Descubre cuándo la búsqueda, los filtros, las recomendaciones de producto y un agente de tienda IA ayudan a los compradores a encontrar productos en Shopify, y cómo mejorar cada ruta.
El descubrimiento de productos en Shopify funciona mejor cuando cada superficie tiene una tarea clara: la búsqueda recupera, los filtros acotan, las recomendaciones amplían y la conversación aclara. La mejor ruta depende de cuánto sepa ya el comprador.
Un comprador que introduce un número de modelo exacto no necesita una entrevista. Quien dice «Necesito algo ligero para ir al trabajo, pero debe aguantar la lluvia y caber debajo del asiento de un avión» probablemente sí.
Esta guía está dirigida a equipos de comercialización, ecommerce y CRO de Shopify. Al terminar, podrás dirigir cuatro estados habituales de intención a la vía de descubrimiento adecuada y realizar una breve auditoría para definir el siguiente cambio y asignarle un responsable.
Esta guía trata el descubrimiento en el escaparate de Shopify de un comerciante: búsqueda, filtros, recomendaciones en páginas de producto y un agente de tienda IA en el sitio. Los escaparates agénticos de Shopify, que pueden hacer que los productos elegibles se descubran mediante canales de IA externos, son otra superficie con disponibilidad y controles específicos de cada canal. Consulta Agente de tienda IA, chatbot o asistente de compras: diferencias para ver una distinción más completa.
El descubrimiento comienza por lo que ya sabe el comprador:
La búsqueda suele ser eficaz para las dos primeras. Los filtros ayudan a acotar una categoría conocida. Las recomendaciones ayudan cuando ya se está viendo un producto relevante. La conversación cobra más utilidad cuando la petición depende del contexto, de una disyuntiva o de preguntas de seguimiento.
El objetivo no es enviar a todos los compradores al chat, sino evitar que una petición difícil termine en un callejón sin salida porque no encaja con una palabra clave o la etiqueta de un filtro.
La documentación actual de Shopify sobre la búsqueda en el escaparate describe una infraestructura de búsqueda integrada basada en IA, con funciones como la búsqueda predictiva y la tolerancia a errores tipográficos activadas de forma predeterminada.
La búsqueda normal devuelve resultados después de que el comprador envía una consulta. La búsqueda predictiva sugiere resultados mientras escribe. Ambas son eficaces para consultas como:
La documentación de Shopify sobre el comportamiento de la búsqueda explica que la relevancia puede depender de dónde aparezca un término, la longitud del campo y señales de popularidad. También documenta comportamientos como la lematización, la tolerancia a errores, la coincidencia de prefijos y la relajación de consultas, con detalles que varían según el idioma y el contexto.
La búsqueda sigue dependiendo del lenguaje del catálogo. Si los compradores dicen bolsa de fin de semana, pero la tienda solo usa bolsa de viaje, puede costar más encontrar productos relevantes. Si un número de modelo, material o uso previsto nunca aparece en la información que se puede buscar, la búsqueda no puede inventar ese dato.
Haz pruebas con el vocabulario de los compradores, incluidos errores ortográficos, nombres alternativos, números de modelo y casos de uso, no solo con los nombres de producto que utiliza internamente el equipo de comercialización.
Los filtros responden: «¿Qué productos de este grupo cumplen mis requisitos conocidos?».
En una colección de chaquetas, pueden ser útiles los filtros de talla, precio, color, material, aislamiento, impermeabilidad y actividad. Para electrónica, los compradores pueden necesitar la marca, el conector, la compatibilidad con dispositivos, la potencia y las dimensiones.
Los controles de filtros de Search & Discovery de Shopify admiten filtros estándar y personalizados basados en opciones de producto, metacampos, metaobjetos y atributos de categoría. Su uso está sujeto a la compatibilidad del tema y a los límites actuales de la plataforma.
Los filtros funcionan bien cuando:
Funcionan mal cuando la necesidad no se corresponde claramente con una faceta. «Bueno para un primer piso» y «aspecto profesional, pero cómodo para un vuelo nocturno» son objetivos con sentido, no valores de filtro evidentes. Añadir más controles puede limitarse a trasladar la complejidad del catálogo al comprador.
Usa etiquetas que entiendan los compradores y normaliza los valores equivalentes. Resistencia al agua es más claro que el nombre interno de un metacampo; tres grafías del mismo material no deben convertirse en tres filtros.
Las recomendaciones de la página de producto parten del contexto que ya tiene el escaparate: el producto que se está viendo. Asigna una sola tarea a cada ubicación:
Shopify permite a los comerciantes configurar productos relacionados y complementarios mediante las recomendaciones de Search & Discovery. Los productos relacionados generados automáticamente pueden utilizar patrones agregados de compras, descripciones de productos similares o colecciones relacionadas; los comerciantes pueden añadir recomendaciones manualmente. Para que aparezcan las recomendaciones, se necesita una sección del tema compatible y activada.
Hay una limitación actual fácil de pasar por alto: Shopify documenta que su estrategia basada en descripciones de producto para generar recomendaciones automáticamente solo está disponible para comerciantes con un escaparate en inglés. Las estrategias de historial de compras y colecciones relacionadas tienen sus propios requisitos. Confirma el funcionamiento actual para tu idioma y catálogo en vez de dar por hecho que se aplican todas las estrategias de generación.
Una relación entre productos no equivale necesariamente a personalización. Un artículo relacionado puede ser pertinente porque se parece al producto de la página. La personalización conversacional es distinta: puede usar las necesidades y restricciones que expresa el comprador actual. La guía sobre recomendaciones de producto mediante IA conversacional explica qué señales deben influir en una recomendación y cuándo debe hacer una pregunta el agente.
La conversación resulta útil cuando el comprador no puede reducir su necesidad a una consulta o unos pocos filtros. Puede recopilar contexto, resolver ambigüedades, comparar ventajas e inconvenientes y explicar por qué encaja una selección breve.
BuyScout® Agente de tienda IA puede orientar a los compradores con lo que dicen y el contexto pertinente de navegación y carrito. Su biblioteca de habilidades publicada describe recomendaciones y comparaciones de productos, ayuda para añadir al carrito y packs o complementos relevantes, además de ventas y soporte configurados más allá de la primera elección de producto.
Pensemos en esta pregunta:
«Necesito un regalo para una persona aficionada al café que ya tiene una cafetera espresso. Mi presupuesto es de 80 USD y no sé qué accesorios son compatibles con su equipo».
La búsqueda puede recuperar accesorios para espresso. Los filtros pueden imponer el presupuesto. Las recomendaciones de la página de producto pueden sugerir complementos. La conversación puede preguntar qué cafetera tiene el destinatario, identificar la compatibilidad como restricción decisiva y explicar por qué encaja una selección breve.
Si la compatibilidad no está documentada, el agente debe indicar la incertidumbre o pedir la intervención de una persona. No debe inventar que algo encaja solo para mantener la conversación. La lista de datos de producto de Shopify para orientar mediante IA ayuda a descubrir esas carencias antes de que las encuentren los compradores.
| Vía de descubrimiento | Cuándo funciona mejor | Función principal | Fallo habitual | Señal útil |
|---|---|---|---|---|
| Búsqueda | El comprador puede nombrar un producto, categoría, modelo o atributo | Recuperar rápidamente un conjunto de resultados relevantes | Desajuste de vocabulario o falta de datos que se puedan buscar | Clic en un resultado y compra después de buscar |
| Búsqueda predictiva | El comprador está escribiendo una consulta reconocible | Acortar la ruta a un producto o resultado | Las sugerencias no recogen un objetivo complejo | Selección de la sugerencia y comportamiento posterior |
| Filtros | El comprador está en la categoría adecuada y conoce las restricciones obligatorias | Acotar productos mediante atributos estructurados | Valores incoherentes o demasiados controles | Interacción con la lista de productos después de filtrar |
| Recomendaciones | El comprador está viendo un producto y quiere una alternativa o un complemento | Ampliar una decisión en la página de producto | Relaciones entre productos genéricas u obsoletas | Clic en una recomendación y compra |
| Conversación | El comprador tiene una intención imprecisa que implica varias restricciones o comparaciones, o que depende de políticas | Aclarar necesidades y explicar una selección breve | Datos ausentes, exceso de confianza o preguntas innecesarias | Interacción con productos relevantes y resolución precisa |
Es una guía de rutas, no una jerarquía. A menudo, la búsqueda ofrece una experiencia mejor porque respeta una intención clara y exige menos pasos.
Imagina que una persona que busca una mochila de cabina sigue un recorrido fluido:
El catálogo conecta todos los pasos: los títulos respaldan la búsqueda, los atributos alimentan los filtros, las relaciones entre productos mejoran las recomendaciones y los detalles documentados permiten dar explicaciones fiables. Añadir otra interfaz no corregirá atributos contradictorios ni una política de devoluciones poco clara.
Shopify ofrece informes de Search & Discovery que cubren la actividad de las consultas de búsqueda, las búsquedas sin resultados, las búsquedas sin clics, la tasa de clics, la tasa de compra y la interacción con recomendaciones. Shopify indica que las interacciones con la búsqueda predictiva no se incluyen en esos informes de páginas de resultados.
Ningún informe por sí solo describe todo el recorrido. Usa cada señal para diagnosticar un problema concreto:
| Señal | Pregunta probable | Respuesta adecuada | Precaución |
|---|---|---|---|
| Consulta frecuente | ¿El vocabulario del comprador coincide con el catálogo? | Mejorar títulos, descripciones, sinónimos o colecciones | La frecuencia no demuestra satisfacción |
| Búsqueda sin resultados | ¿Falta un producto o término que se pueda buscar? | Revisar la consulta y los campos pertinentes | Puede que la tienda no venda el producto solicitado |
| Búsqueda sin clics | ¿Parecen útiles los resultados? | Revisar el orden, las imágenes, los títulos, el precio y la mezcla de resultados | Los compradores pueden marcharse por otros motivos |
| Clic en una recomendación | ¿Resulta interesante la relación entre productos? | Revisar las ubicaciones y parejas de productos | Un clic no es una compra ni un aumento causal |
| Tema de conversación repetido | ¿Deja la página una decisión sin respuesta? | Mejorar los datos de producto, el texto de la página o la orientación | Usa recuentos y un periodo antes de llamarlo tendencia |
| Compra después del descubrimiento | ¿La ruta precedió a un pedido? | Comparar las rutas de forma coherente | Una asociación no demuestra que exista incremento |
Una búsqueda frecuente sin clics unida a preguntas repetidas sobre el mismo atributo aporta pruebas más sólidas que cualquiera de las dos señales por separado. Evita asignar el valor total del pedido a cada superficie que intervino en la misma compra.
Haz un solo cambio relevante cada vez cuando necesites entender su efecto. Si es evidente que falta un sinónimo o que un filtro está roto, corrígelo directamente; no todos los defectos necesitan un experimento.
Copia esta tabla y sustituye las consultas de ejemplo por lenguaje real de tus registros de búsqueda, soporte o conversaciones. Ejecuta cada consulta en móvil y escritorio, registra el primer fallo relevante, designa a un responsable y elige un próximo cambio.
| Estado de intención | Consulta de prueba | Superficie esperada | Fallo observado | Dato ausente | Responsable | Próximo cambio |
|---|---|---|---|---|---|---|
| Exacta | «Trail Pack 28L en negro» | La búsqueda normal o predictiva recupera el producto y la variante exactos | ||||
| De categoría | «Mochilas de cabina» | La búsqueda llega a la categoría pertinente y los filtros muestran restricciones útiles | ||||
| Basada en restricciones | «Mochila de cabina de menos de 150 USD para un portátil de 16 pulgadas» | Los filtros acotan los atributos conocidos y la conversación resuelve cualquier disyuntiva pendiente | ||||
| Exploratoria | «Una bolsa que resulte menos pesada de llevar para viajar a menudo por trabajo» | La conversación aclara la necesidad y explica un conjunto pequeño y pertinente |
Completa la auditoría de descubrimiento de 20 minutos: Corrige el fallo de mayor impacto que tenga un responsable claro y vuelve a ejecutar la misma consulta. Si la búsqueda y los filtros funcionan con una intención clara, pero las preguntas complejas siguen fallando, prueba BuyScout® Agente de tienda IA justo en ese punto débil.
Compara agentes de tienda IA, chatbots y asistentes de compras por su capacidad de descubrir productos, prestar soporte, realizar acciones aprobadas, usar datos y derivar casos a personas.
Compara si conviene desarrollar, comprar o combinar un agente de tienda IA para Shopify con una hoja de TCO editable, una matriz de responsabilidades, un árbol de decisión y una lista para evaluar proveedores.
Descarga una calculadora editable del ROI de un agente de tienda IA para Shopify y aprende a estimar el beneficio bruto incremental sin confundir los ingresos asistidos con un aumento causal.
Convierte las preguntas recurrentes de los clientes en carencias verificadas de las páginas de producto de Shopify, hipótesis priorizadas, cambios de texto más seguros y decisiones medibles.
Pruébalo ahora
Gratis para siempre y listo en 1 minuto.
