What Makes a Sale? Rethinking End-to-End Seller--Buyer Retail Dynamics with LLM Agents

Resumen Técnico: RetailSim

1. El Problema

El diseño y la evaluación de estrategias minoristas efectivas enfrentan dos desafíos fundamentales:

• Complejidad de las interacciones: Los entornos minoristas involucran múltiples partes con preferencias heterogéneas, lo que genera dinámicas de interacción impredecibles.
• Dependencias de múltiples etapas: El proceso de venta no es un evento aislado, sino un flujo que abarca desde la persuasión del vendedor, pasando por consultas previas a la compra, la decisión de compra, hasta el soporte post-compra y la generación de reseñas.
• Limitaciones de las simulaciones existentes: Los simuladores actuales se centran en componentes aislados (ej. solo negociación o solo soporte al cliente) y no modelan las dependencias cruzadas entre etapas. Esto impide evaluar cómo las decisiones tempranas (ej. el guion de ventas) afectan los resultados económicos finales (ingresos, tasas de reembolso). Además, carecen de consistencia con principios económicos reales (como la relación precio-demanda).

2. Metodología: RetailSim

Los autores proponen RetailSim, un marco de simulación de agentes múltiples de extremo a extremo (end-to-end) diseñado para modelar el proceso minorista completo en un entorno unificado.

• Estructura del Pipeline (5 Etapas):

  1. Persuasión del Vendedor: Generación de un guion de ventas basado en una estrategia estructurada (expansión de objetivos, propuesta de valor, urgencia contextual y manejo de objeciones).
  2. Interacción Pre-compra: Diálogo de varias vueltas donde el comprador formula consultas (especificaciones, precios, envío) y el vendedor responde.
  3. Decisión de Compra: El agente comprador decide si compra, la cantidad y el motivo, basándose en el contexto acumulado.
  4. Interacción Post-compra: Simulación de problemas reales (retrasos, artículos dañados, cambios de opinión) y su resolución (reembolso, intercambio, entrega).
  5. Generación de Reseñas: El comprador genera calificaciones y reseñas multidimensionales basadas en toda la trayectoria de la experiencia.

• Componentes Clave para la Fidelidad:

  • Espacio de Productos Diverso: Utiliza metadatos reales de Amazon (34 categorías agrupadas en 4: Comida, Moda, Hogar, Electrónica).
  • Agentes con Personalidades (Personas): Tanto vendedores como compradores tienen atributos demográficos (género) y rasgos conductuales inyectados mediante prompts:
    • Vendedor: Asertividad, Amabilidad, Racionalidad.
    • Comprador: Exigencia (Pickiness), Conciencia de precios, Racionalidad.
  • Escenarios de Interacción: Modela diálogos realistas condicionados a la historia acumulada de la simulación.

• Protocolo de Evaluación Dual:

  1. Evaluación de Fidelidad (Nivel de Etapa): Evaluación humana para verificar si los agentes siguen las instrucciones de la etapa y sus personalidades asignadas (escala Likert y comparación A/B).
  2. Evaluación Meta (Nivel de Sistema): Prueba si la simulación reproduce regularidades económicas del mundo real, como patrones demográficos de compra, la relación inversa entre precio y demanda, y la elasticidad del precio heterogénea.

3. Contribuciones Clave

1. Marco Unificado de Dependencias Cruzadas: RetailSim es el primer marco que modela explícitamente cómo las decisiones en etapas tempranas (estrategia de ventas) se propagan causalmente a resultados económicos finales, permitiendo un análisis de "extremo a extremo".
2. Entorno Controlado con Agentes Basados en Personalidades: Permite variar sistemáticamente rasgos conductuales (ej. sensibilidad al precio) para estudiar su impacto en la dinámica de interacción y los resultados.
3. Paradigma de Evaluación Económica: Introduce la "evaluación meta" basada en consistencia económica, yendo más allá de la fidelidad superficial del comportamiento para validar que el simulador obedece principios económicos fundamentales.
4. Caso de Uso como Testbed Científico: Demuestra la utilidad del marco para inferir personalidades latentes, analizar patrones de ingresos condicionados a la personalidad y evaluar estrategias de ventas antes del despliegue real.

4. Resultados

• Fidelidad del Simulador:
  • Se evaluaron 8 modelos LLM (Qwen, GPT, Gemini, DeepSeek).
  • Fidelidad de Tarea: Los modelos obtuvieron puntuaciones altas (>4/5) en guiones de ventas y reseñas. Los modelos más grandes o propietarios tuvieron mejor rendimiento en tareas de razonamiento complejo (decisiones de compra).
  • Fidelidad de Personalidad: Todos los modelos lograron una precisión superior al 95% en mantener los rasgos de personalidad asignados (ej. un agente "racional" actuó racionalmente).
• Consistencia Económica (Validación de Sistema):
  • Patrones Demográficos: El simulador reprodujo correctamente que los compradores masculinos prefieren productos orientados a hombres y viceversa.
  • Relación Precio-Demanda: Confirmó la ley económica básica: a medida que aumentó el precio (hasta un 10%), la tasa de compra disminuyó monótonamente (de 64.8% a 56.6%).
  • Elasticidad Heterogénea: Los compradores "sensibles al precio" mostraron una elasticidad significativamente mayor (2.58) que los "indiferentes" (0.76), replicando el comportamiento del mundo real.
• Aplicaciones Prácticas:
  • Inferencia de Personalidad Latente: Se logró clasificar los rasgos de los LLMs (como vendedores o compradores) con una precisión de 85.5% a 98.5% basándose únicamente en sus trazas de interacción.
  • Análisis de Ingresos: Se descubrió que la combinación de personalidades vendedor-comprador afecta los ingresos netos más que la capacidad del modelo individual. Por ejemplo, vendedores asertivos y amigables generaron más ventas, pero también tasas de reembolso más altas si no eran racionales.
  • Evaluación de Estrategias: La guía humana en la generación de guiones de ventas incrementó consistentemente los ingresos, validando que RetailSim puede usarse para probar estrategias antes de su implementación.

5. Significado e Impacto

El trabajo de RetailSim representa un avance significativo en la intersección de la IA generativa y la economía/comportamiento del consumidor:

• Validación de Agentes Económicos: Establece que los LLMs pueden simular no solo conversaciones realistas, sino también comportamientos económicos coherentes con principios teóricos, lo que los convierte en candidatos viables para ser agentes económicos en simulaciones.
• Herramienta de Toma de Decisiones: Ofrece un "banco de pruebas" controlado y de bajo costo para que las empresas prueben estrategias de ventas, políticas de devolución y configuraciones de personal sin los riesgos de un despliegue real.
• Superación de Limitaciones Anteriores: Cierra la brecha entre la simulación de interacciones aisladas y el análisis de sistemas complejos, proporcionando una metodología robusta para entender cómo la micro-interacción (diálogo) determina la macro-resultado (ingresos de la empresa).

En conclusión, RetailSim demuestra que es posible construir simulaciones de retail de alta fidelidad que respetan tanto la complejidad humana de las personalidades como la rigurosidad de las leyes económicas, abriendo nuevas vías para la investigación en marketing y la optimización de estrategias comerciales.