recomendación de productos por perfil de belleza para artículos agotados
Recomendación de productos por perfil de belleza para artículos agotados: el sustituto correcto en lugar del "avísame"
Cuando se acaba el tono favorito, la tienda suele ofrecer un botón de aviso. Mira cómo usar recomendación de productos por perfil de belleza para sugerir un sustituto coherente con la piel, el subtono y el cabello de la clienta.
La rotura de stock en belleza tiene un agravante: no basta con tener otro artículo de la misma categoría, tiene que servir en esa piel. Por eso la recomendación de productos por perfil de belleza para artículos agotados es una de las aplicaciones más directas de un perfil estructurado: en lugar de empujar a la clienta hacia un botón de "avísame cuando llegue", la tienda ofrece el SKU disponible más cercano a lo que buscaba — y explica por qué.
Qué pasa hoy cuando se acaba el tono
En la mayoría de las tiendas de belleza, la página de un tono agotado hace tres cosas: desactiva el botón de compra, abre un campo de e-mail y, a veces, muestra un carrusel de "productos relacionados" armado por popularidad o por categoría. Ninguna de las tres entiende que el problema de la clienta no es "labial", es "ese rojo con subtono frío que me queda bien".
El resultado es previsible. Parte del tráfico abandona la sesión. Parte se registra y vuelve semanas después, si es que vuelve. Y otra parte compra a ciegas un tono vecino, lo que suele terminar en cambio o devolución — exactamente el costo que la operación intenta evitar.
El sustituto correcto es un problema de atributos
Un buen sustituto rara vez es "el siguiente de la escala de numeración". Es el producto cuyos atributos descriptivos más se aproximan: rango de tono, subtono, acabado, cobertura, textura. Cuando la tienda solo tiene nombre comercial y código de color en el catálogo, no hay manera de calcular esa cercanía. Cuando tiene atributos, la sustitución deja de ser una corazonada y se vuelve una regla.
Recomendación de productos por perfil de belleza para artículos agotados en la práctica
La lógica es simple de describir y exige disciplina de datos. En lugar de vincular SKU agotado con SKU alternativo en una tabla manual, vinculas a la clienta con un perfil y el perfil con el catálogo disponible.
Paso 1: capturar el perfil
MaIA Scan recibe una selfie vía API y devuelve un JSON con atributos visibles: tono y subtono de piel, tipo y condición de la piel, características del cabello y un grado de confianza por campo. Son atributos observables en la foto — una lectura descriptiva, no una evaluación médica, y que no reemplaza a un profesional.
En la página de un artículo agotado, esa invitación tiene un motivo claro para la clienta: "este tono se agotó; mándanos una selfie y encontramos el más parecido disponible". Es un intercambio de valor mucho más concreto que un formulario de aviso.
Paso 2: describir el catálogo con los mismos atributos
El perfil solo es útil si el catálogo habla el mismo idioma. Eso significa enriquecer los SKUs con rango de tono, subtono, acabado y cobertura — y mantener ese enriquecimiento actualizado en cada colección. Es el trabajo menos glamoroso del proyecto y el que define la calidad de todas las recomendaciones, no solo las de rotura de stock.
Paso 3: filtrar por disponibilidad antes de ordenar
La regla de oro de la sustitución es invertir el orden habitual: primero filtra lo que está en stock en el centro de distribución que atiende ese código postal, después ordena por cercanía de atributos al artículo agotado y al perfil. Recomendar con precisión un producto que también va a faltar es peor que no recomendar.
Paso 4: explicar la elección
"Este tono tiene el mismo subtono cálido y una cobertura un poco más ligera" convierte mejor que "también te puede gustar". La frase de justificación puede generarse a partir de los propios campos del perfil y de los atributos del SKU, sin texto manual por producto.
Dejar que la clienta vea antes de cambiar
La sustitución implica riesgo percibido: la persona quería un artículo específico y se la está invitando a aceptar otro. Una vista previa reduce esa fricción. Con la prueba virtual de maquillaje, la API renderiza labial o base sobre la foto enviada, con paletas calibradas según los productos reales de la marca en el proyecto. El SDK en el navegador, en early access, cubre trece productos y el Full Look en modo en vivo por la cámara o modo foto, con renderizado local en el equipo de la clienta.
En la práctica, la secuencia queda así: tono agotado → perfil → dos o tres sustitutos disponibles → vista previa del sustituto preferido → carrito. Cada etapa responde a una objeción distinta.
Dónde se repite la misma lógica
Fuera de la página de producto
La rotura de stock no ocurre solo en la PDP. Aparece en el carrito abandonado por falta de inventario, en la búsqueda interna que devuelve resultados no disponibles y en el flujo de recompra, cuando la clienta vuelve a reponer el artículo que usa siempre y ya no está en el catálogo. En todos esos puntos, el perfil ya capturado permite responder con un sustituto en vez de un vacío.
En la atención y en WhatsApp
Cuando el canal es la conversación, la asesora de belleza virtual hace ese trabajo dentro del diálogo: lee el perfil, consulta el catálogo de la marca y propone la alternativa disponible, con la justificación en lenguaje natural. Es un proyecto conducido con el equipo de B4A, integrado al catálogo y a las reglas de stock de la marca.
En la descontinuación definitiva
El caso más sensible es el artículo que no vuelve. Ahí la sustitución por atributos deja de ser un parche temporal y se vuelve la única respuesta posible — y una oportunidad de migrar la base de clientas de un tono retirado al sucesor correcto, en lugar de perderla con la competencia.
Qué medir
Sigue la tasa de clic en los sustitutos sugeridos en páginas sin stock, la conversión de esas sesiones comparada con el flujo de "avísame", la tasa de devolución de los pedidos originados en una sustitución y el porcentaje de perfiles capturados en la PDP de artículo agotado. Los resultados varían según el catálogo, el tráfico y el canal de cada marca — trata los primeros meses como calibración, no como veredicto.
¿Quieres probar la sustitución por atributos en tu catálogo? Crea tu cuenta y tu clave de API en la documentación de MaIA o habla con el equipo para diseñar el flujo junto a nosotros.
Preguntas frecuentes
¿Por qué no basta con recomendar el tono vecino de la escala de colores?
Porque la cercanía numérica de un código de color no siempre corresponde a la cercanía visual en la piel de la clienta. Comparar atributos como rango de tono, subtono, cobertura y acabado produce sustitutos más coherentes que seguir el orden de la carta de colores.
¿Qué devuelve la API de MaIA Scan para alimentar esa recomendación?
Un JSON con atributos visibles en la foto: tono y subtono de piel, tipo y condición de la piel, características del cabello y un grado de confianza por campo. Es una lectura descriptiva de la imagen, no una evaluación médica, y no reemplaza a un profesional.
¿Necesito enriquecer todo el catálogo antes de empezar?
No. Puedes empezar por las categorías con más rotura de stock y mayor sensibilidad de tono, normalmente base y labial, y expandir después. El enriquecimiento de atributos es lo que determina la calidad de las sugerencias.
¿La clienta puede ver el sustituto antes de comprar?
Sí. La API de MaIA Try-On renderiza labial y base sobre la foto enviada, con paletas calibradas según los productos reales de la marca. El SDK en el navegador, en early access, cubre trece productos y el Full Look en modo en vivo por la cámara o en modo foto.
¿Esta lógica sirve para productos descontinuados?
Sirve, y es uno de sus mejores usos. Cuando un tono sale de línea en definitiva, la sustitución por atributos permite migrar la base que compraba ese artículo al sucesor más cercano disponible.