Sistema CRM Basado En Tecnologı́as Emergentes Para La

Automatización De Procesos De Venta En Empresas Mypes

Edinson Cabrera Ñique Enzo Livelli

24 de noviembre de 2023

Resumen
Resumen: El presente trabajo propone una extensión del módulo CRM de Odoo, un sistema de
gestión empresarial de código abierto, que integra el modelo de procesamiento de lenguaje natural
gpt-3.5-turbo de OpenAI para optimizar la gestión de prospectos en las pequeñas y medianas
empresas (MYPES). El objetivo es brindar soporte automatizado para la selección y evaluación de
prospectos (leads), es decir, aquellos clientes potenciales interesados en los productos o servicios
de la empresa. Para ello, se comparan las medidas de tiempo de trabajo invertido en cada proceso
de evaluación de leads, con y sin la extensión del módulo CRM. Los resultados demuestran que
la extensión del módulo CRM junto al modelo de procesamiento de lenguaje natural 3.5-turbo
reduce considerablemente el tiempo de trabajo y aumenta la eficiencia y el ratio de conversión de
leads en las MYPES.

1. Introducción
En el entorno empresarial actual, las pequeñas y medianas empresas (MYPES) tiene procesos de
venta cada vez más complejos y personalizados, alguno de estos procesos tiene mayor incidencia de labor
manual, y por ende, mayor riesgo de error humano. La complejidad de estas operaciones incrementa
cuando, por ejemplo, tratamos procesos como la evaluación de riesgo en prospecto de clientes.
Actualmente, surge un desafı́o a medida que las empresas MYPE’s adoptan sistemas CRM a sus
organizaciones, debido que las soluciones tradicionales a menudo son costosas y difı́ciles de implementar,
lo que ha llevado al bajo ı́ndice de adopción y, en algunos casos, al fracaso de proyectos. Además, la
falta de acceso a herramientas de inteligencia artificial y aprendizaje automático asequibles ha sido un
obstáculo importante [6].
Como se mencionó anteriormente, existen algunas soluciones que ofrecen un enfoque similar, ya que
buscan cubrir varios procesos en el manejo de lead management. Por ejemplo, empresas como ”Sales
Force.ofrecen un sistema CRM para el control y monitoreo de clientes, sin embargo, este sistema es
costoso, partiendo con un precio base de 25 dólares. Sistemas SAP, tambien ofrece dicho servicio, pero
la curva de aprendizaje para la implementación suele ser muy pronunciada.
En base a estas investigaciones realizadas, nuestro enfoque se diferencia al combinar el modelo
GPT-3.5 Turbo, que mejora el tiempo de evaluación de riesgo de los propectos, con el framework ERP
Odoo de código abierto, lo que lo hace más accesible para las MYPES y menos difı́cil de implementar.
Nuestras principales aportaciones son las siguientes:

Implementamos un sistema CRM mejorado con inteligencia artificial para adecuarse a la perso-
nalización de los procesos de evaluación de riesgos.
Entrenamos un modelo de inteligencia artificial con información de una empresa del sector MYPE
Desarrollamos un API que sirve como servicio para conectarse a nuestro módulo de CRM perso-
nalizado.

Este trabajo se distribuye en las siguientes secciones: En primer lugar, Revisamos los trabajos rela-
cionados con la implementación de sistemas CRM en la Sección II. Después hablamos sobre conceptos
y teorı́as relevantes relacionados con los antecedentes de nuestra investigación y describimos con más
detalle nuestra principal contribución en la Sección III. Además, explicaremos los procedimientos y

1
experimentos que se en este trabajo. Al final, mostraremos las principales conclusiones del proyecto y
le indicaremos, asi como algunas recomendaciones para trabajos futuros.

2. Trabajos Relacionados
El ámbito de los sistemas CRM ha evolucionado con el tiempo, enfocándose en gestionar relaciones
con los clientes de manera más eficiente y sin depender de costosos equipos de seguimiento. Se han
propuesto diversas metodologı́as relacionadas con la integración de tecnologı́as como la inteligencia
artificial en los sistemas CRM para mejorar su efectividad.
En el artı́culo [6], se destaca la importancia de estos avances y propone la integración de estas
tecnologı́as en el ambito de la educación relacionada con CRM. Se menciona la falta de reflejo del
entorno empresarial real en los cursos de CRM y la insuficiencia de información técnica sobre la
configuración de sistemas.
El artı́culo [2], se enfoca en la incorporación de la inteligencia artificial en la gestión de relaciones
con los clientes, destacando la mejora en la personalización de la experiencia del cliente y la satisfacción
del cliente. Se describe el proceso de implementación de sistemas CRM con IA y se resalta su impacto
positivo en la gestión de relaciones con los clientes.
En el artı́culo [4], se examina el impacto del CRM en la industria vitivinı́cola española y su in-
fluencia en el rendimiento empresarial. Se confirma la relación entre el uso de CRM y el rendimiento
organizacional en este sector.
El artı́culo [9], subraya la importancia de las redes sociales y las soluciones de CRM en el entorno
empresarial B2B, destacando su capacidad para mejorar la colaboración entre vendedores y clientes y,
en consecuencia, el rendimiento de ventas.
Finalmente, en el artı́culo [8], se presenta un avance en la arquitectura de software e inteligencia
artificial. Se introduce un clasificador basado en el algoritmo Naive Bayes que supera el estado del
arte en la asignación de entidades de código fuente a módulos arquitectónicos y se abordan desafı́os
relacionados con la tolerancia a fallos y el comportamiento inadecuado en sistemas de aprendizaje au-
tomático. Se propone un marco de evaluación para enfoques de agrupamiento de software y se extiende
el lenguaje de modelado TOSCA para representar el flujo y procesamiento de datos en aplicaciones
basadas en la nube, contribuyendo a la mejora de la calidad y eficiencia de sistemas impulsados por
inteligencia artificial.

3. Sistema de Gestión de Leads con Inteligencia Artificial

3.1. Conceptos Preliminares
En esta sección, se presentan los principales conceptos utilizados en este trabajo. Nuestro objetivo
es crear un sistema de manejo de leads, utilizando el sistema ERP Odoo e Inteligencia Artificial.
Definición 1 (Sistema de Información): Conjunto de componentes interrelacionados que recolectan
(o recuperan), procesan, almacenan y distribuyen información para apoyar los procesos de toma de
decisiones y de control de una organización [5].
Definición 2 (Plataformas CRM - Customer Relationship Management): En una empresa digital,
casi todas las relaciones de negocios de la organización con los clientes, proveedores y empleados están
habilitadas mediadas en forma digital. Los procesos de negocios básicos se realizan por medio de redes
digitales que abarcan a toda la empresa, o que enlazan a varias organizaciones [3].
Definición 3 (Procesos de Venta): Los Procesos de Venta son las secuencias estructuradas de ac-
tividades que una empresa sigue para identificar, atraer, comprometer y cerrar acuerdos con clientes
potenciales. Estos procesos suelen involucrar etapas como la prospección, la calificación de clientes, la
presentación de ofertas, la negociación y el cierre de ventas. La eficacia en la gestión de los procesos de
venta es esencial para impulsar el crecimiento de las empresas y garantizar la satisfacción del cliente
[1].
Definición 4 (Empresas MYPES - Micro y Pequeñas Empresas): Las Empresas MYPES son orga-
nizaciones de pequeña escala que, por lo general, tienen limitados recursos financieros y de personal.
Estas empresas se caracterizan por su capacidad para adaptarse rápidamente a cambios en el mercado

2
y por su enfoque en atender nichos especı́ficos. Su sistema de información es una combinación de re-
cursos tecnológicos y procesos que les permite recopilar, procesar y gestionar datos con eficiencia para
mantener una operación rentable y satisfacer las necesidades de sus clientes [1].
Definición 5 (Lead Content Management - Gestión de Contenido de Prospectos): El Lead Content
Management se refiere a la gestión estratégica de contenidos digitales diseñados para atraer, captar y
nutrir prospectos o leads. Esta estrategia se utiliza para guiar a los clientes potenciales a través del
ciclo de compra, proporcionando información relevante y valiosa en cada etapa. El sistema de infor-
mación relacionado con el Lead Content Management abarca la creación, distribución y seguimiento
de contenidos, ası́ como la recopilación y análisis de datos para evaluar la efectividad de la estrategia
en la generación de leads y la conversión en clientes. El objetivo principal es optimizar el proceso de
adquisición de clientes y mejorar la relación con ellos [7].

3.2. Método
En esta sección, se detallarán las principales contribuciones propuestas en este proyecto.

3.2.1. Arquitectura
La arquitectura de los sistemas CRM (Customer Relationship Management) es fundamental para
la gestión efectiva de las relaciones con los clientes. A partir de la información proporcionada, podemos
destacar varias contribuciones clave en esta área:

Integración con inteligencia artificial:

Inteligencia Artificial (IA): Se implementa en Odoo la IA en diversas áreas, como el sistema de
recomendación de productos, la automatización de tareas repetitivas, la clasificación de leads, el
análisis de datos y la predicción de ventas. La IA ayuda a mejorar la eficiencia y la precisión de
las operaciones.
Comunicación Interna y Externa: Se incorpora en Odoo soluciones de comunicación interna
y externa, como chat en vivo, correo electrónico, calendarios compartidos y formularios web
interactivos, que ayudan a mejorar la colaboración y la comunicación con clientes y colegas.
Gestión de Datos y Almacenamiento para la Toma de Decisiones:
Base de Datos Centralizada: Se añade a Odoo una base de datos centralizada para almacenar
todos los datos empresariales. Esto facilita el acceso y la gestión de datos desde diferentes módulos
y aplicaciones.
Informes y Paneles de Control Personalizables: Odoo proporciona herramientas para crear infor-
mes personalizables y paneles de control que permiten a los usuarios analizar datos en tiempo
real. Esto facilita la toma de decisiones basadas en datos sólidos.

3.2.2. Automatización
En el contexto de la creación de una plataforma CRM impulsada por IA para el manejo de leads,
la automatización juega un papel esencial en la mejora de la eficiencia y la efectividad del proceso. A
continuación, se presentan dos aspectos destacados de la automatización en esta plataforma:

Automatización de Procesos de Datos: La integración de la IA con Odoo trajo consigo una gran
ventaja, el tema del procesamiento y almacenamiento de datos, lo que significa que el trabajo
manual se redujo en gran medida y también los errores humanos en la gestión
Automatización del servicio al cliente a través de chatbots y asistentes virtuales: Hemos identifi-
cado que los chatbots y asistentes virtuales desempeñan un papel crucial al interactuar con leads
y clientes potenciales.
Integración de Chatbots y Asistentes Virtuales: Odoo permite la integración de chatbots y asis-
tentes virtuales en las interacciones con leads y clientes potenciales. Estos chatbots responden
preguntas comunes, proporcionar información relevante y ayudar en la captación de datos esen-
ciales de los leads.

3
 Disponibilidad 24/7: Los chatbots y asistentes virtuales están disponibles las 24 horas del dı́a,
los 7 dı́as de la semana, lo que mejora la atención al cliente en cualquier momento, incluso fuera
del horario laboral.
Respuestas Rápidas y Precisas: Los chatbots proporcionan respuestas rápidas y precisas a las
preguntas de los leads, lo que acelera el proceso de captación y conversión. Esto es fundamental
para retener la atención de los leads y aumentar las tasas de conversión.
Generación de Leads Mejorada: Los chatbots proporcionan ayuda en la generación de leads al
recopilar información relevante y registrar los datos en el sistema de gestión de leads de Odoo.

3.2.3. Inteligencia Artificial

Se analiza y se implementa el uso de chatGPT(IA) utilizando el modelo gpt-3.5-turbo que es el más
capaz y rentable de la familia gpt-3.5. Este modelo junto con el ecosistema de Odoo tiene multiples
beneficios que mejoran la experiencia del usuario y aumentan su productividad. A continuación, se
muestran los beneficios clave del uso conjunto de ambas herramientas:

Pronóstico de ventas más preciso: Una de la mayores ventajas que aporta la inteligencia artificial
es la capacidad de analizar una gran cantidad de datos. Este análisis minucioso permite a las
empresas predecir con mayor exactitud las ventas futuras. Esto no solo optimiza la planificación
y gestión de inventario, sino que también facilita la asignación de recursos y la toma de decisiones
estratégicas.
Generación de Reportes Detallados: Odoo ofrece herramientas para generar reportes detallados
y personalizables que proporcionan una visión clara y en tiempo real del rendimiento de las
ventas, métricas clave y proyecciones futuras. Trabajando junto con ChatGPT permite una mayor
personalización de este para un mejor resultado.

4. Experimentos
En esta sección discutiremos los experimentos a los que ha sido sometido nuestro proyecto, ası́ como
lo necesario para replicar dichos experimentos y una discusión de los resultados obtenidos después de
este proceso.

4.1. Protocolo Experimental

En esta subsección, se detalla la configuración del entorno en el que se realizaron los experimentos,
como la configuración de hardware local y las aplicaciones utilizadas.
Este trabajo se desarrolló en una computadora con un AMD Ryzen 5 3550H, una GPU Radeon
Vega Mobile Gfx y 16 GB de RAM a 2400Mhz. La aplicación, que puede ser abierto mediante la version
de Odoo 16 y ”Python 3.10”.

4.2. Resultados
Para elaborar una sección de resultados se incluyó información derivada de pruebas, análisis y
experimentos realizados, se llevo a cabo la comparación de dos cuadros que ilustran la cantidad de
dias invertidos por actividad para la conversión de un lead a cliente. En el primer cuadro, refleja la
situación previa a la implementación del sistema propuesto en el proyecto, con una duración total de
24 dı́as, valor que es demasiado alto para la transformación de un lead a cliente.
En contraste, el segundo cuadro representa la etapa posterior a la implementación del sistema
propuesto. Se observa una notable reducción en el tiempo necesario para convertir un lead en cliente,
ahora con una duración de 15 dı́as. Esta mejora se atribuye a la optimización de los procesos internos
en la empresa, una consecuencia directa de la implementación del sistema propuesto.
Por otro lado, tambien se llevó a cabo una comparación de la adquisición de leads durante los
meses de septiembre y octubre, revelando datos para la evaluación del rendimiento. En septiembre,
se registraron un porcentaje de conversión de leads a leads interesados del 95,97 %. Por otro lado, en
octubre se obtuvieron un porcentaje de conversión aún más alto del 97,70 %.

4
 24 Dı́as L M X J V S D L M X J V S D L M X J V S D L M X
Tarea
Ingreso de Lead X
Pre-Filtro X
Armado de carpeta X X X X
Evaluación de carpeta X X X X
Registro de la Ficha Alquiler / Venta X
Requerimiento y abono de separación: S/.500 X X
Antecedentes Penales X X X
Capacitación X
VD X
Registro de VD X
Abono de Inicial S/.3500 X
Solicitud de Contrato X X
Firma de Contrato X X
Programación de entrega de Vehı́culo X

Cuadro 1: Cuadro sobre inversión de dı́as por actividades antes de la implementación del proyecto
propuesto

Dı́as L M X J V S D L M X J V S D L
Tarea
Ingreso de Lead X
Pre-Filtro X
Armado de carpeta X X
Registro de la Ficha Alquiler / Venta X X
Evaluación de carpeta X X
Requerimiento y abono de separación: S/.500 X X
Antecedentes Penales X
Capacitación X
VD X
Registro de VD X
Abono de Inicial S/.3500 X X
Solicitud de Contrato X X X
Firma de Contrato X
Programación de entrega de Vehı́culo X

Cuadro 2: Cuadro sobre inversión de dı́as por actividades después de la implementación del proyecto
propuesto

Las mejoras alcanzadas abarcan una mayor capacidad de seguimiento de leads, un aumento en la
eficiencia operativa y una notable agilización en el tiempo de respuesta para las tareas de evaluación de
leads. Asimismo, se destaca la centralización de la información del sistema, consolidando ası́ la gestión
integral de los datos relevantes para la conversión de leads a clientes.

4.3. Conclusiones y recomendaciones

La implementación del sistema propuesto para las MYPES tuvo un impacto positivo en la gestión
comercial del negocio. Por un lado, se incrementó la eficiencia operativa, obteniendo una reducción del
62.5 % en el tiempo promedio de duración del proceso de Lead Management. Asimismo, se incrementó
en 1.73 % el ratio de conversión de leads a clientes. La integración de la inteligencia artificial para la
obtención de analı́ticos en el sistema ERP de Odoo permitió a las MYPES tener una mayor capacidad
de seguimiento de leads, eficiencia operativa y una rápida respuesta en la evaluación de leads. La
centralización del sistema fortaleció la gestión integral de datos, estableciendo una base sólida para
futuras conversiones exitosas.
Como próximos pasos se podrı́a integrar la inteligencia articial para mejorar o incrementar los
canales de interacción con los leads, analizando por un lado el estado de las variables de evaluación de
leads y dar recomendaciones personalizadas a dichos prospectos para que mejoren sus indicadores de
evaluación.

5
4.4. Referencias

Referencias
[1] Nagwan AlQershi, Sany Sanuri Mohd Mokhtar, and Zakaria Bin Abas. Innovative crm and perfor-
mance of smes: The moderating role of relational capital. Journal of Open Innovation: Technology,
Market, and Complexity, 6(4):155, 2020.
[2] Aini Farmania, Riska Dwinda Elsyah, and Michael Aaron Tuori. Transformation of crm activities
into e-crm: The generating e-loyalty and open innovation. Journal of Open Innovation: Technology,
Market, and Complexity, 7(2):109, 2021.

[3] Vicente Guerola-Navarro, Hermenegildo Gil-Gomez, Raul Oltra-Badenes, and Javier Sendra-
Garcı́a. Customer relationship management and its impact on innovation: A literature review.
Journal of Business Research, 129:83–87, 2021.
[4] Vicente Guerola-Navarro, Raul Oltra-Badenes, Hermenegildo Gil-Gomez, and Agustı́n Iturricha
Fernández. Customer relationship management (crm) and innovation: A qualitative comparative
analysis (qca) in the search for improvements on the firm performance in winery sector. Technolo-
gical Forecasting and Social Change, 169:120838, 2021.
[5] Kenneth C Laudon, Jane P Laudon, Sairám Cerón Alegre, et al. Sistemas de información gerencial,
volume 12. Pearson Educación Naucalpan de Juárez, 2012.

[6] Barak Libai, Yakov Bart, Sonja Gensler, Charles F. Hofacker, Andreas Kaplan, Kim Kötterheinrich,
and Eike Benjamin Kroll. Brave new world? on ai and the management of customer relationships.
Journal of Interactive Marketing, 51:44–56, 2020. Special issue on Big Data, Technology-Driven
CRM Artificial Intelligence.
[7] Sachithra Lokuge, Darshana Sedera, Saj Kumar, Thilini Ariyachandra, and Vadlamani Ravi. The
next wave of crm innovation: Implications for research, teaching, and practice. Communications of
the Association for Information Systems, 46:560 – 583, 2020. Cited by: 16.
[8] Ivano Malavolta, Henry Muccini, and Ipek Ozkaya. Software architecture and artificial intelligence.
Journal of Systems and Software, 193:111436, 2022.
[9] Masoud Moradi and Mayukh Dass. Applications of artificial intelligence in b2b marketing: Cha-
llenges and future directions. Industrial Marketing Management, 107:300–314, 2022.