Lavender es un coach de emails de ventas con IA. Ayuda a los equipos de ingresos a escribir mejores emails de prospección que consiguen más respuestas, con puntuación en tiempo real, sugerencias de personalización y coaching dentro del propio inbox, en herramientas como Gmail y Outlook.
Cuando Lavender empezó a escalar dos modelos de go-to-market muy distintos —un producto self-serve de PLG junto a una venta enterprise liderada por comerciales—, el equipo se topó con un problema sorprendentemente habitual en las empresas SaaS en crecimiento: ya no podía responder con seguridad a preguntas básicas.
¿Cuál era su ARR?
Los ingresos pasaban por Stripe, pero las métricas que había debajo eran cada vez más difíciles de conciliar entre productos, modelos de precios y tipos de cliente.
Como lo explica Elliott Fisher, COO de Lavender:
“When I joined the company in 2024… there was never full confidence in what our ARR number was.”
¿Cómo llegaron hasta aquí?
Un RevOps sobredimensionado
En el caso de Lavender, la confusión con el ARR no venía de un único sistema roto, sino de años de decisiones improvisadas, cambios de responsable y soluciones bienintencionadas.
Escalar dos modelos de go-to-market distintos implica experimentar constantemente: probar mensajes, tácticas de crecimiento y estrategias de pricing diferentes.
“We had consultants and we paid them a fortune. We hired a RevOps director… we had another SaaS tool for analysis and forecasting… All of this contributed to us over-architecting how we did RevOps.”
Cuando vendes a tipos de cliente distintos, a través de flujos distintos y con caminos de facturación distintos por detrás, los ingresos dejan de ser una cifra sencilla. Se convierten en un problema permanente de coordinación.
El momento en que Lavender tuvo que «volarlo todo»
Un día, el CEO hizo una pregunta sencilla: «¿Cuál es nuestro ARR actual?»
Y nadie supo responder con seguridad.
“None of the leadership could give him an answer… and at that point it was like, alright, we have to essentially blow this up and rebuild it from scratch.”
Para Elliott fue un momento crucial. Tenían que dejar de poner parches sobre un sistema ya de por sí complejo. En lugar de seguir tapando incoherencias, Lavender decidió empezar de cero.
Volvieron a la única fuente de datos en la que todavía confiaban plenamente: Stripe.
El equipo exportó cuatro años de histórico de facturas y reconstruyó a mano su modelo de waterfall de ARR en Excel, línea a línea. Fue un proceso laborioso, pero les dio algo que hasta entonces no tenían: una base limpia.
Más importante aún, les obligó a establecer coherencia interna en torno a las definiciones de ingresos, los inputs y la responsabilidad de cada dato, sentando las bases de SOPs más sólidos a futuro.
ChartMogul como bote salvavidas y fuente de verdad
Una vez que Lavender había reconstruido una base limpia de sus datos de suscripción, el siguiente paso era asegurarse de no tener que volver a hacerlo nunca a mano.
Su CFO en Pilot les recomendó automatizar el ARR como es debido. Fue entonces cuando Lavender recurrió a ChartMogul.
Lavender completó el onboarding en menos de una semana.
“ChartMogul was so straightforward and intuitive… It was very relieving. Here we finally can have this number calculated for us in real time.”
A diferencia de las herramientas que habían probado antes, ChartMogul no añadió más complejidad. Les dio una cifra de ARR fiable de inmediato, con la opción de ir profundizando en el análisis con el tiempo.
“ChartMogul could be as simple as telling us ARR, and as dynamic as analyzing revenue by product or customer type as we grew”
Limpiar lo que la automatización no suele poder limpiar
Lo que hacía especialmente complejo el caso de Lavender era que sus datos de suscripción no estaban en un solo sitio. Tenían varias cuentas de Stripe para su modelo self-serve, además de SalesBricks para las operaciones enterprise. En muchos casos, un mismo cliente aparecía en los tres sistemas. Un cliente enterprise podía existir como contrato en SalesBricks, tener un pago único en una cuenta de Stripe y una suscripción recurrente creada en otra.
Antes de ChartMogul, conciliar esa dispersión significaba hojas de cálculo, apaños o simplemente aceptar que las cifras nunca iban a cuadrar del todo. Con ChartMogul, el equipo podía editar los datos de las facturas directamente, fusionar varios registros en un único cliente, generar suscripciones manualmente donde no existían y convertir pagos únicos en ingresos por suscripción cuando hacía falta.
Esa flexibilidad resultó decisiva. En lugar de obligar a Lavender a rehacer sus procesos alrededor de un modelo de datos rígido, ChartMogul les permitió reflejar cómo fluían realmente los ingresos en el negocio y, a partir de ahí, estandarizarlo.
Gestionar el negocio con ChartMogul
Hoy, Elliott considera que ChartMogul es la base de las métricas de Lavender.
“ChartMogul is our source of truth… because it aggregates the information across products.”
Elliott lo usa a diario, desde el reporting para dirección hasta la visibilidad de las renovaciones. Las reuniones semanales de dirección se apoyan en churn, retención, renovaciones y ARR. Las nuevas suscripciones se verifican en tiempo real y las renovaciones próximas se avisan de forma proactiva al equipo de ventas.
A medida que Lavender amplió su oferta de producto, ChartMogul también ayudó al equipo a entender de dónde venía el crecimiento y quién lo impulsaba. Con enriquecimiento y segmentación, Lavender pudo analizar cohortes por:
- Sector
- Tamaño de empresa
- Geografía
- Segmento de cliente
“Jordan said, ‘we can actually do data enrichment for you.’ Another life-saving miracle for us.”
El resultado fue un análisis de cohortes más claro, decisiones de go-to-market más afinadas y un reporting más fiable en todo el negocio.
El consejo de Elliott: primero simplifica, después automatiza
Para Elliott, la lección es sencilla y le ha costado aprenderla. Las métricas limpias no salen de herramientas complejas. Salen de flujos de trabajo consistentes, responsabilidades claras y rigor operativo.
“You need to simplify the workflow. Create a process where the data can be consistent. Assign an owner… then look for tools like ChartMogul to automate the work.”
Al final, el objetivo no era tener más software. Era claridad, coherencia y un sistema en el que el negocio pudiera confiar.