La respuesta directa: no empiece comprando un motor avanzado ni intentando personalizar a cada visitante. Defina qué productos pueden competir, en qué momento y para qué resultado. Use reglas para disponibilidad, compatibilidad, precio, margen, consentimiento y presión comercial. Compare la función nativa con un modelo solo cuando volumen y variedad lo justifiquen. Mida ingreso y contribución incrementales por sesión o pedido, no solo clics en el carrusel.
Las recomendaciones deficientes parecen un problema de algoritmo, pero suelen empezar antes: catálogo inconsistente, inventario atrasado, variantes duplicadas, objetivo equivocado, exclusiones ausentes y ningún responsable comercial. El sistema aprende que un artículo recibe clics y lo sigue promoviendo aunque falte la talla, aumenten devoluciones o caiga el margen. Más personalización sobre datos malos acelera la decisión equivocada.
Escriba el Contrato de Recomendación Comercial
- Momento — página, búsqueda, carrito, poscompra, CRM o atención donde aparece.
- Tarea del cliente — comparar, completar, sustituir, descubrir, reponer o avanzar.
- Candidatos — conjunto de productos autorizado para competir.
- Exclusiones — falta de stock, incompatibilidad, restricción, baja confianza, exceso de exposición u oferta inadecuada.
- Objetivo — conversión, ingreso, contribución, ticket, descubrimiento o retención, en orden explícito.
- Diversidad — límites a repetir marca, categoría, precio y artículos ya vistos.
- Contexto — sesión, ubicación, canal, dispositivo, historial y señales permitidas.
- Razón — por qué se incluyó el artículo, qué evidencia lo sostiene y cuándo vence.
- Resultado — exposición, clic, adición, compra, margen, devolución, cancelación y satisfacción.
- Responsable — quién responde por catálogo, política, modelo, experiencia y escala.
El Contrato separa selección de persuasión. Un modelo puede ordenar candidatos, pero no debe inventar compatibilidad, disponibilidad ni beneficios. Muebles requiere dimensiones y ambiente; belleza, rutina y restricciones; distribución B2B, especificación, stock y plazo. La taxonomía comercial debe existir antes de la IA.
Elija reglas, función nativa o una capa propia
- Reglas — mejores para catálogos pequeños, relaciones estables y errores de compatibilidad costosos.
- Función nativa — adecuada cuando catálogo, eventos y tienda viven en la misma plataforma y el equipo necesita control simple.
- Modelo administrado — útil con volumen de interacción, múltiples ubicaciones y comportamiento reciente suficiente.
- Capa propia — justificada solo cuando varios canales, objetivos, proveedores y restricciones comparten la decisión.
Shopify permite editar productos relacionados y complementarios y revisar reportes; puede resolver el primer alcance sin otra plataforma. AWS recomienda al menos 50.000 interacciones de 1.000 usuarios con dos o más interacciones para recomendaciones de calidad en Amazon Personalize. No es una regla universal, pero expone una realidad: con poco historial conviene usar relaciones curadas, popularidad contextual y reglas transparentes como comparadores.
Proteja elegibilidad antes de optimizar relevancia
Google Cloud documenta filtros por disponibilidad y atributos y señala que disponibilidad se actualiza en tiempo real. El orden operativo importa: retire lo que no puede venderse y luego ordene lo restante. Precio, país, plazo, variante, política, compatibilidad y supresión deben ser controles estructurados, no texto que un modelo interpreta libremente.
- Visitante nuevo — use contexto de sesión, contenido, categoría y tendencias con límite de confianza.
- Producto nuevo — use atributos, curaduría y exploración controlada; no lo oculte por falta de historia.
- Cliente conocido — use historial solo con identidad, permiso y finalidad claros.
- Stock volátil — exija elegibilidad en tiempo real y fallback seguro.
- Márgenes desiguales — trate contribución como objetivo o contramétrica sin convertir la vitrina en liquidación oculta.
- Alta devolución — penalice la recomendación e investigue ajuste, contenido o calidad.
Un piloto de implementación de ocho semanas
- Semanas 1–2 — elegir un punto de decisión y mapear candidatos, exclusiones, baseline y economía.
- Semana 3 — corregir IDs, variantes, inventario, precio, margen y eventos esenciales.
- Semana 4 — crear tres políticas comparables: regla actual, función nativa y alternativa asistida por IA.
- Semana 5 — ejecutar en modo sombra; probar elegibilidad, latencia, cobertura y razones.
- Semanas 6–7 — liberar tráfico limitado con comparador, fallback y límites de exposición.
- Semana 8 — evaluar resultado, contribución, devoluciones, experiencia, costo y operación; escalar, simplificar o detener.
Mida lo que ocurre después del clic
- Cobertura — sesiones elegibles que reciben recomendación válida.
- Relevancia — clic y adición al carrito, como diagnóstico y no resultado final.
- Negocio — conversión, ingreso y contribución incremental por sesión o pedido.
- Calidad — artículos no disponibles, incompatibles, repetidos o sin explicación.
- Experiencia — abandono, devolución, cancelación, queja y retiro del artículo.
- Operación — latencia, fallas, uso de fallback, tiempo de curaduría e incidentes.
- Costo — plataforma, inferencia, integración, datos, experimentación, monitoreo y personas.
- Contramétricas — concentración de catálogo, descuento, menor descubrimiento y canibalización.
Google Cloud admite objetivos como conversión e ingreso por sesión. Optimizar el panel no demuestra valor incremental para la empresa. Compare políticas en el mismo contexto y preserve un grupo o periodo de referencia cuando sea viable. El ingreso puede subir porque el sistema desplazó una compra que iba a ocurrir; la contribución puede caer si dominan promociones.
Costos y responsabilidades
El costo aumenta con SKUs, variantes, frecuencia de stock y precio, ubicaciones, canales, identidad, latencia, países y experimentos. Comercio mantiene catálogo y política; marketing define tarea y experiencia; CRM gobierna identidad y presión; datos instrumenta eventos; tecnología integra y opera; finanzas define contribución; atención devuelve causas de cambios y devoluciones. Un proveedor puede implementar, pero no debe elegir solo el objetivo económico.
Lleve una superficie real al diagnóstico
Conecte el proyecto con el ciclo mínimo de datos en https://makinai.co/insights/es/cdp-ia-marketing-ciclo-minimo-datos-clientes-ingresos, siguiente mejor acción en https://makinai.co/insights/es/ia-siguiente-mejor-accion-crm-personalizacion, incrementalidad de descuentos en https://makinai.co/insights/es/crm-descuentos-incrementalidad-ia-proteger-margen y onboarding de primer valor en https://makinai.co/insights/es/ia-onboarding-clientes-primer-valor-crm. MAKINAI implementa CRM y commerce en https://makinai.co/services/es/consultoria-crm-ecommerce-commerce. Traiga una ubicación, su catálogo candidato y cuatro semanas de eventos; podemos definir el menor piloto útil.
Mejores recomendaciones no garantizan demanda incremental. Precio, medios, disponibilidad, producto, contenido y estacionalidad pueden dominar el resultado. Muestras pequeñas limitan inferencia y el uso de historial requiere permiso y finalidad adecuados por país. Las fuentes documentan capacidades y requisitos de plataformas; el Contrato, piloto y criterios económicos son recomendaciones editoriales de MAKINAI que deben validarse en la operación real.