Un recomendador de productos bien configurado es uno de esos elementos que trabajan solos y en silencio mientras el equipo está haciendo otras cosas. No necesita que nadie decida qué mostrar a cada visitante: lo calcula en tiempo real a partir de lo que ese contacto ha hecho en la tienda. Y en momentos de alto tráfico como Black Friday, cuando hay miles de visitantes con comportamientos distintos llegando al mismo tiempo, es donde más se nota la diferencia entre un catálogo estático igual para todos y una experiencia que se adapta a cada uno.
Esta guía explica qué es un recomendador de productos, cómo funciona, qué tipos de recomendación existen, cómo se implementa en Connectif y cómo aplicarlo en una campaña de Black Friday para subir el ticket medio y mejorar la conversión.
Qué es un recomendador de productos y cómo funciona
Un recomendador de productos es un sistema que selecciona y muestra automáticamente al visitante los productos que tienen más probabilidad de interesarle, basándose en su comportamiento en la tienda: lo que ha visitado, lo que ha añadido al carrito, lo que ha comprado anteriormente y cómo se comportan otros compradores con perfiles similares.
La diferencia entre un recomendador y una selección manual de productos destacados es el nivel de personalización. Un banner de «más vendidos» en la home es igual para todos. Un carrusel de recomendaciones que mezcla los últimos productos visitados por ese contacto con otros automáticamente relacionados es distinto para cada persona, aunque estén en la misma página al mismo tiempo.
Cómo funciona en la práctica:
El sistema registra continuamente la actividad del contacto: qué páginas visita, en qué fichas de producto pasa más tiempo, qué añade al carrito, qué compra. Con esos datos construye un perfil de comportamiento que usa para filtrar el catálogo y decidir qué productos tienen más relevancia para ese visitante en ese momento.
En la mayoría de plataformas de marketing automation, ese mecanismo se gestiona a través de algoritmos de relación automática de productos: el sistema aprende qué productos se visitan o se compran juntos y usa esas relaciones para alimentar las recomendaciones. El resultado es un carrusel, un bloque de email o una notificación push con productos que realmente conectan con lo que el contacto ha estado mirando, no una lista genérica del catálogo.
Lo más relevante para un ecommerce con tráfico anónimo significativo: algunos sistemas de recomendación solo personalizan para contactos conocidos, lo que deja fuera a la mayoría del tráfico. Un recomendador que funciona desde el primer clic, antes de que el visitante haya dejado ningún dato, puede mostrar contenido relevante también a quienes todavía no están en la base de datos, basándose en el comportamiento de esa sesión.
Tipos de recomendaciones: cross-selling, upselling y personalización con IA
Los tres conceptos se solapan en el día a día, pero responden a objetivos distintos:
Cross-selling: el producto que falta en el carrito
La recomendación de cross-selling muestra productos complementarios a lo que el contacto ya tiene en el carrito o acaba de comprar. La mecánica es sencilla: alguien compra una cámara y el sistema le sugiere una tarjeta de memoria, un trípode o una funda. No es una coincidencia: es el mecanismo de relación automática de productos detectando qué artículos se compran habitualmente juntos.
En ecommerce, el cross-selling se suele colocar en tres momentos: en la ficha de producto («también te puede interesar»), en el carrito antes del checkout («otros compradores añadieron») y en el email post-compra («completa tu pedido»). Los tres tienen tasas de conversión significativamente más altas que una comunicación genérica, porque el contexto ya está dado: el cliente acaba de expresar su intención de compra.
Upselling: la versión que realmente encaja
El upselling no añade productos al carrito, sino que propone una alternativa de mayor valor al producto que el contacto está mirando. Si alguien visita un modelo de básico de un producto, el sistema le muestra el modelo premium con las mejoras que lo distinguen. El objetivo es que el contacto reconozca el valor de la versión superior y cambie su decisión de compra antes de llegar al checkout.
El upselling funciona especialmente bien cuando la diferencia de precio entre ambas opciones es pequeña en relación con las prestaciones añadidas. Y cuando se hace sobre datos reales de comportamiento (qué rango de precio suele comprar ese contacto, qué categorías frecuenta), la conversión es mucho más alta que cuando se aplica de forma genérica a toda la audiencia.
Personalización con IA: más allá de las reglas fijas
Los sistemas más avanzados no usan reglas estáticas de «si compra X, mostrar Y». Aplican algoritmos que analizan múltiples señales a la vez: historial de visitas de ese contacto, comportamiento de compra de perfiles similares, estacionalidad del catálogo, disponibilidad de stock y valoraciones de productos. El resultado es una recomendación que cambia en función del momento y del contexto, no solo del perfil estático del contacto.
En Connectif, la relación automática de productos combina varios criterios en el nodo «Obtener productos»: últimos productos visitados, productos automáticamente relacionados al carrito, últimos comprados, más visitados en un periodo o más vendidos. Se pueden combinar casos de uso en un mismo nodo, de forma que si no hay suficientes productos del criterio principal, el sistema completa automáticamente con el criterio alternativo.
Dónde colocar cada tipo:
- Home: carrusel de últimos visitados + recomendados relacionados. Actúa como acceso directo y como descubrimiento de catálogo al mismo tiempo.
- Ficha de producto: productos de la misma categoría y marca, o los más visitados en ese segmento. Retiene al contacto indeciso y le muestra alternativas.
- Carrito: cross-selling de complementarios antes del checkout. El momento de mayor intención de compra.
- Email de carrito abandonado: los productos que dejó más los relacionados. El recordatorio tiene contexto real.
- Email post-compra: cross-selling basado en la última compra. Convierte la primera venta en el inicio de una relación recurrente.
- Push web: un producto relevante para traer de vuelta al visitante que se fue sin comprar.
Cómo implementarlo paso a paso con Connectif
El recomendador de productos en Connectif se construye alrededor del nodo «Obtener productos», que selecciona automáticamente qué artículos mostrar a cada contacto según el criterio que definas. No requiere desarrolladores ni integración técnica adicional: se configura desde el editor de workflows.
Paso 1: Define qué productos quieres recomendar
El nodo «Obtener productos» ofrece dos familias de criterios:
Criterios globales (iguales para todos):
- Más visitados en un periodo
- Más vendidos en un periodo
Criterios personalizados por contacto:
- Automáticamente relacionados a su actividad
- Últimos productos visitados
- Últimos productos añadidos al carrito y no comprados
- Últimos productos comprados
- Relacionados automáticamente a una lista de productos o a un carrito concreto
Lo habitual es combinar un criterio principal con uno alternativo: «muéstrame los últimos productos visitados por este contacto; si son menos de 6, completa con automáticamente relacionados a sus últimas visitas». Así el carrusel siempre se llena con contenido relevante aunque el contacto tenga poco historial.
Para el detalle técnico de configuración, en el Centro de ayuda está el artículo sobre el nodo Obtener productos con todos los parámetros disponibles.
Paso 2: Elige el canal y el formato
Las recomendaciones pueden aparecer en tres formatos:
- Inline en la web: un carrusel o banner que se inserta en una sección de la página (home, ficha de producto, página de carrito) sin modificar el código de la tienda. Se configura mediante selector CSS. El artículo del Centro de ayuda sobre el recomendador en ficha de producto detalla la configuración.
- Bloque de productos en email: los productos seleccionados por el nodo «Obtener productos» se insertan dinámicamente en el email, con imagen, nombre, precio y enlace. Cada destinatario recibe los productos calculados para él, no una lista fija.
- Notificación push: una push con el producto más relevante para ese contacto, enlazada directamente a la ficha de producto.
Paso 3: Configura el workflow
El recomendador se activa dentro de un workflow con tres elementos básicos: el disparador (el evento que activa el flujo, como «visita un producto» o «abandona el carrito»), el nodo «Obtener productos» con el criterio elegido, y la acción de envío (inline web, email o push).
Connectif ya tiene estrategias de recomendación listas en el directorio de plantillas: recomendador en home, recomendador en ficha de producto, cross-selling post-compra y recuperación de carrito con recomendación. Se accede desde Workflows > Crear nuevo workflow > Crear desde plantilla.
Paso 4: Excluye lo que ya se compró
Una configuración importante que suele pasarse por alto: el nodo «Obtener productos» permite excluir los productos que el contacto ya tiene comprados. Sin esa configuración, el email post-compra puede recomendar el mismo artículo que acaba de adquirir.
Cómo aplicarlo en campañas de Black Friday
El recomendador de productos tiene un impacto especialmente alto en Black Friday por dos razones: el volumen de tráfico es mayor, así que hay más datos de comportamiento por contacto, y la intención de compra es más alta, así que la recomendación correcta en el momento correcto convierte mucho más que en un día normal.
Antes de Black Friday: recupera el interés de quien ya visitó
Las semanas previas a la campaña son el momento en que muchos contactos exploran el catálogo sin comprar todavía, esperando la oferta. Esos datos de navegación son oro para el recomendador: cuando llegue el 27 de noviembre y se active la campaña de email de acceso anticipado o la de apertura general, el bloque de productos recomendados en ese email puede basarse exactamente en lo que ese contacto ha estado mirando en las últimas dos o tres semanas.
El resultado práctico: el email de Black Friday no llega con los mismos cuatro productos para toda la lista. Llega con los productos que ese contacto ya ha estado visitando, más los relacionados, con el descuento de la campaña ya aplicado.
Durante la campaña: tres momentos críticos
En la home y en las categorías. Un carrusel en la home con los últimos productos visitados por ese contacto actúa como acceso directo justo cuando el tráfico es más alto. Para los visitantes nuevos (sin historial en esa sesión), el carrusel puede mostrar los más vendidos de la semana o los más visitados del día de campaña.
En la ficha de producto. Un visitante que llega a una ficha y la abandona sin añadir al carrito está comparando. El recomendador en la misma página, con productos similares de la misma categoría y rango de precio, puede retenerle antes de que vaya a buscar alternativas en otro sitio. Y el bloque de cross-selling en la ficha, con accesorios o complementarios, sube el ticket medio de los que sí añaden.
En el carrito antes del checkout. El momento de mayor intención de compra de todo el Black Friday. Un bloque de cross-selling en la página de carrito, con los complementarios de lo que ya está a punto de pagar, tiene las tasas de conversión más altas de cualquier placement del recomendador. El contacto ya ha decidido comprar: añadir algo más es el paso de menor fricción posible.
Recuperación de carrito abandonado con recomendación. El email de recuperación de carrito en Black Friday no debería mostrar solo los productos que se dejaron: debería mostrar esos productos más los relacionados, reforzando el argumento con lo que le puede faltar para completar el look, el kit o la experiencia. El nodo «Obtener productos» con criterio «últimos añadidos al carrito + automáticamente relacionados» lo hace automáticamente para cada contacto. (Para el workflow completo de recuperación, lo desarrollamos en el artículo sobre retargeting para Black Friday.)
Después de Black Friday: el cross-selling que construye recurrencia
El email post-compra de Black Friday es el primer punto de contacto con el comprador nuevo. Si ese email llega con un bloque de productos relevantes basados en lo que acaba de comprar, en lugar de una comunicación genérica de agradecimiento, hace dos cosas a la vez: refuerza la decisión de compra y pone sobre la mesa la siguiente. Es el inicio de un ciclo de recomendaciones que, bien alimentado, convierte al comprador de una sola vez en un cliente recurrente. Lo cubrimos con más detalle en el artículo sobre fidelización post-Black Friday.
Otros artículos de interés:
- Guía Black Friday 2026
- 22 ideas de segmentación para el Black Friday
- La plataforma de marketing automation para tu Black Friday
- Emails en Black Friday: buenas prácticas
Ejemplos reales de recomendadores en ecommerce
Gioseppo — calzado y accesorios, España e internacional (80 países, 10.000 puntos de venta)
Gioseppo llegó a una conclusión que resume bien el argumento central de este artículo: cuanto más personalizadas son las recomendaciones de producto que le llegan al cliente en todos los canales, mayor es la interacción y mejores las tasas de conversión. Lo que podría sonar obvio es, en práctica, lo que la mayoría de los ecommerce no hace: el contenido web de Gioseppo no es igual para todos los visitantes. Cada usuario ve los productos y las ofertas que le interesan según su historial de navegación y su perfil de valor. Y cuando ese visitante sale de la web, una push con productos recomendados y ofertas exclusivas le alcanza antes de que el momento se enfríe. Con el segmento «Campeones» (contactos con al menos cinco compras en el último año), Gioseppo automatizó el envío semanal de una notificación push con recomendaciones personalizadas. El acumulado de esa estrategia: el 33% del total de ventas online atribuido a Connectif, tasas de apertura de email cercanas al 60% en campañas segmentadas y un incremento del 8% en el CLV en España.
Farmaciasdirect — farmacia online, España y Portugal (480.000+ clientes, 20.000+ referencias de 600 marcas)
En el artículo hablamos de dónde colocar el recomendador: home, ficha de producto, carrito, email. Farmaciasdirect añade una variante que se suele ignorar: la landing page como destino personalizado. Con un catálogo de 600 marcas, su problema no era el volumen de productos sino decidir cuáles mostrar a quién. La solución fue crear páginas específicas por marca y categoría donde los productos se seleccionaban automáticamente según el historial de compra y el comportamiento de navegación de cada contacto, con un enfoque de cross-selling: quien ha comprado productos para bebé llega a la landing de la categoría «Bebé y Mamá»; quien ha visitado artículos de sueño y descanso, a la suya. Esas landings se usaban como destino de newsletters segmentadas, de campañas en redes sociales y de anuncios. Cada contacto aterrizaba donde tenía más probabilidad de convertir, no en la misma home genérica. El resultado: +15% de tasa de conversión y 3x de CTOR en las campañas de email segmentadas frente a los envíos masivos anteriores.
Xiaomi Store — distribuidora oficial Xiaomi en Centroamérica (8 países, 45 tiendas, +200 empleados)
Si el artículo explica que el recomendador actúa de forma distinta según el momento del journey, Xiaomi Store es el caso que lo demuestra con números. Tres capas, tres objetivos, tres resultados. Cuando el visitante llega a la web y está explorando sin rumbo fijo, le aparecen popups y contenido fullscreen con productos afines a sus búsquedas e intereses de esa sesión. Resultado: +7,5% de CTR, visitantes indecisos que pasan de curiosidad a clic. Cuando ese visitante ha añadido artículos al carrito pero no termina la compra, la vitrina inline le muestra productos relacionados con lo que ya tiene dentro, reforzando la decisión justo antes de que la abandone. Resultado: +12,2% en la tasa de conversión. Y cuando el historial de navegación indica que ese usuario tiene propensión a gastar más en esa categoría, el carrusel de upselling le presenta la versión superior del producto que está mirando. Resultado: +30% de ticket medio. El impacto de las tres capas combinadas: el 40% de las ventas totales de Xiaomi Store atribuidas a Connectif.
Si quieres ver cómo funcionaría el recomendador de productos en tu catálogo y cómo integrarlo en tus flujos de Black Friday, pide una demo y lo configuramos juntos.
Preguntas frecuentes sobre recomendadores de productos
¿Qué es un recomendador de productos en ecommerce?
Es un sistema que selecciona y muestra automáticamente a cada visitante los productos con más probabilidad de interesarle, basándose en su comportamiento en la tienda: páginas visitadas, artículos añadidos al carrito, compras anteriores y comportamiento de usuarios similares. A diferencia de una selección manual de destacados, el recomendador personaliza el contenido para cada persona en tiempo real.
¿Cuál es la diferencia entre cross-selling y upselling?
El cross-selling muestra productos complementarios a lo que el contacto ya tiene en el carrito o acaba de comprar: accesorios, productos que van juntos, artículos que otros compradores añadieron. El upselling sugiere una versión de mayor valor del producto que el contacto está mirando: un modelo más avanzado, un plan más completo, una variante premium. Los dos aumentan el ticket medio, pero actúan en momentos y con mecánicas distintas.
¿El recomendador funciona también con visitantes anónimos?
Depende de la plataforma. Los sistemas que solo personalizan para contactos identificados dejan fuera a la mayoría del tráfico (alrededor del 80% de los visitantes de un ecommerce son anónimos). Los que como Connectif registran el comportamiento desde el primer clic, antes de que el visitante haya dejado ningún dato, pueden mostrar recomendaciones basadas en la sesión actual: qué ha visitado en los últimos minutos, qué categorías ha explorado.
¿En qué páginas conviene colocar el recomendador?
Los placements con mayor impacto son: la home (últimos visitados + relacionados), la ficha de producto (similares de la misma categoría + complementarios), la página de carrito (cross-selling justo antes del checkout) y los emails de carrito abandonado y post-compra. En Black Friday, el bloque de recomendaciones en el email de la campaña también tiene una conversión significativamente más alta que una selección fija de productos.
