Buen Fin 2026: ¿Cómo decide la IA qué marcas recomendar?

El uso de inteligencia artificial en el país ya trascendió los fines laborales y de entretenimiento. Según el Retail Report 2026 de Adyen, el 42% de los consumidores mexicanos utiliza asistentes de IA durante su proceso de compra, pero ¿cómo los llamados LLMs (Modelos de Lenguaje de Gran Tamaño) eligen las marcas que recomiendan? y ¿qué impacto tendrá este cambio en las temporadas comerciales como el Buen Fin (a celebrarse entre el 13 y 17 de noviembre)?

Al tratarse de una tecnología en desarrollo, la respuesta sigue en construcción, pero están surgiendo investigaciones que intentan comprender este incipiente entorno comercial, en el cual los clientes comienzan a confiar cada vez más en una herramienta que se alimenta de una base de datos inmensa (internet), plagada de información tanto falsa como verdadera. 

Uno de esos estudios es AI Shelf: El nuevo anaquel de las marcas, presentado el 11 de noviembre por TrendValue y la Asociación Mexicana de Internet (AIMX), que analiza cómo aparecen y son recomendadas distintas marcas en ocho herramientas de inteligencia artificial: ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Copilot, Claude, DeepSeek y Grok.

En la cita, que tuvo lugar en ISDI México, estuvieron presentes Lina Elizabeth Rodríguez, presidenta de AIMX, Zeus Portillo, CEO de TrendValue, Iván Marchant, vicepresidente de Desarrollo Estratégico y Alianzas del Consejo Mexicano de Inteligencia Artificial (CMIA) y David Pizaña, vicepresidente de Comercio Electrónico de la AIMX.

“El consumer-journey ha cambiado: Los consumidores ya no navegan buscando entre decenas de enlaces; le preguntan directamente a la herramienta de Inteligencia Artificial en la que confían", mencionó Lina Elizabeth Rodríguez durante la presentación. 

Conocer estos cambios es crítico para las marcas porque la IA está transformando el modelo tradicional de marketing digital al modificar de raíz cómo los consumidores descubren, evalúan y eligen productos.

¿Qué es el AI Shelf y cómo se investigó?

AI Shelf, o anaquel de inteligencia artificial, es un concepto que hace referencia al conjunto de marcas y productos que aparecen cuando un consumidor solicita recomendaciones a un asistente de IA; a diferencia de una lista tradicional de resultados de búsqueda, estas herramientas pueden organizar alternativas, comparar atributos y señalar un producto como la mejor opción para una necesidad determinada.

De acuerdo con TrendValue, la investigación siguió una metodología cuantitativa y exploratoria diseñada para medir la visibilidad algorítmica:

• Universo de datos: Se programaron 1,280 consultas en total, obteniendo 1,249 respuestas válidas para análisis.
• Arquitectura de prompts: Se diseñaron 40 prompts estratégicos que simularon intenciones de compra reales bajo 5 variantes (consultas exploratorias, control de presupuesto, mención explícita del Buen Fin, búsqueda del menor precio y prioridad en calidad).
• Ocho experiencias de IA evaluadas: ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Copilot, Claude, DeepSeek y Grok.
• Cinco categorías de consumo: Pantallas, Cuidado facial, Tenis, Laptops y Viajes (Travel).
• Ventana de medición: Las consultas se ejecutaron durante 4 días consecutivos (del 17 al 20 de octubre de 2026) para evaluar la estabilidad de las recomendaciones en el tiempo.

Uno de los aspectos centrales de la metodología fue distinguir entre la presencia de una marca, es decir, las ocasiones en que aparece mencionada, y su frecuencia de elección (Pick Rate), que mide cuántas veces es señalada explícitamente como la opción principal dentro de las respuestas válidas correspondientes; sin embargo, los especialistas destacaron que las recomendaciones observadas miden posicionamiento y no equivalen a cuotas de mercado ni ventas reales.

Esta distinción identifica a las marcas que logran visibilidad y aquellas que obtienen una recomendación final: "El hallazgo más importante es que una marca puede aparecer en la mayoría de las respuestas de IA y, aun así, perder la recomendación final frente a un competidor", explicó Zeus Portillo, CEO de TrendValue, durante la presentación de los resultados.

¿Cómo funciona el comercio digital y qué cambia con la IA?

Para comprender el punto en el que estamos, vale la pena retomar una historia que comenzó en 1998, con el surgimiento de Google, que en poco tiempo se posicionó como el principal motor de búsquedas a nivel global, convirtiéndose en el lugar en el que negocios de todos los tamaños debían tener presencia para existir en el mundo virtual.

Con tal nivel de penetración y los datos de millones de usuarios, en 2000, la compañía lanzó AdWords (ahora GoogleAds), basada en el cobro de espacios destacados en los resultados de búsqueda. A diferencia de los medios tradicionales, cuya pauta se dividía por nivel socioeconómico, edad o género; esta nueva herramienta, permitía segmentar audiencias de forma hiper personalizada con base en los intereses e intenciones de compra de los usuarios.

Durante más de dos décadas, su engranaje evolucionó para otorgar mayores datos del tráfico a los sitios y medir el desempeño de las campañas publicitarias en tiempo real a través de Anatytics y Ads. Paralelamente, fue creando un ecosistema alrededor de su buscador, que incluye, entre otros: Google Maps, YouTube, Gmail, Music, Google Drive, Docs, Calendar, Meet y herramientas de IA (Gemini, Google Asistant). 

Aunque su hegemonía sobrevivió al boom de las Apps; en años recientes, la evolución de las redes sociales como plataformas de venta (impulsadas durante la pandemia por TikTok Shop) prendió las alertas de la compañía. Sin embargo, mientras ajustaba su estrategia, en 2022, el lanzamiento de ChatGPT aceleró exponencialmente la adopción de herramientas de IA, lo cual ha ido mermando la relevancia de los buscadores como únicas fuentes de información. 

"La IA no da 10 opciones como los buscadores tradicionales, solo entrega tres marcas, una favorita y una razón irrefutable para comprar. En ese orden se acomoda antes de que el cliente llegue a la tienda, lo surten terceros y ninguna marca o presupuesto publicitario lo controla", explica Lina Elizabeth Rodríguez.

Dicho cambio, aunque parece solo una forma distinta de jerarquizar la información está revolucionando el comercio digital que tradicionalmente operaba bajo el llamado ZMOT (Zero Moment of Truth), en el que los usuarios buscaban opciones, bajo una intención de compra clara, y las marcas competían por aparecer entre las primeras opciones. 

Según el estudio, con la IA surge un paso anterior denominado -1MOT (Minus 1st Moment of Truth), una fase exploratoria en la que los LLMs intervienen y asesoran a los usuarios antes de que exista una intención de compra. 

Esto sucede porque la forma de interactuar con los buscadores es más específica, los usuarios escriben preguntas o palabras clave concretas y la plataforma responde con un catálogo de opciones que para las marcas se convierten en clics. 

Por otro lado, con la IA se plantean problemas o necesidades abstractas (como "quiero empezar a correr, pero me duelen las rodillas"), permitiendo que las herramientas actúen como un asesoras o educadoras que define los criterios de compra y siembra las primeras marcas a considerar antes de que exista una búsqueda explícita de producto.

¿Cómo elige la IA las marcas que le recomienda a los compradores?

Sobre este punto, los expertos fueron enfáticos en que este es un conocimiento en construcción; pues, las empresas de inteligencia artificial aún compiten por el dominio del sector y su rápida evolución no les ha permitido consolidar un esquema comercial tan sólido como el de Google. 

Con una trayectoria de más de 20 años, los buscadores han ido evolucionando sus algoritmos, que, si bien presentan cambios constantes, cuentan con métodos para lograr que los clientes encuentren a las marcas en internet:

• SEO (Search Engine Optimization). Se trata de una optimización para aparecer en los resultados orgánicos de los buscadores, sin pagar por cada clic.
• SEM (Search Engine Marketing). Es la estrategia de publicidad pagada en los motores de búsqueda (principalmente a través de Google Ads). A diferencia del SEO que se construye a través del tiempo, el SEM ofrece resultados inmediatos. 

Sin embargo, en el caso de la llamada GEO (Generative Engine Optimization), asociada a herramientas de IA como ChatGPT, Perplexity o Gemini, el camino aún no es claro. Por ello, los hallazgos del estudio AI Shelf representan un primer acercamiento a la forma en cómo la inteligencia artificial prioriza las marcas que recomienda. 

Como hemos mencionado, las herramientas de inteligencia artificial no eligen sus recomendaciones basadas en palabras clave o presupuestos de publicidad directa; en su lugar, construyen y organizan sus respuestas evaluando, principalmente, cinco factores: 

1). La intención específica del consumidor (Job-To-Be-Done). La IA modifica las marcas presentadas y su orden según la necesidad explícita planteada por el usuario (como ahorrar, buscar durabilidad o resolver un problema específico).

Al aplicar un criterio restrictivo (por ejemplo, "gastar lo menos posible"), el anaquel se contrae considerablemente; por ejemplo, en la categoría de tenis, la IA pasa de mostrar un promedio de 5.5 marcas a solo 2.5 marcas por respuesta.

2). La huella digital en medios de terceros (Shelf Supply Mix). Los modelos de IA no se sustentan principalmente en los sitios web oficiales de los fabricantes (owned media).

El estudio muestra que, por ejemplo, en la categoría de laptops, el 85.3% de las citas provino de fuentes externas de terceros (33.1% de retailers/marketplaces, 24.2% de medios especializados y 15.5% de comunidades o redes sociales). Solo el 7.1% de la información citada procedió de los sitios oficiales de las marcas.

3). El criterio particular de cada plataforma y la frecuencia. Cada uno de los 8 motores analizados (entre ellos ChatGPT, Gemini, Copilot, Claude, Grok, DeepSeek, Google AI Mode y Google AI Overviews) aplica sus propios algoritmos para interpretar y ponderar las fuentes.

Esto genera variaciones tanto entre plataformas como en el tiempo; por ejemplo, en cuidado facial enfocado en ahorro, se registraron 12 cambios de marca recomendada en días consecutivos entre las distintas IAs.

4). La distinción entre Presencia (Shelf Presence) y Elección (Pick Rate). Aparecer en el listado de opciones no garantiza convertirse en la recomendación final del modelo.

La IA procesa y sintetiza la información para recomendar únicamente de 1 a 3 marcas con un argumento de compra concreto. En pantallas enfocadas en calidad, Samsung figuró en el 68% de las respuestas (presencia), pero LG logró la mayor elección recomendada con el 35% frente al 19% de Samsung.

5). El contexto del evento promocional (El Buen Fin). El contexto reconfigura las recomendaciones; por ejemplo, en la categoría de viajes, incluir la frase "El Buen Fin" hizo que el 76% de los hoteles recomendados fueran opciones totalmente nuevas que no figuraban en las búsquedas vacacionales generales.

¿Cómo pueden las empresas comenzar a construir una estrategia de visibilidad en IA?

Aunque aún no existe una fórmula única para conseguir que una marca sea recomendada por las distintas herramientas de IA y las respuestas pueden modificarse con el tiempo, conforme cambian las consultas, la información disponible y el comportamiento de cada herramienta; los expertos, recomiendan que las empresas comiencen a identificar cómo aparecen actualmente sus marcas y qué necesidades del consumidor están relacionadas con sus recomendaciones.

A partir de los hallazgos del estudio y las explicaciones de los especialistas, podemos distinguir cuatro líneas de trabajo para mejorar la presencia y recomedación de la marcas por parte de la IA:

1. Analizar la presencia frente a los competidores. Evaluar qué marcas aparecen en las consultas relevantes para cada categoría, cuáles son elegidas como primera opción y qué atributos acompañan esas recomendaciones.
2. Mejorar la información de productos y servicios. Revisar la claridad de las fichas comerciales, especificaciones, beneficios, precios, disponibilidad y condiciones de venta, especialmente en los canales donde los consumidores comparan alternativas.
3. Fortalecer la información disponible en fuentes externas. Identificar qué retailers, medios especializados, reseñas y comunidades aparecen citados, así como revisar la consistencia y calidad de la información publicada sobre los productos.
4. Medir los resultados de manera periódica. Repetir las consultas para identificar variaciones entre plataformas, momentos de compra y competidores, sin asumir que una recomendación obtenida permanecerá estable.

Durante la presentación, los expertos también destacaron que el trabajo debe involucrar diferentes áreas de las organizaciones, entre ellas marketing, comercio electrónico, comunicación y gestión de productos.

En ese sentido, David Pizaña, vicepresidente de Comercio Electrónico de la Asociación Mexicana de Internet, señaló: "Desde una tienda pequeña hasta una gran cadena, los comercios necesitan aprender cómo las herramientas de IA encuentran, comparan y recomiendan sus productos". El especialista también destacó la importancia de mantener actualizada la información sobre precios, existencias y condiciones comerciales.

Si bien el posicionamiento de marcas en las respuestas de IA todavía es un terreno en exploración, los hallazgos de AI Shelf ofrecen un primer punto de partida para las empresas mexicanas, pues, a diferencia de los modelos tradicionales de búsqueda, donde las estrategias de visibilidad cuentan con métodos más consolidados, este nuevo entorno exige experimentar, medir y ajustar continuamente.

El reto no será únicamente conseguir que la IA mencione una marca, sino comprender en qué circunstancias puede convertirse en una opción relevante para el consumidor, especialmente conforme estas herramientas adquieren mayor protagonismo en las decisiones de compra.