part of
Los casos de uso que siguen son ejemplos ilustrativos de cómo AyGLOO se aplica en cada sector. Cada snapshot muestra tres cosas: qué decisión toma el modelo, por qué la toma y con qué certeza, y qué acción concreta se recomienda. El analista pasa de recibir una puntuación sin contexto a una recomendación razonada, cuantificada y lista para validar.
AyGLOO
Prescriptive Decision AI para Marketplaces
Marketplace
Detección de Fraude Coordinado entre Vendedor y Comprador
Los modelos de fraude en marketplaces puntúan transacciones individuales. El problema es que en un marketplace el fraude raramente es individual: es una red. Una transacción aislada de un vendedor nuevo con 47 reseñas de 5 estrellas no activa ninguna alerta; 47 reseñas de cuentas creadas el mismo día desde el mismo rango de dirección IP revelan una trama de manipulación de reputación. Analizar cada transacción por separado es analizar el síntoma, no la enfermedad. En un marketplace, la red no es un módulo adicional: es donde vive el fraude. AyGLOO convierte ese problema en cuatro beneficios concretos: las reglas del Twin explican qué señales individuales generaron la alerta; el análisis de red revela la trama completa conectando vendedores, compradores, dispositivos y métodos de pago; el ISA detecta los segmentos con mayor tasa de falso positivo para no penalizar vendedores legítimos; y el CF calcula qué evidencia mínima resolvería la sospecha antes de actuar.
1
El equipo de confianza y seguridad entiende qué señales individuales generaron la alerta, sin tener que revisar manualmente el historial completo del vendedor o el comprador.
2
Lo que parecen 23 transacciones independientes son en realidad una sola operación coordinada. El análisis de red hace visible la trama completa antes de que el daño escale.
3
El ISA detecta los segmentos con mayor tasa de falso positivo (vendedores nuevos legítimos, compradores ocasionales) evitando penalizar cuentas que no forman parte de ninguna trama.
4
El CF calcula la evidencia mínima que resolvería la sospecha, convirtiendo un bloqueo automático en una solicitud de verificación que protege al usuario legítimo sin facilitar el fraude.
Hoy, lo que el equipo de trust & safety suele recibir
Vendedor #SEL-774821 · Electrónica
Puntuación de fraude: 0.83 · ALTA
47 reseñas · 4.9 estrellas · Sin contexto adicional
Con AyGLOO. Mismo vendedor, completamente enriquecido
Vendedor #SEL-774821 · Electrónica · Activo 18 días
Puntuación de fraude: 0.83 · 47 reseñas · €8.420 en ventas
XAI Señales individuales de la alerta
Twin Reglas con nivel de fiabilidad
Graph Red completa: vendedores, compradores, dispositivos
ISA Fiabilidad del modelo en este segmento
CF Evidencia mínima que resuelve la sospecha
Action Acción recomendada
1. Señales individuales de la alerta. Twin model (profundidad 7 · fidelidad 97.1%)
100%IF reseñas_recibidas_primeros_7_días ≥ 40 AND ratio_reseñas_5_estrellas > 95% AND antigüedad_cuenta < 21_días → Patrón de reputación artificial: suspender publicaciones. Fiabilidad total: ningún vendedor legítimo acumula 40 reseñas perfectas en 7 días.
82%IF artículos_publicados > 30 AND precio_medio_por_debajo_mercado_35% AND sin_historial_compras_previas = true → Posible cuenta de vaciado rápido. Revisar procedencia de los artículos antes de mantener activo.
63%IF cuenta_nueva < 30_días AND volumen_ventas > €5.000 sin otros factores → Señal débil aislada. Algunos vendedores profesionales son nuevos en la plataforma. No suspender solo por volumen alto en cuenta nueva.
Las reglas con 100% de fiabilidad identifican el patrón de reputación artificial. Ningún vendedor legítimo recibe 40 reseñas perfectas en 7 días: ese patrón no existe en el histórico de vendedores orgánicos de la plataforma.
XAITwin
2. Análisis de red. La trama completa: lo que parece 23 transacciones independientes
Nodo central: Vendedor #SEL-774821 · 18 días activo · €8.420 en ventas · 47 reseñas
Red de reseñas artificiales: 39 de las 47 reseñas provienen de cuentas creadas entre el 10 y el 14 de febrero · 31 de esas 39 cuentas comparten el mismo rango de dirección IP (185.220.x.x) · 27 de esas cuentas no han realizado ninguna compra real en la plataforma · Las 8 reseñas restantes son de compradores reales con historial verificado
Red de vendedores vinculados: 4 vendedores adicionales comparten el mismo dispositivo de acceso o método de pago con #SEL-774821: #SEL-441820, #SEL-338841, #SEL-229940, #SEL-118830 · Los 5 vendedores operan en la misma categoría (electrónica) con artículos similares a precios por debajo del mercado · Los 5 fueron creados en un periodo de 6 días
Patrón de transacciones: 14 compradores han adquirido artículos en 2 o más de los 5 vendedores vinculados · 6 de esas transacciones han generado reclamaciones de "artículo no recibido" resueltas con reembolso automático · Valor total expuesto en los 5 vendedores: €31.840
Esto es lo que hace diferente al análisis de red en un marketplace respecto a cualquier otro sector: la unidad de análisis no es la transacción ni el vendedor individual sino la red de relaciones entre vendedores, compradores, dispositivos y métodos de pago. Analizando #SEL-774821 por separado se ve un vendedor sospechoso. Analizando la red se ve una operación coordinada de 5 vendedores, 31 cuentas sintéticas de reseñas y 14 compradores que generan reclamaciones sistemáticas con un valor total expuesto de €31.840.
3. Doble check del modelo en este segmento (ISA)
Segmento: "vendedor nuevo <30 días, electrónica, volumen alto, reseñas aceleradas" · Tasa de fraude confirmado en este segmento: 84% · Tasa de falsos positivos: 16% · El 16% son vendedores profesionales nuevos con stock previo acumulado y red de compradores propia que migran a la plataforma
El 16% de falsos positivos en este segmento son vendedores legítimos que llegan con su propia comunidad de compradores y acumulan reseñas rápidamente de forma orgánica. Suspender sin verificación destruye la relación con ese tipo de vendedor desde el primer día.
El ISA permite distinguir entre los dos perfiles antes de actuar. En este caso concreto la concentración de IPs y las cuentas sin historial de compra confirman que no es un vendedor profesional legítimo con comunidad propia.
4. CF. Evidencia mínima que resolvería la sospecha
Verificación de identidad del vendedor + justificante de procedencia de los artículos: puntuación baja 0.83 → 0.29 para #SEL-774821 individualmente · Pero dado el patrón de red confirmado (5 vendedores vinculados, 31 cuentas sintéticas): la verificación individual no resuelve la trama · La acción correcta no es verificar a #SEL-774821 sino desactivar los 5 vendedores vinculados simultáneamente
El CF en marketplaces tiene una lógica distinta a otros sectores: a veces la evidencia que resolvería la sospecha individual no existe porque el fraude no es individual. Cuando la red está confirmada, solicitar verificación al vendedor solo le avisa de que ha sido detectado y le da tiempo a vaciar el saldo antes del bloqueo.
5. Acción recomendada
Suspender simultáneamente los 5 vendedores vinculados: #SEL-774821, #SEL-441820, #SEL-338841, #SEL-229940, #SEL-118830 · Congelar los saldos pendientes de liquidación: €31.840 en total · Retirar las 39 reseñas artificiales identificadas · Notificar a los 14 compradores afectados por reclamaciones · No actuar de forma secuencial: suspender un vendedor antes de los demás alerta a la red y permite mover el saldo
La simultaneidad es crítica en fraude de red: si se suspende un vendedor y se espera antes de actuar sobre los demás, los otros tienen tiempo de transferir el saldo o eliminar las evidencias. La acción coordinada sobre todos los nodos de la red es lo que hace posible recuperar el valor expuesto.
Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.
Riesgo de Abandono del Vendedor (Seller Churn)
En un marketplace de dos lados perder vendedores clave es tan crítico como perder compradores. Un vendedor que reduce su catálogo, sube precios o baja la calidad del servicio está señalando que está migrando a otro canal o abandonando la plataforma. El modelo de churn predice ese riesgo pero el equipo de cuentas no sabe qué fricción concreta lo impulsa, qué acción mínima lo retendría, ni si el abandono afecta a un vendedor individual o a un segmento completo que está migrando coordinadamente a un competidor. AyGLOO convierte esa predicción en cuatro beneficios concretos: la explicación de qué señales de comportamiento impulsan el riesgo; el análisis de red que detecta migraciones coordinadas de varios vendedores del mismo segmento; el CF que calcula la acción mínima de retención calibrada para ese vendedor; y la simulación del impacto en liquidez y GMV (volumen bruto de mercancía) de perder ese vendedor antes de decidir qué ofrecer.
1
1
El equipo de cuentas entiende exactamente por qué ese vendedor está en riesgo de abandonar y con qué certeza, sin tener que revisar manualmente el historial de actividad.
2
El análisis de red detecta cuando varios vendedores del mismo segmento están reduciendo actividad de forma coordinada, señalando una migración colectiva a un competidor antes de que sea visible en las métricas.
3
La acción de retención llega calibrada para este vendedor concreto: una reducción de comisión tiene más impacto que un bono si la fricción dominante es el coste de la plataforma, no la falta de liquidez.
4
La simulación cuantifica el impacto en volumen bruto de mercancía (GMV) y en liquidez del marketplace de perder ese vendedor, para decidir con criterio económico qué ofrecer y hasta qué límite.
Hoy, lo que un gestor de cuentas suele recibir
Vendedor #SEL-228841 · Moda segunda mano
Riesgo de abandono: 0.79 · ALTO
Sin contexto adicional
Con AyGLOO. Mismo vendedor, completamente enriquecido
Vendedor #SEL-228841 · Moda segunda mano · 3.2 años activo
Riesgo de abandono: 0.79 · GMV últimos 12 meses: €28.400
XAI Por qué está en riesgo de abandonar
Twin Reglas con nivel de fiabilidad
Graph Migración coordinada en el segmento
ISA Fiabilidad del modelo en este segmento
CF Acción mínima de retención
What-if Impacto en GMV por escenario de retención
Action Oferta de retención recomendada
1. Por qué está en riesgo de abandonar. Twin model (profundidad 7 · fidelidad 96.3%)
100%IF reducción_artículos_publicados > 45%_en_30_días AND tiempo_respuesta_compradores_aumentado > 3× AND actividad_competidor_detectada = true → Riesgo de abandono inminente: contactar esta semana. Fiabilidad total.
81%IF comisión_efectiva_últimos_3_meses > 18% AND NPS_vendedor < 6 AND sin_respuesta_último_email_plataforma = true → Fricción de coste combinada con experiencia negativa. La oferta de retención debe abordar ambas.
58%IF reducción_artículos_publicados > 30% sin otros factores → Señal débil aislada. Puede ser estacionalidad del catálogo. No contactar solo con esta señal.
La reducción del 45% en artículos publicados combinada con actividad detectada en un competidor es la señal más determinante. No es que el vendedor haya dejado de tener stock: está redirigiendo ese stock a otra plataforma.
XAITwin
2. Análisis de red. Migración coordinada en el segmento de moda segunda mano
Patrón detectado: 8 vendedores del segmento "moda segunda mano, ticket medio €35–€80, antigüedad >2 años" muestran reducción simultánea de actividad en las últimas 6 semanas
Los 8 vendedores comparten tres características: todos recibieron la actualización de comisiones de noviembre, todos tienen NPS de vendedor por debajo de 6, y 6 de los 8 han publicado artículos en la misma plataforma competidora en las últimas 4 semanas · El GMV combinado de los 8 vendedores en los últimos 12 meses: €186.400 · Si los 8 abandonan: impacto estimado en GMV mensual del segmento: –€15.500
Analizando #SEL-228841 por separado parece un problema individual de un vendedor insatisfecho. El análisis de red revela una migración coordinada de 8 vendedores clave del segmento, probablemente incentivada por una campaña de captación del competidor. La respuesta correcta no es una oferta individual sino una revisión de las condiciones para el segmento completo.
3. Doble check del modelo en este segmento (ISA)
Segmento: "moda segunda mano, ticket medio €35–€80, antigüedad >2 años" · Tasa de abandono real en este segmento: 34% · Tasa de retención con oferta proactiva: 61% · Precisión del modelo: 88% · Ventana óptima de contacto: antes de que la reducción de catálogo supere el 60%
El ISA confirma que la oferta proactiva funciona en este segmento: el 61% de retención con intervención frente al 34% sin ella justifica el coste de la oferta. La ventana de contacto es crítica: pasado el 60% de reducción de catálogo la tasa de retención baja al 28%.
4. CF. Acción mínima que retiene a este vendedor
Reducción de comisión del 3%: riesgo de abandono 0.79 → 0.51 · Reducción de comisión + mejora de posicionamiento en búsqueda: 0.79 → 0.34 · Reducción de comisión + posicionamiento + acceso a programa de vendedor premium: 0.79 → 0.19 · Solo bono en metálico sin reducción de comisión: 0.79 → 0.61 (menos efectivo: el problema es estructural, no de liquidez)
La fricción dominante es el coste de la comisión combinada con la percepción de menor visibilidad respecto al competidor. Un bono puntual no resuelve ninguna de las dos; una reducción de comisión permanente combinada con mejora de posicionamiento sí.
El CF en seller churn es distinto al de customer churn: el vendedor no necesita un descuento en sus compras sino mejores condiciones para su negocio. La diferencia entre ofrecer un bono y ofrecer una reducción de comisión permanente puede determinar si la retención dura 3 meses o 3 años.
5. What-if. Impacto en GMV por escenario de retención
Sin intervención: pérdida estimada de GMV anual €28.400 para este vendedor · Retención con reducción de comisión 3%: coste anual para la plataforma €852, GMV retenido €28.400, retorno neto €27.548 · Si se extiende la oferta a los 8 vendedores del segmento: coste total €6.816, GMV retenido potencial €186.400, retorno neto €179.584 · La oferta de segmento tiene un retorno 6.5× superior a la oferta individual
La simulación convierte la decisión de retención en una decisión de inversión: €6.816 de coste para retener €186.400 de GMV es un retorno que justifica una campaña de retención para el segmento completo, no solo una llamada a un vendedor individual.
6. Oferta de retención recomendada
Contactar esta semana a los 8 vendedores del segmento con una oferta coordinada · Oferta: reducción de comisión del 3% durante 12 meses + acceso al programa de vendedor destacado · Para #SEL-228841 específicamente: reunión de cuenta para revisar la experiencia de los últimos 3 meses · No mencionar que se ha detectado actividad en el competidor: ofrece la mejora de condiciones sin revelar el nivel de monitorización
La acción tiene dos niveles: la oferta individual para #SEL-228841 y la campaña de segmento para los 8 vendedores. Sin el análisis de red solo se haría la primera, perdiendo la oportunidad de resolver la migración coordinada antes de que escale.
Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.