamente buena produciendo respuestas que parecen razonables.

Puede argumentar. Explicar. Presentar escenarios. Construir recomendaciones aparentemente impecables.

Pero debemos recordar algo:

Que una IA explique muy bien una recomendación no convierte automáticamente esa recomendación en una buena decisión.

Investigaciones sobre confianza y complacencia frente a sistemas de IA han mostrado precisamente ese riesgo: las personas podemos aceptar recomendaciones automatizadas incluso cuando deberíamos cuestionarlas.

Eso significa que tendremos que desarrollar una habilidad paradójica:

aprender a desconfiar incluso de una buena explicación.

No desde la paranoia. Desde el criterio.

¿Qué evidencia sostiene esta respuesta?
¿Qué información quedó afuera?
¿Qué supuestos está haciendo?
¿Qué otra explicación podría existir?
¿Qué pasaría si estuviera equivocada?

Pensamiento crítico no significa rechazar lo que dice la IA.

Significa tampoco aceptarlo simplemente porque suena inteligente.

Hay cosas que los datos todavía no cuentan completamente

Pensemos en marketing.

Una inteligencia artificial puede analizar miles de reseñas, clasificar sentimientos, identificar patrones de comportamiento, comparar segmentos y detectar correlaciones que un equipo humano tardaría semanas en encontrar.

Pero un consumidor no es solamente la suma de las variables almacenadas en una base de datos.

Hay emociones. Contexto. Contradicciones. Relaciones. Experiencias. Cultura. Momentos.

Y también existe información que quien toma la decisión conoce porque ha conversado con clientes, recorrido el negocio, trabajado con el equipo o simplemente ha estado suficientemente cerca del problema.

Por eso tampoco eliminaría completamente la intuición.

Pero la trataría con cuidado.

No como una excusa para afirmar: “llevo veinte años en esto y sé cómo funciona”.

Prefiero entenderla como una hipótesis construida desde la experiencia, que merece ser escuchada y también contrastada.

Datos sin contexto pueden producir decisiones incompletas.

Intuición sin evidencia puede producir decisiones arbitrarias.

El criterio aparece cuando hacemos conversar ambos mundos.

No es humano o IA. Es humano con IA

Quizás también hemos formulado mal otra pregunta.

Durante años hemos discutido:

¿Quién lo hace mejor: la inteligencia artificial o el humano?

Una investigación publicada en Management Science comparó precisamente distintos modelos de trabajo. En el experimento, los humanos trabajando solos consiguieron una precisión del 68 %, la automatización mediante IA alcanzó 77 % y la colaboración entre humanos e IA llegó a 80 %.

Cuando el sistema asignó distintos tipos de tareas según las fortalezas relativas de humanos e inteligencia artificial, la precisión alcanzó 88 %.

No deberíamos convertir esos porcentajes en una nueva receta universal. El experimento corresponde a una tarea concreta.

Lo relevante es el principio:

no todas las tareas deberían repartirse de la misma manera.

Habrá procesos que podemos automatizar casi completamente.

Otros en los que la IA debería acompañarnos.

Y habrá decisiones donde necesitamos reservar deliberadamente espacio para el juicio humano.

La ventaja competitiva no estará necesariamente en escoger entre inteligencia artificial e inteligencia humana.

Estará en aprender a diseñar mejor la relación entre ambas.

La ecuación de una decisión aumentada

Por eso propongo una secuencia sencilla para recordar dónde debería estar el centro de gravedad de una decisión asistida por inteligencia artificial:

IA procesa.

El humano interpreta.

IA amplía posibilidades.

El humano incorpora contexto.

IA recomienda.

El humano decide.

Y, sobre todo, el humano responde por la decisión.

Esta última frase es fundamental.

Porque una decisión empresarial tiene consecuencias.

Afecta consumidores. Colaboradores. Equipos. Proveedores. Dinero. Reputaciones. Carreras profesionales.

Cuando esas consecuencias aparecen, no podemos simplemente decir:

“Eso fue lo que recomendó la IA”.

La tecnología puede participar en el proceso.

La responsabilidad continúa siendo nuestra.

Cinco preguntas antes de aceptar una recomendación de IA

Quizás necesitamos dedicar menos energía a encontrar “el prompt perfecto” y más a desarrollar la disciplina de cuestionar las respuestas.

Antes de convertir un resultado generado por IA en una decisión, me haría cinco preguntas:

¿Entiendo realmente esta recomendación?
¿Podría explicarla y defenderla sin tener la pantalla enfrente?

¿Qué información no conoce la IA?
¿Qué sabe mi organización, mi cliente o mi equipo que nunca fue entregado al sistema?

¿Qué variables humanas no están suficientemente representadas?
Emociones, cultura, confianza, relaciones, percepciones o consecuencias.

¿Qué evidencia podría demostrar que esta recomendación está equivocada?
Una buena decisión debería sobrevivir también al intento de refutarla.

¿Estoy dispuesto a responder por esta decisión?
Porque si la respuesta es no, probablemente todavía no estamos preparados para tomarla.

No quiero que mis estudiantes dejen de usar inteligencia artificial

Regreso al aula.

No quiero formar profesionales que compitan contra ChatGPT haciendo manualmente todo aquello que una máquina puede ayudarles a resolver.

Eso sería prepararlos para un mundo que ya no existe.

Quiero que utilicen inteligencia artificial.

Que procesen cantidades enormes de información. Que encuentren conexiones. Que exploren escenarios. Que cuestionen sus primeras ideas. Que construyan mejores análisis.

Pero quiero también que puedan cerrar el computador y defender lo que decidieron.

Que sepan explicar por qué.

Que reconozcan los límites de la información.

Que puedan decirle no a la máquina.

Y que puedan cambiar de opinión cuando la evidencia demuestre que la máquina estaba identificando algo que ellos no habían visto.

Investigaciones iniciales sugieren que delegar excesivamente tareas a modelos generativos puede reducir el involucramiento cognitivo durante determinadas actividades, aunque todavía necesitamos mucha más evidencia para comprender sus efectos de largo plazo.

Por eso no necesitamos ni entusiasmo ingenuo ni miedo tecnológico.

Necesitamos criterio.

La IA puede convertirse en un enorme amplificador de nuestras capacidades.

Pero amplificar nuestra inteligencia exige que todavía exista algo que amplificar.

Quizás la gran pregunta de los próximos años no será cuánto puede pensar una inteligencia artificial.

Será cuánto pensamiento estaremos dispuestos a seguir ejerciendo nosotros.

Porque no necesitamos inteligencia artificial para pensar menos.

Necesitamos utilizarla para tener más capacidad de pensar mejor.

Y cuando llegue el momento de decidir, recordar algo todavía más importante:

la IA puede recomendarnos un camino; recorrerlo y responder por sus consecuencias sigue siendo profundamente humano.

Útil, aunque incomode

Si esta idea te dejó una pregunta útil, recibe una conversación semanal sobre marketing, innovación y negocios para pensar mejor antes de decidir.

Recíbelo en tu correo →