Cómo Obtener una Base de Datos
No siempre defines tú el ICP desde cero: cuando trabajas con un cliente, el onboarding te entrega la segmentación exacta que necesitas traducir en filtros. Esta lección muestra cómo convertir un brief de cliente en una base de datos lista para prospectar, y cómo apoyarte en IA cuando el brief es más ambiguo.
El punto de partida: el onboarding del cliente
Cuando un cliente entrega información detallada sobre su público objetivo —país, facturación de la empresa objetivo, tamaño, cargos relevantes— el trabajo consiste en traducir esa información en los filtros disponibles dentro de la herramienta de base de datos. Cuando el cliente no da tanto detalle, se puede usar un GPT entrenado para sugerir qué filtros aplicar (cargo, sector, ubicación, tamaño) a partir de una descripción del ICP.
Filtros aplicados en un caso real
Ejemplo de un brief de cliente: empresas en España, con una facturación mínima de referencia (en el caso real, alrededor de 30 millones), de cierto tamaño de empleados, con cargos específicos relacionados con sostenibilidad y medio ambiente.
| Categoría de filtro | Dónde se aplica |
|---|---|
| General | Cargo, país, keywords en el perfil, seniority |
| Señales de intención | Revenue de la empresa, eventos relevantes |
| Información de empresa | Tamaño (company size), sector |
| Información de contacto | Cargo específico y variaciones de keyword del mismo cargo |
Para un mismo cargo, añade todas las variaciones posibles de keyword (ej. "director de sostenibilidad", "responsable de medio ambiente", "sustainability manager") e incluye cada una por separado. Cada keyword adicional amplía el volumen de resultados sin perder precisión si están bien elegidas.
Un proceso iterativo, no de un solo filtro
El flujo real no es aplicar un filtro y terminar — es ir añadiendo cargos y keywords uno por uno, observando cómo crece el número de resultados con cada adición, hasta construir una base de datos amplia y completa (en el ejemplo, el resultado final rondó las mil personas tras combinar múltiples variantes de cargo).
Exportación cuando hay muchos resultados
Cuando el volumen de resultados es alto, la exportación se hace página por página (en el ejemplo, unas 9 páginas), seleccionando todos los leads de cada una antes de pasar a la siguiente. Una vez exportado el conjunto completo, se envía a una campaña dentro de la misma herramienta para tenerlo organizado.
Es fundamental ponerle un nombre descriptivo a cada campaña (por ejemplo "Base amplia — cargos sostenibilidad ES") para no confundir distintos lotes de base de datos cuando trabajas con varios clientes o varias segmentaciones en paralelo.
Organizar el entregable para el cliente
Una vez exportado el CSV, se sube a la carpeta de Drive del cliente y se convierte a una hoja de cálculo para que sea fácil de revisar y trabajar. Aunque el correo no siempre está disponible en este punto, lo más valioso de cada fila es la URL de LinkedIn y toda la información de la persona y su empresa, que sirve de base para la personalización posterior.
Validar antes de prospectar
Una base de datos recién extraída no se lanza directamente a producción: el último paso es validarla con el cliente, confirmando que la segmentación realmente representa a su cliente ideal antes de invertir tiempo en personalización y automatización del envío.
Lanzar una campaña sobre una base de datos mal segmentada desperdicia créditos de personalización, quema la reputación de la cuenta de envío y genera resultados pobres que son difíciles de diagnosticar después. Valida primero, escala después.