PersonaFlow AI

1. Concepto

Plataforma SaaS B2B de hiper-personalización de email marketing. Pymes y startups de e-commerce/SaaS ingieren eventos de comportamiento de sus clientes (API o CSV), un motor de IA los agrupa en micro-segmentos dinámicos ("compradores de alta frecuencia", "riesgo de abandono", "abandonaron carrito"...), un generador de contenido produce asunto + cuerpo de email personalizado por segmento/cliente, y un dashboard mide apertura, CTR y conversión por campaña y segmento para demostrar ROI.

Monetización: SaaS tiered por número de contactos / volumen de envío, con plan gratuito (Product-Led Growth).

2. Arquitectura

Monolito modular Spring Boot 4.0.4 / Java 25, listo para descomponerse en microservicios (ingesta, segmentación, envío) según el implementationGuide.

controller/  → REST endpoints (capa HTTP)
service/     → lógica de negocio (ingesta, segmentación, generación IA, campañas, analíticas, auth)
repository/  → Spring Data JPA sobre H2 en memoria (PostgreSQL listo vía pom)
model/       → entidades JPA (clases mutables; no Records — Hibernate requiere
               constructor vacío y proxies, incompatible con records finales)
dto/         → Records inmutables para requests/responses (incluye dto/llm para
               el contrato de chat-completions)
client/      → LlmFeignClient (OpenFeign) hacia el LLM externo + LlmProperties
security/    → JWT (jjwt 0.12.6): JwtService, JwtAuthenticationFilter, JwtProperties
config/      → JacksonConfig (pre-escrito), FeignConfig, SecurityConfig
exception/   → ResourceNotFoundException + GlobalExceptionHandler (@RestControllerAdvice)

Puntos técnicos clave:

• Jackson 3 (%%INLINE1%%) vía %%INLINE2%% pre-escrito, inyectado

donde se necesita JsonMapper.

• OpenFeign (%%INLINE4%%) llama a un endpoint %%INLINE5%%

compatible con OpenAI. Cada llamada (segmentación, generación de asunto) está envuelta en try/catch: si el LLM no responde (sin LLM_API_KEY válida, timeout, red), el servicio cae a lógica determinística basada en reglas — el MVP nunca se bloquea por falta de credenciales del LLM.

• Virtual Threads: CsvImportService procesa cada fila del CSV en un

Executors.newVirtualThreadPerTaskExecutor() para absorber importaciones grandes sin agotar el pool de hilos de plataforma.

• JWT stateless: %%INLINE9%% protege %%INLINE10%% salvo

%%INLINE11%%; %%INLINE12%% puebla el SecurityContext desde el header Authorization: Bearer <token>.

• Text blocks: prompts al LLM y plantillas de email usan """...""".

3. Endpoints

Todos bajo %%INLINE16%%, protegidos con JWT excepto %%INLINE17%%.

Auth

• %%INLINE18%% — %%INLINE19%% → LoginResponse con token Bearer.

Ingesta de datos (feature 1)

• %%INLINE21%% — evento individual (%%INLINE22%%): crea el cliente si no existe.
• POST /events/batch — lote de eventos.
• %%INLINE24%% — multipart CSV (%%INLINE25%%), columnas externalId,email,fullName.
• GET /customers — lista clientes con su segmento asignado.

Segmentación por IA (feature 2)

• POST /segments/generate — clasifica todos los clientes en micro-segmentos

(alta frecuencia, riesgo de abandono, carrito abandonado, nuevos, general); cada segmento se enriquece con una descripción generada por el LLM (fallback a texto predefinido si el LLM falla).

• GET /segments — lista segmentos con tamaño de audiencia.

Campañas + generación de contenido IA (features 3 y requerimiento CRUD)

• %%INLINE30%% / %%INLINE31%% / %%INLINE32%% / %%INLINE33%% / DELETE /campaigns/{id}
• POST /campaigns/{id}/generate-content — genera asunto + cuerpo vía LLM

(fallback a plantilla) y crea un EmailTemplate personalizado por cliente del segmento.

• POST /campaigns/{id}/send — simula el envío: crea el registro de métricas

con sentCount = tamaño de audiencia y activa la campaña.

Analíticas (feature 4)

• %%INLINE39%% — %%INLINE40%% simula tracking de eventos de campaña.
• GET /analytics/campaigns/{id} — tasa de apertura, CTR y conversión totales y por segmento.

4. Referencias

• Trend source: https://xchange.avixa.org/posts/top-10-innovative-ideas-to-start-an-ai-saas-business-in-2026-27
• Spring Boot 4.0.4 / Spring Framework 7.x, Spring Cloud OpenFeign 4.2.1, jjwt 0.12.6, MapStruct 1.6.3 (dependencia disponible para evolucionar el mapeo DTO↔entidad).

5. Análisis de negocio

• Problema: campañas de email genéricas → baja apertura/clic, alta baja

de suscriptores, presupuesto desperdiciado.

• Solución: pipeline ingesta → segmentación IA → contenido IA →

medición, cerrando el loop con ROI medible por segmento.

• Cliente objetivo: equipos de marketing de pymes B2C sin equipo de data

science propio.

• Por qué ahora: LLMs accesibles vía API abaratan la personalización que

antes requería un equipo de ML dedicado; el MVP demuestra el loop completo con fallback determinístico, por lo que funciona en demo aun sin clave de LLM real — reduce fricción de evaluación para el primer cliente.

• Camino a monetización: tiers por contactos/volumen de envío + free tier

friccionan poco la adopción (PLG) y escalan ingreso con el uso real.

6. Cómo ejecutar

cd solutions/2026-07-29-personaflow-ai
mvn spring-boot:run

• App en %%INLINE42%%. Base H2 en memoria (%%INLINE43%%

en %%INLINE44%%); consola en %%INLINE45%%.

• Variables de entorno opcionales: %%INLINE46%%, %%INLINE47%%,

%%INLINE48%%, %%INLINE49%%, JWT_EXPIRATION_MS. Sin ellas, el generador de segmentos/contenido usa el fallback basado en reglas.

Flujo de prueba rápido:

TOKEN=$(curl -s -X POST localhost:8080/api/v1/auth/login \
  -H 'Content-Type: application/json' \
  -d '{"username":"admin","password":"password"}' | jq -r .token)

curl -s -X POST localhost:8080/api/v1/events -H "Authorization: Bearer $TOKEN" \
  -H 'Content-Type: application/json' \
  -d '{"customerExternalId":"c1","email":"a@x.com","fullName":"Ana Ruiz","eventType":"PURCHASE","eventValue":50}'

curl -s -X POST localhost:8080/api/v1/segments/generate -H "Authorization: Bearer $TOKEN"

curl -s -X POST localhost:8080/api/v1/campaigns -H "Authorization: Bearer $TOKEN" \
  -H 'Content-Type: application/json' -d '{"name":"Verano 2026","segmentId":1}'

curl -s -X POST localhost:8080/api/v1/campaigns/1/generate-content -H "Authorization: Bearer $TOKEN"
curl -s -X POST localhost:8080/api/v1/campaigns/1/send -H "Authorization: Bearer $TOKEN"
curl -s -X POST localhost:8080/api/v1/campaigns/1/track -H "Authorization: Bearer $TOKEN" \
  -H 'Content-Type: application/json' -d '{"type":"OPEN"}'
curl -s localhost:8080/api/v1/analytics/campaigns/1 -H "Authorization: Bearer $TOKEN"