ooligo

HockeyStack

revenue-attribution revenue-attribution · multi-touch-attribution · gtm-analytics · revenue-agents
AI-NATIVE
RevOps
8.0 /10

Qué es

HockeyStack es una plataforma de atribución de ingresos B2B que cose sesiones web, inversión publicitaria, registros del CRM y actividad de ventas en un único recorrido a nivel de cuenta, y después te deja interrogar ese recorrido en lenguaje natural a través de un analista de IA llamado Odin. La capa de ingesta y modelado se llama ATLAS; el grafo a nivel de cuenta que construye es aquello de lo que leen todas las demás funciones.

Es el primer proveedor de atribución del catálogo de ooligo, y se ubica en el extremo de sistema de decisión de la categoría, no en el extremo de dashboard. La línea de producto de 2026 está organizada en torno a los Revenue Agents, que actúan sobre el grafo de atribución: es el propio encuadre de la empresa después de repositionarse de herramienta de atribución a plataforma empresarial de agentes de ingresos.

HockeyStack está respaldada por Y Combinator, superó los 300 clientes en menos de dos años y anunció una ronda el 15 de abril de 2026 que llevó la financiación total por encima de los 50 M USD, con participación de Bessemer Venture Partners, Y Combinator y Uncorrelated Ventures. Los clientes nombrados —Mastercard, RingCentral, Rakuten, Justworks, AppsFlyer, Mimecast, StackAdapt— se leen como enterprise y mid-market alto, lo que coincide con el movimiento hacia arriba del mercado tras la ronda.

Por qué aparece en los stacks de RevOps

  • La atribución es a nivel de cuenta, no a nivel de lead. Los deals B2B involucran de 6 a 10 stakeholders, y un modelo centrado en el lead parte un mismo grupo de compra en diez filas sin relación entre sí. ATLAS resuelve los puntos de contacto a la cuenta, incluida la captura sin cookies de la actividad de dark funnel que nunca llena un formulario, de modo que el recorrido que le muestras a un CFO coincide con el deal que realmente se cerró.
  • Odin responde la pregunta en lugar de construirte un dashboard. Cada respuesta ejecuta una cadena multiagente: interpretar la pregunta, planificar los pasos, recuperar datos gobernados, ejecutar un análisis determinista y validar el resultado antes de devolverlo. Esa estructura es lo que hace que la salida sea auditable y no un número que suena verosímil. Odin funciona dentro de la aplicación o en Slack mencionando @hockeystackodin, que es donde de verdad se hacen las preguntas de funnel, lift y desglose de atribución.
  • La capa de agentes es el diferenciador de 2026. Doce agentes preconstruidos cubren tareas de GTM con nombre propio —Closed Lost Deal Resurrector, Account Pre-Call Brief, Win/Loss Analyzer, Multi-Touch Attribution Anomaly Detector, Marketing Budget Optimizer, Weekly Rep Coaching Report, AE Forecast Challenger—, más un constructor de agentes personalizados para playbooks que no encajan en una plantilla. Forecast Challenger es el que cambia una reunión: contrasta los commits reportados por los reps contra patrones históricos de deals del modelo Blueprint de HockeyStack y marca los commits débiles antes de que se falle el número.
  • La cobertura de warehouse y de medios pagados alcanza para ser el sistema de registro. Snowflake, BigQuery, Amazon S3, Azure Blob y ClickHouse del lado del warehouse (Databricks figura como próximamente); LinkedIn, Google, Meta, Bing, TikTok, Reddit, X, StackAdapt, AdRoll, G2 y Capterra del lado de la inversión; 6sense, Demandbase, Bombora y RollWorks para intent, y Gong para datos de conversación.

Precios

Solo por cotización, contrato anual, sin precio publicado. Dos planes: GTM Intelligence (atribución, reporting, Odin, scoring, sincronización de audiencias, enriquecimiento y 2 agentes listos para usar) y GTM Execution (los 12 agentes preconstruidos, el constructor de agentes personalizados y automatización de workflows).

Los datos de compras y de comparativas de terceros —no publicados por el proveedor, así que trátalos como una banda y no como una tarifa— sitúan GTM Intelligence cerca de 1.399 USD/mes y GTM Execution cerca de 2.200 USD/mes, con un contrato anual mediano en torno a 28.000 USD y la mayoría de las implementaciones entre 16.800 y 60.000 USD al año. El volumen de contactos y de cuentas mueve el precio más que el número de asientos.

Para calibrar frente a las alternativas: Dreamdata publica un plan gratuito y un Activation Starter de 750 USD/mes, con un contrato anual mediano cercano a 27.000 USD según Vendr —zona de aterrizaje parecida, punto de entrada mucho más bajo—. Factors.ai arranca en 399 USD/mes, con la atribución multitáctil reservada a su plan Growth de 899 a 1.200 USD/mes, aproximadamente un tercio de la entrada reportada de HockeyStack. El sobreprecio de HockeyStack se compra con la capa de agentes, no con el modelo de atribución.

Ideal para

Responsables de RevOps y demand gen en empresas B2B de más de 50 M USD de ARR que gestionan deals con múltiples stakeholders entre paid, eventos y outbound, donde el problema vinculante es defender la inversión ante un CFO con evidencia a nivel de cuenta, y el equipo va a financiar una capa de agentes que actúa sobre el modelo en lugar de una capa de reporting que lo describe.

Elige otra cosa cuando la forma no encaje. Elige Dreamdata si quieres el polo warehouse-first a nivel de cuenta con precio de entrada publicado y un plan gratuito para probar el modelo antes de comprometer presupuesto: es la otra entrada obligatoria de esta categoría y el sustituto estructural más cercano. Elige Adobe Marketo Measure (antes Bizible) si ya estás estandarizado en Adobe y Marketo y la atribución es una línea dentro de un acuerdo enterprise existente en lugar de un proveedor nuevo. Elige Factors.ai si estás por debajo de 10 M USD de ARR y necesitas atribución multitáctil más workflows de ABM con un presupuesto que no absorbe un contrato de 28.000 USD. Elige RevSure si el requisito es la preparación prospectiva del pipeline —predecir si el trimestre cierra— en lugar de explicar de dónde vinieron los ingresos del trimestre pasado.

Puntos de atención

  • Precio solo por cotización con contrato exclusivamente anual, y los agentes detrás del plan superior. Los equipos hacen la demo de la capa de agentes y luego presupuestan con el número de GTM Intelligence. Guarda: pide la cotización de GTM Execution desde el primer día si los agentes son la razón de la compra, exige por escrito los límites de volumen de contactos y de cuentas antes de firmar, y compara la cotización contra la entrada publicada de 750 USD/mes de Dreamdata para saber qué estás pagando de más.
  • La calidad de la atribución está limitada por la higiene del CRM, y eso el proveedor no lo arregla. Etapas de oportunidad inconsistentes, fechas de cierre ausentes y UTMs sin disciplina producen un modelo seguro de sí mismo sobre el funnel equivocado. Guarda: audita las definiciones de etapas de oportunidad y las convenciones de UTM antes de empezar la prueba, y corre un periodo paralelo de 30 días contra tu reporting actual; si ambos discrepan, resuelve los datos de origen antes de presentar cualquiera de los dos números a finanzas.
  • Los Revenue Agents son un producto de 2026 en una empresa de 2023. El motor de atribución lleva años en producción; la capa de agentes que justifica el precio, no. Guarda: acota el piloto a 2 agentes concretos ligados a una métrica que ya midas —Forecast Challenger contra la precisión del commit del trimestre pasado es la prueba más limpia— y define qué es el éxito antes del contrato, no después.
  • Sin API pública publicada ni servidor MCP, y Databricks no está entregado. La automatización está acotada por la lista de integraciones nativas y la sincronización con el warehouse. Guarda: confirma durante la prueba que la dirección de la sincronización cubre las escrituras que necesitas, y si tu warehouse es Databricks, consigue una fecha de entrega por escrito en lugar de aceptar la etiqueta de próximamente.

Para la capa de inspección de deals y forecasting que esto alimenta, consulta Gong y Clari; para las fuentes de señal de cuenta aguas arriba, consulta 6sense, Demandbase, Common Room y Warmly.