Cold email automatizado: el sistema Make + Instantly detrás de 2.000 e-mails al día

La respuesta corta: nuestra máquina de cold email era un escenario de Make entre nuestra fuente de leads e Instantly. Cada lead se clasificaba según su proveedor de e-mail, se verificaba con NeverBounce, recibía una frase de apertura escrita por IA y pasaba a Instantly, que enviaba desde buzones ya calentados. Resultado: hasta 2.000 personas contactadas al día con alrededor de un 5,5 % de respuestas. La IA era la parte fácil. El trabajo de verdad era la entregabilidad.

Primero lo construí para nuestra propia prospección y después lo implementé para un cliente que vende productos digitales. Este es el escenario real, módulo por módulo, y lo que protegía cada paso.

¿Cómo era el sistema completo?

Tres etapas, cada una independiente:

1. Encontrar a las personas adecuadas. Una búsqueda precisa en LinkedIn Sales Navigator (cargo, sector, tamaño de empresa, país) y después una herramienta para encontrar e-mails (usábamos Anymailfinder) para conseguir la dirección profesional de cada persona.
2. Limpiar y preparar cada lead. Es el escenario de Make de abajo. Decide si es seguro escribir a ese lead, redacta la frase personalizada y lo pasa a la herramienta de envío.
3. Enviar y hacer seguimiento. Instantly enviaba las secuencias desde varios buzones calentados y recogía las respuestas.

La mayor parte del resultado venía de la etapa 2. Un e-mail excelente enviado a una dirección mala no sirve de nada, y unos cientos de rebotes bastan para quemar un dominio de envío durante meses.

¿Cómo funciona el escenario de Make, paso a paso?

1. Un webhook recibe el lead. Cada contacto nuevo llega a Make con su nombre, cargo, empresa y e-mail. Un filtro solo lo deja pasar si el paso anterior funcionó.

2. Miramos quién aloja el e-mail. Una llamada HTTP comprueba si la dirección usa Google Workspace, Microsoft 365 u otro proveedor. Importa para la entregabilidad: un e-mail enviado desde un buzón de Google a una dirección de Google, y de Outlook a Outlook, llega más a menudo a la bandeja de entrada. Por eso cada lead se asociaba después a buzones del mismo proveedor.

3. Un router reparte los leads en tres caminos.

• Camino 1: verificar y luego personalizar. La dirección pasa por NeverBounce. Solo siguen las válidas. OpenAI escribe la frase de apertura, un módulo JSON limpia la respuesta y una llamada HTTP añade el lead a la campaña correcta de Instantly.
• Camino 2: personalizar directamente. Los leads ya verificados se saltan la segunda verificación (no tiene sentido pagar dos veces) y van directos a la frase con IA y a Instantly.
• Camino 3: registrar para revisar. Todo lo que no encaja, como un proveedor desconocido, va a una hoja de Google Sheets. Nada dudoso recibe un e-mail.

4. Instantly toma el relevo. Instantly envía la secuencia, rota entre buzones para que ninguno envíe demasiado y los mantiene calentados en segundo plano.

¿Por qué verificar cada e-mail antes de enviar?

Porque los rebotes son la forma más rápida de perder un dominio. En el sector del cold email se considera una tasa de rebote por debajo del 2 % como el límite que no hay que pasar (Hunter). Y las listas B2B envejecen rápido: Instantly mide un deterioro medio de alrededor del 2,1 % al mes, así que una lista pierde buena parte de sus direcciones válidas en un año (Instantly).

Las listas extraídas y enriquecidas son las peores. Sin verificación, una lista normal te llevaría muy por encima del 2 % de rebotes. Con NeverBounce en medio, solo las direcciones confirmadas llegaban a Instantly, y eso es lo que mantuvo nuestros dominios sanos con ese volumen.

¿Cómo personalizaba la IA 2.000 e-mails al día sin disparar el coste?

No le pedíamos a la IA que escribiera e-mails enteros. El mensaje era una plantilla fija con variables (nombre, empresa, cargo). La IA escribía una sola cosa: la frase de apertura, a partir del perfil de la persona.

Dos motivos:

• El coste. Una frase corta por lead consume muy pocos tokens. Con 2.000 leads al día, eso lo cambia todo.
• El control. Una plantilla probada mantiene el mensaje, la oferta y el enlace de baja iguales para todos. Solo cambia la primera frase, y es la que hace que la gente siga leyendo.

El módulo JSON después de OpenAI obliga a una salida limpia y predecible: una respuesta rara del modelo nunca rompe un envío.

¿Cuáles fueron los resultados?

• Hasta 2.000 personas contactadas al día.
• Alrededor de un 5,5 % de respuestas, cuando la media del cold email B2B ronda el 2–3,5 % (lemlist, Apollo). Quien hace prospección sabe que es una tasa muy buena.
• Más clientes firmados que con la prospección manual clásica, primero para nuestra agencia y después para el cliente.

¿Qué cambiaríamos si lo construyéramos hoy?

• Gestionar las respuestas de forma automática. Conectaríamos la detección de respuestas de Instantly con Make: un "me interesa" recibe un enlace para agendar y entra en el CRM, un "ahora no" se vuelve a contactar en tres meses y una baja se elimina en todas partes.
• Usar un modelo más barato para clasificar. Los modelos pequeños de clasificación cuestan hoy una fracción de céntimo por lead. Así se puede puntuar cada perfil antes incluso de verificarlo y clasificar las respuestas.
• Pasar la versión pesada a n8n. Cuando crece el volumen o el número de pasos, n8n cobra por ejecución y no por paso. Reconstruimos este sistema así para un proyecto de mayor volumen (n8n vs Make).
• Respetar las reglas de cada mercado. Una baja fácil en cada e-mail y las normas B2B de cada país (LSSI/AEPD en España, LFPDPPP en México, CAN-SPAM en EE. UU.). La lista completa está en nuestra guía de captación de leads con IA.

Este es el sistema que construimos para clientes: nuestro servicio de captación de leads automatizada, con la automatización de e-mails que gestiona las secuencias y las respuestas. Si quieres uno para tu negocio, cuéntame tu oferta y te diré con honestidad si la prospección saliente encaja contigo.

Sigue leyendo

• Captación de leads con IA: el sistema completo y las reglas
• n8n vs Make: cuál elegir para un sistema como este
• Chatbots con IA para empresas: el lado entrante del embudo