La IA (arquitectura de información) es el “motor silencioso” de la conversión
Cuando la gente no encuentra, no compra. Una buena arquitectura de información en ecommerce reduce fricción en tres zonas críticas: navegación por categorías, filtrado y búsqueda. Si esas piezas están alineadas con cómo el usuario piensa (y con cómo está catalogado tu inventario), aumentan el descubrimiento de productos, el ticket promedio y la repetición.
1) Categorías que escalan (sin volverse un laberinto)
Tu árbol de categorías debe ser estable (no cambia por temporada), predecible (los nombres se entienden sin contexto) y finitamente profundo. Como regla práctica: evita más de 3 niveles visibles para el usuario (Categoría → Subcategoría → Tipo) y mueve lo “variable” a filtros.
- Piensa en intención, no en organigrama interno: “Zapatillas running” suele ser mejor que “Calzado deportivo (línea 2024)”.
- Una sola idea por nodo: si una categoría mezcla criterios (p.ej. “Ofertas y Novedades”), se vuelve difícil de filtrar y medir.
- Nombres en singular vs plural: elige una convención y aplícala en todo el sitio para reducir ambigüedad.
Checklist rápido: ¿Un usuario nuevo podría adivinar dónde está un producto sin usar la búsqueda? Si la respuesta es “no”, el árbol necesita ajustes.
2) Filtros: el puente entre catálogo y decisión
Los filtros convierten cuando reflejan los atributos reales de decisión. No basta con “Color” y “Talla”: en muchas tiendas el factor decisivo es “Uso”, “Compatibilidad”, “Potencia”, “Material”, “Ancho”, “Envío hoy”, etc. El trabajo es priorizar, ordenar y evitar combinaciones imposibles.
Qué filtros deben existir (y en qué orden)
- Disponibilidad y entrega (stock, envío 24/48h, retiro en tienda).
- Precio (rango con límites sensatos por categoría).
- Marcas / compatibilidad (cuando el usuario ya llega con una preferencia).
- Atributos específicos (lo que realmente diferencia: tamaño, material, capacidad, etc.).
| Atributo | Tipo de filtro | Cuándo usarlo |
|---|---|---|
| Precio | Rango | Siempre; es transversal y reduce exploración. |
| Marca | Multiselección | Cuando hay preferencia fuerte o reputación. |
| Talla/medidas | Multiselección o rango | En moda y hardware; evita resultados “vacíos”. |
| Compatibilidad | Selector guiado | Accesorios, repuestos, electrónica por modelo. |
Antipatrones comunes
- Filtros “ruidosos”: demasiadas opciones con baja cobertura (pocas SKUs por valor).
- Facetas inconsistentes: “Azul marino” y “Navy” como valores distintos.
- Callejones sin salida: combinaciones que devuelven cero resultados sin aviso.
3) Búsqueda: no es un cuadro de texto, es un sistema
En ecommerce, la búsqueda suele traer usuarios con intención alta. Para que convierta, debe resolver: sinónimos, tolerancia a errores, priorización (ranking) y presentación (autocompletado y resultados útiles).
Recomendación práctica: construye un diccionario de sinónimos por categoría (p.ej. “zapatillas”↔“tenis”, “polera”↔“sudadera”) y úsalo tanto en búsqueda como en navegación y SEO.
Qué medir para mejorar (sin adivinar)
- Search exit rate: salidas tras buscar (señal de relevancia baja o cero resultados).
- Clic en filtros vs conversión: filtros usados que correlacionan con compra (priorízalos arriba).
- Zero results: términos sin resultados; alimentan sinónimos y categorías nuevas.
4) Cómo diseñar la IA desde el catálogo (y no al revés)
La mejor IA nace de un modelo de datos coherente: categorías estables, atributos normalizados y reglas claras para variantes. Si tu catálogo no distingue bien entre “tipo de producto”, “variante” y “atributo”, terminarás con filtros incoherentes y URLs imposibles de mantener.
Producto: Zapatilla Running X
Variantes: talla (38-45), color (negro/azul)
Atributos faceteables: drop, peso, tipo de pisada
Atributos descriptivos: tecnología de suela, origen5) Estructura recomendada (lista para crecer)
Si estás rediseñando tu tienda, esta estructura suele funcionar bien:
- Categorías orientadas a intención (qué busca el usuario).
- Filtros orientados a decisión (cómo elige).
- Búsqueda orientada a recuperación (cómo escribe).
- SEO como consecuencia: landing pages por combinaciones con demanda real (no por todas).
¿Quieres seguir profundizando? Revisa también checkout optimizado y la comparativa de stacks. Si necesitas ayuda para estructurar tu catálogo, vuelve a Inicio → Contacto.