Los brokers de FX y los de CFD están usando IA para predecir el valor del cliente, el nivel de interacción y la probabilidad de abandono (churn) a medida que aumentan los costes de adquisición y crece la presión regulatoria, empujando a la industria a alejarse del alta basada en volumen para pasar a una cualificación de clientes basada en comportamientos. Prakash Bhudia, Director de Crecimiento (Chief Growth Officer) de Deriv, e Ivan Kunyankin, Líder del equipo de Data Science en Devexperts, dijeron a Finance Feeds que ahora los brokers priorizan señales tempranas de intención, incluyendo la rapidez del depósito, el uso de cuentas demo y la finalización de la primera operación, por encima de métricas tradicionales como el coste por lead y los depósitos de primerizos. El cambio refleja el creciente reconocimiento de que una cartera más pequeña de clientes cualificados supera a los embudos de alto volumen que generan tensión operativa, menor retención y riesgo de cumplimiento. Deriv automatizó el 97,4% de las retiradas de clientes para junio de 2026 y utiliza un modelo de IA de 90 días que identifica al 68% de los futuros clientes de alto valor, mientras que Devexperts advierte que la segmentación estática por geografía o por nivel de depósito no puede separar de forma fiable a traders serios de usuarios ocasionales. Ejecutivos de la industria sostienen que la adquisición se ha convertido en el movimiento inicial más que en la estrategia completa, con el comportamiento posterior al alta ahora dando forma a las decisiones de producto y marketing en plataformas minoristas de trading.
Deriv cambia el foco del volumen al comportamiento posterior al onboarding
Prakash Bhudia, Director de Crecimiento (Chief Growth Officer) de Deriv, le dijo a Finance Feeds que los brokers miden el coste por lead y las métricas de primer depósito, pero consideran que la actividad posterior al onboarding es más reveladora sobre la relación con el cliente. Bhudia dijo que la empresa analiza si los clientes regresan sin necesidad de que se les empuje y si los patrones de trading parecen sostenibles en lugar de reflejar una conducta de depósito único. Deriv agrupa a los clientes en categorías de activos, en riesgo, inactivos (dormant) o abandonados (churned) y responde de forma distinta a cada grupo. Bhudia identificó las primeras retiradas fluidas como un gran momento de confianza para los nuevos clientes, señalando que Deriv automatizó el 97,4% de las retiradas de clientes para junio de 2026. Dijo que el valor de vida (lifetime value) es una prioridad con nombre en la planificación interna de crecimiento, en lugar de ser una métrica retrospectiva. Bhudia describió la adquisición como el movimiento inicial, y que la actividad después de registrarse marca las decisiones de producto y marketing.
La rapidez del primer depósito y el uso de la demo señalan la intención del cliente
Bhudia dijo que los primeros días tras el registro separan la intención de la curiosidad. Identificó la rapidez y el tamaño del depósito como la señal temprana más fuerte, afirmando que los clientes que pasan rápidamente del registro a hacer depósitos de importes significativos tienen muchas más probabilidades de convertirse en clientes de alto valor. La actividad en cuenta demo antes de salir a producción es la siguiente señal más fuerte: los clientes que practican antes de depositar retienen mejor que quienes se saltan las demos. Completar una primera operación es un indicador crítico, ya que los clientes que operan al menos una vez tienen muchas más probabilidades de construir hábitos duraderos que aquellos que depositan sin operar. Deriv ejecuta un modelo con una ventana de 90 días que identifica al 68% de los futuros clientes de alto valor usando estas señales. La empresa está añadiendo datos conductuales más ricos, incluyendo actividad dentro de la app, uso de funciones y tiempo en la plataforma, para mejorar el modelo. Bhudia dijo que la rapidez es el mayor indicador de intención frente a curiosidad.
La segmentación conductual sustituye a los sistemas de niveles estáticos
Bhudia dijo que la segmentación se ha movido más allá de la geografía y del tamaño del depósito, que describió como demografía vestida de segmentación. El enfoque de Deriv analiza patrones de interacción, respuestas a la educación y si la actividad se conecta con promociones. El motor de “nurture” con IA de la empresa y el agente de “persona” con IA tratan a los clientes según perfiles conductuales en tiempo real en lugar de niveles estáticos basados en importes de depósito. Bhudia advirtió contra descartar demasiado rápido a los clientes impulsados por bonos, señalando que algunos se convierten en top traders dieciocho meses después. Dijo que el tamaño del depósito indica capacidad pero no intención, y que a menudo se tratan como lo mismo. Bhudia concluyó que un depósito inicial grande revela lo que alguien puede hacer, pero no lo que hará.
La implementación de IA exige rediseño del proceso
Bhudia reconoció que la IA ayuda a algunos brokers a mejorar la calidad del embudo, pero la mayoría de la industria depende de la segmentación estática por geografía, nivel de depósito y canal de adquisición. Dijo que los brokers que van por delante están usando IA para servir a los clientes en tiempo real, en vez de solo etiquetarlos. La capa de personalización de Deriv genera emails personalizados con IA que rinden entre dos y dos con medio veces el rendimiento de campañas genéricas. El agente de soporte Amy cubre una gran parte de las interacciones con clientes a nivel global después de que Deriv reconstruyera su flujo de trabajo desde cero, en lugar de automatizar guiones antiguos. Bhudia dijo que llegar hasta ahí requirió un esfuerzo significativo, porque lo que funciona en el papel podría fallar en la práctica. Afirmó que la tecnología existe, pero la brecha es si las empresas van a reconstruir procesos alrededor de lo que la IA puede hacer en lugar de añadir IA a sistemas anteriores a la era de la IA.
Devexperts vincula la calidad del cliente con la retención por encima del volumen de adquisición
Ivan Kunyankin, Líder del equipo de Data Science en Devexperts, le dijo a Finance Feeds que los brokers siempre se han centrado en atraer y retener traders, pero la competencia se ha intensificado. Dijo que la pandemia incrementó el tiempo pasado en casa y creció el segmento de trading minorista, mientras que los avances en tecnología e IA dificultaron que los brokers tradicionales compitieran con nuevas ofertas. Kunyankin dijo que estos factores provocaron un cambio notable hacia la construcción de relaciones a más largo plazo y la retención de una base sólida de clientes de alto valor. Señaló que herramientas impulsadas por IA, como el perfilado de usuarios DXtrade de Devexperts, usan datos reales para determinar la información del cliente relativamente pronto después de unirse. Kunyankin explicó que el momento depende del volumen de actividad de trading más que del tiempo en calendario, con sistemas capaces de empezar a construir perfiles después de cierto número de operaciones. Dijo que una imagen puede empezar a tomar forma en unas pocas operaciones, aunque periodos de observación más largos mejoran la precisión de la predicción.
Los cambios bruscos de actividad indican riesgo de churn
Kunyankin dijo que diferentes brokers definen de forma distinta la conducta predictiva del cliente según sus ofertas, objetivos, ubicación geográfica y entorno regulatorio. Devexperts descubrió que los cambios rápidos de comportamiento son una señal fuerte de churn. Kunyankin dio el ejemplo de un trader inactivo que de repente se vuelve muy activo: inicia sesión a menudo y vende posiciones, lo que es probable que sean señales de intención de marcharse. Dijo que un trading estable y consistente o un comportamiento medido y equilibrado desde el principio tiende a predecir mejor el valor a más largo plazo. Kunyankin afirmó que filtros estáticos y heurísticas no pueden separar perspectivas con alta intención de usuarios ocasionales o impulsados por bonos, y advirtió contra sobreinterpretar el comportamiento temprano del depósito. Dijo que los brokers necesitan soluciones avanzadas que usen datos conductuales para hacer evaluaciones precisas y matizadas basadas en las acciones y hábitos de los traders al principio del recorrido del usuario. Kunyankin señaló que los marcos de IA que analizan grandes volúmenes de datos de traders pueden ser extremadamente eficientes para predecir resultados.
FAQ
¿Qué señales tempranas usan los brokers de FX para predecir el valor del cliente?
Los brokers de FX usan la rapidez y el tamaño del depósito, la actividad de la cuenta demo antes de salir a producción, y la finalización de la primera operación como las señales tempranas más fuertes de intención del cliente. El modelo de IA de 90 días de Deriv identifica al 68% de los futuros clientes de alto valor usando estos indicadores conductuales, según el Director de Crecimiento Prakash Bhudia.
¿Cómo ha cambiado la segmentación de clientes en el trading minorista?
La segmentación de clientes ha pasado de la categorización estática por geografía y nivel de depósito a un perfilado conductual en vivo. Deriv agrupa a los clientes en categorías de activos, en riesgo, inactivos o abandonados y usa IA para responder en función de patrones de interacción, respuestas a la educación y la conexión de la actividad con promociones, en lugar de niveles fijos basados en depósitos.
¿Qué cambios conductuales indican que es probable que un cliente haga churn?
Los cambios rápidos en el comportamiento, como que un trader inactivo de repente se vuelva muy activo, inicie sesión a menudo y venda posiciones, son indicadores fuertes de churn. El Líder del equipo de Data Science de Devexperts, Ivan Kunyankin, dijo que un trading estable y consistente desde el principio tiende a predecir mejor el valor a más largo plazo, mientras que los picos repentinos de actividad a menudo señalan intención de marcharse.
