AISOLVES — Behavioral Growth OS

Website + motor de tracking conductual + calificación de leads + dashboard, en un solo repositorio Next.js.

No es una web con Google Analytics encima. Es un instrumento de lectura de comportamiento: cada sección, bloque y campo emite eventos estructurados, un motor de scoring convierte ese ruido en un número de 0 a 100 por visitante, y ese número se devuelve a Meta y Google por servidor para que sus algoritmos optimicen con la señal completa.

---

Índice

• Arranque rápido
• Qué hace exactamente
• Arquitectura
• El motor de scoring
• Instrumentar una sección nueva
• Configurar píxeles y CAPI
• Despliegue
• Documentación

---

Arranque rápido

npm install
cp .env.example .env      # rellena AUTH_SECRET (npx auth secret)
docker compose up -d      # Postgres 16 en :5432
npm run db:deploy         # aplica las migraciones
npm run db:seed           # paquetes comerciales
npm run seed:traffic      # 300 visitantes sintéticos para ver el Traffic Lab
npm run dev

Abre http://localhost:3000. No hacen falta credenciales OAuth ni píxeles para ver el sistema de tracking funcionando de punta a punta: haz scroll, acepta el gate, llega al final y deja tu WhatsApp en el widget.

Por qué Postgres y no SQLite. SQLite no puede respaldar un despliegue serverless: el sistema de ficheros es efímero y de solo lectura, así que toda escritura se perdería o fallaría. docker compose up -d deja el entorno local igual de sencillo con un solo comando.

Para probar el pipeline completo: haz scroll → aparece el gate de consentimiento → acepta → llega al final → aparece el widget → deja nombre y WhatsApp → recibes tu propio informe conductual calculado en servidor.

---

Qué hace exactamente

1. Absorción de metadata

Auto-instrumentación declarativa. Cualquier marcado se suma con atributos data-track-*, sin escribir código de tracking por componente:

Atributo	Qué mide
data-track-section="packages"	enter / exit / dwell / revisit, con ratio de visibilidad
data-track-block="tier-scale"	enter / dwell / hover sostenido, con posición en viewport
data-track-cta="hero-primary"	view / hover de duda / click
data-track-form="whatsapp-widget"	metadata por campo: tiempo de llenado, correcciones, pegado, dudas
data-track-video="manifesto"	start / 50% / complete
data-track-expand="faq-3"	apertura de acordeón (objeción investigada)

Además, sin configuración: profundidad y velocidad de scroll, retrocesos de lectura, rage clicks, dead clicks, intención de salida, tiempo activo real (descontando pestañas en segundo plano e inactividad).

Privacidad: los colectores de formularios leen longitud, validez, tiempo y número de correcciones. Nunca leen, envían ni almacenan el valor escrito.

2. Puntuación conductual

Cuatro dimensiones con tope independiente, para que ningún comportamiento aislado se desboque:

Dimensión	Máx	Qué responde
Intención	40	¿Se comporta como alguien a punto de comprar?
Engagement	25	¿Ha consumido el contenido de verdad?
Fit	20	¿Sus activos declarados encajan con nuestro ICP?
Identidad	15	¿Cuán resoluble es?

Total 0-100 → banda → decisión operativa:

Banda	Score	Acción	SLA
SQL	90+	Llamada directa del CEO	< 15 min
MQL	75-89	Mensaje personal 1:1 citando su comportamiento	< 1 h
HOT	50-74	Nutrición agresiva + retargeting 1:1	< 4 h
WARM	25-49	Retargeting de contenido + email de valor	< 24 h
COLD	< 25	Audiencia de awareness, sin contacto humano	—

3. TRAFFIC LAB — diagnóstico de tráfico

/dashboard/lab entrega el laboratorio: 20 movimientos con semáforo estricto y barras que se completan con el scroll, histograma de supervivencia sobre tiempo activo, funnel por sección, timeline del UU mediano, y el split entre lo que Meta puede optimizar y lo que es solo reporting.

Tres reglas lo gobiernan: UU ≠ Sessions ≠ Events, ⚫ nunca se sustituye por cero, y paid y organic jamás comparten fila. Detalle en docs/TRAFFIC-LAB.md.

4. Activación multicanal

Meta Pixel + Conversions API, Google Consent Mode v2 + GA4 Measurement Protocol, TikTok Events API y LinkedIn — todos alimentados desde la misma taxonomía.

5. Captura en dos etapas

• Gate post-scroll: tras el primer scroll real, ofrece login con Google o aceptación explícita, a cambio de mostrarle su propio informe conductual.
• Widget de fin de scroll: nombre + WhatsApp a cambio del informe en vivo. Convierte porque no es un lead magnet: es una demostración del producto sobre el propio prospecto.
• Onboarding etapa 2: ya dentro, se piden accesos a Meta Business, Google Business Profile y la web actual — nunca antes, porque pedirlos en el primer contacto destruye la conversión.

---

Arquitectura

Navegador                          Servidor                    Plataformas
─────────                          ────────                    ───────────
collectors.ts                      /api/track
  observers de sección/bloque        ├─ upsert Visitor
  metadata de formularios            ├─ persiste stream de eventos
  scroll / fricción                  ├─ recalcula score  ────►  Meta CAPI
        │                            └─ dispara qualification    (mismo event_id)
        ▼                                                            │
   client.ts (cola)  ──── batch / beacon ────►                       │
        │                                                            ▼
        └── pixels.ts ─── Meta Pixel (eventID) ──────────► deduplicado
                      ─── gtag / GA4
                      ─── TikTok ttq

Reglas de transporte: batch cada 4 s, flush inmediato con 20 eventos en cola o ante cualquier evento de peso ≥ 7 (una conversión no espera detrás de un lote), navigator.sendBeacon en pagehide, y reencolado en cabeza si la red falla.

Ficheros clave

Ruta	Qué es
src/lib/tracking/taxonomy.ts	Fuente de verdad: eventos, pesos, mapeo por canal
src/lib/tracking/scoring.ts	Motor de scoring (funciones puras, compartido cliente/servidor)
src/lib/tracking/collectors.ts	Auto-instrumentación declarativa
src/lib/tracking/client.ts	Singleton: identidad, sesión, cola, tiempo activo
src/lib/capi/meta.ts	Conversions API con hashing SHA-256 y deduplicación
src/lib/leads.ts	Envío de leads con cola de reintento persistente
src/app/api/track/route.ts	Ingesta, agregación, rescoring y fan-out
prisma/schema.prisma	Modelo de datos completo

---

El motor de scoring

scoreVisitor() en src/lib/tracking/scoring.ts son funciones puras sin I/O. Eso es deliberado: el navegador y el servidor ejecutan exactamente el mismo código, así que el número que ve el visitante en su informe es el mismo que ve el equipo en el dashboard. Si divergieran, la demostración dejaría de ser creíble.

Ajustar el modelo a un negocio concreto = editar dos sitios:

• SECTION_WEIGHTS en taxonomy.ts — cuánto vale la atención en cada sección.
• Los bloques INTENT / ENGAGE / FIT en scoring.ts.

---

Instrumentar una sección nueva

<Section id="testimonios" order={9} theme="light">
  <div data-track-block="caso-acme">
    <h3>Acme: 3,2× ROAS en 90 días</h3>
    <a href="/casos/acme" data-track-cta="caso-acme-link">Ver el caso</a>
  </div>
</Section>

Eso es todo. enter, exit, dwell, revisit, hover y click quedan medidos, enviados a los píxeles y puntuados. Añade la sección a SECTION_WEIGHTS si quieres darle un peso propio.

---

Configurar píxeles y CAPI

1. Meta — Events Manager → tu píxel → Settings → Generate access token. Rellena NEXT_PUBLIC_META_PIXEL_ID, META_PIXEL_ID y META_CAPI_TOKEN.
2. Verifica en Test Events con META_TEST_EVENT_CODE. Quita esa variable en producción o los eventos se quedan en la pestaña de test y nunca llegan al optimizador.
3. Comprueba en Events Manager que la deduplicación aparece como Browser + Server y no como dos eventos separados.
4. Google — GA4 Admin → Data Streams → Measurement Protocol API secrets.

Sin estas variables el sistema funciona igual: el fan-out se salta limpiamente y lo indica en la respuesta de /api/track.

---

Despliegue

Ver docs/DEPLOY.md. Resumen: cambia el provider de Prisma a postgresql, apunta DATABASE_URL a tu base gestionada, configura las URLs de callback OAuth y despliega.

---

Documentación

• docs/TRAFFIC-LAB.md — el diagnóstico de tráfico: disciplina UU, semáforo, benchmarks, EMQ y dedup Pixel↔CAPI.
• docs/MOTION-2026.md — el sistema de motion en tres capas progresivas (animation-trigger, scroll-driven, @property).
• docs/EVENT-TAXONOMY.md — los 61 eventos con su mapeo por canal y el rol optimizar/reporting. Generado desde el código (npm run docs:taxonomy).
• docs/TRACKING-ARCHITECTURE.md — decisiones de diseño, deduplicación, privacidad y cumplimiento.
• docs/DEPLOY.md — producción, OAuth y píxeles.

---

Stack

Next.js 15 (App Router) · TypeScript · Tailwind v4 · GSAP + ScrollTrigger + SplitText · Lenis · Prisma · NextAuth v5 · Zod

Equipo

Javier — CEO · Growth Architect. Arquitectura de conversión, tracking multicanal, full stack UX/UI, campañas como trafficker profesional.

Milagros — CMO · Content & Virality. Contenido orgánico, storytelling de venta, community management avanzado, tráfico con estrategias exclusivas.