Métricas de try-on virtual: qué medir después del go-live

La mayoría de los proyectos de prueba virtual se evalúa por un único indicador: conversión. Es un atajo que esconde más de lo que revela. Sin un conjunto de métricas de try-on virtual bien definido antes del go-live, el equipo se queda con un gráfico que sube o baja y ninguna pista de por qué. Esta guía organiza qué medir en cada etapa — desde el descubrimiento de la herramienta hasta la recompra — y cómo instrumentarlo en cada modo de operación, por foto o en vivo en el navegador.

Por qué la prueba virtual no cabe en el embudo estándar

Un botón de try-on no es un botón de compra. Es una etapa intermedia, opcional, que el cliente usa para resolver una duda específica, normalmente de tono. Cuando el único número del reporte es la tasa de conversión de la página, tres cosas distintas quedan pegadas: cuántas personas descubrieron la herramienta, cuántas lograron usarla y cuántas cambiaron de decisión por ella.

Separar esas capas es lo que permite actuar. Si pocos la descubren, el problema es de ubicación del botón. Si muchos abren y pocos concluyen, el problema es técnico o de usabilidad. Si muchos concluyen y nada cambia en el carrito, el problema es la carta de tonos, o el recorrido después de la prueba.

Las métricas de try-on virtual en cuatro capas

1. Descubrimiento y activación

Empieza por lo básico: tasa de apertura del try-on (sesiones que abrieron la herramienta sobre sesiones en la página de producto) y tasa de conclusión (quienes abrieron y llegaron a ver un producto renderizado en su propio rostro). La diferencia entre las dos es donde vive la fricción: permiso de cámara denegado, foto rechazada, carga lenta, instrucción confusa.

Segmenta por dispositivo y por origen de tráfico. Desktop y mobile suelen comportarse de forma muy distinta, y el tráfico pagado de tope de embudo rara vez se involucra como el tráfico de búsqueda por nombre de producto.

2. Engagement dentro de la herramienta

Aquí están las señales más ricas y las más ignoradas. Vale la pena seguir:

• Número de tonos probados por sesión. Una sola prueba indica confirmación; cinco o seis indican exploración, y una exploración alta en una categoría es un pedido de ayuda para elegir.
• Tonos más probados versus tonos más vendidos. El desajuste señala colores que atraen en la carta y no convencen en el espejo, o al revés.
• Tiempo hasta la primera renderización y abandono a mitad de la sesión.
• Uso de combinaciones, cuando el cliente arma más de un producto en la misma sesión.

En el SDK en navegador, que cubre trece productos de maquillaje más el Full Look en modo en vivo por la cámara o en modo foto, esos eventos existen en el front-end y le corresponde al equipo decidir cuáles enviar a su propia analítica. En el modo por foto de la prueba virtual de maquillaje, la llamada es server-side, así que el registro de qué producto se renderizó ya está en tu log de aplicación.

3. Impacto comercial

Es la capa que el comité quiere ver, pero solo tiene sentido con un grupo de comparación. Compara a quienes usaron el try-on con quienes visitaron la misma página y no lo usaron, en el mismo período:

• tasa de agregado al carrito;
• tasa de conversión;
• ticket promedio e ítems por pedido;
• participación de SKU nuevos o de cola larga en el mix.

Dos salvedades honestas. Primera: quien abre la herramienta ya demostró una intención mayor que el promedio, así que parte de la diferencia es autoselección, no efecto causal. Segunda: los resultados varían con el catálogo, el tráfico y el canal de cada marca; los números publicados por otras empresas sirven como referencia de mercado, nunca como meta heredada. Si quieres aislar el efecto de verdad, corre un test A/B con la herramienta apagada para una porción del tráfico, por categoría, durante un período sin campaña.

4. Poscompra

La prueba virtual suele pagar la cuenta después del checkout. Sigue la tasa de devoluciones y cambios por tono entre quienes probaron y quienes no, el volumen de contactos en atención al cliente sobre color y la recompra del mismo SKU a 60 o 90 días. La recompra del mismo tono es la señal más limpia de que el cliente acertó.

Instrumentación: qué cambia entre foto y modo en vivo

Los dos formatos generan datos distintos, y eso tiene que estar claro en el plan de medición. La API por foto recibe la imagen, devuelve la renderización y deja rastro en el servidor: cada llamada es un evento confiable, fácil de cruzar con el pedido. El modo en vivo del SDK corre localmente en el navegador, sin subir la imagen, lo que es excelente para la privacidad y significa que la métrica nace de eventos de front-end que tú mismo disparas. La diferencia práctica entre los dos enfoques está detallada en try-on virtual por foto versus AR.

En cualquiera de los casos, usa un identificador de sesión consistente entre la herramienta, el carrito y el CRM. Sin esa clave, ninguna de las métricas de la tercera y la cuarta capa puede calcularse.

Tres errores frecuentes de lectura

1. Comparar períodos con campañas distintas. Black Friday contra una semana común no mide try-on, mide medios.
2. Mirar solo el promedio. Labial y base tienen comportamientos distintos; el promedio esconde la categoría que va mal.
3. Medir tarde. Si el evento de apertura no se instrumentó antes del lanzamiento, el primer mes se convierte en estimación.

Un plan mínimo de medición

Antes de salir al aire: define los eventos (abrió, renderizó, cambió de tono, agregó al carrito), la clave de sesión y el recorte de comparación. En las primeras semanas: mira apertura y conclusión, corrige la fricción. A partir del segundo mes: suma conversión, ticket y mix. En el trimestre: devoluciones y recompra. Quien quiera ver los formatos de respuesta y diseñar la instrumentación con calma encuentra todo en la documentación de la API.

¿Quieres armar ese panel con los datos de tu operación? Crea tu cuenta y tu clave de API o habla con el equipo de MaIA para diseñar el piloto.