Una vitrina de recomendaciones puede tener una buena apariencia y aportar poco a la operación comercial.
También puede suceder lo contrario: una recomendación discreta puede participar en numerosas compras sin llamar especialmente la atención al revisar visualmente la tienda.
Por eso, evaluar un sistema de recomendaciones exige observar qué ocurre entre el momento en que el producto recomendado aparece y las acciones posteriores del cliente.
Además, es importante establecer desde el principio una diferencia:
atribuir una venta a una recomendación no significa necesariamente demostrar que la recomendación causó esa venta.
Comprender esta distinción ayuda a trabajar con métricas más útiles y conclusiones más realistas.
Empieza por las impresiones
La primera información necesaria es cuántas veces se mostraron realmente las recomendaciones.
Sin conocer las impresiones, las cifras absolutas de clics o ventas ofrecen poco contexto.
Imaginemos dos vitrinas:
- Vitrina A: 500 clics;
- Vitrina B: 200 clics.
A primera vista, la primera parece claramente superior.
Pero supongamos que la Vitrina A se mostró 100.000 veces y la B solamente 10.000.
Las tasas de clic serían:
- A: 0,5 %;
- B: 2 %.
El volumen absoluto continúa siendo importante, pero la tasa permite analizar mejor la capacidad de cada vitrina para generar interacción.
El clic es una métrica intermedia
La tasa de clics resulta útil para saber si los productos recomendados generan interés.
Sin embargo, no debería considerarse el objetivo comercial final.
Una recomendación puede producir muchos clics y pocas compras.
Por eso conviene analizar todo el recorrido:
Impresión → clic → añadir al carrito → compra
Cada etapa responde una pregunta diferente.
Impresión
¿La recomendación llegó a mostrarse?
Clic
¿Alguno de los productos recomendados despertó interés?
Añadir al carrito
¿Ese interés avanzó hacia una intención de compra más concreta?
Compra
¿El producto recomendado terminó formando parte de un pedido?
Este embudo permite identificar tanto los puntos fuertes como las etapas donde se pierde al usuario.
Observa también los productos añadidos al carrito
Añadir un producto al carrito suele ser una señal comercial más fuerte que simplemente hacer clic.
Si una recomendación genera muchos clics, pero casi ningún producto llega al carrito, pueden existir diferentes causas:
- los productos atraen la atención, pero no son suficientemente relevantes;
- el precio o la disponibilidad reducen el interés;
- la página de destino no corresponde con la expectativa creada;
- la recomendación aparece en un contexto poco adecuado.
La métrica no explica por sí sola el motivo.
Sin embargo, indica dónde conviene comenzar a investigar.
¿Qué es una conversión atribuida?
Toda medición de atribución necesita una regla claramente definida.
Supongamos que un cliente ve una recomendación, hace clic en un producto, lo añade al carrito y posteriormente completa el pedido.
Existe un recorrido observable entre la recomendación y la compra.
Según la metodología definida, esa compra puede clasificarse como atribuida a la recomendación.
Pero hay que interpretar el dato con cuidado.
Tal vez el cliente ya tenía intención de adquirir ese producto.
Podría haberlo encontrado después mediante el buscador.
O quizá la recomendación fue precisamente el mecanismo que permitió descubrirlo.
La atribución demuestra una relación dentro del recorrido registrado.
No demuestra automáticamente causalidad.
Los ingresos atribuidos no son necesariamente ingresos incrementales
Esta es una distinción fundamental.
Supongamos que durante un período los productos relacionados con interacciones en recomendaciones generan 10.000 en ventas.
De acuerdo con la metodología utilizada, se puede informar de 10.000 en ingresos atribuidos a las recomendaciones.
Es mucho más fuerte afirmar que las recomendaciones generaron 10.000 adicionales de facturación.
Para demostrar esta segunda afirmación habría que estimar qué habría ocurrido si la recomendación no hubiera existido.
Ese escenario alternativo no puede observarse directamente en la misma compra.
Para aproximarse a esa respuesta se utilizan experimentos controlados.
Cómo medir el impacto incremental
Un enfoque más sólido consiste en comparar grupos equivalentes.
Por ejemplo:
- Grupo A recibe recomendaciones;
- Grupo B no recibe la misma intervención.
Con una cantidad suficiente de observaciones, pueden compararse métricas como tasa de conversión, ingresos por sesión o valor medio del pedido.
Si la distribución de usuarios es correcta y las demás condiciones son comparables, la diferencia ofrece una evidencia más sólida del impacto incremental.
Este es el principio básico de las pruebas A/B y los experimentos con grupo de control.
Sin un experimento controlado todavía se pueden comparar períodos o segmentos.
Esas comparaciones son útiles, pero requieren precaución porque otros factores pueden haber cambiado al mismo tiempo.
Ejemplo de lectura del embudo
Consideremos estos valores ilustrativos:
10.000 impresiones
600 clics
120 productos añadidos al carrito
60 compras
Las métricas serían:
CTR: 600 / 10.000 = 6 %
Clic → carrito: 120 / 600 = 20 %
Clic → compra: 60 / 600 = 10 %
Estos indicadores describen el comportamiento observado después de mostrar las recomendaciones.
Ahora supongamos que las 60 compras representan 6.000 en productos atribuidos a las vitrinas.
El dato es comercialmente relevante.
Pero todavía no significa que los 6.000 habrían desaparecido completamente sin las recomendaciones.
Esa es la diferencia entre atribución e impacto incremental.
Analiza cada posición por separado
Una recomendación presentada en la página de un producto participa en un momento diferente del proceso de compra que una recomendación mostrada en el carrito.
Por eso conviene separar los resultados.
Por ejemplo:
- página de producto;
- carrito;
- página principal;
- categoría;
- otras áreas de la tienda.
También puede ser útil segmentar por:
- dispositivo;
- categoría;
- rango de precios;
- cliente nuevo o recurrente;
- estrategia de recomendación.
Un promedio general puede ocultar una posición muy eficiente y otra que necesita ajustes.
Considera cancelaciones y devoluciones
Una conversión registrada al crear el pedido no siempre representa ingresos definitivos.
Según el objetivo del informe, puede ser necesario considerar pedidos cancelados, pagos rechazados y devoluciones.
Lo importante es utilizar una metodología consistente.
Si se contabilizan pedidos creados, debe quedar claro.
Si solamente se consideran pedidos pagados o completados, la regla también debe documentarse.
Cambiar de criterio entre períodos perjudica la comparación.
Medición en SmartVitrines
SmartVitrines trabaja con eventos de la jornada de recomendación, como visualizaciones, clics, productos añadidos al carrito y conversiones.
Estos eventos permiten observar el recorrido entre la presentación de una recomendación y las acciones comerciales posteriores.
La finalidad del análisis no debería ser obtener una única cifra llamativa.
Debe ayudar a responder preguntas concretas:
- ¿se están mostrando las recomendaciones?
- ¿los clientes interactúan con ellas?
- ¿los productos recomendados llegan al carrito?
- ¿aparecen posteriormente en pedidos?
- ¿qué posiciones presentan mejores resultados?
Estas respuestas son mucho más útiles para mejorar continuamente una estrategia de recomendación.
Mejores métricas permiten tomar mejores decisiones
Evaluar las recomendaciones únicamente mediante ventas atribuidas puede producir conclusiones incompletas.
Un análisis más útil considera todo el embudo:
- impresiones;
- clics;
- productos añadidos al carrito;
- compras;
- ingresos atribuidos;
- cuando sea posible, impacto incremental.
De esta manera pueden compararse posiciones, estrategias y períodos sin confundir correlación con causalidad.
La recomendación deja de ser solamente un elemento visual de la tienda y se convierte en una parte medible de la experiencia de compra.
SmartVitrines fue desarrollado por AGTI para integrar recomendaciones de productos en la jornada del comercio electrónico y proporcionar datos para analizar esas interacciones.