Estado de los DMs de venta en Instagram 2026: qué pasa con 11.863 conversaciones reales

De 11.863 conversaciones inbound de Instagram analizadas entre junio y septiembre de 2026, el 3,9% terminó en una llamada agendada. La mediana de primera respuesta fue de 7 segundos. El 30,4% de los mensajes de leads llegó entre medianoche y las 6 de la mañana. Y la conversación que no agenda no se muere después de una negociación larga: se muere en el primer mensaje, con una mediana de una sola respuesta del lead.

Eso es lo que pasa. El resto de este informe desglosa cada número, aclara de dónde sale y qué hacer con él. Son datos agregados de clientes de pago de SetterApp con corte al 14 de septiembre de 2026, sobre conversaciones que entraron por Instagram, tanto comentarios como mensajes directos. Ninguna cifra está extrapolada a Latinoamérica ni al mercado entero. Es lo que ocurrió dentro de esta base, y sirve como referencia para comparar tu propia operación si vendes por llamada desde Instagram: cómo funciona un setter de IA en Instagram.

Resumen ejecutivo: cinco hallazgos

1. El embudo es angosto. De las 11.863 conversaciones, 4,8% se calificó, 5,5% recibió el enlace de agenda y 3,9% agendó. Cuando el enlace sale, 70,5% de las veces termina en agenda. 2. La velocidad dejó de ser el cuello de botella. La mediana de primera respuesta es de 7 segundos y 75,9% responde en menos de un minuto. El problema está en la cola: el p90 es de 171 segundos. 3. La conversación ocurre cuando el negocio duerme. 30,4% de los mensajes de leads llega entre las 00:00 y las 06:00, y 74,9% cae fuera del horario laboral. 4. Agendar exige conversación. Las conversaciones que agendan tienen una mediana de 20 mensajes del lead. Las que no agendan, de uno. 5. El outbound en frío responde mejor de lo que se suele decir: 30,5% sobre 15.380 mensajes enviados.

Metodología: qué es esta muestra y qué no

La base son conversaciones inbound de clientes de pago de SetterApp entre el 14 de junio y el 14 de septiembre de 2026, extraídas con el comando interno `seo-datos` sobre los últimos 90 días. N = 11.863 conversaciones. Todo está agregado: no hay nombres de clientes, ni de leads, ni identificadores de cuenta.

Los bloques no tienen el mismo N porque no todas las conversaciones completan todos los campos. El tiempo de primera respuesta solo se calcula cuando existen el mensaje inicial del lead y la primera respuesta del setter (6.469 conversaciones con dato). Los horarios se miden sobre mensajes individuales, no sobre conversaciones: 35.098 mensajes de leads de equipos que tienen la zona horaria configurada, excluyendo los que operan en UTC. El outbound son 15.380 mensajes enviados en frío, una base distinta de la inbound. Cualquier bloque con menos de 500 filas queda fuera del informe.

Tres limitaciones que conviene tener presentes antes de citar cualquier cifra. Primera: hay sesgo de selección, porque son negocios que ya automatizan parte de su operación y tienden a ser más ordenados que el promedio. Segunda: "agendado" significa que el sistema registró el evento de agenda después de enviar el enlace, no que la llamada se haya celebrado ni que el lead haya asistido. Tercera: no hay grupo de control, así que estos números describen un sistema en funcionamiento, no demuestran causalidad.

Hallazgo 1: el 3,9% agenda y el 70,5% del enlace enviado convierte

El embudo pierde más del 95% de las conversaciones antes de que exista una llamada. Eso es normal en inbound: la mayoría de los mensajes que llegan a una cuenta de Instagram no son leads, son curiosos, preguntas de precio sueltas o gente que escribe por error.

Lo que sí llama la atención es la relación entre la tercera y la cuarta fila. Una vez que el enlace de agenda sale, 7 de cada 10 conversaciones terminan en agenda. La parte difícil no es convencer al lead de que agende, es llevarlo hasta el punto donde el enlace tiene sentido. Buena parte del trabajo de un setter ocurre antes de hablar de la llamada: preguntar, descartar y ordenar. Si quieres entender cómo se hace esa parte, está desarrollada en calificación de leads en tiempo real.

Hay una inconsistencia que vale la pena mirar de frente: el enlace se envía en 5,5% de las conversaciones, pero solo 4,8% aparece como calificado. Los dos campos no registran el mismo evento y no siempre coinciden. En la práctica, el enlace también sale cuando el lead lo pide de forma explícita, sin pasar por el flujo completo de preguntas.

Hallazgo 2: la mediana es de 7 segundos, el p90 de 171

Comparado con el benchmark clásico de ventas, este número es de otro planeta. El estudio de respuesta a leads de InsideSales y el Dr. James Oldroyd, publicado en Harvard Business Review en 2011, encontró que la empresa promedio tardaba 42 horas en responder un lead entrante, y que responder en 5 minutos en lugar de 30 multiplicaba por 21 la probabilidad de calificarlo. Aquí la mediana es de 7 segundos. La ventana de 5 minutos se cumple con un margen enorme.

Eso tiene una consecuencia que casi nadie discute: cuando la mediana ya está resuelta, seguir optimizando la mediana no sirve de nada. El espacio de mejora está en el p90. Uno de cada diez leads espera casi tres minutos, y en ese grupo es donde se pierden conversaciones que ya habían empezado.

Lo que me sorprendió al ver estos datos no fue el p90, fue la distribución. Esperaba una cola larga causada por saturación en horas punta, y lo que aparece es otra cosa: la cola se concentra en conversaciones donde el setter necesita información que el lead todavía no dio. Si volviera a configurar mi propio setter hoy, dejaría de ajustar el mensaje de apertura y pondría ese esfuerzo en las respuestas de la tercera y cuarta interacción, que es donde el sistema se frena. El detalle de cómo se recorta esa cola está en reducir el tiempo de respuesta y las ausencias.

Hallazgo 3: 30,4% de los mensajes de leads entra de madrugada

La franja de 09:00 a 14:00, que en teoría es el corazón del día laboral, concentra apenas 9,3% de los mensajes. Sumando mañana y tarde, el horario de oficina explica un tercio del volumen. El otro tercio llega de noche y la madrugada se lleva la porción mayor.

El corte de fuera de horario (antes de las 9 o después de las 19 de lunes a viernes, más todo el fin de semana) agrupa 35.098 mensajes y 74,9% del total. Tres de cada cuatro mensajes entran cuando no hay nadie mirando la bandeja de entrada.

La lectura comercial es directa. Si tu operación depende de una persona que responde entre las 9 y las 19, estás ausente en el momento en que tu lead tiene el teléfono en la mano y el problema en la cabeza. Un lead que escribe a las 2 de la mañana no está comparando precios con calma: está resolviendo algo que le preocupa ahora. Dos horas después ya se le pasó.

Un matiz sobre este bloque: los horarios solo incluyen equipos con zona horaria configurada. Los que operan en UTC quedaron fuera precisamente para no mezclar husos y distorsionar la distribución.

Hallazgo 4: la conversación que agenda tiene 20 mensajes; la que no, uno

Este es el hallazgo que más debería cambiar cómo trabajas el seguimiento. La conversación típica que no agenda tiene un solo mensaje del lead y tres del setter. No es una negociación perdida, es un "hola, ¿cuánto cuesta?" al que nadie volvió a responder, o un mensaje que se quedó sin segunda vuelta.

La conversación que sí agenda tiene 20 mensajes del lead como mediana. Veinte. Eso no es un embudo de una pregunta y un enlace. Es una conversación con ida y vuelta, con preguntas de calificación, objeciones y contexto. Un setter que responde tres veces y se detiene no está calificando, está recibiendo pedidos.

Marcos Pozzetti, fundador de SetterApp:

> "Antes de ver estos números yo también creía que el problema era el copy de cierre. No lo es. El problema es el segundo, tercer y cuarto mensaje, los que la mayoría de los negocios no envía porque el lead dejó de contestar. La conversación que agenda no es la más persuasiva, es la que sobrevive más turnos."

Los frameworks de calificación que mejor funcionan en este contexto tienen esa lógica de varios turnos, y están comparados en frameworks de calificación BANT y MEDDIC con IA. La pieza operativa que hace la diferencia es el seguimiento, que casi siempre se abandona justo cuando empieza a importar: automatizar el seguimiento de leads.

Hallazgo 5: outbound en frío, 30,5% de respuesta

Un tercio de las conversaciones iniciadas en frío obtiene respuesta. Es una tasa alta para outbound y confirma algo que se repite en Instagram: el mensaje directo sigue siendo un canal con poca fricción, mucho menor que el correo en frío. La gente lee los DMs, incluso de cuentas que no conoce.

Ahora la parte honesta: este bloque no dice cuántos de esos 15.380 mensajes llegaron a agenda. Solo mide la respuesta. Una conversación que empieza en frío y consigue un "cuéntame más" no es un lead, es el comienzo de una conversación de calificación, y ahí aplican los números del hallazgo cuatro. Mezclar la tasa de respuesta del outbound con la tasa de agenda del inbound es el error de lectura más común que veo en los tableros de mis propios clientes, y por eso los mantengo separados en este informe. Sobre cómo se sostiene una conversación de ese tipo hay más en IA conversacional para ventas.

Comparación con benchmarks externos

La comparación deja una conclusión incómoda para el discurso tradicional: el consejo de "responde rápido" ya está agotado en este segmento. Hace quince años la velocidad era la ventaja competitiva porque la mayoría de las empresas tardaba días. Hoy, dentro de una base que automatiza, la ventaja está en la cobertura horaria y en la insistencia, no en la rapidez del primer mensaje.

Cómo usar estos datos en tu negocio

1. Calcula tus cuatro tasas con la misma definición: conversaciones totales, calificadas, con enlace enviado y agendadas. Si no puedes obtener esos cuatro números de tu operación, no tienes un problema de ventas, tienes un problema de registro. 2. Mira tu p90 antes que tu mediana. La mediana ya suele estar bien. Ordena tus conversaciones por tiempo de primera respuesta y revisa el 10% más lento para encontrar el patrón. 3. Compara el volumen de mensajes que llega fuera de horario con el que llega dentro. Si más de la mitad entra fuera del horario laboral, un turno humano completo no resuelve el problema. 4. Define explícitamente qué pasa después del primer mensaje sin respuesta. Un segundo intento a las pocas horas y un tercero al día siguiente cambia la mediana de uno a varios turnos. 5. Separa inbound de outbound en tus métricas. Son embudos distintos y promediarlos esconde los dos.

Sobre el punto 3, la pregunta de fondo es si necesitas cubrir la madrugada con personas o con software. Un setter de IA no cobra horas nocturnas y no tiene bandeja que acumular: puedes ver el enfoque completo en automatizar los DMs de Instagram con IA y la comparación con alternativas en setter de IA frente a setter humano.

Preguntas frecuentes

¿Qué porcentaje de los DMs de Instagram termina en una llamada agendada? En esta base de 11.863 conversaciones inbound, 3,9% llegó a agenda. Ese porcentaje sube a 70,5% si se mide solo sobre las conversaciones que recibieron el enlace de agenda, porque el enlace solo sale después de un intercambio previo.

¿Cuál es el tiempo de respuesta ideal para un DM de venta? En esta muestra la mediana es de 7 segundos y 75,9% responde en menos de un minuto. El benchmark clásico de InsideSales y Oldroyd de 2011 situaba la ventana crítica en 5 minutos. Con esos dos datos, la referencia práctica es responder en menos de un minuto y vigilar la cola lenta, más que bajar la mediana.

¿Por qué hay tantos mensajes de leads de madrugada? Porque el momento en que surge la necesidad no coincide con el horario de oficina. 30,4% de los mensajes se concentra entre las 00:00 y las 06:00, y 74,9% cae fuera del horario laboral de lunes a viernes o en fin de semana. Es el horario del lead, no el del negocio.

¿Sirve automatizar el seguimiento si el lead responde una sola vez? Es exactamente el caso donde más sirve. Las conversaciones que no agendan tienen una mediana de un solo mensaje del lead y tres del setter, mientras que las que agendan tienen 20. Sin un segundo y tercer intento sistemático, la mayoría de las conversaciones muere en el saludo.

¿Estos datos aplican a mi negocio si vendo poco por Instagram? Aplican con cuidado. La muestra tiene sesgo hacia negocios que ya automatizan su operación, así que sus tasas probablemente sean mejores que las de alguien que responde a mano. Los horarios de llegada de los leads son el dato más transferible, porque dependen del comportamiento del comprador y no del software.

¿Cuánto cuesta un setter de IA para Instagram? SetterApp cuesta 297 € al mes, con 7 días de prueba y sin comisiones por agenda. Trabaja solo sobre Instagram y envía el enlace de agenda del negocio. Si estás evaluando categorías completas antes de decidir, la guía está en setter de IA: guía completa y la diferencia con un bot de respuestas automáticas en chatbot vs setter de IA.