Si querés activar búsqueda personalizada en Shopify, primero tenés que validar cuatro cosas: catálogo limpio, reglas de búsqueda ordenadas, medición lista y responsables definidos. Si una de esas partes falla, lo más común es ver más búsquedas sin resultados, filtros que confunden y una baja en conversión.
Yo resumiría el punto así: no arranco por la personalización; arranco por la base. Antes de mover ranking, sinónimos o boosts, necesito revisar si el catálogo habla como busca la gente en Argentina, si los atributos sirven para filtrar, si el tracking me deja comparar el antes y el después, y si tengo entre 4 y 6 semanas de línea de base. Después, recién ahí, pruebo cambios chicos, con métricas y reglas de vuelta atrás ya definidas.
Puntos a chequear, de forma simple:
También me fijaría en señales concretas. Por ejemplo: tasa de cero resultados, CTR de búsqueda, agregado al carrito desde búsqueda, conversión después de búsqueda e ingresos por sesión de búsqueda. Una mejora sana suele verse como un alza del 10 % al 15 % en ingresos por sesión de búsqueda durante 2 a 4 semanas, sin empeorar el abandono tras filtrar.
En pocas palabras, este checklist sirve para responder una sola pregunta: ¿tu tienda está lista para personalizar la búsqueda sin romper la experiencia de compra?
Checklist de Búsqueda Personalizada para Shopify: 4 Pilares Antes de Activar
Antes de meter cualquier lógica de personalización, el catálogo tiene que pararse solo. Si los datos de base están mal, la búsqueda no los arregla: los multiplica.
El primer control es simple: cada producto activo tiene que estar asignado al canal Online Store. Y los productos en borrador, archivados o discontinuados no deberían aparecer en resultados. Después de importaciones masivas o migraciones, suele pasar lo mismo: quedan productos duplicados, huérfanos o artículos sin stock que terminan ensuciando la búsqueda.
Las variantes piden un cuidado aparte. Modelar talle, color o presentación como opciones de variante dentro de un mismo producto - en vez de crear productos separados - ayuda a que la búsqueda no devuelva decenas de resultados casi iguales. Eso confunde al comprador y, de paso, debilita las señales de personalización.
Si el negocio vende combos o packs, como "combo mate + yerba", conviene definir desde el arranque cómo van a mostrarse: como una sola entrada o por partes. Lo importante es que esa lógica quede configurada de forma pareja en todo el catálogo.
Los títulos son la primera capa de datos para la búsqueda en Shopify. Un buen título mezcla marca, descriptor principal y atributos clave en el mismo orden en que suele buscar el comprador. Por ejemplo, "Crema hidratante facial – piel seca – 50 ml" o "Zapatillas running Nike Air Zoom – hombre" funcionan mucho mejor que "Producto HID-003 – Pack individual".
Las etiquetas y los metafields suman otra capa, pero más ordenada. Ahí entran atributos como tipo de piel, rutina (día/noche), compatibilidad con modelos de celular o uso, como running o casual. Para que sirvan de verdad como filtros y reglas de ranking, esos datos tienen que aplicarse con valores controlados y parejos en todos los productos que correspondan, no en una parte sí y en otra no.
Un ejemplo claro: si el metafield de "tipo de piel" usa valores como "seca", "Piel Seca", "dry" y "sensible/seca", el filtro nace roto. En vez de ordenar, fragmenta.
Un filtro con un solo valor visible no suma nada al UX, así que conviene ocultarlo. Lo mismo pasa con atributos que apenas cubren una parte chica del catálogo. Si no ayudan al comprador a decidir, es mejor completarlos antes de mostrarlos o dejarlos ocultos hasta que tengan consistencia suficiente.
Los valores también tienen que estar normalizados. Nada de mezclar idiomas, códigos internos como clr-nvy-01 o duplicados por mayúsculas y tildes. Y el orden importa: primero lo que más le sirve al comprador, como talles más buscados o colores más vendidos.
| Atributo | Problema frecuente | Corrección |
|---|---|---|
| Color | "black", "Negro", "NEGRO" como valores distintos | Unificar en "negro", "blanco", "azul marino" |
| Talle | "T-M", "Talle M", "M" mezclados | Estandarizar en "XS, S, M, L, XL" |
| Tamaño/volumen | "50ml", "50 ML", "0.05 L" | Usar "50 ml" y, cuando corresponda, "0,5 L" con separador decimal coma |
| Material | Campo vacío en gran parte del catálogo | Completar o no exponer como filtro |
Atributos como categoría, marca, material, compatibilidad y tipo de rutina conviene definirlos como listas cerradas de valores admitidos. Después, aplicarlos vía metafields con el tipo de dato correcto que Shopify reconoce para filtros y publicarlos al storefront. Recién en ese punto pasan a ser una base útil para la personalización.
Con el catálogo ya prolijo, ahora toca mirar cómo la búsqueda lee toda esa información.
En Shopify, los sinónimos se cargan a mano desde la app Search & Discovery. Si alguien busca "remera" y en el catálogo figura "t-shirt", hace falta crear ese sinónimo de forma explícita. Pasa lo mismo con "celu/celular" o "notebook/laptop".
Ahora bien, no todos los sinónimos cumplen el mismo rol. Los equivalentes (bidireccionales) y los unidireccionales se usan para casos distintos. Si "sofá" y "couch" son términos que de verdad se pueden cambiar uno por otro, un sinónimo bidireccional funciona bien. Pero si "ofertas" tiene que llevar a una colección puntual de descuentos, conviene un sinónimo unidireccional para no ensanchar de más una búsqueda genérica. Shopify deja configurar hasta 20 sinónimos por grupo y hasta 1.000 sinónimos por tienda. Por eso, conviene poner primero los términos con más volumen y los que hoy devuelven cero resultados.
Un error bastante común es meter en el mismo grupo palabras que no significan lo mismo en la práctica. Si juntás "campera", "buzo" y "remera", una búsqueda de camperas puede terminar mostrando también remeras. Ahí la búsqueda mete ruido y la relevancia cae. Una regla simple ayuda mucho: si no pondrías esos productos juntos dentro de una misma categoría, no los agrupes dentro del mismo sinónimo.
Si este mapeo arranca mal, cualquier regla de ranking después va a multiplicar el problema.
Usá boosts solo en consultas amplias o en campañas activas. En búsquedas puntuales, mandan la coincidencia exacta y el stock.
La diferencia clave está entre consultas amplias y consultas específicas. Para una búsqueda como "zapatillas", puede tener sentido empujar una colección de temporada. Pero en una consulta como "zapatillas running pronador hombre talle 42", ese boost debería ser mínimo o directamente no existir. En ese caso, lo que importa es que aparezca justo lo que la persona describió, y que además tenga stock en ese talle.
Hay otro punto que suele pasar desapercibido. Si más adelante activás personalización basada en comportamiento, el sistema va a aprender sobre resultados que tal vez ya venían torcidos por reglas manuales. O sea: si la base está mal, el aprendizaje no la corrige; la arrastra.
Si también usás términos destacados o banners de campaña, dejalos documentados con fecha, consulta, motivo y resultado esperado, igual que los boosts. Ese registro te ahorra tiempo cuando baja la relevancia o algo deja de funcionar, porque permite ver enseguida si el problema viene de una regla manual o del algoritmo.
La búsqueda predictiva, la página de resultados y los filtros de colección tienen que trabajar como un solo sistema. En el desplegable, conviene mostrar solo consultas, colecciones clave y pocos productos con imagen, título y precio. Mantener alrededor de 20 filtros activos por colección ayuda a cuidar la performance.
El orden de esos filtros también pesa. Tiene que seguir el camino mental de compra. En indumentaria, primero talle y color. En electrónica, marca y pulgadas. En belleza, tipo de piel y acabado. Si el desplegable se llena de opciones, responde más lento, sobre todo en celular y con conexiones inestables. Y además se vuelve difícil de usar.
Una revisión simple puede destapar varios problemas: tomá las 20 o 30 consultas más buscadas de la tienda, probalas a mano y chequeá que los resultados, los filtros disponibles y las sugerencias predictivas reflejen la misma intención. Si las sugerencias dicen una cosa, los resultados muestran otra y los filtros empujan para otro lado, la personalización no lo va a arreglar. Lo va a agrandar.
Con esta validación lista, el paso siguiente es medir eventos y compararlos contra la línea de base.
Con sinónimos, boosts y filtros ya revisados, el siguiente paso es medir si esos cambios mueven ingresos y no solo clics. Sin esa base, cualquier ajuste en búsqueda personalizada queda en el aire.
Shopify expone eventos estándar a través de su Web Pixels API y, con la integración oficial de GA4, envía de forma automática eventos como search, view_item, add_to_cart y purchase sin código adicional.
Antes de activar la personalización, tiene que estar prendido un esquema mínimo de eventos: search_submitted, autocomplete_click, filter_facet_used, zero_result_query, search_result_product_click, add_to_cart_from_search y purchase_after_search.
Cada uno debe guardar:
Si faltan esos atributos, atribuir ingresos a sesiones con búsqueda pasa a ser poco confiable.
Acá el foco no está en medir volumen de búsquedas ni impresiones. La pregunta que importa es esta: ¿las sesiones con búsqueda generan más ingresos que las que no?
Antes de tocar cualquier regla, registrá la línea de base ya definida - 4 a 6 semanas - de métricas de referencia. Los informes de comportamiento de Shopify incluyen sesiones con add-to-cart desde resultados de búsqueda, sesiones con compras originadas en búsqueda y tasa de agregado al carrito para sesiones con búsqueda.
Como referencia, un set base puede verse así:
| KPI | Ejemplo de línea de base | Señal de mejora |
|---|---|---|
| CTR de búsqueda | 38,5 % | Aumento sostenido |
| Tasa de cero resultados | 7,2 % de las consultas | Reducción |
| Agregado al carrito desde búsqueda | 9,8 % de las sesiones | Aumento |
| Conversión después de búsqueda | 3,1 % | Aumento |
| Ingresos por sesión de búsqueda | AR$ 2.350,50 | Aumento |
| Abandono tras filtrar | 14,3 % | Reducción |
Revisá estas métricas cada semana, siempre el mismo día, y comparalas contra la línea de base. Un umbral de éxito razonable es una mejora del 10 % al 15 % en ingresos por sesión de búsqueda, sostenida durante 2 a 4 semanas consecutivas, con tasa de cero resultados estable o en baja y sin una suba fuerte del abandono tras filtrar.
Si la métrica acompaña, recién ahí escalá el cambio.
Con la línea de base y el tracking ya activos, probá cada cambio en un subconjunto chico antes de llevarlo a todo el sitio. Ningún cambio de sinónimos, boost o filtro debería salir directo a todo el tráfico.
Lo más prolijo es acotarlo primero a un grupo puntual de consultas - por ejemplo, las 100 más buscadas o una categoría específica - y dejarlo correr durante 1 o 2 semanas con volumen suficiente para bajar el ruido estadístico.
Los criterios de rollback tienen que quedar definidos antes del lanzamiento. Por ejemplo: si la conversión después de búsqueda cae más del 5 % frente al control durante tres días seguidos, si la tasa de cero resultados sube más de 2 puntos porcentuales o si el abandono tras filtrar crece un 15 % o más, se revierte solo el sinónimo, boost o filtro afectado. Cada decisión de rollback queda documentada junto con el motivo y el aprendizaje.
Como señal extra para detectar sinónimos faltantes y fricciones que los logs de búsqueda no muestran, Burbuxa, conectada con Shopify, WhatsApp e Instagram, puede registrar consultas reales y detectar sinónimos faltantes. Cruce eso con los KPIs cuantitativos y vas a tener una lectura mucho más clara de si los cambios están dando resultado.
La búsqueda personalizada no se deja “configurada y lista”. Hay que cuidarla. El catálogo cambia, las campañas van y vienen, y la forma en que compra la gente también cambia. Si nadie se hace cargo, los resultados empiezan a perder calidad casi sin aviso.
Si los tests ya dieron bien, queda una parte clave: definir quién mantiene la búsqueda para que no se venga abajo con el tiempo. Lo mejor es asignar un responsable claro por área:
Conviene dejar esto por escrito en una matriz RACI y en el manual operativo. Suena básico, pero evita choques entre equipos y ahorra muchas idas y vueltas.
Una vez que los cambios están en producción, la calidad depende de una rutina fija. No alcanza con mirar los datos “cuando haya tiempo”.
| Frecuencia | Foco | Qué revisar |
|---|---|---|
| Semanal (30–45 min) | Rendimiento de búsqueda | Consultas sin resultados, términos con CTR bajo, picos de consultas nuevas |
| Mensual (1,5–2 hs) | Catálogo y filtros | Productos ocultos o sin visibilidad, atributos desactualizados, cobertura de sinónimos |
| Estacional / por campaña | Vocabulario y reglas | Boosts para nuevas colecciones, términos de temporada, actualizaciones de páginas de destino |
Los reportes de Shopify Search & Discovery - búsquedas por consulta, búsquedas sin resultados y búsquedas sin clics - son un muy buen punto de partida para la revisión semanal y mensual. Una práctica simple, y útil, es comparar los últimos 30 días contra el mes anterior para detectar desvíos antes de que se vuelvan un problema.
Antes de activar la personalización, el equipo debería poder marcar como resueltos estos puntos: datos de catálogo limpios y consistentes en es-AR, etiquetas y metafields estandarizados, reglas de búsqueda documentadas sin configuraciones obsoletas activas, tracking de eventos validado de punta a punta, al menos 4 a 8 semanas de KPIs de línea de base, y un plan de rollout escalonado con criterios de rollback definidos por escrito.
Si usás Burbuxa con Shopify, sincronizá taxonomía, sinónimos e intents con WhatsApp e Instagram. Cada cambio de atributos o nomenclatura también tiene que verse en automatizaciones y recomendaciones. Si no, pasa lo de siempre: la búsqueda dice una cosa, los mensajes dicen otra, y la experiencia queda partida.
Hacé una auditoría de calidad para revisar cada SKU.
Verificá que tenga:
Además, cada producto tiene que incluir atributos normalizados, como:
Si usás Burbuxa, sincronizá stock, variantes, precios y políticas en tiempo real.
Primero, mirá las señales que te muestran intención y si la búsqueda está funcionando:
Después, validá el impacto en negocio con métricas bien concretas: tasa de conversión, ticket promedio y tasa de devolución.
También conviene controlar la sincronización con Shopify. En especial, revisá que estén bien alineados:
Si esa base falla, el resto se empieza a torcer: la búsqueda puede andar bien, pero el usuario se choca con stock mal mostrado, variantes ausentes o información que no coincide.
Conviene hacer rollback cuando un cambio se pasa de tus límites de seguridad o pide aprobación. Pasa, por ejemplo, con cambios de precios, reembolsos por encima de ciertos umbrales o pedidos personalizados con más riesgo.
Sobre todo al principio, o en flujos sensibles, esto te da margen para volver atrás si algo no sale como esperabas. En Burbuxa, vos definís qué acciones necesitan aprobación previa y cuáles puede ejecutar la IA dentro de tus guardrails.
