Recibido: 24 de septiembre de 2024
Aceptado: 2 de julio de 2025
Objetivo: el objetivo fue determinar las preferencias de adultos jóvenes colombianos respecto a sistemas de recomendación en e-commerce, para identificar consideraciones que impacten positivamente su experiencia.
Diseño/metodología: el estudio fue de tipo exploratorio con un abordaje cualitativo; se realizaron entrevistas semiestructuradas a adultos jóvenes compradores frecuentes, para conocer sus preferencias sobre las recomendaciones en e-commerce. Se hizo un análisis de contenido para interpretar los datos obtenidos en tres fases: conceptualización, codificación e interpretación.
Resultados: los resultados se organizaron alrededor de las 3 preguntas centrales: ¿qué prefieren?, ¿cuándo? y ¿cómo? Se identificó que los usuarios valoran recomendaciones atractivas, cercanas, basadas en su historial de compras, gustos, edad, ubicación y género. Aprecian recomendaciones de productos complementarios y combinaciones personalizadas, en fechas especiales y diferentes momentos de compra, específicamente en el detalle de producto. Los usuarios no desean recomendaciones basadas en compras ocasionales, molestas y que ejercen presión de tiempo y disponibilidad.
Conclusiones: determinar las preferencias de los participantes permite aseverar que el diseño de experiencia de estos sistemas debe considerar actitudes y comportamientos del usuario cuando compran en línea. Esta alineación es crucial para configurar las recomendaciones en contenido y tiempo, logrando experiencias memorables a través de la híperpersonalización. Los usuarios valoran recomendaciones cuando reducen opciones, están basadas en su perfil, son oportunas y atractivas; así pueden decidir de manera acertada, ágil e informada, alcanzando la sensación de logro. Estas consideraciones permiten definir guías para la configuración de recomendaciones, teniendo un impacto económico positivo para el negocio.
Originalidad: el estudio expande el análisis del diseño de experiencia de usuario para ofrecer recomendaciones personalizadas y oportunas, evitando el uso de patrones oscuros. Además, arroja luz sobre cómo la tecnología y las percepciones de los adultos jóvenes en el contexto latinoamericano interactúan para crear experiencias excepcionales de comercio electrónico en un entorno caracterizado por la abundancia de opciones y recomendaciones.
Palabras clave: comercio electrónico, experiencia de usuario, sistemas de recomendación, preferencias en recomendaciones.
Códigos JEL: L81, M31, D83.
Objective: This study aimed to determine the preferences of young Colombian adults regarding recommendation systems in e-commerce, with a view to identifying key considerations that positively impact their user experience.
Design/Methodology: An exploratory and qualitative approach was adopted. Semi-structured interviews were conducted with young adults who are frequent shoppers, in order to gain insights into their preferences concerning e-commerce recommendations. A content analysis was subsequently performed through three phases: conceptualization, coding, and interpretation.
Findings: The results were organized around three central questions: What do users prefer? When? and How? Participants indicated a clear preference for recommendations that are both attractive and relevant, particularly those tailored to their purchase history, interests, age, location, and gender. Furthermore, they valued suggestions for complementary products and personalized combinations, on special occasions and at specific points during the purchasing process, such as within product detail pages. In contrast, participants rejected recommendations based on one-off purchases, as well as those perceived as intrusive and pressuring in terms of time and availability.
Conclusions: determining participants’ preferences allows for the conclusion that the design of recommendation systems must align with users’ attitudes and behaviors during online shopping. Such alignment is crucial for configuring recommendations in terms of both content and timing, thus facilitating memorable and hyper-personalized experiences. In particular, users value recommendations that help narrow down choices, are based on their profiles, and are presented in a timely and visually appealing manner. These characteristics support more accurate, efficient, and informed decision-making, thereby contributing to a sense of accomplishment and satisfaction. These insights provide a basis for developing guidelines for the design of recommendation systems, which can, in turn, have a positive economic impact for businesses.
Originality: This study extends the analysis of user experience design by offering practical insights into the development of personalized and timely recommendation systems, while avoiding the use of dark patterns. Moreover, it sheds light on how technology and the perceptions of young adults in the Latin American context interact to create exceptional e-commerce experiences in an environment characterized by abundant options and recommendations.
Keywords: e-commerce, user experience (UX), recommendation systems, recommendation preferences.
JEL Codes: L81, M31, D83.
Desde portales de vídeos, contenidos musicales o tiendas de compras en línea, los sistemas de recomendación (SR) hacen parte de la cotidianidad en la interacción actual, como un mecanismo que facilita la navegación y selección entre la gran diversidad de opciones a la disposición de los usuarios (
Al limitar las opciones a través de estos sistemas de recomendación, se intenta personalizar la experiencia de los usuarios recomendando contenido o productos relevantes en función de su comportamiento, preferencias y datos históricos; sin embargo, en la práctica este objetivo no siempre se alcanza de manera efectiva. Investigaciones previas han evidenciado que algunos usuarios perciben las recomendaciones como poco alineadas con sus intereses reales, e incluso como intrusivas y poco transparentes (
En este sentido, se plantean las siguientes preguntas de investigación: ¿qué debe tener en cuenta un sistema de recomendación para que las recomendaciones presentadas ofrezcan una experiencia de usuario satisfactoria?, ¿cómo diseñar sistemas de recomendación que se ajusten fielmente a las preferencias de los usuarios?, ¿qué recomendaciones prefieren los usuarios?, ¿cómo y cuándo prefieren las recomendaciones los usuarios? El interés por responder a estas preguntas ha servido como punto de partida para esta investigación; así, será posible ofrecer recomendaciones efectivas y oportunas que impacten positivamente en la experiencia de usuario y en el negocio, facilitando lograr su objetivo con la aplicación.
En este contexto, el presente estudio tuvo como foco el análisis de las preferencias de jóvenes adultos colombianos sobre las recomendaciones recibidas en tiendas en línea, conocidas como e-commerce. En primer lugar, se comienza revisando los antecedentes, entre los cuales se mencionan los trabajos destacados en el área de los sistemas de recomendación, enfatizando en la experiencia del usuario y en investigaciones latinoamericanas, tales como
Según
herramientas de filtrado de información, que ofrecen a los usuarios contenidos o información adecuados y personalizados. El objetivo principal de los sistemas de recomendación es reducir el esfuerzo y el tiempo necesarios para que el usuario busque información relevante en Internet (pp. 1-2).†
Estos sistemas se caracterizan porque, basados en un conjunto de reglas y operaciones, seleccionan y ordenan dentro de un grupo amplio de opciones aquellas que serán presentadas a los usuarios.
La mayoría de las discusiones en el área, desde una perspectiva técnica, se han centrado en la búsqueda de opciones para mejorar su desempeño y exactitud (
Se destacan los equipos liderados por
Posteriormente, otras investigaciones han profundizado sobre la importancia de los sistemas de recomendación en la experiencia del usuario, explorando mecanismos para lograrlo y su impacto en la consecución de mejores resultados de negocio. Desde una perspectiva de marketing, se ha demostrado que la personalización basada en datos incrementa la probabilidad de compra al adaptar la oferta a las preferencias individuales (
Desde el área de interacción humano-máquina, algunos estudios han propuesto dar mayor control al usuario en su interacción con los sistemas de recomendación, permitiendo acciones como pausar el sistema, apagarlo, olvidar las últimas interacciones y otras opciones de parametrización (
Por otro lado, estudios como los de
Otros estudios como el de
Investigaciones como las de
En Latinoamérica, sobresalen los estudios que han focalizado su atención en el proceso iterativo de las personas para la apropiación, domesticación y formación de creencias y teorías propias sobre el funcionamiento de las plataformas de contenido y sus sistemas de recomendación, caso de YouTube en México (
En el caso particular del país objeto de este estudio, Colombia, las investigaciones en el área son muy limitadas. Ha habido algunas iniciativas que describen la elaboración de sistemas de recomendación para usos particulares en plataformas de venta de vivienda por parte de
Este estudio forma parte de un proyecto de investigación más amplio cuyo propósito es analizar la relación de adultos jóvenes colombianos con los sistemas de recomendación en plataformas de comercio electrónico. El proyecto parte del interés por comprender cómo estas personas, que se caracterizan por su familiaridad con entornos digitales y la adquisición de productos a través de e-commerce, percibe, interpreta y responde a las recomendaciones que ofrecen estas plataformas, así como los factores que influyen en su percepción e implican la aceptación o el rechazo de las mismas. Para propiciar una exploración significativa de estas percepciones, se seleccionó como contexto de análisis la adquisición de vinos a través de un e-commerce, dado que se identificó que es un tipo de producto, al igual que otras bebidas alcohólicas, que los adultos jóvenes adquieren a través de medios digitales.
Particularmente, en este documento se detalla la primera fase, que consiste en un estudio exploratorio de corte cualitativo ejecutado por medio de entrevistas semiestructuradas cuyo objetivo principal fue determinar las preferencias de adultos jóvenes colombianos respecto los sistemas de recomendación en e-commerce. Los estudios exploratorios son recomendados cuando hay poca evidencia sobre un tópico y se procura reducir la incertidumbre obteniendo unos primeros aprendizajes que sirven de ideas e hipótesis para empezar a nutrir el cuerpo de conocimiento y guiar futuras investigaciones (
En cuanto la realización de entrevistas semiestructuradas se trata de una técnica de investigación cualitativa que, por medio de un diálogo/encuentro entre sujetos, permite obtener información acerca de cómo las personas actúan, sus subjetividades y la forma como le dan sentido a sus prácticas cotidianas (
El instrumento utilizado en las entrevistas estuvo conformado de tres partes, a saber: 1) contexto, 2) familiarización con e-commerce y recomendaciones, 3) reflexión final. En cada una de las partes se formularon las siguientes preguntas:
Objetivo: conocer las características del perfil de usuario haciendo énfasis en sus hábitos de compra.
Objetivo: identificar qué familiarización tiene el usuario con las plataformas de e-commerce y las recomendaciones en los productos de licores, en específico vinos.
Conocimiento: cuando interactúas con estas plataformas, ¿te has fijado en las recomendaciones que te realiza?, ¿las has usado?
Objetivo: conocer las percepciones finales
¿Algún comentario final?
A continuación, se describe los participantes, así como el proceso para la ejecución de las entrevistas y el análisis de los datos.
Se entrevistaron nueve (9) personas, de las cuales tres (3) fueron de género masculino y seis (6) de género femenino. Se tuvo como criterio de inclusión un rango de edad entre 25 y 40 años, que fueran residentes de las dos ciudades principales de Colombia (Bogotá y Medellín) y que estuvieran familiarizados con la compra de bebidas y alimentos en e-commerce desde el celular. Además, se consideró que hubiesen realizado por lo menos tres (3) compras en los últimos tres (3) meses, con la intención de garantizar que los participantes tuviesen cierta habituación con la compra en línea y los sistemas de recomendación de los e-commerce.
La selección de los participantes se basó en su relevancia para el objeto de estudio. Esta población representa un segmento fundamental para la adopción de los sistemas de recomendación algorítmica, no solo por su afinidad a soluciones digitales, sino también porque constituye el principal mercado objetivo para los servicios de e-commerce. Entender sus percepciones y experiencias es crítico para el desarrollo de soluciones más efectivas, éticas y centradas en el usuario.
A cada participante se le asignó un código de identificación para garantizar su anonimato. En el caso de las personas que se reconocen con el género femenino se usó la letra M y para el género masculino la letra H. En ambos casos, la letra se acompañó de un número sucesivo. Por ejemplo, la primera participante de género femenino recibió el código M1, la siguiente el M2, y así con todos los casos.
En cuanto al tamaño de la muestra, se basó en criterios de saturación teórica. Se realizaron nueve entrevistas, punto en que se observó repetición significativa de patrones de respuesta en los participantes, es decir, la mayoría de sus comentarios eran similares a otros previamente recolectados. Esto confirma que se llegó al punto de saturación, lo que significa que la identificación de los elementos cualitativos clave para el entendimiento de un fenómeno se ha alcanzado. En muestras relativamente homogéneas y con guiones estructurados, los aspectos relevantes suelen emerger en las primeras entrevistas, alcanzando la saturación de datos entre la sexta y la duodécima entrevista (
El trabajo de campo se realizó en el primer semestre del año 2023. Con la siguiente dinámica: cada participante participó en una entrevista virtual de 45 minutos de duración aproximadamente. Estas sesiones fueron grabadas con el previo consentimiento de las personas.
Las entrevistas abarcaron dos grandes momentos. El primero estuvo enfocado en los hábitos de compra de alimentos y bebidas en línea (momento de consumo, criterios para seleccionar los productos, presupuesto aproximado de compra y frecuencia), con la intención de tener un contexto sobre los gustos y comportamientos de los participantes. El segundo momento se centró, específicamente, en la familiarización que tenían los participantes con los e-commerce y sus sistemas de recomendación. Esto con la finalidad de profundizar en las características ideales que les gustaría incluir en las recomendaciones para tener una mejor experiencia de uso.
Se adaptó la metodología de análisis de contenido sugerida en (
Se comenzó por la primera fase de conceptualización, en la cual se definen las preguntas a resolver y los contenidos del «corpus» recolectado que van a ser usados en el análisis. Así, se realizó la transcripción integral de las sesiones virtuales, obteniendo como resultado la extracción de 44 verbatims directamente relacionados con el objetivo de la investigación sobre las preferencias de los adultos jóvenes colombianos respecto de los sistemas de recomendación en e-commerce.
En la fase dos de diseño, se pasó a un ejercicio de codificación de los verbatims basado en criterios de similitud y diferencia, mutua exclusividad, procurando identificar patrones y temas repetitivos de las que surgieron 13 subcategorías.
En la tercera fase de análisis, se pasó a una de interpretación más detallada de estas subcategorías, concluyendo con la emergencia de tres (3) grandes categorías que dan un panorama general de las preferencias de los usuarios sobre los sistemas de recomendación de los e-commerce: 1) ¿Qué tipo de recomendación prefieren? 2) ¿Cuándo prefieren recibir la recomendación? 3) ¿Cómo les gusta recibir la recomendación?
Las entrevistas se realizaron de manera virtual por medio de la herramienta Google Meet. La transcripción de estas entrevistas se hizo manualmente y los verbatims fueron organizados en hojas de cálculo colaborativas utilizando Google Sheets, para facilitar el acceso y trabajo conjunto del equipo de investigación. Dos investigadores codificaron de forma independiente los verbatims; en los casos en que surgieron discrepancias en la codificación, estas fueron discutidas en sesiones de consenso hasta alcanzar un acuerdo final, siguiendo buenas prácticas de rigor cualitativo.
El análisis sobre las preferencias de los adultos jóvenes acerca de los sistemas de recomendación en e-commerce arrojó trece subcategorías, agrupadas en las tres categorías principales como se muestra en la Tabla 1.
Categoría | Subcategoría y descripción |
| 1. ¿Qué tipo de recomendación prefieren? | 1.1. Histórico de compras frecuentes: recomendaciones basadas en los hábitos de compras del usuario. 1.2. Productos similares y complementarios: recomendaciones que los usuarios esperan recibir según la sección de e-commerce donde se encuentren y el motivo de la compra. 1.3. Recomendación tipo combo: recomendaciones complementarias según las varias ocasiones de consumo. 1.4. Recomendación según perfil: recomendaciones de acuerdo con los datos de perfil del usuario (género, edad, ubicación, entre otros). 1.5. Productos diferentes e innovadores: recomendaciones de productos poco comunes, de marcas no tan conocidas, innovadores, en tendencia. 1.6. ¿Qué no? Productos de compra ocasional o no esperados: recomendaciones asociadas a compras muy particulares que no se realizan con frecuencia o que no forman parte de los gustos o preferencias del usuario. |
| 2. ¿Cuándo prefieren recibir la recomendación? | 2.1. Por día de la semana: recomendaciones deseadas en días específicos de la semana (por ejemplo: viernes y sábados). 2.2. Recomendaciones por época del año y/o fechas especiales: recomendaciones relacionadas con días especiales de celebraciones (por ejemplo: Día de la amistad, Día de la madre, Navidad). 2.3. Sección del e-commerce: recomendaciones que reciben los usuarios en los diferentes momentos del proceso de compra en línea o secciones del e-commerce. 2.4. ¿Cuándo no? Recomendaciones inoportunas: recomendaciones que disgustan al usuario por el momento de su entrega (día) o por ser invasivas (proceso de compra). |
| 3. ¿Cómo les gusta recibir la recomendación? | 3.1. Diseño estético y estilo de la interacción (Look&feel): preferencias en cuanto a la forma de recibir asertivamente las recomendaciones. 3.2 Geolocalización: recomendaciones que apliquen cerca de la casa, trabajo u otro espacio donde se encuentre el usuario. 3.3. ¿Cómo no? Recomendaciones agresivas: recomendaciones que incomodan al usuario por generar presión o amenaza (por ejemplo: última existencia, compra inmediata). |
En esta categoría se agrupan los tipos de recomendación que les gustaría o no recibir a los usuarios en un e-commerce, según sus intereses y preferencias.
Para los usuarios es altamente valorado que las recomendaciones de los e-commerce contemplen su historial de compras y no tener la necesidad de realizar la búsqueda de los artículos a comprar desde cero. Los usuarios hacían énfasis en las palabras «frecuente», «consumidor habitual», «siempre», «compro normalmente», «mis costumbres de consumo», «compras pasadas» para expresar que debían ser recomendaciones de productos recurrentes, de sus hábitos: «[…] yo me quedo con lo que consumo habitualmente» (H2); «cuando se basa en compras anteriores [la recomendación], es más acertado que una vuelva y compre, que vuelva y escoja esos productos» (H3).
La percepción de los usuarios sobre las recomendaciones similares y complementarias es uno de los principales objetivos a valorar en la investigación. Una vez que el algoritmo tiene datos sobre gustos, preferencias y hábitos de consumo de los usuarios, ellos esperan que las recomendaciones estén alineadas con marcas reconocidas y precios de productos similares, que le entreguen valor a su proceso de compra.
Acerca de las recomendaciones similares, se incluye un factor adicional de tiempo o momento que incide en la valoración que le otorgan los usuarios, por ejemplo, en el caso en que el producto que buscan esté agotado: «si no hay algo que yo merqué, que recomiende algo similar; si no hay cuajada de esta marca, que me muestra una de otra [...] seleccionas una lista de mercado y te deja reemplazar por otra similar» (M6).
En ambos casos, es posible observar que la marca o «gama» del producto tiene un valor distintivo en el discurso; puesto que, aunque se habla de una recomendación similar, se precisa que sea acorde a las mismas características del producto seleccionado en un principio.
Con respecto a las recomendaciones complementarias, están asociadas a los reviews. Para algunos usuarios, las características de un producto en canales digitales, en algunos casos, resultan insuficiente. Lo anterior puede causar stoppers o abandonos en el proceso de compra, por lo cual sería de alto valor que los productos tengan una sección de reviews que les genere confianza, ya sea por temas de marca, calidad o para tener la certeza de que cumplen con las necesidades de compra:«[...] sería chévere, pues, poder ver la review de ese vino, por ejemplo, si es bueno para combinar una pizza, saber con qué combina un vino, a veces los vinos se combinan con comida» (M1).
En este caso, para complementar el tema del review, también se hace énfasis en que la recomendación del algoritmo facilite o agilice el proceso de compra. Lo que le puede significar al usuario tener la certeza de que está adquiriendo un producto que le gustará con base en los comentarios o reviews de otros usuarios en un período de tiempo más corto.
La expectativa que manifestaron los usuarios sobre los combos o kits hace referencia a que la recomendación no solo sea similar o complementaria, sino que abarque un espectro más amplio de ocasiones de consumo. Esto quiere decir que los usuarios esperan que en ocasiones como días de la semana o fechas especiales (Navidad, Día de las madres, amor y amistad, entre otros) la aplicación les ofrezca una recomendación que incluya productos similares al buscado y productos asociados que puedan llevar en forma de combo o kit: «[...] si se pudiera configurar para que la gente escoja el kit y lo pueda después editar, como: “de este kit solo quiero que le quiten las aceitunas”, pues, maravilloso» (M5).
Los testimonios también permiten identificar que los usuarios valoran que el e-commerce entregue opciones de combos o kits preconfigurados y que les permita modificarlos en caso de no ajustarse a sus preferencias. Esto detalla que los usuarios esperan recibir un valor diferencial por parte del e-commerce, dado el conocimiento que ellos tienen sobre su perfil.
El valor que otorgan los usuarios a las recomendaciones tipo combo se ve reflejado, además, en el factor tiempo, pues consideran que al seleccionar un combo pueden agilizar procesos de compra de regalos o detalles para algunas ocasiones de consumo: «Otra opción que me parece muy chévere es que facilita mucho cuando uno quiere dar regalos, ...visitar a un amigo... navidad..., facilita un montón» (M5).
Por otra parte, con relación a las recomendaciones tipo combo, para los usuarios son altamente valoradas las recomendaciones complementarias; debido a que, aunque es importante el producto de la búsqueda inicial, existen otros productos que pueden mejorar la experiencia final. En el caso de los testimonios, los entrevistados mencionaron la combinación de las aceitunas o el queso para el vino: «Puede que yo me meta a comprar un vino, y yo no voy a comprar aceitunas, pero si a mí me aparece el kit de vino con aceitunas, yo igual pienso “qué antojo, qué rico”, ¿cierto?» (M5).
Otro punto que se evidencia en este tipo de recomendaciones es que los usuarios asimilan en su discurso las palabras kit y combo con ahorro o precios especiales, esperando que los productos tengan algún descuento o puntos que incentiven el proceso de compra:
Si uno está buscando un regalo: como ver opciones de kit. Yo creo que, porque por ejemplo le están poniendo complementarios, posiblemente quieres comprar un precio especial por el vino y el queso [...] lo que podríamos ver es si la aplicación tiene una alternativa de combos con algún tipo de ahorro (M5).
Esta subcategoría se refiere a las recomendaciones con base en los datos de perfil del usuario, tales como su edad, ubicación, género, entre otros. Pueden ser datos que se obtienen de algún tipo de registro en la aplicación.
Así, un hallazgo destacado es el interés que demuestran los usuarios por la creación de un perfil con sus preferencias en el ingreso del producto la primera vez, que se pueda ajustar en el tiempo pero que no sea invasivo para el usuario: «[...] me gustaría por usuario, no sé si es posible, que tú ingresaras y te salieran esas recomendaciones de palabras claves de acuerdo a tu perfil» (H3).
En este punto fue una solicitud recurrente por parte de los usuarios la creación y configuración de un perfil de preferencias y que sea posible modificarlo posteriormente. Esto con el fin de evitar ciertas recomendaciones e incorporar algunas nuevas preferencias y así orientar las recomendaciones de cualquier tipo a los intereses del usuario.
Algunos participantes manifestaron su preferencia por recomendaciones basadas en compras frecuentes y no de compras únicas u ocasionales. En este sentido, para las recomendaciones por histórico de compras, es necesario enfatizar en que no deben estar relacionadas exclusivamente con el historial del usuario, debido a que habrá productos que el usuario compra una sola vez. En este sentido, estas recomendaciones deben estar más bien asociadas con sus hábitos y rutinas: «[...] cuando uno vaya a comprar le hagan recomendaciones de productos que compre frecuentemente con lo que está comprando…» (H3).
En términos generales, algunas frases que también se han dicho cuando, de pronto, se encuentran recomendaciones que no se esperan y no corresponden a los hábitos ni gustos de los usuarios son: «¿Qué es esto? ¿Cigarrillos?, si yo ni fumo». «¿Y por qué me ofrecen eso a mí? No me conocen».
Con relación a cuándo prefiere el usuario que el sistema le ofrezca una recomendación, con la finalidad de ofrecer una excelente experiencia de usuario, se identificaron algunas temporadas y días específicos del año. También se detectaron pantallas que tienen una importancia especial en el proceso de adquisición de un producto a través de un e-commerce, dependiendo del tipo de recomendación. Estas pantallas son: inicio o home (CLP), listado de productos (PLP), detalle del producto (PDP), carrito y proceso de pago (shipping).
A continuación, se presentan algunos hallazgos relacionados con los días preferidos para recibir recomendaciones efectivas y, posteriormente, se muestra lo relacionado con las secciones del e-commerce.
«[…] darle a uno como esas ayudas de ejemplos en comida, como hoy [resaltado nuestro] te podrías comer esta, eso a la gente le encanta» (M5).
Este testimonio está relacionado con la denominada «Recomendación del día». Se trata de seleccionar productos similares o complementarios que, de manera especial, por alguna promoción, celebración u ocasión, se le declara como «la recomendación del día».
Según las preferencias de los usuarios, en algunos días de la semana es más atractivo y efectivo para ellos recibir algún tipo de recomendación, debido a que están más dispuestos a tener salidas con amigos, a celebrar y a aceptar sugerencias; específicamente los jueves, viernes y sábados.: «[…] yo creo que podría ser [ la recomendación] por días, de jueves a sábado, son los días más activos, que lo considero, o me veo con alguien, los otros días uno está más en su rutina» (M3).
Otros momentos que los usuarios consideran apropiados para aceptar recomendaciones son las ocasiones especiales (Navidad, Día del amor y la amistad, Día de las madres, Día del padre) y lo perciben como de gran ayuda y asistencia en cuanto a algún detalle o regalo que quieran dar a sus familiares o amigos: «Otra opción que me parece muy chévere es que facilita mucho cuando uno quiere dar regalos, ...visitar a un amigo... Navidad..., facilita un montón» (M5).
Ahora, se exploran los diferentes momentos que conforman el proceso de compra en línea o secciones del e-commerce: página de inicio (home); página de lista de productos (PLP), página detalle del producto (PDP); carrito y sección de pago (shipping).
Aquí observamos que para los usuarios es valioso recibir recomendaciones en cada uno de estos momentos, desde la página de inicio, incluso después de la compra. Se destaca ligeramente sobre las demás, las recomendaciones que se ofrecen en la página de detalle del producto (PDP), debido a que el usuario encuentra las características relevantes del producto:
[...] puede ser otro tipo de vinos que estén acordes al rango de precios y obviamente algo como el sabor, la cepa, que digan: «mira encontramos este vino disponible para ti, está muy acorde a tu selección de precios», algo así (M2).
Adicionalmente, es conveniente para los usuarios recibir recomendaciones luego de realizar la búsqueda de un producto, más aún, si este producto se encuentra agotado:
[...] no es muy común y … conocí otra marca que es la que estoy comprando ahora …, porque se acabó la que tomaba y entonces me dijeron: «no hay esa, pero sí hay esta otra». Esa opción de recomendar algo diferente de los agotados […] (M5).
Se trata de recomendaciones que no son apropiadas en el tiempo y, también, que son muy invasivas. Esto último significa que se les aparecen a los usuarios en casi todas las etapas de la compra y de diferentes formas, lo cual los puede interrumpir o distraer de lo que están haciendo: «[...] hay formas invasivas de ofrecerte productos, por ejemplo, que te inundan la página para que escojas…» (H3).
En esta categoría, se observa que, para hablar de hábitos o rutinas, cada usuario profundizó durante las entrevistas con algunos ejemplos reales o hipotéticos de ocasiones de consumo o tiempos en que la recomendación tenía un alto valor, entre los que se puede citar:
yo creo que podría ser por días [recomendación], de jueves a sábado, son los días más activos, que lo considero, o me veo por alguien.
si tú tomas o fumas todos los días, pues que te aparezcan cigarrillos y six pack de una, para un hombre soltero salen esas cosas (M3).
Con esta pregunta se busca entender cuál es la forma más adecuada para entregarle al usuario una recomendación que sea valiosa y que se ajuste a sus necesidades. Gracias a esto fue posible conocer algunas expectativas, aspiraciones y preferencias respecto al diseño estético, estilo de interacción (Look&feel) y geolocalización.
«Me gustan los títulos, pero no un gran menú» (H3).
Es una forma de describir sus preferencias en cuanto a la forma de recibir asertivamente las recomendaciones. También indican el lugar apropiado para ubicar la recomendación: «Ponérselo abajo como lo que suele llevar, no sé… puede ser también interesante» (H1).
Mostraron claridad en la recepción y percepción de imágenes que motiven a seleccionar la recomendación: «Digamos: podría ser, uno está reunido y le aparece algo de comer y puede ser, ya está haciendo hambre, pues decido en pedirlo, pero las veces que lo hago es porque las imágenes son superllamativas» (H2).
Por otra parte, fue posible confirmar la necesidad de reducir la carga cognitiva del usuario, aplicando una de las heurísticas de
Otro aspecto importante es la incorporación de las características más relevantes o significativas del producto en la recomendación. Los usuarios valoran recibir descripciones del producto con sus atributos, particularmente el precio, así como el énfasis en atributos similares al que se buscó.
Finalmente, con respecto a la configuración de la recomendación, los usuarios desean recibir recomendaciones de paquetes configurables, estilo combos o kits, que se puedan personalizar y, además, que al presentar la recomendación, esté muy bien explicada y argumentada la combinación propuesta, bien sea con productos similares, complementarios o con la combinación de los dos.
«Algo que esté cerquita de mí, que me llegue más rápido» (M5).
Es un tipo de recomendación valiosa para el usuario, en tanto le permite satisfacer alguna necesidad puntual de manera oportuna.
En esta sección se refiere a aquellas recomendaciones que fuerzan la decisión del usuario para que compre. Se presiona por la poca existencia del producto o diciendo que la compra debe ser inmediata, lo que genera angustia e incomodidad en el usuario. Adicionalmente, son recomendaciones que combinan productos que no tienen relación evidente: «Compré una vez unas papitas y me salieron unos condones para comprar» (H3).
En resumen, algunos aspectos relacionados con el algoritmo de recomendación que los usuarios han identificado de manera intuitiva en los e-commerce donde han realizado alguna compra indican que el algoritmo:
«Algunas veces uno compra algo, pero esas recomendaciones son x, no tienen nada que ver con lo que estás comprando, para eso cierro y sigo adelante» (H2).
En este artículo se exploran las preferencias sobre los sistemas de recomendación en e-commerce contribuyendo al campo de la experiencia de usuario en sistemas de recomendación en un contexto latinoamericano, específicamente en Colombia, que ha sido poco explorado en la literatura. El abordaje de este estudio está centrado en la voz de los usuarios y en lo que directamente ellos consideran relevante o no al interactuar con estos sistemas. Se debe considerar que más allá de una posición experta, los usuarios son personas activas, que entrenan las tecnologías, interactúan con estas y crean significados, expectativas y hábitos a su alrededor, posición argumentada por autores como
Referentes en el área (
En esa línea de ideas, en lo práctico, los hallazgos del estudio brindan pautas para mejorar la personalización, pertinencia y los momentos clave para presentar las recomendaciones en plataformas de e-commerce. Específicamente, fue identificado el «cómo y cuándo» los usuarios colombianos prefieren recibir recomendaciones, destacándose las recomendaciones según el día de la semana, por fecha especial, dependiendo de la sección del e-commerce en que se encuentre y según la geolocalización de la persona.
Asimismo, se recomienda considerar algunos estudios que aportan en este sentido como los de
Por otro lado, es importante considerar que, para los usuarios, la expectativa es que los sistemas de recomendación en e-commerce no realicen sugerencias «genéricas», sino que realmente sean lo suficientemente versátiles para identificar las circunstancias particulares de cada compra y cada persona, generando recomendaciones de producto apropiadas.
Para dar respuesta al «qué», los hallazgos de la presente investigación reportaron que los usuarios prefieren que el algoritmo de recomendación se guíe por el histórico de compras, por productos similares y complementarios o por combo o perfil. Esto se complementa con los estudios de
Los resultados de esta investigación, además, dieron claridad sobre lo que los usuarios consideran malas recomendaciones, un aporte valioso en tanto en la literatura previa identificada no hay una directa mención a este fenómeno. Se constató que, desde el punto de vista del usuario, la construcción de una buena experiencia con los sistemas de recomendación también depende de evitar algunas prácticas, por ejemplo: darle mucho énfasis a la recomendación de productos que solo son de compra ocasional (no frecuente); recomendar productos incompatibles o con baja relación con compras previas; hacer recomendaciones inoportunas y agresivas; es decir, en momentos donde la persona no tiene interés en recibir la recomendación y considera que lo están intentando forzar a realizar una compra; estos dos últimos casos podrían ser considerados como patrones oscuros de diseño (
Por otro lado, ya que el estudio se desarrolló con un enfoque exploratorio, se reconoce que los resultados obtenidos no buscan ser generalizables, sino que pretenden ofrecer una primera aproximación a un fenómeno complejo y dinámico como la interacción usuario-sistema de recomendación en contextos latinoamericanos. En ese sentido, los hallazgos deben considerarse como puntos de partida para investigaciones futuras más amplias, con enfoques mixtos que permitan validar las preferencias aquí identificadas en diferentes segmentos poblacionales, categorías de productos o plataformas de e-commerce.
A futuro se proponen varias líneas de profundización que podrían fortalecer el conocimiento en torno a la experiencia de usuario en sistemas de recomendación en e-commerce, especialmente en contextos latinoamericanos. Entre ellas, se sugiere una segmentación cultural o regional que amplíe la muestra para incluir usuarios de otras regiones de Colombia o incluso realice comparaciones con países vecinos, con el fin de identificar patrones comunes o divergentes según el contexto geográfico. Asimismo, serían valiosos estudios longitudinales que permitan analizar cómo evolucionan las preferencias de los usuarios a lo largo del tiempo y frente a eventos económicos o personales. También se recomienda desarrollar experimentos controlados con prototipos, que evalúen de manera más precisa la efectividad y percepción de distintos formatos, momentos y contenidos de las recomendaciones.
En la misma línea, es pertinente avanzar en el análisis del impacto de patrones oscuros de diseño, investigando cómo prácticas percibidas como agresivas o inoportunas afectan la confianza del usuario, su percepción de marca y sus decisiones de compra. Igualmente, se propone explorar la relación entre la percepción de pertinencia de las recomendaciones y variables como la confianza en la plataforma, la intención de compra o el tipo de producto. Finalmente, se hace un llamado a que nuevas investigaciones adopten enfoques participativos en el diseño de sistemas de recomendación, reconociendo al usuario no solo como receptor, sino como agente activo en la configuración de su propia experiencia tecnológica.
Este estudio exploratorio se enfocó en identificar las preferencias de los usuarios al recibir recomendaciones de producto en los e-commerce, con respecto al tipo, momento y formato deseado, con la finalidad de impactar positivamente su experiencia de compra a través de los e-commerce. En este sentido, una primera conclusión es que los sistemas de recomendación deben tomar en cuenta las actitudes y el comportamiento de los usuarios al momento de hacer compras en línea para configurar las recomendaciones en contenido y tiempo, y ofrecer una experiencia de usuario memorable a través de la híperpersonalización. Las actitudes y los comportamientos se pueden determinar, en parte, a través de las preferencias y los hábitos de consumo, y se complementan solicitando feedback oportuno por parte de los usuarios. Esto permite seleccionar las recomendaciones que sean muy satisfactorias a los usuarios e impacten positivamente en su experiencia de compra, logrando que las recomendaciones sean cada vez más personalizadas y cercanas a sus gustos y preferencias.
Adicionalmente, se concluye que, al momento de comprar en línea, los usuarios valoran las recomendaciones que reciben siempre y cuando estas faciliten la toma de decisión en el proceso de compra, reduciendo la cantidad de opciones de manera efectiva. Estas recomendaciones deben estar basadas en su perfil, ser oportunas, atractivas y con contenido de su interés; esto les permite sentir que toman una decisión acertada, ágil e informada, lo cual no solo genera satisfacción inmediata, sino también una sensación de tranquilidad y confianza en la plataforma.
Considerando un contexto económico y de negocios, lo anterior tiene implicaciones directas en el aumento de las tasas de conversión y fidelización de clientes. Las empresas que invierten en sistemas de recomendación efectivos pueden reducir el abandono de carritos de compra y fortalecer su posicionamiento competitivo en mercados altamente saturados. Por otra parte, una experiencia de compra más satisfactoria incentiva la repetición de compra y la recomendación orgánica entre usuarios, reduciendo costos de adquisición y potenciando los ingresos a largo plazo. En este sentido, los sistemas de recomendación como se proponen en este estudio mejoran la experiencia de usuario y pueden constituir un motor estratégico de crecimiento económico para los negocios digitales.
Los resultados obtenidos en esta investigación constituyen un insumo valioso para la definición de guías orientadas a la configuración de sistemas de recomendación, específicos para aplicaciones de e-commerce, que les permitan ofrecer una experiencia memorable al usuario en la percepción de las recomendaciones y faciliten su proceso de compra; adicionalmente, las guías propuestas permiten evitar el uso de patrones oscuros (dark patterns) en el diseño de la experiencia de estas aplicaciones.
Uno de los principales propósitos de este trabajo es que estos hallazgos proporcionen claridad y mayor comprensión sobre cómo la tecnología a través de las aplicaciones que incorporan estos sistemas de recomendación y la percepción de los usuarios se relacionan para ofrecer la mejor experiencia en un universo de múltiples opciones y recomendaciones personalizadas.
Como limitaciones del estudio, es importante señalar que los participantes de las entrevistas fueron personas de 25 a 40 años, compradores frecuentes en línea, por medio de dispositivos móviles. Así que es necesario tener mucho cuidado a la hora de extrapolar estos hallazgos a otras poblaciones que no están tan familiarizadas con los e-commerce y los sistemas de recomendación.
Con respecto a posibles líneas de investigación, se sugiere como próximos pasos de investigación en el área, la realización de estudios longitudinales; esto implica hacer seguimiento del comportamiento de personas ante lo sistemas de recomendación por largos períodos de tiempo, con la finalidad de conocer la forma en que cambia su interacción en el tiempo con estos algoritmos y ajustar los lineamientos para el diseño de la experiencia de usuario. Asimismo, se considera apropiada la propuesta de
Los autores de este trabajo expresan su agradecimiento a Pragma S.A. por los recursos facilitados para realizar esta investigación.
Los autores declaran que no presentan conflictos de interés financiero, profesional o personal que pueda influir de forma inapropiada en los resultados obtenidos o las interpretaciones propuestas.
Para el desarrollo de este proyecto todos los autores han realizado una contribución significativa, especificada a continuación:
Alecia Eleonora Acosta: participó en la realización de entrevistas, análisis de resultados, redacción y edición del artículo.
Lina Rojas: participó en la realización de entrevistas, análisis de resultados y redacción del artículo.
Darío Reyes: autor de la conceptualización y diseño de la investigación, revisión de literatura y apoyo en la escritura del artículo.
Ángela Villareal: participó en la realización de entrevistas, análisis de resultados y apoyo en la escritura del artículo.
Ricardo de León Cardona: realización de entrevistas y análisis de resultados.