Ir al contenido principal

Algoritmo y reglas de matching: Cada pareja tiene
una razón para conocerse.

Indica a RandomCoffee qué hace una buena pareja en tu programa. Empareja a cientos de personas en segundos, evita repetir parejas y te muestra por qué funciona cada una.

Solicitar una demo
Reglas jerarquizadas sobre cualquier campo Historial de reuniones entre programas Revisión antes del envío Parejas, grupos o mentoría
Cafés entre equipos · Ronda 12 Demo automática · arrastra una regla para tomar el control
Parejas 20 miembros · 10 parejas
DO David Ortega Ventas · Buenos Aires AP Alba Prieto Producto · Buenos Aires 93 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ✓ Antigüedad · Es la más lejana
  • ✗ Competencias · Tiene más en común
ML Marcos León Ventas · Bogotá ÁF Álex Fernández Finanzas · Bogotá 93 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ~ Competencias · Tiene más en común
EV Elena Vidal Ingeniería · CDMX NC Natalia Cruz Ventas · CDMX 87 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ✗ Competencias · Tiene más en común
TT Tomás Torres Ventas · CDMX LV Lorena Vega Finanzas · CDMX 88 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ✗ Competencias · Tiene más en común
ID Inés Delgado Marketing · Buenos Aires ÓM Óscar Medina Finanzas · Buenos Aires 87 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ✗ Competencias · Tiene más en común
GR Gabriela Romero Marketing · Bogotá VS Valentina Suárez Ingeniería · Bogotá 87 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ✗ Competencias · Tiene más en común
VG Valeria Gómez Ingeniería · Buenos Aires PN Paula Navarro Producto · Buenos Aires 86 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ~ Competencias · Tiene más en común
RC Raúl Castillo Marketing · CDMX AP Adriana Peña Producto · CDMX 90 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ~ Competencias · Tiene más en común
AD Alejandro Díaz Finanzas · CDMX IR Iván Reyes Marketing · CDMX 83 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ✓ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ~ Competencias · Tiene más en común
CR Claudia Ramos Producto · Bogotá HS Hugo Serrano Ingeniería · Buenos Aires 73 % de match
Calidad de las reglas de matching
  • ✓ Nunca se han visto
  • ✓ Departamento · Es diferente
  • ~ Oficina · Es la más cercana
  • ~ Antigüedad · Es la más lejana
  • ~ Competencias · Tiene más en común

Más de 1250 organizaciones en más de 30 países confían en nosotros:

Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
¿Te suena?

Una mala pareja cuesta más que un café incómodo.

Quien no conecta no vuelve, y todo el programa pierde credibilidad.

Hoy

«Otra vez me emparejaron con Javier.»

Las mismas caras vuelven en cada ronda, y la gente deja de inscribirse en algo que parece aleatorio.

Con RandomCoffee

Cada ronda revisa primero el historial de reuniones de todos tus programas, para que cada persona conozca a alguien nuevo.

Historial de reuniones
Hoy

«Emparejar a 300 personas me lleva dos días.»

Una hoja de cálculo, una docena de filtros y mucha intuición, y todo vuelve a empezar el mes siguiente.

Con RandomCoffee

Ordena tus reglas una sola vez. Cada ronda se genera en segundos, lista para tu revisión.

Reglas de matching
Hoy

«Mi mentor no puede ayudarme con lo que necesito.»

Los mentores se asignan según su disponibilidad, no según lo que el mentee realmente quiere aprender.

Con RandomCoffee

Cruza las competencias de los mentores con los objetivos de los mentees, para que cada pareja empiece con algo concreto en lo que trabajar.

Coincidencia de categorías
Un motor, todos los programas

Objetivos distintos. Las parejas adecuadas para cada uno.

Mezcla equipos en los cafés virtuales, mantén a los buddies cerca de su nueva incorporación y da a cada mentee un mentor con las competencias que quiere aprender.

Reglas de matching
1 Historial Nunca emparejados
2 Departamento Es diferente

Cada ronda tiende puentes entre equipos que nunca hablan.

VG Valeria Gómez Ingeniería · Buenos Aires TT Tomás Torres Ventas · Ciudad de México Ingeniería × VentasPrimer encuentro
RC Raúl Castillo Marketing · Ciudad de México AD Alejandro Díaz Finanzas · Ciudad de México Marketing × FinanzasPrimer encuentro
CR Claudia Ramos Producto · Bogotá HS Hugo Serrano Ingeniería · Buenos Aires Producto × IngenieríaPrimer encuentro
AP Adriana Peña Producto · Ciudad de México NC Natalia Cruz Ventas · Ciudad de México Producto × VentasPrimer encuentro
Reglas de matching
1 Oficina Es la más cercana
2 Departamento Es diferente

Cada nuevo empleado tiene un buddy cerca, fuera de su propio equipo.

EV Elena Vidal Ingeniería · Ciudad de México AP Adriana Peña Producto · Ciudad de México Misma oficina · Ciudad de MéxicoOtro equipo
ML Marcos León Ventas · Bogotá VS Valentina Suárez Ingeniería · Bogotá Misma oficina · BogotáOtro equipo
AP Alba Prieto Producto · Buenos Aires ID Inés Delgado Marketing · Buenos Aires Misma oficina · Buenos AiresOtro equipo
ÓM Óscar Medina Finanzas · Buenos Aires PN Paula Navarro Producto · Buenos Aires Misma oficina · Buenos AiresOtro equipo
Reglas de matching
1 Competencias del mentor ↔ objetivos del mentee Maximizar coincidencias
2 Departamento Es diferente

Cada mentee aprende de alguien que tiene las competencias que busca.

EV Elena Vidal Ingeniería · Ciudad de México GR Gabriela Romero Marketing · Bogotá LiderazgoHablar en público
ML Marcos León Ventas · Bogotá VG Valeria Gómez Ingeniería · Buenos Aires Data vizPython
AP Alba Prieto Producto · Buenos Aires DO David Ortega Ventas · Buenos Aires NegociaciónLiderazgo
ÓM Óscar Medina Finanzas · Buenos Aires AP Adriana Peña Producto · Ciudad de México DiseñoLiderazgo
Reglas de matching

Tu definición de una buena pareja, en unas pocas reglas.

Combina tantas reglas como necesites y ordénalas por importancia. Sin hojas de cálculo ni fórmulas: el orden es la estrategia.

  • Arrastra las reglas para fijar su prioridad: la primera regla siempre gana
  • Matching sobre textos, listas, fechas o números, desde tu HRIS, tus formularios o tus audiencias
  • Las mismas reglas se aplican automáticamente en cada ronda
1

Categoría

Acerca o separa a las personas según cualquier campo del perfil: texto, lista, fecha, número, opción o sí/no.

  • Es igual
  • Es diferente
  • Es el más cercano
  • Es el más lejano
  • Tiene más en común
  • Tiene menos en común

Fecha de incorporación · Es la más cercana

2

Valores de categoría

Empareja o separa valores concretos, como un departamento con otro.

  • Emparejar con
  • No emparejar con

Ventas · Emparejar con · Ingeniería

3

Coincidencia de categorías

Compara dos listas que comparten las mismas opciones, como las competencias de los mentores y los objetivos de los mentees.

  • Maximizar coincidencias
  • Minimizar coincidencias

Competencias del mentor ↔ objetivos del mentee

4

Audiencia

Empareja o separa audiencias completas, para conectar dos cohortes o dos entidades.

  • Emparejar con
  • No emparejar con

Nuevos empleados · Emparejar con · Buddies

5

Miembros concretos

Gestiona una excepción nominal sin tocar el resto del programa.

  • Emparejar con
  • No emparejar con

Camila Rojas · No emparejar con · Andrés Molina

Siempre activo

  • El historial de reuniones va primero: quienes ya se conocieron, en cualquier programa, conocen a alguien nuevo siempre que sea posible
  • Los miembros se emparejan según las preferencias que han elegido
Revisión

Revisa cada grupo antes de que nadie reciba su presentación.

Mira en qué medida cada grupo cumple tus reglas, detecta las parejas que ya se conocieron y corrígelas en un clic. Envía la ronda cuando te parezca correcta.

  • Con la revisión del administrador, cada ronda se genera como borrador para revisarla antes del envío
  • Una puntuación de matching en cada grupo, con las reglas que cumple
  • Un aviso cuando dos personas ya fueron emparejadas antes
  • Generar nuevas parejas, mezclarlas o subir las tuyas
Parejas por revisar Ronda 12 · envío el lunes a las 9:00
Aprobar y enviar
VG Valeria Gómez Ingeniería · Buenos Aires ID Inés Delgado Marketing · Buenos Aires
100 % de match
RC Raúl Castillo Marketing · CDMX CR Claudia Ramos Producto · Bogotá AP Adriana Peña Producto · CDMX
67 % de match 100 % de match Ya coincidió con Claudia Ramos Corregido: nueva pareja
Calidad de las reglas de matching Departamento · Es diferente Oficina · Es la más cercana Antigüedad · Es la más lejana
VS Valentina Suárez Ingeniería · Bogotá GR Gabriela Romero Marketing · Bogotá
100 % de match
Formatos

Parejas, grupos, mentores o un sorteo.

Elige el modo de matching que mejor se adapte al momento. Tus reglas y el historial de reuniones se aplican a todos.

Aleatorio

Cafés entre equipos

Parejas o grupos que cambian en cada ronda, guiados por tus reglas.

Entre grupos

Conectar dos entidades

Cada grupo reúne a miembros de varias audiencias, como la sede central y los equipos de campo.

Composición de grupos

Mentoría y buddies

Define cada puesto: un mentor y un mentee, un buddy y un nuevo empleado. Un mentor puede acompañar a varios mentees por ronda, hasta el máximo que tú fijes o que él mismo elija.

Sorteo

Café con la dirección

Sortea un grupo entre los participantes, añade personas fijas como un directivo y programa un nuevo sorteo cada 1 a 4 semanas.

Encuentros misterio

Retos y momentos festivos

Cada persona recibe un match sin presentación previa, y tú decides cuándo revelar las parejas.

De 2 a 10 personas por grupo
4 opciones para grupos incompletos, con un simulador: nadie se queda solo
Cada ronda parte del historial de reuniones de toda la empresa

Elegido por equipos de RR. HH. humanos y modernos

Lo que cuentan algunos de nuestros clientes, que avanzan más rápido con RandomCoffee.

Reece Portwood
Reece Portwood
@Cox Enterprises
"Uno de mis mejores momentos del año: me uní a RandomCoffee Chats, un programa pensado para fomentar el networking y las conversaciones informales con compañeros de otras áreas de la empresa."
Antoine Chapin
Antoine Chapin
@Crédit Agricole
"Lo bueno de RandomCoffee es que, cuando me cruzo con personas que han participado, me dan las gracias por haberlo puesto en marcha :)"
Savannah Charles
Savannah Charles
@Informa
"Con el objetivo de conectar a nuestros compañeros de todo el mundo y conocer mejor la cultura de cada uno, creamos con RandomCoffee un programa llamado Cross-Cultural Conversations."
Felipe Gonzales
Felipe Gonzales
@Trimble
"¡Gracias a RandomCoffee he tenido la oportunidad de conectar con compañeros de cinco continentes distintos!"
Michael Shea
Michael Shea
@Finalsite
"No podríamos estar más contentos con RandomCoffee. Lo que ustedes ofrecen es clave para mantener cualquier atisbo de cultura de empresa en un entorno remoto como el nuestro."
Jo Shen
Jo Shen
@Electronic Arts
"Es una herramienta brillante para conectar e involucrar a los empleados, y para que personas de distintas funciones y sedes se conozcan."
Andreea Corendea
Andreea Corendea
@Flocert
"Nos encantan las citas de café virtual y muchos compañeros las usan para intercambios informales. Es justo lo que necesitábamos para fomentar nuestra cultura de empresa."
Sarah Hatfield
Sarah Hatfield
@DisabilityIn
"¡Una forma estupenda de crear vínculos en un entorno remoto, y nuestros empleados están encantados! ¡No me canso de recomendar su producto!"
Isabel Shaw
Isabel Shaw
@HgCapital
"El trabajo del equipo de RandomCoffee ha sido excelente. Son muy proactivos, fáciles de contactar y han simplificado la fase de configuración inicial. ¡Gracias, RandomCoffee!"
Hannah Wilson Baffoni
Hannah Wilson Baffoni
@Freshworks
"RandomCoffee nos ha permitido conocer otras trayectorias profesionales y lecciones de vida dentro de nuestro sector."

Preguntas frecuentes sobre el matching

¿Cómo funciona el algoritmo de matching de RandomCoffee?
Tú ordenas tus reglas de matching por prioridad. En cada ronda, el algoritmo puntúa las parejas o grupos posibles según esas reglas (la primera regla siempre pesa más que las siguientes) y conserva la combinación con la mejor puntuación global para todo el programa.
¿Volverán a coincidir las mismas personas?
El historial de reuniones es lo primero. El algoritmo comprueba quién ya se ha reunido en todos tus programas y empareja a cada persona con alguien nuevo siempre que sea posible. En grupos pequeños, donde todos ya se conocen, las parejas más antiguas vuelven a ser elegibles.
¿Funciona para la mentoría y los buddies de onboarding?
Sí. El compositor de grupos define cada plaza, por ejemplo un mentor y un mentee, y una regla de coincidencia de categorías cruza las competencias de los mentores con los objetivos de los mentees. Un mentor puede acompañar a varios mentees.
¿Con qué criterios se puede emparejar?
Cualquier campo de perfil: departamento, oficina, antigüedad, idioma, competencias, objetivos o respuestas a un formulario de inscripción. Las reglas pueden juntar a las personas o separarlas, y también se pueden emparejar audiencias o miembros concretos.
¿Se pueden revisar las parejas antes del envío?
Sí. Con la revisión del administrador, cada ronda se genera como borrador: tú ves cada grupo con su puntuación de matching y las reglas que cumple, recibes un aviso cuando dos personas ya fueron emparejadas y puedes regenerar, mezclar o modificar los grupos antes de enviar nada.
¿Qué pasa con un número impar de participantes?
Los grupos pueden ser de 2 a 10 personas. Tú eliges cómo se gestionan los grupos incompletos y puedes simular el reparto para cualquier número de participantes: nadie se queda solo.

Conecta a tus equipos desde hoy, gratis.

Solicitar una demo
UbisoftXBNPAmazonWarnerCNN
4,7/5 de satisfacción de los clientes (encuesta interna)