Comercio agéntico sin palabrería: cinco preguntas que se hacen los responsables de comercio
Una responsable de e-commerce resumió el ambiente en una llamada este mes. Es un momento confuso, dijo. Todo el mundo habla de las novedades de la IA, y cada reunión parece la misma conversación sin que nadie sepa adónde lleva.
En los últimos tres meses, mi equipo ha mantenido llamadas exploratorias con responsables de comercio de los sectores de la moda, el calzado, la belleza y el lujo. Casi todos tienen “prepararse para el comercio agéntico” en su hoja de ruta. Casi ninguno tiene claro qué significa eso en la práctica. Estas son las cinco preguntas que más nos hicieron, y lo que hemos aprendido al intentar responderlas.
”¿Cómo sabemos si algo de esto funciona?”
Fue la pregunta más frecuente, y la más importante. La mayoría de los equipos mide su visibilidad en la IA pasando una lista de instrucciones (prompts) por ChatGPT y otros asistentes y contando cuántas veces aparece su marca. Una directora señaló ella misma el fallo. Su equipo hace seguimiento de instrucciones construidas en torno a la línea de productos por la que la marca es más conocida. Incluso con esas instrucciones favorables a la marca, esta aparece en alrededor del 1 % de las respuestas.
El seguimiento de las citas en las respuestas de IA mejorará, pero nadie necesita esperarlo. Las pruebas más fiables vienen de los canales que la marca ya controla. En la búsqueda en sitio, tome una muestra de consultas reales y compare los resultados antes y después de mejorar los datos de producto, fijándose en la calidad de las coincidencias y en las búsquedas que no devuelven nada. En los feeds de shopping, mejore los datos de un conjunto de productos y compare el retorno de la inversión publicitaria con el de un grupo de control. Y cuando cualquier cambio en el sitio tarde meses, reproduzca consultas reales sobre los datos mejorados fuera de línea y compare los resultados en paralelo.
Si un proveedor no puede decirle cómo demostrará el valor con sus propios productos antes de que usted se comprometa, siga preguntando. Por eso acordamos la prueba, y la única métrica que la decidirá, antes de empezar cualquier trabajo.
”¿De verdad se aplica esto a cómo compran mis clientes?”
Aquí el escepticismo es sano. Un consultor de marca señaló que las compras con agentes de IA son fáciles para los productos básicos, como encontrar las toallas de papel más baratas. La moda es distinta. La gente compra movida por sus aspiraciones, por lo que vio llevar a alguien o por lo que representa un fundador. Otro minorista atiende a clientes de 45 a 75 años a los que todavía les encanta un catálogo impreso mensual.
Ambos tienen razón. Pero el cambio ya está ocurriendo en sus propios sitios web. Los compradores escriben frases completas en el buscador del sitio, como “un vestido para una boda en la playa” o “zapatos cómodos para estar de pie todo el día”. Si los productos no tienen atributos de ocasión, corte o comodidad, esas búsquedas devuelven poco o nada. Una responsable de merchandising nos dijo que su empresa no aporta casi nada sobre ocasión o nivel de formalidad. Esa carencia hace perder ventas mucho antes de que llegue el primer agente de IA.
”¿Tengo que rehacer mis páginas de producto?”
No. Varios responsables daban por hecho que unos atributos más ricos implicaban un rediseño o meses de desarrollo. En la práctica, unos datos de producto mejores pueden llegar a campos que el sitio ya tiene, como títulos, descripciones, etiquetas y filtros. También pueden estar detrás de la página como datos estructurados que leen los motores de búsqueda y los agentes de IA y que los compradores nunca ven. La página puede verse igual mientras los datos que hay detrás trabajan mucho más.
”¿Por qué no desarrollarlo nosotros mismos?”
Algunos equipos pueden hacerlo. Un CTO con un almacén de datos sólido ha creado un asistente interno que responde preguntas sobre el negocio. Un director sénior de e-commerce tiene previsto conectar una IA de uso general a sus datos de reseñas, búsqueda y ventas. La agencia de otra marca creó una herramienta que completa atributos básicos como el tejido y el color.
En mi opinión, crear el agente es la parte fácil. Lo difícil son los datos que hay debajo. Eso significa saber qué atributos buscan realmente los compradores de cada categoría, dar la misma respuesta para el mismo producto cada vez y verificar cada valor antes de que salga en línea. Sin eso, un agente inteligente genera contenido que se va alejando de su fuente de referencia. Desarróllelo si tiene el equipo. Pero reserve presupuesto para los datos, no solo para el agente.
”¿Vale esto más que mi próxima campaña con influencers?”
Esta pregunta la hacen las marcas más pequeñas, y merece una respuesta directa. Con un presupuesto limitado, cada dólar invertido en datos de producto compite con un dólar invertido en redes sociales. Los datos de producto tienen que ganarse su lugar con resultados medibles, no con promesas.
El momento importa tanto como el precio. Varios equipos nos dijeron que les interesaba, pero que estaban en plena migración de ERP, en temporada alta o en medio de un cambio de dirección. Es razonable. Nadie debería abordar los datos de producto en pleno cambio de sistema, ni durante la temporada alta.
Lo que le diríamos a cualquiera que esté empezando
Todos los compradores serios con los que hablamos querían una prueba de concepto antes de comprometerse, normalmente de dos a tres meses. Es el instinto correcto. Empiece con una categoría, una prueba y una métrica en la que ya confíe. Mejore los datos, mida lo que cambia en su propio sitio y amplíe solo cuando las cifras se muevan.
El comercio agéntico parece un canal nuevo, pero funciona con un activo antiguo: datos de producto exactos y completos. Nadie puede prometer en qué posición colocará un modelo de IA a un producto. Lo que una marca sí controla es si sus datos le dan al modelo detalles completos y correctos con los que trabajar.
Ese es el trabajo que hace atronous. Mejoramos los datos de producto que las marcas y los minoristas ya tienen y agregamos los atributos en los que se fijan los compradores, la búsqueda y los agentes de IA. Si está planificando una primera prueba, estaría encantada de ayudarle a diseñarla. Un buen punto de partida es un C-Score gratuito: envíe hasta tres URL de páginas de producto y le mostraremos qué puntuación obtienen y qué agregaríamos.