{"id":33724,"date":"2026-04-29T14:15:35","date_gmt":"2026-04-29T14:15:35","guid":{"rendered":"https:\/\/chatcenter.net\/?p=33724"},"modified":"2026-04-29T14:16:28","modified_gmt":"2026-04-29T14:16:28","slug":"prediccion-churn-ia-atencion-al-cliente","status":"publish","type":"post","link":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/","title":{"rendered":"Predicci\u00f3n de churn con IA: c\u00f3mo detectar qu\u00e9 clientes van a cancelar antes de que lo hagan"},"content":{"rendered":"\n<p>Una variaci\u00f3n de un punto porcentual en la tasa de churn puede representar millones de d\u00f3lares en ingresos recurrentes perdidos. En sectores como telecomunicaciones, seguros y fintech, la diferencia entre retener o perder a un cliente de alto valor no est\u00e1 en la calidad del soporte \u2014 est\u00e1 en el momento de la intervenci\u00f3n.<\/p>\n\n\n\n<p>Cuando el cliente dice que quiere cancelar, la decisi\u00f3n suele estar tomada desde semanas antes. Los modelos de predicci\u00f3n de churn con IA detectan las se\u00f1ales que preceden esa decisi\u00f3n con suficiente anticipaci\u00f3n para actuar. No es atenci\u00f3n al cliente m\u00e1s eficiente: es una palanca directa sobre la l\u00ednea de ingresos recurrentes.<\/p>\n\n\n\n<p>Este art\u00edculo explica c\u00f3mo funcionan esos modelos en una operaci\u00f3n de contact center enterprise, qu\u00e9 se\u00f1ales procesan, c\u00f3mo se conectan a acciones de retenci\u00f3n automatizadas y qu\u00e9 resultados generan en la pr\u00e1ctica.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Qu\u00e9 es la predicci\u00f3n de churn y por qu\u00e9 el contact center es clave para detectarla<\/h2>\n\n\n\n<p>El churn, o tasa de abandono, mide el porcentaje de clientes que cancelan o dejan de usar un servicio en un per\u00edodo determinado. Los modelos tradicionales de retenci\u00f3n act\u00faan tarde: detectan el churn cuando ya ocurri\u00f3, analizando bajas del per\u00edodo anterior, o cuando el cliente ya tom\u00f3 contacto para cancelar. En ambos casos, el margen de acci\u00f3n es m\u00ednimo.<\/p>\n\n\n\n<p>El contact center tiene acceso a una fuente de se\u00f1ales que ning\u00fan otro sistema de la organizaci\u00f3n procesa con la misma riqueza: la conversaci\u00f3n. Cada interacci\u00f3n de soporte contiene informaci\u00f3n sobre el estado del cliente, la naturaleza de su problema, la frecuencia con la que contacta y la resoluci\u00f3n que obtiene. Un modelo de IA entrenado sobre esos datos puede identificar patrones que preceden espec\u00edficamente a la cancelaci\u00f3n, no solo a la insatisfacci\u00f3n general, con semanas de anticipaci\u00f3n.<\/p>\n\n\n\n<p>Eso convierte al contact center en algo m\u00e1s que un centro de costos: es la primera l\u00ednea de detecci\u00f3n de riesgo de churn.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Las se\u00f1ales de cancelaci\u00f3n que los modelos de churn prediction identifican antes que el equipo<\/h2>\n\n\n\n<p>Las se\u00f1ales de churn rara vez son expl\u00edcitas. Un cliente que est\u00e1 a punto de cancelar no suele anunciarlo en su primera interacci\u00f3n de soporte. Lo que s\u00ed hace, de forma consistente, es dejar rastros de comportamiento que los modelos predictivos aprenden a identificar como precursores espec\u00edficos de cancelaci\u00f3n, no solo de insatisfacci\u00f3n.<\/p>\n\n\n\n<p>Las m\u00e1s comunes en operaciones de contact center enterprise:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Aumento en la frecuencia de contacto sin resoluci\u00f3n.<\/strong> Un cliente que contacta tres veces en dos semanas por el mismo problema no resuelto tiene una probabilidad significativamente mayor de cancelar en los 30 d\u00edas siguientes. La IA detecta ese patr\u00f3n en tiempo real; un agente humano, dif\u00edcilmente.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Cambio en el tono y contenido de las interacciones.<\/strong> El procesamiento de lenguaje natural (NLP) identifica variaciones en el registro emocional de las conversaciones: de neutro a negativo, de espec\u00edfico a gen\u00e9rico, de colaborativo a resistente. Esos cambios suelen preceder a la decisi\u00f3n de cancelaci\u00f3n.<\/li>\n\n\n\n<li><strong>Reducci\u00f3n en la actividad o uso del servicio.<\/strong> En sectores con plataformas digitales, la ca\u00edda en el uso activo combinada con interacciones de soporte de baja complejidad es uno de los predictores m\u00e1s confiables de churn inminente.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Consultas orientadas a la salida.<\/strong> Preguntas sobre per\u00edodos de contrato, penalidades por cancelaci\u00f3n o comparaciones con competidores son se\u00f1ales directas que los sistemas de IA clasifican autom\u00e1ticamente como alto riesgo de cancelaci\u00f3n.<\/li>\n<\/ul>\n\n\n\n<p>Vale distinguir este enfoque de la atenci\u00f3n al cliente predictiva en sentido amplio. Si el objetivo es anticipar fricciones de soporte en general \u2014 detectar problemas antes de que el cliente los reporte \u2014<a href=\"https:\/\/chatcenter.net\/es\/atencion-al-cliente-predictiva-ia\/\"> este art\u00edculo sobre atenci\u00f3n predictiva<\/a> cubre ese modelo en detalle. Cuando el foco es espec\u00edficamente la cancelaci\u00f3n y la retenci\u00f3n de ingresos, los modelos de churn prediction requieren una capa adicional: variables comerciales, historial de contrato y scoring orientado a probabilidad de baja, no solo de insatisfacci\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">C\u00f3mo funcionan los modelos predictivos de churn con IA<\/h2>\n\n\n\n<p>Un modelo de churn prediction con IA procesa m\u00faltiples fuentes de datos simult\u00e1neamente para calcular una probabilidad de cancelaci\u00f3n por cliente en tiempo real. En una operaci\u00f3n de contact center enterprise, las variables principales incluyen:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Datos transaccionales:<\/strong> historial de pagos, frecuencia de uso, antig\u00fcedad del contrato, tipo de producto o plan contratado.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Datos de interacci\u00f3n:<\/strong> n\u00famero de contactos en los \u00faltimos 30\/60\/90 d\u00edas, canales utilizados, tiempo de resoluci\u00f3n, tasa de resoluci\u00f3n en el primer contacto (FCR), NPS post-interacci\u00f3n.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Datos conversacionales:<\/strong> an\u00e1lisis sem\u00e1ntico de las interacciones. Temas recurrentes, tono, palabras asociadas a intenci\u00f3n de cancelaci\u00f3n o comparaci\u00f3n competitiva.<\/li>\n<\/ul>\n\n\n\n<p>El modelo cruza esas variables y asigna un score de riesgo de cancelaci\u00f3n a cada cliente. Ese score se actualiza con cada nueva interacci\u00f3n, lo que permite que la priorizaci\u00f3n sea din\u00e1mica: un cliente de bajo riesgo puede pasar a riesgo alto despu\u00e9s de una interacci\u00f3n mal resuelta.<\/p>\n\n\n\n<p>Las m\u00e9tricas de experiencia del cliente \u2014 NPS, CSAT y CES \u2014 son una de las entradas m\u00e1s relevantes para estos modelos. Si a\u00fan no tienes claro qu\u00e9 mide cada una y cu\u00e1ndo usar cada indicador,<a href=\"https:\/\/chatcenter.net\/es\/nps-csat-ces-metricas-cx-contact-center\/\"> este art\u00edculo sobre NPS, CSAT y CES<\/a> lo explica en detalle.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">De la detecci\u00f3n a la acci\u00f3n: estrategias de retenci\u00f3n automatizadas<\/h2>\n\n\n\n<p>Detectar el riesgo de cancelaci\u00f3n es el primer paso. El valor real est\u00e1 en lo que la organizaci\u00f3n hace con esa informaci\u00f3n en el tiempo correcto.<\/p>\n\n\n\n<p>Un modelo de churn prediction operativo debe estar conectado a flujos de acci\u00f3n que se disparen autom\u00e1ticamente seg\u00fan el nivel de riesgo asignado:<\/p>\n\n\n\n<p><strong>Riesgo alto \u2014 intervenci\u00f3n inmediata.<\/strong> El sistema escala el caso al equipo de retenci\u00f3n con el contexto completo: historial de interacciones, score de riesgo, motivos identificados. El agente llega a la conversaci\u00f3n ya preparado para ofrecer una soluci\u00f3n espec\u00edfica, no un script gen\u00e9rico.<\/p>\n\n\n\n<p><strong>Riesgo medio \u2014 seguimiento automatizado.<\/strong> Se activa una secuencia de contacto proactivo: un mensaje personalizado que reconoce el problema identificado, ofrece una soluci\u00f3n concreta y mide la respuesta. Sin intervenci\u00f3n humana en la primera instancia.<\/p>\n\n\n\n<p><strong>Riesgo bajo \u2014 monitoreo continuo.<\/strong> El cliente permanece en el modelo con actualizaci\u00f3n de score en cada nueva interacci\u00f3n. No se consume capacidad operativa hasta que el riesgo suba.<\/p>\n\n\n\n<p>Un operador de telecomunicaciones l\u00edder en M\u00e9xico implement\u00f3 con ChatCenter un modelo h\u00edbrido IA + equipo humano que ilustra esta l\u00f3gica aplicada al ciclo comercial completo: la IA absorbi\u00f3 el volumen de triaje y clasificaci\u00f3n, mientras los agentes humanos se concentraron exclusivamente en los cierres de alto valor. El resultado fue una conversi\u00f3n que escal\u00f3 del 17% al 65% en tres meses \u2014 con el mismo equipo y sin nuevas contrataciones. La misma arquitectura aplica a retenci\u00f3n: la IA filtra y prioriza, el humano act\u00faa donde realmente importa.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Customer success con IA: cerrar el loop entre soporte y retenci\u00f3n de ingresos<\/h2>\n\n\n\n<p>La predicci\u00f3n de churn no es un proyecto de tecnolog\u00eda. Es un cambio en c\u00f3mo la organizaci\u00f3n entiende la funci\u00f3n del contact center en relaci\u00f3n directa con los ingresos recurrentes.<\/p>\n\n\n\n<p>En el modelo tradicional, soporte y retenci\u00f3n son funciones separadas: soporte resuelve problemas, retenci\u00f3n llama cuando el cliente ya quiere cancelar. Con IA, ese loop se cierra: cada interacci\u00f3n de soporte alimenta el modelo predictivo de cancelaci\u00f3n, que alimenta las acciones de retenci\u00f3n, que generan nuevas interacciones que vuelven a alimentar el modelo.<\/p>\n\n\n\n<p>El contact center deja de ser reactivo para convertirse en un sistema de inteligencia comercial continua. Las organizaciones que operan con ese modelo no solo retienen m\u00e1s clientes,&nbsp; toman mejores decisiones sobre d\u00f3nde invertir en experiencia, qu\u00e9 problemas resolver primero y qu\u00e9 segmentos de clientes requieren atenci\u00f3n proactiva antes de que el riesgo de cancelaci\u00f3n escale.<\/p>\n\n\n\n<p>Retener un cliente es m\u00e1s barato que adquirir uno nuevo. Pero solo es posible intervenir a tiempo si la organizaci\u00f3n sabe, con anticipaci\u00f3n, qui\u00e9n est\u00e1 en riesgo de cancelar. Si quieres explorar c\u00f3mo implementar un modelo de predicci\u00f3n de churn en tu operaci\u00f3n, agenda una llamada con el equipo de ChatCenter.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Una variaci\u00f3n de un punto porcentual en la tasa de churn puede representar millones de d\u00f3lares en ingresos recurrentes perdidos. En sectores como telecomunicaciones, seguros y fintech, la diferencia entre retener o perder a un cliente de alto valor no est\u00e1 en la calidad del soporte \u2014 est\u00e1 en el momento de la intervenci\u00f3n. Cuando [&hellip;]<\/p>\n","protected":false},"author":27,"featured_media":33725,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","inline_featured_image":false,"footnotes":""},"categories":[524,534],"tags":[],"class_list":["post-33724","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-contact-center-es","category-ia-conversacional-es"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Predicci\u00f3n de churn con IA en atenci\u00f3n al cliente<\/title>\n<meta name=\"description\" content=\"C\u00f3mo la IA detecta clientes en riesgo antes de que cancelen. Se\u00f1ales clave, modelos predictivos y estrategias de retenci\u00f3n para contact centers enterprise.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Predicci\u00f3n de churn con IA en atenci\u00f3n al cliente\" \/>\n<meta property=\"og:description\" content=\"C\u00f3mo la IA detecta clientes en riesgo antes de que cancelen. Se\u00f1ales clave, modelos predictivos y estrategias de retenci\u00f3n para contact centers enterprise.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/\" \/>\n<meta property=\"og:site_name\" content=\"Chat Center\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Chatcenternetwork\" \/>\n<meta property=\"article:published_time\" content=\"2026-04-29T14:15:35+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-04-29T14:16:28+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"628\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Juliana Vale\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@ChatCenterNet\" \/>\n<meta name=\"twitter:site\" content=\"@ChatCenterNet\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Juliana Vale\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutos\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Predicci\u00f3n de churn con IA en atenci\u00f3n al cliente","description":"C\u00f3mo la IA detecta clientes en riesgo antes de que cancelen. Se\u00f1ales clave, modelos predictivos y estrategias de retenci\u00f3n para contact centers enterprise.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/","og_locale":"es_ES","og_type":"article","og_title":"Predicci\u00f3n de churn con IA en atenci\u00f3n al cliente","og_description":"C\u00f3mo la IA detecta clientes en riesgo antes de que cancelen. Se\u00f1ales clave, modelos predictivos y estrategias de retenci\u00f3n para contact centers enterprise.","og_url":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/","og_site_name":"Chat Center","article_publisher":"https:\/\/www.facebook.com\/Chatcenternetwork","article_published_time":"2026-04-29T14:15:35+00:00","article_modified_time":"2026-04-29T14:16:28+00:00","og_image":[{"width":1200,"height":628,"url":"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp","type":"image\/webp"}],"author":"Juliana Vale","twitter_card":"summary_large_image","twitter_creator":"@ChatCenterNet","twitter_site":"@ChatCenterNet","twitter_misc":{"Escrito por":"Juliana Vale","Tiempo de lectura":"7 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#article","isPartOf":{"@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/"},"author":{"name":"Juliana Vale","@id":"https:\/\/chatcenter.net\/#\/schema\/person\/c541b849413284fd953709e1f0207458"},"headline":"Predicci\u00f3n de churn con IA: c\u00f3mo detectar qu\u00e9 clientes van a cancelar antes de que lo hagan","datePublished":"2026-04-29T14:15:35+00:00","dateModified":"2026-04-29T14:16:28+00:00","mainEntityOfPage":{"@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/"},"wordCount":1446,"publisher":{"@id":"https:\/\/chatcenter.net\/#organization"},"image":{"@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#primaryimage"},"thumbnailUrl":"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp","articleSection":["Contact Center","IA Conversacional"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/","url":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/","name":"Predicci\u00f3n de churn con IA en atenci\u00f3n al cliente","isPartOf":{"@id":"https:\/\/chatcenter.net\/#website"},"primaryImageOfPage":{"@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#primaryimage"},"image":{"@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#primaryimage"},"thumbnailUrl":"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp","datePublished":"2026-04-29T14:15:35+00:00","dateModified":"2026-04-29T14:16:28+00:00","description":"C\u00f3mo la IA detecta clientes en riesgo antes de que cancelen. Se\u00f1ales clave, modelos predictivos y estrategias de retenci\u00f3n para contact centers enterprise.","breadcrumb":{"@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#primaryimage","url":"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp","contentUrl":"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp","width":1200,"height":628,"caption":"L\u00edder de CX analizando se\u00f1ales de churn con modelos predictivos de IA en contact center enterprise"},{"@type":"BreadcrumbList","@id":"https:\/\/chatcenter.net\/es\/prediccion-churn-ia-atencion-al-cliente\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/chatcenter.net\/es\/"},{"@type":"ListItem","position":2,"name":"IA Conversacional","item":"https:\/\/chatcenter.net\/es\/category\/ia-conversacional-es\/"},{"@type":"ListItem","position":3,"name":"Predicci\u00f3n de churn con IA: c\u00f3mo detectar qu\u00e9 clientes van a cancelar antes de que lo hagan"}]},{"@type":"WebSite","@id":"https:\/\/chatcenter.net\/#website","url":"https:\/\/chatcenter.net\/","name":"ChatCenter | Conversational AI for Enterprise","description":"ChatCenter designs and operates AI agents that sell and support customers 24\/7. End-to-end chat and voice solutions for telecom, insurance, and retail.","publisher":{"@id":"https:\/\/chatcenter.net\/#organization"},"alternateName":"ChatCenter","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/chatcenter.net\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/chatcenter.net\/#organization","name":"ChatCenter | Conversational AI for Enterprise","url":"https:\/\/chatcenter.net\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/chatcenter.net\/#\/schema\/logo\/image\/","url":"https:\/\/chatcenter.net\/wp-content\/uploads\/2025\/04\/Logo-CNN.svg","contentUrl":"https:\/\/chatcenter.net\/wp-content\/uploads\/2025\/04\/Logo-CNN.svg","width":1,"height":1,"caption":"ChatCenter | Conversational AI for Enterprise"},"image":{"@id":"https:\/\/chatcenter.net\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/Chatcenternetwork","https:\/\/x.com\/ChatCenterNet","https:\/\/www.instagram.com\/chatcenternet\/","https:\/\/www.youtube.com\/channel\/UCpDgz93UjLc7znUB2GiQ6dQ","https:\/\/www.linkedin.com\/company\/chatcenter"]},{"@type":"Person","@id":"https:\/\/chatcenter.net\/#\/schema\/person\/c541b849413284fd953709e1f0207458","name":"Juliana Vale","description":"Gerente General &amp; Co-founder \u00b7 ChatCenter"}]}},"jetpack_featured_media_url":"https:\/\/chatcenter.net\/wp-content\/uploads\/2026\/04\/prediccion-churn-ia-atencion-al-cliente.webp","_links":{"self":[{"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/posts\/33724","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/users\/27"}],"replies":[{"embeddable":true,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/comments?post=33724"}],"version-history":[{"count":1,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/posts\/33724\/revisions"}],"predecessor-version":[{"id":33728,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/posts\/33724\/revisions\/33728"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/media\/33725"}],"wp:attachment":[{"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/media?parent=33724"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/categories?post=33724"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/chatcenter.net\/es\/wp-json\/wp\/v2\/tags?post=33724"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}