Aumentan las búsquedas de frases largas mientras disminuyen el uso de filtros y la exploración adicional
El refinamiento de recomendaciones y la confianza del consumidor son los retos pendientes
El rol de la búsqueda en el comercio electrónico está cambiando. La práctica tradicional de ingresar directamente el nombre de un producto para encontrar artículos específicos está siendo desplazada por un nuevo modelo en el que la inteligencia artificial (IA) interpreta las preferencias y situación del usuario para presentar resultados recomendados. Los criterios de compra se están reorganizando, pasando del enfoque basado en búsqueda hacia uno centrado en recomendaciones.
Según un informe de análisis de comportamiento de compra de Resolve AI divulgado el 26 de septiembre, siete de cada diez compradores finalizan su compra con una única búsqueda. Las búsquedas de frases largas compuestas por tres o más palabras aumentaron del 25% del total de búsquedas en 2024 al 40% en febrero de este año, mientras que el uso de filtros y la exploración más allá de la primera página de resultados disminuyeron un 13% respectivamente. El análisis indica que el entorno de compra está evolucionando hacia un modelo en el cual la IA interpreta la intención del consumidor, en lugar de basarse simplemente en la combinación de palabras clave.
Los cambios también se observan fuera del cuadro de búsqueda. Según una investigación de Salesforce, el 39% de los consumidores están utilizando IA para la exploración de productos, cifra que supera el 50% entre la generación Z. Un estudio de Capgemini también reveló que aproximadamente tres de cada cinco consumidores están comenzando a reemplazar motores de búsqueda tradicionales con IA generativa. El modelo de proporcionar condiciones a la IA y recibir recomendaciones de candidatos se está consolidando como una nueva ruta de exploración, reemplazando la práctica anterior de buscar nombres de productos y comparar resultados uno por uno.
Estos cambios se han reflejado en los servicios de plataforma. Musinsa lanzó recientemente una aplicación exclusiva dentro de ChatGPT de OpenAI. Sin necesidad de ingresar marcas o nombres de productos, la aplicación recomienda artículos reflejando diversos contextos como rango de precio y marcas preferidas, con resultados vinculados a la tienda en línea de Musinsa. Anteriormente, Musinsa también presentó un servicio dentro de KakaoTalk en el cual la IA recomienda estilos. Un representante de Musinsa señaló: "A través del comercio de moda y belleza conversacional, estamos proporcionando resultados de recomendación refinados" y agregó: "Continuaremos impulsando la entrada de tráfico a la tienda Musinsa mediante la integración con diversos servicios".
![Imagen de implementación de 'Comercio de descubrimiento y comercio de medios inmersivos' de Hype Club [Foto=Hype Club]](https://image.ajunews.com/content/image/2026/09/26/20260926045835561959.jpg)
Hype Club ha implementado búsqueda impulsada por IA centrada en estilos. Avanzando más allá de la búsqueda tradicional basada en palabras clave, ha construido un entorno de búsqueda con IA que permite a los usuarios encontrar productos relacionados mediante términos de búsqueda centrados en estilos como "conjunto de salida para el otoño" y "atuendo vacacional de moda este año". El sistema funciona analizando el estilo y tendencias contenidos en el término de búsqueda y comparándolos con aproximadamente 7 millones de datos de productos para recomendar artículos con alta relevancia. En las páginas de detalles del producto, se ha aplicado la tecnología de conversión de imagen a video (Image-to-Video) que transforma imágenes de productos estáticas en videos. La característica distintiva es que muestra la silueta y movimiento del producto de manera más intuitiva, permitiendo a los usuarios confirmar vívidamente cómo se vería la prenda al usarla, incluso en línea. Se prevé expandir el alcance de aplicación a productos de marcas líderes en el futuro próximo.
Aberly ha permitido a los usuarios verificar previamente una variedad de estilos mediante el servicio de prueba virtual basado en IA generativa denominado "Prueba de ropa con IA". Los consumidores pueden seleccionar hasta 10 estilos de moda que deseen probar, registrar una fotografía, y luego probar diversos estilos de ropa basados en su rostro y fondo presentes en la foto. El objetivo va más allá del rol de "comercio de estilos" que permite a los consumidores comprar productos acordes a sus preferencias, buscando ofrecer contenido que los consumidores puedan ver y disfrutar.
A medida que las recomendaciones se convierten en el punto de partida de la compra, la importancia de los datos de productos acumulados por las plataformas también está aumentando. Aunque las funciones de IA en sí se estandaricen rápidamente, el análisis sugiere que el grado de refinamiento en la construcción de información de productos y su conexión con las preferencias del usuario para generar resultados de recomendación será lo que determine la completitud del servicio. La industria prevé que la utilización de la IA se ampliará más allá de la búsqueda de productos para abarcar comparación, recomendación y apoyo en la compra.
Según una investigación del Trend Monitor de Embrain, el 50,2% de los encuestados expresaron deseo de probar un "agente de compra con IA", pero encuentran difícil confiar todas sus compras a la IA. La razón más frecuente citada, representando el 43%, fue que "el análisis de datos de IA por sí solo dificulta la comprensión completa de las preferencias personales". A medida que los servicios de recomendación con IA se generalicen, el factor crítico será qué tan precisamente se pueden reflejar las preferencias personales y cómo se puede garantizar la confianza del consumidor.
Kim Si-wol, profesora del Departamento de Estudios del Consumidor en la Universidad de Konkuk, afirmó: "Dado que cada consumidor desea información y tiene criterios de compra diferentes, es importante construir un sistema de recomendación personalizado que refleje características individuales" y continuó: "La clave será qué tan rápidamente se pueda acumular información diversa como tipo de cuerpo, tiempo, lugar y situación (TPO) e incorporarla en las recomendaciones". Agregó además: "A medida que se expande el servicio de recomendación, también deben establecerse sistemas de responsabilidad y políticas de devolución acordes con este cambio".
* Este artículo ha sido traducido por IA.