Chatbots que venden con LLM: cómo configurar uno que cierre ventas, no solo responda
Por qué la mayoría de chatbots no venden y cómo configurar uno con LLM que califica leads, responde objeciones y cierra ventas 24/7.
La mayoría de los chatbots responden preguntas pero no venden. Te dicen “tu pedido está en proceso” o “un humano te contactará” — pero no califican leads, no manejan objeciones, no cierran ventas.
Un chatbot con LLM bien configurado sí vende. En Codify Tech hemos visto chatbots que triplican las conversiones de WhatsApp cuando se configuran como agentes de venta (no como simples respondedores).
En este artículo te explico qué cambia entre un chatbot “respondedor” y uno “que vende”, y cómo configurar el segundo con GPT-5, Claude o un modelo local.
Si quieres el contexto, lee nuestro pilar LLM para SEO: cómo usar GPT-5, Ollama y LM Studio para contenido escalable y el servicio de chatbots con IA en Codify Tech.
Por qué la mayoría de chatbots no venden
El 80% de los chatbots comerciales están diseñados para “responder”, no para “vender”. Esto se nota en:
- ❌ Responden “¿cuál es el horario?” pero no capturan el lead
- ❌ Dan información genérica pero no califican al prospecto
- ❌ “No entiendo” cuando el usuario hace una pregunta específica de su caso
- ❌ No manejan objeciones (“es muy caro”, “lo voy a pensar”)
- ❌ No escalan a humano cuando debería
- ❌ No cierran (“¿Quieres que te contacte un asesor?” nunca lo hace)
El resultado: el visitante se va sin convertir, y el chatbot se vuelve un gasto, no una inversión.
Insight: un chatbot que solo responde ahorra costos de soporte. Un chatbot que vende genera ingresos. La diferencia no es técnica, es de diseño.
Las 5 diferencias entre un chatbot que responde y uno que vende
| Chatbot que responde | Chatbot que vende | |
|---|---|---|
| Objetivo | Resolver dudas del usuario | Calificar, persuadir y cerrar la venta |
| Personalidad | Genérica, neutral | Específica, con opiniones y objeciones |
| Información | Datos de la web (catálogo, FAQs) | Datos de la web + casos + objeciones + valor |
| Conversación | Pregunta-respuesta | Diagnóstico → propuesta → cierre |
| Escalada a humano | Ante duda técnica | Ante prospecto calificado |
La estructura de un chatbot que vende (framework PAS + objeciones)
En Codify Tech usamos un framework inspirado en ventas consultivas:
1. Apertura con valor (no genérica)
❌ “Hola, ¿en qué puedo ayudarte?” ✅ “Hola, soy [Nombre], el asistente de [Empresa]. En menos de 2 minutos te digo si [servicio/producto] te conviene. ¿Arrancamos?”
Por qué funciona: das valor inmediato (2 minutos, decisión clara). El usuario sabe qué esperar.
2. Calificación con preguntas estratégicas
En vez de “¿qué necesitas?”, haz 2-3 preguntas que filtren al prospecto:
- “¿Tienes ya un presupuesto definido o estás explorando opciones?”
- “¿Para cuándo necesitas resolver esto?”
- “¿Ya tienes un proveedor actual o estás evaluando alternativas?”
Por qué funciona: el que responde estas preguntas está comprometido. El que evade, no era prospecto real.
3. Diagnóstico + propuesta de valor
Con las respuestas, genera una recomendación personalizada:
“Perfecto, según lo que me cuentas tienes [situación]. Para tu caso lo que mejor funciona es [solución X] porque [razón específica]. ¿Quieres que te cuente cómo lo aplicaríamos?”
4. Manejo de objeciones
El LLM con buen prompt maneja objeciones sin evadirlas:
| Objeción | Respuesta del bot |
|---|---|
| “Es muy caro” | “Entiendo. ¿Comparado con qué? Porque muchos clientes me decían lo mismo antes de ver el ROI a 3 meses…” |
| “Lo voy a pensar” | “Perfecto. ¿Quieres que te envíe un resumen por email para que lo revises tranquilo?” |
| “Tengo que consultarlo con mi socio/a” | “Sí, totalmente. ¿Te paso un PDF corto que puedas compartirle?” |
| “No tengo tiempo” | “¿Cuándo te queda mejor? ¿Mañana 10am o jueves 3pm?” |
5. Cierre concreto (no “te contactamos”)
❌ “Gracias, un humano te contactará pronto” ✅ “¿Lo agendamos para mañana a las 10am? Te paso el link de la reunión”
Cierre = acción concreta con fecha/hora.
Caso real: tienda de cosméticos en Bogotá triplicó ventas
Antes del chatbot:
- Web con formulario de contacto
- Tiempo promedio de respuesta: 24-48 horas
- Tasa de conversión lead → cliente: 8%
- Leads por mes: 50
- Clientes nuevos por mes: 4
Después del chatbot (3 meses):
- Chatbot en WhatsApp Business con GPT-5
- Tiempo de respuesta: < 30 segundos, 24/7
- Tasa de conversión lead → cliente: 24% (3x)
- Leads por mes: 180 (3.6x)
- Clientes nuevos por mes: 43 (10.7x)
¿Qué cambió?
- El bot calificaba con 3 preguntas
- Manejaba 5 objeciones comunes con respuestas probadas
- Cerraba con agendamiento directo a videollamada
- Solo escalaba a humano cuando el lead pedía hablar con alguien
Insight: no fue el LLM “mágico”. Fue el framework de ventas detrás del prompt. El LLM ejecuta bien un prompt diseñado por humanos.
El prompt base para un chatbot que vende
Este es el prompt que usamos como punto de partida. Personalízalo para tu negocio.
Eres [NOMBRE], el asistente de ventas de [EMPRESA].
Tu objetivo NO es solo responder preguntas. Tu objetivo es:
1. Calificar al prospecto (¿es cliente real?)
2. Identificar su problema/necesidad
3. Proponer la solución que mejor se ajusta
4. Manejar objeciones comunes
5. Cerrar con una acción concreta (agendar, dejar email, enviar PDF)
Personalidad:
- Cercano pero profesional
- Habla como un vendedor experto, no como un robot
- Usa el "tú", no el "usted"
- Sé directo: si el prospecto no califica, sé honesto
Información de la empresa:
- Producto/servicio: [TU PRODUCTO]
- Precio: [RANGO]
- Diferenciador: [TU DIFERENCIAL]
- Casos de éxito: 2-3 ejemplos reales
- Objeciones comunes y respuestas:
- "Es caro" → [TU RESPUESTA]
- "Lo voy a pensar" → [TU RESPUESTA]
- "No tengo tiempo" → [TU RESPUESTA]
Reglas:
- NUNCA des información falsa o exagerada
- Si no sabes algo, di "no tengo ese dato, te lo confirmo en menos de 1 hora"
- Después de 3 mensajes, si el prospecto evade, pregunta directo: "¿Sigue siendo de tu interés?"
- Después de 5 mensajes sin avanzar, ofrece escalar: "¿Quieres que te conecte con [nombre del asesor humano]?"
Formato:
- Mensajes cortos (máximo 3 líneas)
- Usa emojis sutiles (1 por mensaje, no más)
- Termina cada mensaje con una pregunta que mueva la conversaciónHerramientas para implementar chatbots que venden
Opción 1: GPT-5 + WhatsApp Business API (recomendado)
Stack:
- WhatsApp Business API (Meta)
- GPT-5 o GPT-5 mini para generación
- Supabase para memoria de conversación
- n8n o similar para orquestar
Costo mensual:
- WhatsApp API: $0.005-0.08 por mensaje (según país)
- GPT-5 mini: ~$30-100/mes para 1000 conversaciones
- Total: $50-200/mes para volumen bajo-medio
Opción 2: Claude + custom UI web
Stack:
- Claude API (Anthropic)
- Frontend con chat widget en tu web
- Backend que orqueste
Cuándo usar: si tu cliente llega más por web que por WhatsApp.
Opción 3: Llama local con Ollama (datos sensibles)
Stack:
- Ollama corriendo en tu servidor con Llama 3.3 70B
- Sin datos salen de tu infraestructura
- Costo por mensaje: $0
Cuándo usar: datos sensibles (salud, legal, finanzas) o regulación estricta.
Opción 4: Plataformas no-code (ManyChat, Botpress)
Stack:
- ManyChat para WhatsApp (limitado)
- Botpress para web/WhatsApp multi-canal
Ventaja: setup rápido, sin código Desventaja: menos flexible, costo por conversación
En Codify Tech usamos Opción 1 (WhatsApp + GPT-5 mini) para el 80% de nuestros clientes. Es el balance entre flexibilidad, costo y calidad.
Las 6 objeciones que TODO chatbot debe saber manejar
Estas son las objeciones más comunes. Configúralas en el prompt:
1. “Es muy caro”
Respuesta sugerida: “Entiendo. ¿Comparado con qué? La mayoría de nuestros clientes pensaban igual hasta ver el ROI a 3 meses. ¿Quieres que te muestre un caso real con números?”
2. “Lo voy a pensar”
Respuesta sugerida: “Perfecto. ¿Quieres que te envíe un PDF con el desglose para que lo revises? No te voy a presionar.”
3. “Tengo que consultarlo con mi socio/a”
Respuesta sugerida: “Sí, totalmente. ¿Qué día te queda bien para que nos reunamos los 3? Te paso el link de la reunión.”
4. “Ahora no tengo tiempo”
Respuesta sugerida: “Entiendo. ¿Cuándo te queda mejor? ¿Mañana 10am o pasado mañana 3pm?”
5. “No estoy seguro/a”
Respuesta sugerida: “Te entiendo. ¿Qué parte es la que más te genera dudas? Quizás te lo puedo aclarar en 2 minutos.”
6. “Voy a buscar más opciones”
Respuesta sugerida: “Perfecto. Mientras buscas, ¿quieres que te pase una guía con las 5 cosas que deberías comparar entre opciones? Es gratis y te ayuda a decidir mejor.”
Las métricas que importan
Métricas de vanidad (ignorar):
- ❌ Total de conversaciones
- ❌ Tiempo promedio de respuesta
- ❌ Mensajes enviados
Métricas que importan:
- ✅ Tasa de calificación: % de prospectos que pasan las preguntas de calificación
- ✅ Tasa de cierre: % de conversaciones que terminan en agendamiento o compra
- ✅ Ingreso atribuido: $ generados por clientes que llegaron por el bot
- ✅ Tasa de escalamiento humano: % que requirieron humano (debe ser bajo, 10-20%)
Insight: un chatbot que tiene 1000 conversaciones pero 0 ventas no está funcionando. Un chatbot con 100 conversaciones y 30 ventas está funcionando brutal.
Los 5 errores que te cuestan ventas
❌ No entrenar el bot con objeciones reales — usa transcripts de tus vendedores humanos para extraer las objeciones reales
❌ Hacerlo “amable” en vez de efectivo — un bot que solo dice “perfecto, te ayudo” no vende. Necesitas personalidad con opinión.
❌ No medir ingresos atribuidos — si no puedes decir “este cliente vino del bot”, no sabes si funciona
❌ Confiar en que el LLM “lo va a resolver solo” — sin framework de ventas detrás, el LLM es solo un contestador bonito
❌ Escalar a humano en cada duda — el bot debería resolver el 80% sin intervención humana. Escalar a cada duda destruye la escalabilidad.
Checklist: ¿está listo tu chatbot para vender?
Marca ✅ lo que ya tienes:
- Prompt con framework de ventas (calificación, propuesta, manejo de objeciones, cierre)
- Al menos 5 objeciones configuradas con respuestas probadas
- Preguntas de calificación (3-5 que filtren prospectos reales)
- Cierre concreto con acción (agendar, dejar email, enviar PDF)
- Integración con CRM o base de datos para guardar leads
- Sistema para escalar a humano solo en casos calificados
- Métricas de cierre configuradas
- Transcripts de ventas humanas analizados para entrenar el bot
Puntaje:
- 0-4 ✅: contesta preguntas pero no vende
- 5-7 ✅: vende pero deja ventas en la mesa
- 8 ✅: listo para escalar
Cómo medir el ROI real de tu chatbot
Fórmula simple:
ROI = (Ingresos atribuidos al bot) - (Costo del bot + tiempo humano)Ejemplo real (tienda de cosméticos):
- 180 leads calificados/mes (vs 50 antes)
- 43 clientes nuevos/mes (vs 4 antes)
- Ticket promedio: $80.000 COP
- Ingreso incremental: 39 clientes × $80.000 = $3.120.000 COP/mes
- Costo del bot (WhatsApp + GPT): $120.000 COP/mes
- Tiempo humano ahorrado: 10 horas/mes (valor $400.000)
- ROI: ($3.120.000 - $120.000 + $400.000) / $120.000 = 28x
Insight: un chatbot bien diseñado se paga solo con 1 venta extra al mes. El resto es upside.
Siguiente paso
¿Quieres un chatbot que venda en tu negocio? En Codify Tech diseñamos chatbots con framework de ventas + LLM. Hacemos una auditoría + piloto de 30 días donde te mostramos:
- Qué tipo de chatbot te conviene (WhatsApp, web, multi-canal)
- Framework de ventas personalizado para tu sector
- Métricas a medir
- Estimación de ROI antes de invertir
Sin compromiso. Sin venta forzada.
👉 Solicita tu auditoría de chatbot que vende o escríbenos a [email protected].
Otros artículos del cluster LLM que te van a servir: