Aumentan las búsquedas extensas mientras disminuyen el uso de filtros y la exploración adicional
El refinamiento de recomendaciones y la confianza del consumidor son los desafíos pendientes
El rol de la búsqueda en el comercio electrónico está cambiando. Los usuarios están dejando atrás la práctica de ingresar nombres de productos directamente para encontrar artículos específicos, y adoptan un nuevo modelo donde la inteligencia artificial (IA) interpreta las preferencias y situaciones del usuario para presentar resultados recomendados. Se observa una tendencia clara hacia una restructuración del comercio electrónico, pasando de un enfoque basado en búsqueda a uno centrado en recomendaciones.
Según el informe de análisis de comportamiento de compras de Resolve AI publicado el 26 de septiembre, el 70% de los compradores completan su compra con una sola búsqueda. Las búsquedas extensas compuestas por tres palabras o más 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 en un 13% respectivamente. Este cambio refleja que el entorno de compra está evolucionando hacia un modelo donde la IA interpreta la intención del consumidor, en lugar de que los usuarios busquen productos combinando palabras clave.
Los cambios también se están observando fuera de la barra de búsqueda. Según una encuesta de Salesforce, el 39% de los consumidores están utilizando IA para la exploración de productos, y entre la generación Z este porcentaje supera el 50%. Un estudio de Capgemini también reveló que aproximadamente el 60% de los consumidores están comenzando a reemplazar los motores de búsqueda tradicionales con IA generativa. Una nueva ruta de exploración se está consolidando: en lugar de buscar nombres de productos y comparar resultados uno a uno, los consumidores ahora presentan condiciones a la IA y reciben recomendaciones de candidatos.
Este cambio también se ha reflejado en los servicios de las plataformas. Musinsa lanzó recientemente una aplicación exclusiva dentro de ChatGPT de OpenAI. Sin necesidad de ingresar marcas o nombres de productos, la plataforma recomienda artículos reflejando diversos contextos como rango de precio y marcas preferidas, y los resultados se conectan a la tienda en línea de Musinsa. Anteriormente, Musinsa también presentó un servicio en KakaoTalk donde la IA recomendaba estilos. Un representante de Musinsa señaló: "Estamos proporcionando resultados de recomendación sofisticados a través del comercio conversacional de moda y belleza" y "continuaremos impulsando el tráfico a la tienda Musinsa a través de asociaciones con diversos servicios".
![Imagen de implementación de 'comercio de descubrimiento y comercio de medios inmersivos' de HalfClub [Foto=HalfClub]](https://image.ajunews.com/content/image/2026/09/26/20260926045835561959.jpg)
HalfClub ha implementado búsqueda con IA centrada en estilos. Avanzando más allá de la búsqueda tradicional basada en palabras clave, ha construido un entorno de búsqueda con IA donde los usuarios pueden encontrar productos relacionados utilizando términos de búsqueda centrados en estilos como "look de oficina para otoño" y "look de vacaciones de moda este año". La IA analiza el estilo y las tendencias contenidas en el término de búsqueda, los compara con aproximadamente 7 millones de datos de productos y recomienda artículos con alta relevancia. En las páginas de detalles del producto, también se ha aplicado una función que utiliza tecnología de conversión de imagen a video (Image-to-Video) para transformar imágenes de productos estáticas en video. La característica distintiva es que permite a los usuarios ver el aspecto real de uso incluso en línea, mostrando de manera más intuitiva la silueta y el movimiento del producto. Se planea ampliar el rango de aplicación a productos de marcas principales en el futuro.
Ably ha permitido que los usuarios confirmen previamente diversos estilos a través del servicio de prueba virtual basado en IA generativa "AI Try On". Los consumidores pueden seleccionar hasta 10 estilos de moda que desean probar y registrar una foto, tras lo cual pueden probarse diversos estilos de ropa basándose en el rostro y el fondo de la foto. El objetivo va más allá del papel del "comercio de estilos" de permitir a los consumidores comprar productos que se ajusten a sus preferencias, y busca proporcionar contenido que los consumidores puedan ver y disfrutar.
Con las recomendaciones como punto de partida del comercio electrónico, la importancia de los datos de productos acumulados por las plataformas también está aumentando. Aunque las funciones de IA se están estandarizando rápidamente, el análisis sugiere que lo que determinará la calidad del servicio es cómo se construyen las estructuras de información del producto y cómo se conectan con las preferencias de los usuarios para generar resultados de recomendación. La industria prevé que el rango de aplicación de la IA se ampliará más allá de la búsqueda de productos para incluir comparación, recomendación y apoyo a la compra.
Según una encuesta del Trend Monitor de Embrain, el 50,2% de los encuestados respondieron que desearían probar un "agente de compra con IA", pero que resulta difícil confiar todas las compras a la IA. La razón más común, con un 43%, fue que "solo el análisis de datos de IA hace difícil captar perfectamente las preferencias personales". Conforme se expanda el servicio de recomendación con IA, será crucial cuán sofisticadamente se reflejen las preferencias personales y cómo se logre la confianza del consumidor.
Kim Si-wol, profesora del Departamento de Estudios de Consumo de la Universidad de Konkuk, señaló: "Dado que cada consumidor desea información diferente y tiene criterios de compra distintos, es importante construir sistemas de recomendación personalizados que reflejen características individuales" y "la clave es cuán rápidamente se puede acumular información diversa como tipos de cuerpo, tiempo, lugar y situación (TPO), e integrarla en las recomendaciones". Agregó: "A medida que se expande el servicio de recomendación, también deben establecerse sistemas de responsabilidad apropiados y políticas de devolución de dinero".
* Este artículo ha sido traducido por IA.