Hay una conversación que repito con casi todos los negocios de e-commerce con los que trabajo, y casi siempre empieza igual:
"Ya tenemos Klaviyo."
"Ya usamos Omnisend."
"Shopify nos da todos los datos que necesitamos."
Y cuando pregunto cómo segmentan sus envíos, qué porcentaje de sus clientes ha comprado más de una vez, o qué les dicen diferente a alguien que lleva 90 días sin comprar versus alguien que acaba de hacer su primera orden… el silencio dice todo.
Tener una herramienta no es lo mismo que tener un CRM. Y esa distinción, que parece semántica, es la diferencia entre un negocio que crece sobre una base sólida de clientes reales y uno que corre en una caminadora: mucho esfuerzo, misma velocidad.
Esta nota es para los que ya tienen datos pero no saben bien qué hacer con ellos. Para los que sienten que sus emails "funcionan más o menos" pero no terminan de entender por qué. Para los que alguna vez pensaron "necesitamos segmentar mejor" y lo pospusieron porque sonaba complicado.
No lo es. Pero sí requiere empezar por el principio.
1. La verdad incómoda: tu "CRM" hoy es una lista de contactos con buena interfaz
Voy a ser directa.
Si tienes una tienda en Shopify y una herramienta de email marketing conectada, es muy fácil asumir que eso equivale a "tener un CRM". Ves nombres, correos, pedidos, un par de automatizaciones activas, algunas métricas de apertura que no están mal… y piensas: listo, resuelto.
El problema es que sin un modelo de datos de clientes que respalde todo eso, lo que tienes es, en el mejor de los casos, un Excel caro con buena interfaz. Y en el peor, un sistema que te da la ilusión de control mientras tus mejores clientes se van enfriando sin que nadie se dé cuenta.
¿Cómo se ve esto en la práctica?
- Tu flow de bienvenida tiene aperturas decentes, pero casi no convierte en primera compra.
- El abandono de carrito recupera algo de revenue, pero manda el mismo mensaje a quien dejó un carrito de 150 pesos que a quien dejó uno de 3,000.
- Tus newsletters van "a toda la base" porque segmentar "da flojera" o "no hay tiempo" o "no sé bien cómo hacerlo".
- Tienes clientes que compraron hace dos años y nunca más volviste a saber de ellos, no porque no quieras reconectarles, sino porque no tienes claro ni quiénes son ni qué decirles.
Eso no es CRM. Es broadcasting automatizado. Y hay una diferencia enorme entre los dos.
En mi caso, cuando operaba Roll Games —un board game café con e-commerce en México— estaba exactamente en ese punto: tenía datos por todos lados, segmentos duplicados con nombres distintos, automatizaciones encendidas, y cero claridad de quién era quién, qué dato valía oro y qué era ruido que llenaba la base sin ningún propósito.
El ebook Modelo de datos de clientes para e-commerce nace de ordenar ese caos. Es la guía que me hubiera gustado tener antes de mandar miles de correos "bonitos" que no vendían, no porque fueran malos, sino porque no le hablaban a nadie en específico.
Pero antes de llegar al ebook, necesito explicarte qué es lo que en realidad estás construyendo cuando dices que "tienes CRM".
2. Entonces, ¿qué es realmente un CRM para e-commerce?
En B2B, el CRM clásico existe para administrar pipelines, oportunidades y relaciones de venta 1 a 1. Tienes un vendedor, tienes una cuenta, tienes un seguimiento. El modelo es relativamente sencillo porque los volúmenes son bajos y las relaciones son explícitas.
En e-commerce, el juego es radicalmente distinto. Tienes miles —o decenas de miles— de transacciones, patrones de comportamiento que cambian por temporada, por canal, por categoría de producto, y clientes que nunca van a hablar con nadie de tu equipo. Tu reto no es gestionar relaciones 1 a 1, sino leer patrones a escala para saber qué decirle a cada persona, cuándo y a través de qué canal.
Una definición que me parece honesta y operativa:
Un CRM para e-commerce es el conjunto de datos, procesos y herramientas que te permiten entender quién es cada cliente, qué ha hecho en tu tienda, en qué etapa de relación contigo se encuentra, y qué probabilidad tiene de volver a comprar.
Hay tres ideas que me importa que te lleves de esa definición:
Primero: no es un software específico. Es una forma de operar. Puedes tener un CRM real usando Shopify más una herramienta de email marketing, si el modelo de datos que los conecta está bien pensado. También puedes pagar una solución enterprise de seis cifras al año y seguir sin CRM, si no sabes qué datos necesitas, cómo estructurarlos ni qué preguntas hacerle al sistema.
Segundo: el valor está en la repetición. La primera compra casi nunca paga el costo de adquisición. La utilidad real de un cliente se construye en la segunda compra, en la tercera, en la relación a largo plazo. Si tu operación entera está optimizada para adquirir y no para retener, estás invirtiendo en un balde con hoyo.
Tercero: los datos sin activación son solo almacenamiento. No basta con "tener" la información; hay que modelarla, organizarla y conectarla con acciones concretas: el correo correcto, al segmento correcto, en el momento correcto.
3. Lo que NO es un CRM (aunque muchos lo usen así)
Para que la conversación sea productiva, conviene limpiar algunas confusiones frecuentes.
No es tu lista de emails. Una lista de correos es un canal de comunicación. El CRM es el contexto detrás de esos correos: qué compraron las personas que están en esa lista, cuándo fue su última compra, cuánto han gastado en total, desde qué canal llegaron, qué categorías les interesan. Sin ese contexto, tienes direcciones de correo, no relaciones.
No es tu herramienta de email marketing. Klaviyo, Omnisend, Mailchimp o ActiveCampaign son plataformas de automatización y envío de mensajes; algunas traen funcionalidades que se acercan al CRM, pero ninguna es el CRM por sí sola. El CRM es la estrategia y la arquitectura que diseñas por encima del stack tecnológico. La herramienta ejecuta; la estrategia decide.
No es el panel de Shopify. Shopify te dice qué se vendió, en qué monto y cuándo. Eso es valioso, pero insuficiente. Un CRM bien montado te dice quién compró, cuál es su valor acumulado a lo largo del tiempo, en qué etapa del ciclo de vida está y cómo deberías hablarle según eso. La diferencia entre "se vendieron 200 unidades" y "estos 47 clientes compraron por segunda vez este mes y valen en promedio 3x más que los clientes de primera compra" es la diferencia entre métricas de vanidad y decisiones de negocio.
No es un lujo para negocios grandes. De hecho, es exactamente al revés. Los negocios que ordenan sus datos desde temprano escalan con menos desperdicio en adquisición pagada, menos envíos irrelevantes que queman la base y más revenue generado por cliente existente. Ordenar el modelo de datos no es un proyecto para cuando tengas más recursos: es lo que te permite generar esos recursos.
4. Los tres niveles de madurez de CRM en e-commerce
Una de las preguntas que más recibo es: "¿Por dónde empiezo?" Y la respuesta siempre es la misma: depende de dónde estás hoy.
No necesitas brincar directamente a un stack complejo con RFM automatizado, CLV predictivo y personalización en tiempo real. Eso existe y tiene su momento, pero no es el punto de partida. Piensa tu operación de CRM en tres niveles de madurez:
Nivel 1 — Datos básicos ordenados
En este nivel sabes quién compró, cuánto gastó, cuántas veces y cuándo. Tienes identificado a cada cliente con un email y puedes responder preguntas simples: ¿cuántos clientes han comprado más de una vez? ¿Cuántos llevan más de 60 días sin actividad?
Con eso ya puedes hacer cosas concretas: una campaña para clientes que no compran hace 90 días, un segmento básico de "mejores clientes" para darles trato preferencial, una revisión de qué productos tienen mayor tasa de recompra.
La mayoría de los e-commerce en etapas tempranas están aquí, o ni siquiera llegan porque los datos están sucios o duplicados.
Nivel 2 — Segmentación activa
En este nivel ya separas a tus clientes por comportamiento real: frecuencia de compra, valor acumulado, categoría de producto preferida, canal de origen. No mandas el mismo mensaje a todos porque sabes que no todos están en el mismo momento de su relación contigo.
Aquí empiezan a existir campañas diferenciadas: una newsletter para clientes nuevos que aún no han hecho segunda compra, otra para clientes VIP con acceso anticipado a lanzamientos, otra para clientes en riesgo de perderse con un mensaje de reconexión.
Este nivel requiere que los datos del Nivel 1 estén limpios y que tengas una convención clara para nombrar y organizar segmentos.
Nivel 3 — Automatización con contexto
En este nivel tienes flows que reaccionan solos a comportamientos específicos: alguien abandona un carrito de alto valor, alguien hace su segunda compra y entra en una secuencia de fidelización, alguien que era cliente activo lleva 45 días sin abrir un solo email y el sistema lo detecta antes de que se pierda del todo.
Los mensajes se adaptan según el segmento y el valor del cliente. El revenue de email y automatización llega de forma constante, no solo cuando mandas una campaña. Y las métricas que miras son LTV, tasa de recompra y churn, no solo aperturas y clics.
El ebook que desarrollé está diseñado para llevarte del Nivel 1 al Nivel 3, empezando por algo que suena poco glamoroso pero que es absolutamente fundamental: definir tu modelo de datos.
5. Por qué el modelo de datos es la pieza invisible que sostiene todo
"Modelo de datos" suena a algo que le corresponde resolver a un equipo de ingeniería. En realidad, en el contexto de un e-commerce en Shopify con una herramienta de email marketing, significa algo mucho más práctico:
Decidir qué información guardas de cada cliente, cómo la organizas, cómo la nombras y para qué la vas a usar.
Eso es todo. Y sí, esa decisión lo cambia absolutamente todo.
En Shopify tienes tres herramientas nativas para estructurar datos de clientes, y la mayoría de las tiendas las usa mal o las mezcla sin criterio:
-
El perfil de cliente concentra identidad básica, historial de pedidos, notas del equipo y tags. Es tu registro central.
-
Los tags son etiquetas de texto libre que puedes asignar manualmente o de forma automatizada. Son flexibles y rápidos, pero esa misma flexibilidad los convierte en un problema cuando no hay convención: terminas con "CDMX", "cdmx", "Ciudad de Mexico", "Ciudad de México" y "ciudad_mx" todas refiriéndose a lo mismo, pero siendo cuatro segmentos distintos que nadie puede cruzar limpiamente.
- Los metafields (metacampos) son campos estructurados —texto, número, fecha, lista de opciones— para información más permanente o compleja: el nivel de experiencia de un jugador, el tipo de cliente (B2B vs B2C), el canal de origen de un evento presencial, la categoría de interés declarada.
La práctica que recomiendo, y que desarrollo en detalle en el ebook, es tener una convención explícita para tags: usar el formato CATEGORIA_valor (por ejemplo: CANAL_online, LIFECYCLE_vip, TIPO_regalo, JUGADOR_avanzado) de forma que cualquier persona del equipo —y cualquier automatización— pueda leer, filtrar y activar esos datos sin ambigüedad.
Cuando no existe esa convención, lo que ves en la práctica son bases de datos donde:
- El mismo cliente tiene tres tags que dicen lo mismo escrito diferente.
- Nadie sabe qué significa la mitad de los tags porque los puso alguien que ya no está en el equipo.
- Crear un segmento nuevo requiere revisar manualmente cientos de perfiles porque los filtros no funcionan con datos inconsistentes.
- Integrar una herramienta nueva (o conectar un CDP, o usar las APIs de Shopify para algo más avanzado) se convierte en un proyecto de limpieza de datos de tres meses antes de poder hacer algo útil.
Eso no es un problema técnico. Es un problema de diseño. Y se resuelve antes de que escale, no después.
6. Los cuatro tipos de datos que sí necesitas (y los que están de más)
Uno de los errores más caros que veo en e-commerce es intentar capturar demasiado desde el principio. El formulario de registro pide nombre, apellido, ciudad, fecha de nacimiento, preferencias, redes sociales y "¿cómo nos conociste?" en diez opciones. El resultado: tasas de abandono altas, datos parciales porque la gente se cansa a la mitad, y una base llena de información incompleta que da falsa sensación de riqueza.
La pregunta correcta no es "¿qué me gustaría saber de mis clientes?" sino "¿cuál es el dato mínimo que necesito para empezar a personalizar algo real hoy?"
Hay cuatro tipos de datos que tienen retorno claro en e-commerce:
Datos de identidad
El mínimo funcional: nombre, email y canal de origen (tienda física, e-commerce, evento, ads). Con eso ya puedes segmentar por procedencia y personalizar el tono del primer contacto.
El teléfono entra solo si tienes una estrategia real de SMS o WhatsApp con contenido diferente al email. Si no, lo único que logras es aumentar fricción en el registro sin darle valor al usuario a cambio.
Datos transaccionales
Lo que Shopify ya captura automáticamente si tu integración está bien configurada: qué compró el cliente, cuándo, cuánto gastó por orden, cuántas órdenes tiene en total, desde qué canal llegó esa compra.
Sobre estos datos se construyen los frameworks más importantes para retención: RFM (Recency, Frequency, Monetary) y las predicciones de Customer Lifetime Value que herramientas como Klaviyo ya calculan de forma nativa.
La trampa aquí es asumir que Shopify "ya lo tiene todo". Lo tiene, pero solo si los productos están bien categorizados, si los canales están correctamente etiquetados y si no hay pedidos duplicados o importados con datos sucios de plataformas anteriores.
Datos de comportamiento
Páginas visitadas, productos consultados sin compra, emails abiertos, links en los que hicieron clic, búsquedas dentro de la tienda. Este tipo de dato es oro para anticipar intención de compra antes de que suceda.
Una persona que ha visitado tres veces la página de un producto específico pero no ha comprado está diciéndote algo. Una persona que abre todos tus emails pero nunca hace clic también te está diciendo algo diferente. Sin datos de comportamiento, esas señales se pierden.
Omnisend, Klaviyo y el propio Shopify registran buena parte de este comportamiento de forma automática, pero hay que asegurarse de que el píxel esté bien instalado, que las integraciones estén activas y que los datos estén fluyendo al lugar correcto.
Datos enriquecidos (zero-party y first-party)
Este es el tipo de dato más valioso y el más difícil de conseguir: información que el cliente te da voluntariamente porque entiende qué va a recibir a cambio.
Preferencias declaradas, propósito de compra (regalo versus uso personal), nivel de experiencia con el producto, frecuencia de uso esperada, ocasión de compra. En el contexto de Roll Games, por ejemplo, saber si alguien es jugador casual o avanzado cambia completamente el tipo de recomendación que tiene sentido hacerle.
La estrategia para capturar datos enriquecidos sin destruir la tasa de conversión es la captura progresiva: el día 0 pides solo lo esencial (nombre y email), el día 7 haces una pregunta de preferencia dentro de un email de contenido, el día 30 ofreces un beneficio concreto (descuento, acceso anticipado, guía exclusiva) a cambio de información adicional.
Con esa lógica, en 90 días puedes tener perfiles mucho más ricos que con un formulario agresivo el primer día, y con tasas de abandono significativamente menores.
7. Segmentación real: del Excel estático a una base que respira
Tener datos ordenados es la mitad del trabajo. La otra mitad es convertir esos datos en segmentos que te digan con quién hablar, qué decirle y cuándo.
Hay tres modelos de segmentación que uso de forma consistente en e-commerce y que generan resultados medibles:
Lifecycle (ciclo de vida del cliente)
La idea central es que no todos los clientes están en el mismo momento de su relación contigo, y ese momento determina qué tipo de comunicación tiene sentido.
Los segmentos típicos de lifecycle para e-commerce son: Nuevo (primera compra reciente, aún no sabemos si va a volver), Activo o Engaged (compra con regularidad, alto engagement), En Riesgo (solía comprar pero la frecuencia está cayendo), Frío (lleva mucho tiempo sin actividad), VIP (alto valor acumulado, alta frecuencia) y Perdido (inactivo por encima del umbral que defines para tu categoría).
Cada uno de esos segmentos necesita un mensaje diferente. No en estilo ni en diseño: en propósito. Lo que le dices a alguien que acaba de comprar por primera vez no tiene nada que ver con lo que le dices a alguien que fue cliente VIP y lleva cuatro meses sin aparecer.
RFM (Recency, Frequency, Monetary)
RFM es un framework que responde tres preguntas sobre cada cliente: ¿cuándo fue su última compra? ¿Cuántas veces ha comprado? ¿Cuánto ha gastado en total?
La combinación de esas tres dimensiones genera grupos con nombres que en el mundo de email marketing ya son casi universales: Champions (alta recencia, alta frecuencia, alto valor), Loyal Customers, At Risk, Hibernating, Lost.
Lo que hace útil a RFM no es la etiqueta sino lo que haces con ella. A tus Champions no les mandas ofertas de descuento agresivas porque no las necesitan: les das acceso anticipado, reconocimiento, trato exclusivo. A tus At Risk les mandas un mensaje que reconoce que hace tiempo que no los ves y les ofrece algo concreto para volver. A tus Hibernating no les mandas el newsletter estándar: o los reactivas con algo de peso o los das de baja de la base activa para no dañar tu reputación de envío.
Klaviyo ya integra RFM de forma nativa. Omnisend te permite construirlo manualmente con filtros de comportamiento. En cualquier caso, la lógica es la misma.
Categoría e intereses
Este tercer modelo cruza lo que el cliente ha comprado con lo que ha visto pero no comprado y lo que ha declarado en formularios o quizzes.
Alguien que compró juegos de estrategia avanzados, visitó tres veces la página de un juego de rol y respondió que juega principalmente los fines de semana con grupos de 4 o más personas es un perfil muy específico. No necesitas una oferta genérica: necesitas la expansión correcta del juego correcto en el momento correcto.
Cuando combinas canal de origen + categoría de interés + etapa de lifecycle, empiezas a tener segmentos que se sienten casi individuales aunque los estés aplicando a miles de personas. Esa es la promesa real de la personalización a escala.
8. Automatización basada en datos, no en plantillas bonitas
La mayoría de las herramientas de email marketing vienen con flows preconfigurados listos para activar: bienvenida, carrito abandonado, post-compra, winback, cumpleaños, browse abandonment. Si enciendes todos sin modelo de datos, lo único que automatizas es el ruido.
Los cuatro flows que considero indispensables para un e-commerce con ambiciones reales de retención son estos:
Bienvenida segmentada
El flow de bienvenida no es solo el primer email. Es la primera oportunidad de hacer que el cliente sienta que llegó al lugar correcto.
Email 1: bienvenida con propuesta de valor clara y, si tiene sentido para tu modelo, un incentivo de primera compra. Email 2: varía según el origen. Si llegó desde tienda física, invítalo a explorar el e-commerce. Si llegó desde e-commerce, cuéntale sobre la experiencia presencial si la tienes. Email 3: contenido de valor según el perfil que ya tienes, o una pregunta explícita para enriquecerlo.
Un flow de bienvenida bien segmentado puede generar tasas de conversión de primera compra significativamente mayores que uno genérico, con exactamente el mismo esfuerzo de diseño.
Carrito abandonado inteligente
Las tasas de abandono de carrito en e-commerce general rondan el 70% en promedio. Eso significa que 7 de cada 10 personas que llegan hasta el carrito no terminan comprando. Recuperar incluso una fracción de esos carritos tiene impacto directo en el revenue.
La estructura que funciona:
- Email 1 (1 hora después): recordatorio simple, sin presión, sin descuento. Solo "dejaste algo aquí".
- Email 2 (24 horas): resolver objeción específica. Si el carrito es de alto valor, hablar de confianza y política de devoluciones. Si hay un producto con reseñas fuertes, mostrarlas.
- Email 3 (48-72 horas): último intento. Incentivo solo si el margen lo permite y si el cliente no tiene historial de abuso de cupones.
La diferencia entre un carrito abandonado genérico y uno inteligente es que el inteligente sabe si quien abandonó es cliente de primera vez o cliente recurrente, si el valor del carrito es alto o bajo, y ajusta el mensaje en consecuencia.
Post-compra contextual
El email de confirmación de pedido es el email con mayor tasa de apertura de toda tu operación, y la mayoría de los e-commerce lo desperdicia con un PDF de factura y un número de tracking.
Una secuencia de post-compra bien pensada incluye:
- Confirmación con tracking e información clara de qué esperar.
- Contenido de uso o disfrute del producto comprado, para reducir decepción y devoluciones.
- Solicitud de reseña en el momento correcto (no el día que llega el paquete: unos días después).
- Cross-sell basado en la categoría que compraron, no en "productos populares" genéricos.
Re-engagement por segmento
El error más común en re-engagement es mandar el mismo "te extrañamos" a toda la base inactiva. Eso no funciona porque no todos los inactivos están en el mismo estado.
Un cliente que era Champion y lleva 45 días sin comprar necesita un mensaje muy diferente al de alguien que compró una sola vez hace ocho meses y nunca más abrió un email. El primero probablemente responde a un reconocimiento y una novedad relevante. El segundo probablemente necesita un incentivo fuerte o simplemente deberías sacarlo de tu base activa para proteger tu reputación de envío.
Lo que conecta con alguien que ya te conoce no es el descuento genérico: es la referencia a lo que compraron, la expansión del juego que tienen, el lanzamiento en la categoría que les interesa, el evento al que pueden volver.
9. Las métricas que realmente importan
Puedes medir cincuenta cosas en tu plataforma de email marketing. Si estás construyendo un CRM real, hay tres métricas que deben estar arriba del tablero:
-
Lifetime Value (LTV): el ingreso total que un cliente genera durante su relación contigo. Si tu ticket promedio es de 800 pesos, el cliente compra tres veces al año y se queda activo dos años, su LTV es de 4,800 pesos. Ese número define cuánto tiene sentido invertir en adquirirlo y cuánto en retenerlo. Sin LTV, las decisiones de inversión en marketing son opiniones.
-
Tasa de recompra: qué porcentaje de tus clientes compra más de una vez en un período dado. Para e-commerce general, tasas saludables se ubican entre 25% y 35%, aunque varía mucho por categoría. Si tu tasa de recompra es baja, tienes un problema de retención, no de adquisición, y más ads no van a resolverlo.
- Churn: el porcentaje de clientes que eran activos y dejan de comprar después de cierto período. Un churn alto significa que estás llenando el balde por arriba mientras se vacía por abajo: mucha adquisición, poca retención, y una base de clientes que no crece de verdad.
Cuando cruzas estas tres métricas con tus segmentos RFM y lifecycle, puedes tomar decisiones que antes eran imposibles: a qué segmentos vale la pena invertirles más, a cuáles darlos de baja de la base activa, qué canales de adquisición traen clientes con mejor LTV a largo plazo.
10. ¿En qué momento tiene sentido subir de herramienta?
Esta es otra pregunta frecuente, y la respuesta honesta es: depende menos de la herramienta y más del modelo.
-
Omnisend es ideal cuando tu equipo es pequeño, quieres poner en marcha flows básicos rápido y buscas buena integración con Shopify a costo contenido. Tiene todo lo que necesitas para los Niveles 1 y 2.
-
Klaviyo se vuelve la evolución natural cuando tu base supera los 5,000-8,000 contactos activos, el email y SMS representan un porcentaje significativo del revenue total y necesitas RFM nativo, CLV predictivo y capacidades de segmentación más granulares.
- ActiveCampaign tiene más sentido cuando entra un componente B2B complejo con pipelines de venta y seguimiento de prospección. Para B2C puro en Shopify, suele estar sobredimensionado para lo que se necesita.
Pero aquí está la verdad que ningún vendor te va a decir: si no tienes modelo de datos claro, todas las herramientas te van a parecer caras y complicadas. Cuando el modelo está ordenado, Klaviyo se paga sola con la mejora en retención en los primeros meses.
11. El siguiente paso: de "datos por todos lados" a un CRM que mueve revenue
Si algo de lo que leíste en esta nota te sonó familiar —segmentos caóticos, flows que abren pero no venden, datos duplicados, newsletters que van "a todos" porque segmentar parece complicado— la buena noticia es que no necesitas empezar de cero.
Lo que sí necesitas es un plan ordenado para los próximos 90 días.
Eso es exactamente lo que resuelve el ebook Modelo de datos de clientes para e-commerce:
- Define exactamente qué guardar de cada cliente, en qué campo y con qué nomenclatura.
- Trae ejemplos reales de tags y metacampos listos para implementar en Shopify.
- Incluye plantillas de segmentación por lifecycle, RFM e intereses, traducidas a filtros concretos en Omnisend y Klaviyo.
- Cierra con un plan de acción de 90 días: fundamentos (días 1-30), activación (días 31-60) y optimización (días 61-90).
Si quieres dejar de operar a ciegas y construir un CRM que convierta tu base de contactos en una máquina de recompra, el ebook es el camino más corto entre "mi lista es un caos" y "mi email trabaja solo mientras yo duermo".
Modelo de datos de clientes para E-commerce
Qué capturar, cómo estructurarlo y cómo usarlo para vender mejor.
Descargar Ebook
