Vale la pena cambiar a las recomendaciones de productos con IA cuando su catálogo y tráfico son lo suficientemente grandes como para que las listas de venta cruzada manuales y las reglas simples ya no puedan seguir el ritmo. Las tiendas con unas pocas docenas de productos, poco tráfico o necesidades de comercialización muy específicas a menudo obtienen mejores resultados con recomendaciones tradicionales seleccionadas a mano, al menos hasta que el volumen de datos crezca.
La pregunta no es si el aprendizaje automático es mejor en general. Es si es mejor para su tienda, en su tamaño actual, con sus datos actuales.
¿Cuáles son los enfoques tradicionales?
Antes de que los motores basados en IA se volvieran comunes, las tiendas dependían de algunos métodos, muchos de los cuales todavía funcionan bien.
- Productos relacionados seleccionados manualmente: un comerciante elige accesorios o alternativas para cada artículo.
- Widgets basados en reglas: “otros artículos en esta categoría”, “más vendidos”, “novedades” o “vistos recientemente”.
- Bundles y kits: conjuntos fijos definidos por el equipo.
- Segmentos de correo electrónico creados sobre condiciones simples, como la categoría de la última compra.
Estos enfoques son transparentes. Sabe exactamente por qué aparece un artículo y puede cambiarlo al instante.
¿Qué hacen diferente las recomendaciones de IA?
Los motores de IA aprenden del comportamiento de todos los compradores. Sopesan las vistas, las compras, las consultas de búsqueda, el tiempo dedicado y los atributos del producto para clasificar los artículos para cada visitante o contexto. Se actualizan a medida que cambian los patrones, por lo que las tendencias estacionales o un producto viral pueden ascender sin que nadie edite una lista.
Algunos sistemas más nuevos utilizan incrustaciones de lenguaje e imagen para juzgar la similitud, lo que ayuda con los productos que tienen poco historial de ventas. Proveedores como Nosto, Klevu, Algolia, Dynamic Yield, Bloomreach y servicios en la nube como Amazon Personalize o Vertex AI Search for Commerce de Google ofrecen diferentes mezclas de estos métodos.
¿Cuándo tiene sentido cambiar?
Varias señales sugieren que los enfoques manuales y basados en reglas han llegado a su límite.
Señales que apuntan a la IA
- El catálogo tiene cientos o miles de productos activos, y las listas seleccionadas están desactualizadas.
- Los productos cambian a menudo, como las colecciones de moda o los vendedores del mercado que añaden artículos a diario.
- Los visitantes recurrentes representan una gran parte del tráfico, por lo que la personalización tiene un historial con el que trabajar.
- El equipo pasa horas cada semana manteniendo listas de productos relacionados.
- Los widgets de “más vendidos” muestran los mismos pocos productos en todas partes, dejando de lado la larga cola.
Si tres o más de estos describen su tienda, es probable que valga la pena el esfuerzo de un piloto de IA.
¿Cuándo debería quedarse con las herramientas tradicionales?
Cambiar no siempre es una mejora. Algunas tiendas pierden el control sin ganar mucho.
- Catálogos pequeños: con 30 productos, un comerciante puede seleccionar mejores enlaces que un modelo con datos escasos.
- Bajo tráfico: los modelos necesitan datos de interacción; sin ellos, las recomendaciones vuelven a la popularidad de todos modos.
- Lógica experta sólida: los productos técnicos donde la compatibilidad es importante, como las piezas de repuesto, requieren reglas exactas que un algoritmo puede romper.
- Categorías reguladas: farmacia o alcohol, donde ciertas sugerencias nunca deben aparecer.
- Presupuestos ajustados: algunos motores de IA tienen un precio basado en el tráfico o en la participación en los ingresos, lo que puede superar el beneficio para las tiendas pequeñas.
En estos casos, mejore primero la configuración tradicional: complete los productos relacionados faltantes, cree paquetes sensatos y ordene la estructura de categorías.
¿Cómo comparar ambos de manera justa?
Realice una prueba A/B en una ubicación, como la sección “también te puede gustar” de la página del producto. La versión A mantiene sus reglas actuales o listas seleccionadas; la versión B utiliza el motor de IA. Mantenga todo lo demás idéntico, incluido el diseño y la posición del widget.
Mida los ingresos por visitante como métrica principal y observe la tasa de clics, la adición al carrito desde el widget, el valor promedio del pedido y la tasa de devolución. Un widget que aumenta los clics pero también las devoluciones puede ser peor en general. Realice la prueba durante semanas completas y asegúrese de que ambas versiones reciban fuentes de tráfico similares.
¿Se pueden combinar ambos?
La mayoría de las tiendas maduras terminan con una mezcla. La IA maneja la mayor parte de las ubicaciones personalizadas, mientras que los comerciantes mantienen el control manual donde la experiencia es importante. Los patrones comunes incluyen fijar accesorios críticos para la compatibilidad en productos técnicos, excluir ciertas categorías de las ranuras algorítmicas y usar “vistos recientemente” basados en reglas junto con “recomendado para ti” de IA.
Un principio útil: deje que el algoritmo clasifique, deje que los humanos establezcan los límites.
¿Qué costos debe esperar?
Las herramientas tradicionales suelen ser gratuitas dentro de su plataforma o aplicaciones económicas. Los motores de IA pueden cobrar una tarifa mensual, una parte de los ingresos atribuidos o precios basados en el uso. La implementación también cuesta tiempo: preparación de feeds, comprobaciones de seguimiento, cambios de diseño y pruebas. Verifique los precios actuales de los proveedores y pregunte cómo definen los “ingresos atribuidos”, porque las ventanas de atribución generosas pueden hacer que una herramienta parezca mejor de lo que es.
¿Qué preguntas debe hacerle a un proveedor?
Las demostraciones siempre se ven bien porque los proveedores eligen el catálogo y al comprador. Haga preguntas que revelen cómo se comportará el motor en su tienda.
- ¿Cómo maneja el motor los productos nuevos sin historial de ventas?
- ¿Podemos excluir categorías, marcas o bandas de margen de las ranuras algorítmicas?
- ¿Cómo se definen los ingresos atribuidos y durante qué ventana de tiempo?
- ¿Qué sucede con la velocidad de la página cuando se carga el widget, y se carga de forma asíncrona?
- ¿Podemos exportar registros de recomendaciones para verificar qué se mostró a quién?
Las respuestas claras a estas preguntas son un mejor predictor de éxito que la demostración en sí.
Cómo aplica Alien Road las recomendaciones de productos con IA
En un compromiso típico, el descubrimiento significa revisar el tamaño del catálogo, los niveles de tráfico, la participación de los visitantes recurrentes y las horas que el equipo dedica a la comercialización manual. Usando las señales anteriores, le damos al cliente una recomendación clara: poner a prueba un motor de IA o mejorar primero las reglas actuales.
Cuando un piloto está justificado, la configuración incluye la limpieza del feed, comprobaciones de seguimiento de eventos en GA4 o la plataforma, la elección de un proveedor que se ajuste a la plataforma y al presupuesto de la tienda, y la redacción de reglas de exclusión y fijación con el equipo de comercialización. Para la medición, ejecutamos la prueba A/B en una ubicación y comparamos los ingresos por visitante, la tasa de adjuntos y las devoluciones.
Los informes incluyen un resumen simple de lo que hizo diferente la versión de IA, ejemplos de sus recomendaciones y una decisión sobre si expandir, ajustar o detener. Las tiendas que se quedan con las herramientas tradicionales reciben un plan de limpieza para sus listas seleccionadas en su lugar.
Por dónde empezar esta semana
Abra sus diez páginas de productos más vendidos y mire los productos relacionados que se muestran. ¿Son relevantes, están en stock y actualizados? Cuente cuántas horas al mes dedica su equipo a mantener estas listas. Si las listas están obsoletas y las horas son altas, su tienda es una buena candidata para un piloto de IA. Si las listas son precisas y económicas de mantener, consérvelas y vuelva a considerar la pregunta cuando el catálogo crezca.
Siga leyendo: Comercio electrónico · Comercio electrónico