Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement
Este artículo presenta un marco de trabajo implementado en producción que integra sistemas de búsqueda y CRM mediante Agentes de Investigación de Productos impulsados por IA para identificar usuarios con intención exploratoria y entregar recomendaciones de productos personalizadas y fundamentadas a través de WhatsApp, lo que resulta en mejoras significativas en las tasas de clics, el compromiso y los ingresos derivados.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En el vasto paisaje digital de las compras modernas, una fricción silenciosa suele pasar desapercibida. Cuando un cliente escribe una pregunta vaga y exploratoria como "mejor smartphone para jugar" en una barra de búsqueda, el sistema suele responder con una lista estática de productos clasificados por ventas o palabras clave. Este enfoque funciona bien para solicitudes específicas, como encontrar un modelo particular, pero tiene dificultades con las necesidades subjetivas donde el usuario busca orientación, comparación y confianza. En consecuencia, muchos compradores abandonan la aplicación para consultar reseñas externas, canales de video o foros antes de regresar para comprar. Este trayecto es fragmentado, rompiendo la conexión entre la plataforma y el usuario. Para cerrar esta brecha, los investigadores se están volviendo cada vez más hacia sistemas de inteligencia artificial que pueden razonar, buscar y sintetizar información de manera muy similar a como lo haría un experto humano. Estos sistemas, a menudo llamados agentes, no solo recuperan datos; comprenden la intención, recopilan evidencia de múltiples fuentes y construyen una respuesta coherente. La pregunta que impulsa este nuevo trabajo es si tal sistema inteligente puede desplegarse a una escala masiva no solo para responder estas preguntas complejas, sino también para contactar proactivamente a los clientes que se han alejado, guiándolos de regreso con consejos personalizados y confiables.
Un equipo de investigadores en Flipkart, un importante minorista en la India, ha construido y probado exactamente tal sistema. Crearon un marco que conecta el motor de búsqueda, donde los usuarios hacen preguntas, con las herramientas de gestión de relaciones con el cliente que envían mensajes a los usuarios. Su objetivo era identificar a compradores que mostraban signos de confusión o indecisión —aquellos que buscaban términos subjetivos pero no hicieron clic en ningún resultado— y luego reengancharlos con una recomendación útil generada por IA enviada directamente a su aplicación de mensajería WhatsApp. El sistema que construyeron no es un único programa, sino un equipo coordinado de trabajadores digitales especializados, o agentes, cada uno con un trabajo específico. Un agente escucha la pregunta del usuario y descubre qué es lo que realmente necesita, como un límite de presupuesto o una preferencia por una marca específica. Otro agente sale al internet abierto para encontrar reseñas de expertos, artículos de comparación y discusiones de la comunidad para identificar los mejores candidatos. Un tercer agente verifica estos candidatos contra la propia base de datos interna del minorista para asegurar que los artículos estén realmente en stock, disponibles para entrega en la ubicación del usuario y con el precio correcto con cualquier descuento aplicable. Finalmente, un cuarto agente actúa como un editor estricto, verificando todos los hechos, fechas y especificaciones para asegurar que el consejo sea preciso y esté libre de errores antes de que se le muestre a una persona.
Todo este proceso está diseñado para ser eficiente y escalable. En lugar de intentar ejecutar esta compleja investigación para cada consulta de búsqueda, el sistema primero filtra los datos para encontrar solo las oportunidades más prometedoras. Busca patrones específicos, como usuarios con alto poder adquisitivo que no hicieron clic en ningún resultado de búsqueda, y enfoca sus esfuerzos en esos casos. Una vez identificado un usuario de alto potencial, el equipo de agentes trabaja de forma asíncrona para construir una recomendación. El resultado es un mensaje conciso y personalizado enviado vía WhatsApp, que contiene algunas sugerencias de productos, sus precios y una explicación clara de por qué fueron elegidos. Los investigadores probaron este sistema en un entorno real durante un periodo de veintitrés días. Durante este tiempo, el sistema envió aproximadamente quince mil mensajes a diferentes usuarios, enfocándose principalmente en teléfonos móviles. Los resultados fueron sorprendentes. Los mensajes generaron una tasa de clics casi tres veces mayor que las campañas anteriores que utilizaban métodos de recomendación tradicionales. Aún más revelador fue el comportamiento de los usuarios que recibieron los mensajes; en muchos días, el número de personas que hicieron clic en los enlaces fue mayor que el número de mensajes enviados. Esto indicó que los usuarios no solo estaban leyendo los mensajes, sino que los compartían activamente con amigos y familiares, quienes luego hacían clic en los enlaces, convirtiendo efectivamente a los clientes en una red de distribución secundaria.
El éxito de la campaña no se limitó a los clics; se tradujo en actividad económica real. Los investigadores rastrearon a los usuarios que recibieron los mensajes y descubrieron que un número significativo de ellos procedió a comprar los productos recomendados, generando ingresos sustanciales para la empresa. Para asegurar que el sistema fuera confiable, el equipo realizó una revisión manual rigurosa de miles de las recomendaciones que produjo. Verificaron las especificaciones técnicas y las fechas de lanzamiento de los teléfonos contra datos del mundo real. El sistema demostró ser notablemente preciso, con más del noventa y nueve por ciento de las especificaciones y fechas de lanzamiento siendo correctas. Este alto nivel de exactitud factual se debió en gran medida al agente de "revisión" final, que actuó como una red de seguridad para capturar cualquier inconsistencia o error antes de que el mensaje fuera enviado. Los investigadores también compararon dos formas diferentes de organizar el equipo de agentes. Encontraron que una estructura donde un gerente central coordina a los trabajadores era muy superior a una estructura donde los trabajadores simplemente pasan tareas en línea sin supervisión. El enfoque centralizado redujo significamente los errores y aseguró que el sistema siguiera todas las reglas necesarias, como incluir fechas de lanzamiento solo cuando el usuario preguntaba por los modelos más "recientes".
Este trabajo demuestra que la inteligencia artificial puede ir más allá de la simple automatización para convertirse en un socio proactivo en el viaje del cliente. Al combinar la capacidad de buscar en la web abierta con la precisión de los datos internos de un minorista, y al envolverlo todo en un canal de comunicación confiable, el sistema logró reenganchar con éxito a los usuarios que previamente se habían desvinculado. El estudio muestra que cuando la IA se utiliza para proporcionar consejos fundamentados, explicables y verificados, puede restaurar la conexión entre un comprador y una plataforma. Los hallazgos sugieren que el futuro del comercio electrónico no se trata solo de mostrar más productos, sino de proporcionar una guía mejor e más inteligente que respete la necesidad de contexto y confianza del usuario. Los investigadores han demostrado que tal sistema puede construirse, desplegarse y escalarse para manejar las complejidades de un mercado del mundo real, transformando una experiencia de compra fragmentada en un viaje cohesivo y productivo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.