# Casos de uso de GenderAPI y medición responsable > Explora escenarios prácticos de enriquecimiento y mide los resultados con un grupo de control, informes de cobertura y evaluación de la incertidumbre. Canonical HTML: https://www.genderapi.io/es/blog/historias-de-exito-empresas-prosperando-con-la-integracion-de-genderapi Last reviewed: 2026-09-28 ## Datos de publicación Primera publicación: 2024-06-10T12:00:00.000Z Última revisión: 2026-09-28T00:00:00.000Z ## ¿Cómo evaluar un proyecto de enriquecimiento con GenderAPI? Define la finalidad y la métrica de éxito de antemano, utiliza un grupo neutral, conserva la probabilidad y los resultados desconocidos y mide tanto el rendimiento como los posibles efectos perjudiciales. ## Los escenarios de ejemplo no son casos de clientes verificados La versión anterior incluía porcentajes exactos para ejemplos anónimos de comercio, salud, moda y finanzas. Al no facilitar cliente, fuente, tamaño de muestra, periodo ni método, esas cifras no pueden verificarse de forma independiente y no se repiten aquí como resultados reales. Tampoco se sustituyen por otros clientes, logotipos, métricas o testimonios: los escenarios de esta guía son hipótesis que puedes probar, no resultados demostrados. Requisitos para publicar un caso de éxito Cliente autorizado o debidamente anonimizado, métrica inicial, tamaño de muestra, periodo de prueba, método, resultado medido y limitaciones explícitas. ## Cuatro flujos que pueden probarse con cuidado ### Mensajes durante el ciclo de compra Enriquece registros apropiados, separa los resultados inciertos y compara una personalización controlada con una experiencia neutral. ### Investigación de audiencias Examina tendencias agregadas documentando la cobertura, los resultados desconocidos y los límites de la muestra. ### Preparación de datos del CRM Añade campos normalizados y señales complementarias para que el equipo pueda revisar los registros antes de utilizarlos. ### Experimentos de campaña Comprueba si un mensaje limitado mejora una métrica definida sin tratar cada estimación como identidad. ## Prefiere experiencias útiles y neutrales Un resultado inferido a partir del nombre no es el género con el que la persona se identifica. La experiencia debe seguir siendo útil cuando no exista resultado o este sea incorrecto: prepara una alternativa neutral, evita estereotipos, no tomes decisiones con efectos importantes basándote en el género inferido y permite corregir datos importantes mediante controles apropiados de primera parte. Mide el flujo, no las suposiciones sobre las personas. ## Evalúa los resultados en cuatro etapas ### Define primero la decisión Documenta por qué necesitas la señal, quién la utilizará y qué usos quedan expresamente excluidos. ### Utiliza un grupo de control Compara el flujo enriquecido con una experiencia neutral en lugar de atribuir todo cambio a un único campo. ### Mide cobertura e incertidumbre Informa de registros desconocidos, ambiguos y de baja confianza junto a la métrica comercial elegida. ### Revisa los efectos Comprueba resultados perjudiciales, personalización engañosa y diferencias de rendimiento entre regiones o idiomas. ## API REST, hoja de cálculo o automatización sin código - [API REST Integra resultados estructurados en una aplicación o canal de datos. Documentación →](https://www.genderapi.io/es/api-documentation) - [Google Sheets Prueba una pequeña muestra asignada dentro de tu hoja actual. Guía del Add-On →](https://www.genderapi.io/es/blog/como-determinar-el-genero-en-google-sheets-usando-gender-api-add-on) - [Automatización sin código Conecta el disparador, el enriquecimiento y un destino controlado. Guía de Zapier →](https://www.genderapi.io/es/blog/zapier-gender-api-integration) ## Limita los datos y el acceso a lo necesario Asigna solo las entradas que requiera la finalidad documentada, restringe el acceso a las claves API y a los resultados y decide cuándo se revisarán o eliminarán los campos derivados. Según la [política de privacidad](https://www.genderapi.io/es/privacy-policy) publicada, los nombres, nombres de usuario, correos electrónicos y demás datos de las consultas satisfactorias no se conservan como registros de consulta reutilizables. Las consultas que no son de correo electrónico y no obtienen resultado de género pueden conservarse durante un máximo de 12 meses para mejorar GenderAPI; las consultas de correo electrónico quedan excluidas de ese conjunto de datos. Los archivos Excel y CSV subidos se programan para eliminarse de los sistemas activos en un plazo de cinco días, y los datos eliminados pueden permanecer hasta 15 días adicionales en copias de seguridad rotativas de acceso restringido. Los registros de servidor, de autenticación y de seguridad tienen sus propios plazos, descritos en la política. Los derechos de acceso, oposición y supresión se explican en la [información de privacidad del RGPD](https://www.genderapi.io/es/gdpr-compliance). Los permisos, registros de ejecución y ajustes de conservación de cada CRM, hoja de cálculo o servicio de automatización que conectes son independientes de los de GenderAPI. No des por hecho que la versión de API y los campos de salida de un complemento coinciden con V2. En V2, interpreta data.confidence junto con confidence_kind y source; una puntuación de IA no equivale a una proporción del conjunto de datos. Informa por separado de los resultados data.result_status: unknown, de los valores JSON null y de los errores operativos. Consulta los [campos de respuesta V2](https://www.genderapi.io/es/docs/v2/responses), la [metodología de precisión](https://www.genderapi.io/es/accuracy-methodology) y la [procedencia de los datos](https://www.genderapi.io/es/data-provenance). ## Preguntas sobre casos de uso y medición ### ¿Los porcentajes de la versión antigua son casos de éxito verificados? No. La versión anterior no indicaba clientes, fuentes, tamaño de muestra ni metodología, así que esta versión no presenta esos porcentajes como pruebas ni los sustituye por otras cifras. ### ¿Qué debe incluir un caso de éxito publicable? Permiso del cliente, métrica inicial, tamaño de muestra, periodo, método, resultado medido y limitaciones explícitas. ### ¿Cómo se mide un flujo de enriquecimiento? Define la métrica con antelación, conserva un grupo neutral, documenta cobertura e incertidumbre y evita atribuir automáticamente el resultado a una sola variable. ### ¿El género estimado equivale a la identidad de la persona? No. Es una inferencia probabilística a partir del nombre, no el género con el que la persona se identifica. Puede ser incorrecta o inapropiada y no debe usarse como identidad confirmada ni como base de decisiones con efectos importantes. ### ¿Debo excluir los resultados desconocidos? No. Conserva los resultados desconocidos y de baja confianza como tales: su proporción forma parte de la cobertura y la calidad de los datos y debe informarse junto con las métricas de éxito. ### ¿Qué datos debe conservar un flujo de enriquecimiento? Conserva solo los campos necesarios para la finalidad documentada y define reglas de eliminación. Según la política de privacidad publicada, los datos de las consultas satisfactorias no se conservan como registros reutilizables; las consultas sin resultado que no son de correo electrónico pueden conservarse hasta 12 meses para mejorar GenderAPI, y los archivos Excel y CSV subidos se eliminan de los sistemas activos en un plazo de cinco días, con hasta 15 días adicionales en copias de seguridad de acceso restringido. Revisa también los registros y la conservación de cada servicio conectado. ### ¿Dónde encuentro opciones de implementación? Consulta la documentación REST o las guías de Google Sheets, Shopify y automatización sin código enlazadas en esta página.