El buscador interno lleva veinte años funcionando igual: el cliente escribe una o dos palabras, el motor busca coincidencias y devuelve una parrilla de productos con filtros al lado. Funciona razonablemente bien cuando el cliente sabe exactamente qué quiere. El problema es que cada vez sabe menos, porque se ha acostumbrado a preguntar a un chat en lugar de adivinar la palabra clave correcta.
Ahí es donde entran los buscadores conversacionales. Doofinder ha lanzado su AI Assistant, Algolia y Klevu tienen su propia versión, y todos apuntan a lo mismo: que el visitante pueda escribir «¿qué necesito para empezar a hacer yoga en casa?» y recibir productos concretos de tu catálogo, no una lista vacía. Este artículo explica qué cambia de verdad, qué hace falta para que funcione y qué no arregla.
Qué cambia frente al buscador clásico
La diferencia no es cosmética. Un buscador tradicional trabaja sobre coincidencia de términos y atributos: tú escribes «bolso negro», él filtra por categoría bolso y color negro. Un asistente conversacional interpreta la frase completa, deduce la intención y cruza esa intención con tu catálogo y con el comportamiento del usuario.
- «bolso negro» → 340 resultados, ordena tú
- Cero resultados si la palabra no está en la ficha
- El cliente traduce su necesidad a palabras del catálogo
- Los filtros hacen el trabajo de acotar
- Una consulta, una parrilla, se acabó la conversación
- «bolso negro elegante para boda de noche que no pese» → 6 opciones razonadas
- Entiende uso, contexto, rango de precio y materiales
- El cliente describe la necesidad con sus palabras
- El asistente acota preguntando
- Permite repreguntar: «¿alguno por debajo de 80 €?»
Dicho de otra forma: la búsqueda deja de ser una consulta transaccional y pasa a ser un proceso de descubrimiento guiado. Para catálogos amplios o técnicos —donde el cliente no domina la nomenclatura— el salto en usabilidad es evidente.
Qué hace falta técnicamente (y por qué muchas tiendas no lo tienen)
Este es el punto que suele frenar los proyectos. El modo IA no es una casilla que se activa sobre la integración que ya tienes: en el caso de Doofinder, las layers clásicas —el script v7 de toda la vida con su hash id— no sirven. El asistente exige el Single Script 2.x, que se carga con un installation id distinto y desde el que la layer, sus disparadores y sus filtros se configuran en el panel de Doofinder, no en el código de la tienda.
- Script moderno instalado (Single Script 2.x), no la layer clásica heredada
- Identificadores por idioma: cada idioma de la tienda tiene su motor y su id propios
- Feed de productos completo con atributos, no solo título, precio e imagen
- Reindexado bajo control desde el admin, para no depender del panel externo
- Puente de consentimiento RGPD: el buscador no debe escribir cookies antes de la aceptación
- Registro de ventas server-side para medir conversión atribuida a la búsqueda
- Coherencia de precios entre lo que indexa el buscador y lo que muestra la ficha
Migrar del script clásico al moderno no es traumático, pero cambia dónde se configura todo. Si tu layer actual estaba personalizada a mano en la plantilla, esa personalización se pierde y pasa a gestionarse desde el panel del proveedor. Conviene saberlo antes, no el día del cambio.
La IA no arregla un catálogo pobre
Un asistente conversacional razona sobre los datos que le das. Si tus fichas dicen «Bolso mod. 4412 - negro» y nada más, ninguna IA va a saber que ese bolso es apropiado para una boda de noche. La calidad del resultado depende casi por completo de la calidad de los atributos.
Antes de pagar por búsqueda inteligente, comprueba cuántos de tus productos tienen material, uso, ocasión y rango de talla rellenos. Si la respuesta es «pocos», ese es el proyecto — no el buscador.
La buena noticia es que ese trabajo tiene doble retorno: los mismos atributos que alimentan al asistente son los que mejoran tus fichas de producto, tus filtros y tu feed de Shopping. Y es exactamente el tipo de tarea que hoy se puede acelerar con IA aplicada al ecommerce, siempre con revisión humana.
La trampa que nadie mira: los precios del buscador
El buscador interno es un sistema aparte con su propio índice. Publica el precio y el porcentaje de descuento que le pasaste en el último feed, y esos datos casi nunca pasan por la misma lógica que la ficha de producto.
Con la normativa de precios vigente eso se convierte en un riesgo concreto: un producto puede salir con «−11 %» en los resultados del buscador y, un clic después, no anunciar ninguna rebaja en su ficha porque el cálculo del precio anterior de los 30 días se lo impide. Es la única superficie donde el cliente ve las dos versiones seguidas. Antes de activar nada conversacional, asegúrate de que el índice del buscador bebe del mismo veredicto que la ficha.
Cómo saber si te está funcionando
La búsqueda es de lo poco en ecommerce que se mide bien sin montar nada raro, porque el usuario declara su intención por escrito. Estas son las métricas que importan:
Tu lista de consultas fallidas es la mejor auditoría de catálogo que existe: productos que no tienes, sinónimos que no contemplas, marcas mal escritas. Con un asistente conversacional esta métrica debería desplomarse; si no baja, el problema está en los datos.
El visitante que usa el buscador convierte históricamente entre dos y tres veces más. Segmenta las dos poblaciones antes de activar la IA y vuelve a mirarlo un mes después: es la comparativa que justifica el coste.
Si la atribución depende de JavaScript en el navegador, los bloqueadores y el consentimiento se comen una parte. Registrar el pedido desde el servidor cuando se confirma —con reintentos si la API falla— da una cifra que se puede defender en una reunión.
Cuántos turnos aguanta el cliente antes de hacer clic o abandonar. Muchas conversaciones largas sin clic significan que el asistente entiende pero no encuentra: otra vez, catálogo.
Cuánto cuesta la cuota y cuánto te devuelve
Casi todas las herramientas de búsqueda cobran por volumen: número de búsquedas, de sesiones, de productos indexados o tramos de facturación de la tienda. Es decir, la factura sube justo cuando más vendes, y las funciones de IA suelen estar en el tramo alto de la tarifa. Antes de firmar conviene hacer una cuenta que muy poca gente hace.
- ¿Cuánto pagas al año, todo incluido? Cuota, tramo por crecimiento, idiomas adicionales y el módulo de IA aparte si lo hay.
- ¿Cuánto ingreso atribuye el proveedor y con qué criterio? Casi siempre es último clic dentro de su propio widget, lo que infla el número.
- ¿Cuál es el ingreso incremental real? Compara la conversión de quien busca antes y después de activarlo, no las ventas totales con búsqueda: buena parte de esa gente habría comprado igual.
- ¿Qué pasa el año que crezcas un 40 %? Pide el precio del tramo siguiente por escrito.
- ¿Cuánto costaría desarrollarlo? Si tres o cuatro años de cuota pagan el desarrollo, la conversación cambia.
- Puesta en marcha en días
- Coste recurrente que escala con tus ventas
- Mantenimiento y mejoras incluidos
- Configuras lo que el producto permite
- Tus datos de búsqueda viven fuera
- Migrar después tiene coste
- Inversión inicial, sin cuota por crecer
- Coste variable pequeño: vectores y consultas al modelo
- Mantenimiento a tu cargo (o de tu proveedor técnico)
- Reglas de negocio propias sin límite
- Los datos de búsqueda se quedan en casa
- Es tuyo: no hay migración pendiente
El coste variable de la opción propia suele sorprender por lo bajo: los vectores de cada producto se calculan una vez y solo se rehacen cuando cambia la ficha, y una consulta interpretada por un modelo cuesta una fracción de céntimo. Lo que pesa es el desarrollo inicial y el mantenimiento — que es exactamente lo contrario del modelo SaaS, donde lo barato es empezar y lo caro es seguir.
La alternativa: programarlo a medida, sin depender de un tercero
Todo lo anterior asume que contratas una herramienta ya hecha. No es obligatorio. La búsqueda con IA se puede desarrollar a medida dentro de tu propia tienda, sin licencia mensual, sin enviar tu catálogo a un tercero y sin ajustarte a lo que ese producto permita configurar.
Para la mayoría de tiendas una solución de mercado bien configurada sigue siendo la respuesta correcta: se instala en días y no hay que mantener nada. Pero hay casos donde el estándar se queda corto —compatibilidades técnicas que dependen de tres atributos cruzados, tarifas B2B distintas por cliente, terminología de sector que ningún motor genérico conoce, un volumen de consultas que dispara la cuota, o simplemente la decisión de no depender de un proveedor externo— y ahí construir la capa semántica propia sale a cuenta.
La arquitectura, en esencia, tiene cuatro piezas y todas son ya piezas de catálogo, no investigación:
Cada producto se convierte en un vector que representa su significado, no sus palabras. Con modelos de embeddings especializados —Voyage, o los de OpenAI— el buscador encuentra el chubasquero cuando el cliente escribe «algo para la lluvia que quepa en la mochila», sin haber configurado un solo sinónimo. Los vectores se calculan una vez por producto y solo se recalculan cuando cambia la ficha, así que el coste es predecible.
La consulta se lleva al mismo espacio vectorial y devuelve los candidatos más próximos. Sobre ese conjunto corto entra un reordenador que afina el orden según relevancia real. Es la fase que separa «resultados parecidos» de «el primero es el que quería».
Aquí entra Claude u OpenAI: entiende la intención, decide qué preguntar para acotar y redacta la respuesta apoyándose únicamente en los productos recuperados. Nunca inventa referencias, porque no escribe de memoria — trabaja sobre la lista que le ha dado tu catálogo.
Clics, añadidos al carrito y ventas realimentan el orden de resultados; las búsquedas sin resultados alimentan la cola de fichas y atributos que faltan. Un buscador propio mejora cada semana con tus datos, y esos datos se quedan en tu casa en vez de engordar el modelo de un tercero.
- Los filtros duros no los decide el modelo. Stock, precio, tarifa del cliente, envío disponible y país se aplican con consultas normales contra tu base de datos, antes y después del modelo. La IA ordena y explica; el catálogo manda.
- Todo con respaldo. Si el proveedor de IA falla o tarda, el buscador cae al modo clásico y sigue devolviendo resultados. Nadie debería quedarse sin buscador porque una API esté lenta.
No es la opción por defecto ni la más barata de arrancar, pero es la única que te deja decidir qué se prioriza, integrar tus reglas de negocio reales y no depender de la hoja de ruta de un proveedor. Es el tipo de desarrollo que hacemos en Kadevia: conectar Claude, OpenAI o Voyage contra el catálogo, el stock y las tarifas de la tienda, con las integraciones ya montadas por API.
Lo que la búsqueda con IA no va a resolver
Conviene tener las expectativas ajustadas antes de firmar el presupuesto:
- El stock. Recomendar con seguridad un producto agotado es peor que no recomendarlo.
- La atención al cliente. Responde sobre catálogo, no sobre el estado de un pedido: eso es otro tipo de agente.
- El SEO. Es una superficie interna y no indexable; no posiciona nada por sí misma.
- Las fichas malas. Sin medidas, materiales ni fotos decentes, el asistente solo acelera el camino al rebote.
Preguntas frecuentes
¿Qué diferencia hay entre un buscador clásico y uno conversacional?
El clásico busca coincidencias de palabras y atributos; el conversacional interpreta la frase completa, deduce la intención de compra (uso, contexto, presupuesto, materiales) y permite repreguntar para acotar. Pasa de devolver una parrilla a guiar una decisión.
¿Qué hace falta técnicamente para activar la búsqueda con IA de Doofinder?
El AI Assistant requiere el script moderno (Single Script 2.x) con installation id, no la layer clásica v7 con hash id. Además necesita el feed de productos con atributos completos, el puente de consentimiento RGPD y, si quieres medir bien, el registro de ventas en servidor.
¿La búsqueda con IA mejora el SEO?
No directamente: es una superficie interna, no indexable. Lo que sí mejora el SEO es el trabajo previo que exige — atributos completos y fichas que describen uso, materiales y compatibilidades.
¿Qué métricas indican que el buscador con IA funciona?
La tasa de búsquedas sin resultados (debería desplomarse), la conversión de quien usa el buscador frente a quien no, las ventas atribuidas medidas en servidor y la profundidad de la conversación antes del clic.
¿Puede el buscador mostrar descuentos que la ficha ya no anuncia?
Sí, y es un riesgo real: el índice del buscador publica el precio y el porcentaje del último feed. Si no bebe del mismo cálculo del precio de referencia que la ficha, el cliente puede ver dos versiones distintas en dos pantallas seguidas.
¿Se puede programar un buscador con IA a medida en lugar de contratar uno?
Sí. Se vectoriza el catálogo con modelos de embeddings (Voyage u OpenAI), se recuperan y reordenan los candidatos y un modelo como Claude u OpenAI interpreta la intención y responde apoyándose solo en los productos recuperados. Los filtros duros —stock, precio, tarifa del cliente— se aplican contra la base de datos, nunca los decide el modelo.
¿Cuándo compensa desarrollar el buscador en lugar de pagar una cuota?
Cuando el catálogo tiene reglas que el estándar no cubre (compatibilidades cruzadas, tarifas B2B por cliente, terminología de sector), cuando el volumen dispara la tarifa por tramos, o cuando tres o cuatro años de cuota pagan el desarrollo. El coste variable propio es bajo: los vectores se recalculan solo al cambiar la ficha.
¿Cómo se calcula el retorno real de un buscador de pago?
No con las ventas totales atribuidas por el proveedor, que suelen ser último clic dentro de su propio widget. Hay que comparar la conversión de quien usa el buscador antes y después de activarlo, y restar de ese ingreso incremental la cuota anual completa, incluidos idiomas y módulos de IA aparte.
Resumen
La búsqueda conversacional es la primera aplicación de IA en una tienda online con retorno medible a corto plazo, porque ataca el momento en que el cliente ya ha declarado que quiere comprar. Pero exige base: script moderno, atributos limpios, precios coherentes y medición server-side.
En Kadevia trabajamos las tres vías: integramos Doofinder en tiendas de catálogo amplio —con la migración del script clásico al moderno, el puente de consentimiento y el registro de ventas en servidor—, analizamos si te encaja mejor Elasticsearch, Meilisearch o Algolia según catálogo, volumen y presupuesto, y programamos el buscador a medida cuando ninguna de las opciones cubre tus reglas de negocio. Si estás valorando el salto, en consultoría lo primero que miramos no es el buscador: es si tu catálogo está listo para que la IA tenga algo que entender.
