Monitor de Competidores con Make

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 40-60 minutos tendras:

✓ Flujo automatizado en Make que rastrea múltiples fuentes
✓ Alertas por email/Slack con análisis de impacto y prioridades
✓ Plantilla de prompt para análisis ejecutivo reutilizable

Antes de empezar, asegurate de tener lo siguiente:

Cuenta Make Cuenta activa en Make con permisos para crear escenarios y conectar HTTP, RSS/News y canales de notificación.

Fuentes de datos Lista de fuentes públicas y privadas (RSS, Google News, prensa sectorial, transparencia oficial) y credenciales API si aplica.

Canales de comunicación Cuenta de correo corporativo, webhook de Slack o Microsoft Teams para recibir alertas.

Acceso a modelo Acceso a un modelo de lenguaje (recomendado GPT-5) a través de API o integración disponible en Make.

Transferencia internacional de datos: Make procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

ElectroDistribuciones Norte SA, sector distribución y venta de electrodomésticos — el problema real

El director general necesita detectar movimientos estratégicos de competidores (lanzamientos, cambios de precio, acuerdos B2B) para ajustar inventario y campañas en tiempo real. Hoy la monitorización es manual y llega tarde al comité.

Con Make y el prompt de este tutorial, puede resolver este reto en 40-60 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

Make
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: Make orquesta fuentes heterogéneas y automatiza flujos sin necesidad de desarrollo complejo. Su capacidad para integrar APIs, transformar contenidos y encadenar llamadas a modelos permite generar alertas contextuales con evidencia y acciones concretas.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Tienes varios competidores y fuentes de noticias que revisar a diario Necesitas alertas que incluyan evaluación de impacto y pasos recomendados Quieres integrar las alertas en workflows operativos (compras, pricing, marketing)	Sólo necesitas monitorizar una única URL con cambios técnicos mínimos Buscas solo almacenamiento histórico de menciones sin priorización Solo quieres realizar búsquedas puntuales manuales

Paso 01

Mapear fuentes y criterios de cambio

Identifique y priorice las fuentes que alimentarán el monitor (RSS, Google News, boletines del sector, registros oficiales, webs de empleo). Defina qué cambios estratégicos importan: lanzamientos, variaciones de precio, rondas de financiación, cambios en liderazgo, fusiones o acuerdos.

1
Listado de competidores y prioridades Cree una lista de competidores con prioridad alta/ media/ baja. Para ElectroDistribuciones Norte SA priorice a 'HogarPlus Distribución' y 'ElectroDirect Online' por solapamiento de catálogo.
2
Fuentes y puntos de extracción Para cada competidor, anote fuentes: RSS de noticias, secciones prensa de su web, página de empleo y Google News. Documente URLs y credenciales si son feeds privados.
3
Definir criterios y umbrales Establezca reglas que constituyen un 'cambio estratégico' (por ejemplo: noticia con palabras clave 'alianza', 'exclusiva', o listado de productos con >10% variación de precio). Esto alimentará las reglas de alerta en Make.

Checkpoint: Lista validada de competidores, fuentes y criterios con prioridades asignadas y URLs/documentación de acceso.

Paso 02

Crear el escenario en Make y conectar fuentes

Diseñe el flujo en Make: captura fuentes, normalice contenido, y envíe cada ítem al módulo de IA para clasificación. Asegúrese de gestionar duplicados y de almacenar evidencia para auditoría.

1
Configurar módulos de entrada En Make, agregue módulos HTTP/RSS/Google News para cada fuente. Ajuste frecuencia de polling según prioridad del competidor (alta = cada 15 min, media = 1 h).
2
Normalizar y enriquecer contenido Use módulos de transformación para extraer título, cuerpo, fecha, autor y URL. Añada metadatos: competidor asociado, fuente y prioridad.
3
Enviar a IA para clasificación Conecte un módulo que llame al modelo (API de GPT-5 o similar) pasando el texto normalizado y los criterios. Solicite clasificación por tipo de cambio, nivel de impacto y recomendación inicial.

Checkpoint: Escenario en Make que recoge items de todas las fuentes, los normaliza y envía peticiones al modelo para clasificación.

Paso 03

Ejecutar el prompt principal

Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.

1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
3
Envía el prompt y espera la respuesta Pega el prompt en el chat o en la llamada API integrada en Make y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[EMPRESA]Nombre de tu empresa y una frase sobre su posición (por ejemplo: ElectroDistribuciones Norte SA, distribuidor nacional con 120 tiendas).

[COMPETIDORES]Lista de competidores objetivo separados por comas (ej.: HogarPlus Distribución, ElectroDirect Online).

[FUENTES]Fuentes específicas para el ítem: URL, tipo de fuente (RSS, Google News, comunicado), y fecha.

Prompt principal — Monitor de Competidores con Make Eres un analista estratégico. Evalúa la entrada y genera un informe ejecutivo sobre cambios estratégicos detectados. Datos de entrada: competidor: [COMPETIDORES]; texto fuente: [TEXTO_FUENTE]; URL y fecha: [URL_FECHA]; mi empresa: [EMPRESA]; sector: [SECTOR]; criterios de alerta: [CRITERIOS]. Responde con las siguientes secciones claramente separadas: 1) Resumen ejecutivo (máx. 5 líneas) que indique si el cambio es relevante para [EMPRESA] y por qué; 2) Tipo de cambio (seleccione entre: lanzamiento producto, cambio de precios, alianza/alianza estratégica, financiación, reestructuración/rrhh, entrada en nuevo canal, otro) y justificación en una frase; 3) Probabilidad de veracidad (alta/ media/ baja) con evidencia extraída del texto (cite frases exactas entre comillas y la URL); 4) Impacto estimado en [EMPRESA] (Alto/Medio/Bajo) y efectos concretos sobre: ventas, pricing, cadena de suministro, marketing y clientes; 5) Recomendaciones tácticas inmediatas (3 acciones concretas y priorizadas, con responsable sugerido y plazo: 24h/72h/2 semanas); 6) Riesgos y señales de seguimiento (qué observar en las próximas 2-4 semanas para confirmar o descartar impacto); 7) Regla de alerta sugerida para Make (expresión basada en palabras clave y umbral para generar alerta automática) y una breve explicación técnica de implementación; 8) Prioridad para Comité (Urgente/Alta/Normal/Baja) y motivo; 9) Resumen de la evidencia en formato tabla simple: origen, cita, URL, fecha; 10) Si procede, un borrador de mensaje para comunicación interna al equipo de compras o al comité (máx. 3 líneas). Sé conciso, directo y utilice lenguaje ejecutivo. No incluyas pasos técnicos de Make en este output; céntrate en el análisis estratégico. Limita el informe a 350-600 palabras. Si falta información clave, indique qué datos adicionales se requieren en una lista breve al final.

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Refinar reglas y rutinas de alerta

Itere sobre reglas de prioridad, umbrales y formato de alertas. Ajuste el flujo para reducir falsos positivos y asegurar que el comité recibe solo información accionable.

1
Evaluar falsos positivos Revise alertas durante una semana y etiquete cada alerta como útil/no útil. Ajuste palabras clave y umbrales en Make para reducir ruido.
2
Optimizar formato de alerta Modifique plantillas de notificación (asunto, resumen ejecutivo, impacto, evidencia y acción recomendada) para que encajen en reuniones del comité o informes ejecutivos.

Checkpoint: Reducción cuantificable de falsos positivos y formato de alerta aprobado por el comité directivo.

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Refina el informe anterior centrando el análisis exclusivamente en el impacto sobre inventario y pricing para [EMPRESA]. Mantén formato con: 1) resumen ejecutivo (3 líneas), 2) impacto en inventario (detallado), 3) recomendaciones operativas (3 acciones con responsables y tiempos)."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Genera dos versiones: A) Resumen de 100 palabras para el CEO; B) Informe ampliado de 700-900 palabras con análisis por función (compras, marketing, finanzas, operaciones). Mantén evidencia citada."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe el informe en tono formal y ejecutivo para presentación al Comité de Dirección. Mantén las recomendaciones pero prioriza 2 acciones estratégicas con justificación financiera."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Reduce el informe a 5 viñetas ejecutivas: 1) conclusión principal, 2) impacto crítico, 3) acción prioritaria, 4) riesgo inmediato, 5) decisión sugerida. Añade una línea con la evidencia clave y URL."

Resultado

Que vas a obtener

Este es el tipo de output que genera Make con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — ElectroDistribuciones Norte SA, sector distribución y venta de electrodomésticos

Estructura del output

El output debe ser un informe ejecutivo con secciones numeradas: resumen, clasificación del cambio, veracidad con evidencia, evaluación de impacto por funciones, recomendaciones tácticas con responsables y plazos, señales de seguimiento, regla de alerta sugerida y resumen de evidencia.

Senales de un buen output

Resumen claro con decisión accionable
Evidencia citada con fuentes y URLs
Recomendaciones concretas, responsables y plazos
Regla de alerta técnica lista para convertir en condición en Make

Senal de que el output es bueno: El informe proporciona una recomendación priorizada con evidencia citada y una regla de alerta que puede implementarse directamente en Make.

Costes

Inversion y retorno

9$/mes Make Basic / mes

por ejecución típica: 10-90 segundos Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: El ROI proviene de reducir tiempo de detección y mejorar la velocidad de respuesta: evitar una interrupción de ventas por sorpresa competitiva o aprovechar una oportunidad de alianza puede justificar la inversión en pocas semanas. Automatizar la monitorización libera al equipo estratégico para decisiones de mayor valor.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
No llegan alertas aunque el feed existe	Polling del módulo RSS/HTTP mal configurado o URL obsoleta	Verifique que la URL del feed es accesible desde Make y aumente la frecuencia de polling; pruebe la URL en una petición HTTP dentro del escenario para confirmar acceso.
Alertas con información incompleta	Transformación que extrae campos (título/cuerpo/fecha) falla por estructura HTML inesperada	Revise y mejore las expresiones regulares o use un módulo de extracción HTML más robusto para mapear los campos; almacene el HTML bruto como evidencia.
Modelo devuelve respuestas genéricas o inconsistentes	Prompt insuficiente o falta de contexto en la petición	Incluya metadatos clave (competidor, sector, criterios) en la llamada y use el prompt principal proporcionado; añada ejemplos de salida deseada como few-shot si es necesario.
Duplicación de alertas por la misma noticia	Múltiples fuentes publican la misma nota y no hay lógica de deduplicación	Implemente deduplicación por hash de contenido o comparador de similitud (por ejemplo, comparar título+primeros 200 caracteres) antes de enviar a clasificación.
Muchas falsas alarmas	Reglas de palabras clave demasiado amplias o umbrales bajos	Refinar palabras clave, usar combinaciones booleanas y añadir un paso de scoring por IA que dé umbral mínimo para generar alerta.

Modo avanzado

Como hacer este tutorial con Make en modo avanzado

El modo agente de Make permite ejecutar flujos autónomos que toman decisiones encadenadas: clasificar, priorizar, y disparar acciones. Para este caso se usa para iterar reglas automáticamente, reintentar análisis y escalar alertas según respuestas del modelo.

Modo avanzado

Flujo de trabajo avanzado

1
Configurar un escenario agente que reciba items y mantenga estado por item (pendiente, validado, escalado)
2
Integrar módulo de IA que devuelva score de relevancia y recomendación inicial
3
Automatizar reglas de escalado: si score>0.8 -> enviar alerta al comité; si 0.5-0.8 -> enviar a analista para validación
4
Registrar decisiones y retroalimentación para retrain o ajuste de reglas

Actúa como agente operativo. Recibes: {competidor, texto, url, fecha, metadatos}. 1) Evalúa veracidad y asigna score 0-1. 2) Clasifica tipo de cambio y cálculo impacto (ventas, pricing, cadena). 3) Si score >= 0.8 genera alerta automática con: asunto, resumen ejecutivo (3 líneas), 3 acciones priorizadas con responsable y plazo, y regla técnica para Make. 4) Si 0.5 <= score < 0.8 devuelve una nota de validación para analista con checklist de verificación (2-3 items). 5) Si score < 0.5 marca como ruido y archiva con motivo. Devuelve siempre: estado, score, categoría, impacto, acciones, evidencia (frases textuales y URL).

Cuando usar el modo avanzado en este tutorial: Útil cuando hay alto volumen de entradas y se requiere respuesta 24/7 o escalado automático para el comité sin intervención humana constante.

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · Make

Explorar mas tutoriales de Make

Descubre otros casos de uso de Make para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Después de una semana de funcionamiento, organice una revisión semanal con el comité para ajustar prioridades y convertir las recomendaciones recurrentes en playbooks operativos preaprobados.

Alternativa segura

Puedo hacer esto sin que mis datos salgan de la empresa?

Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.

Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.

RAM: 128GB minimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.

Contactar con Agere Conocer Agere