IA en eCommerce: Algori y el poder del dato de compra

La señal más valiosa del comercio electrónico no es un “me gusta” ni un clic: es una compra. Y por eso llama la atención que una startup madrileña como Algori haya levantado 3,6 M€ para impulsar una plataforma enfocada en análisis de datos de compra. Cuando el capital apuesta por esto, está diciendo algo claro: la ventaja competitiva ya no está en tener datos, sino en convertirlos en decisiones automáticas y rentables.

En esta serie sobre Cómo la IA Está Transformando el Comercio Electrónico y Social en Colombia, el caso de Algori funciona como espejo. España y Colombia no son el mismo mercado, pero comparten una realidad: el eCommerce crece, la pauta se encarece y la paciencia del cliente es cada vez más corta. La salida no es “hacer más campañas”; es usar IA para entender mejor qué compra la gente, por qué lo compra y qué la frena.

A continuación te cuento qué nos enseña el hito de Algori, cómo se traduce a Colombia y qué acciones concretas puedes aplicar para mejorar ventas, retención y rendimiento en redes sociales a partir de los datos transaccionales.

Qué significa que Algori haya levantado 3,6 M€ (y por qué importa en Colombia)

La idea central es simple: la inversión sigue al impacto medible. Un producto de analítica que se apoya en IA y pone el foco en datos de compra promete algo que los equipos de marketing y eCommerce necesitan con urgencia: atribución más útil, segmentación más rentable y decisiones más rápidas.

Que una startup consiga 3,6 M€ para este enfoque indica tres tendencias que también ya se ven en Colombia (y en 2026 se van a sentir más):

1. Se acabó la era de optimizar por métricas “bonitas”. Alcance y clics ayudan, pero el consejo de administración pregunta por margen, recurrencia y LTV.
2. El dato transaccional se vuelve el “oro” de la operación. Porque conecta marketing con inventario, pricing, logística y experiencia.
3. La IA se está volviendo infraestructura, no experimento. Ya no basta con “probar un chatbot”; la IA útil se integra a decisiones diarias (audiencias, recomendaciones, presupuestos, CRM).

En Colombia esto es especialmente relevante por el peso del social commerce (ventas impulsadas por redes, mensajería y contenido). Si el dato de compra no está conectado a campañas y audiencias, se termina pagando por tráfico que “se ve bien” y no devuelve caja.

Una postura clara: sin dato de compra, la IA en marketing es cosmética

He visto equipos invertir semanas afinando creatividades para luego descubrir que el problema era otro: el segmento estaba mal, el surtido no calzaba o el costo de envío rompía la conversión. La IA puede ayudar… pero solo si tiene acceso a la señal correcta.

En eCommerce, la señal correcta es: qué se compró, cuándo, con qué frecuencia, por qué canal, con qué descuento y con qué margen.

Por qué el análisis de datos de compra es la aplicación más “pagable” de la IA

La respuesta corta: porque conecta directamente con ingresos. La IA aplicada al análisis de compra no se queda en “predicciones bonitas”; se convierte en acciones:

• Predicción de demanda para comprar mejor y reducir quiebres.
• Recomendaciones que elevan el ticket promedio.
• Segmentación por propensión (quién tiene más probabilidad de comprar, recomprar o desertar).
• Optimización de promociones para no “regalar margen”.

En términos prácticos, los datos de compra permiten construir tres métricas que mandan en 2025-2026:

• LTV (valor de vida del cliente): cuánto deja realmente un cliente, no solo en la primera compra.
• CAC (costo de adquisición): cuánto cuesta traerlo.
• Margen por cohorte: qué grupos de clientes sí pagan el crecimiento.

Una frase que uso mucho con equipos: “No necesitas más tráfico; necesitas más claridad sobre quién sí te deja utilidad.”

Del dashboard a la acción: lo que diferencia una plataforma útil

Muchos negocios ya tienen reportes, pero siguen tomando decisiones “a pulso”. Lo que normalmente falta no es un gráfico: es un sistema que recomiende (o ejecute) la siguiente mejor acción.

Ejemplos de acciones que una buena capa de IA puede activar:

• Bajar presión publicitaria en segmentos con baja conversión y alto CAC.
• Subir presupuesto en audiencias con alta repetición.
• Cambiar el orden de productos en colección/landing según probabilidad de compra.
• Ajustar promociones por elasticidad (quién necesita descuento y quién no).

De Madrid a Colombia: 3 aprendizajes aplicables al eCommerce y social commerce

El punto no es copiar una startup española. El punto es leer la señal: el mercado está premiando a quien convierte datos transaccionales en decisiones.

1) Si no unificas datos, tu “IA” aprende mal

Respuesta directa: la calidad del modelo depende de la calidad del dato. En Colombia es común tener:

• Ventas por Shopify/VTEX/Magento
• Conversaciones por WhatsApp/Instagram
• Pagos por pasarela
• CRM por otro lado
• Inventario en ERP

Si eso no conversa, el algoritmo termina optimizando lo que ve (clics) en vez de lo que importa (compra, margen, recompra).

Acción recomendada (1 semana): define un “ID único” de cliente (correo/teléfono) y una tabla base con:

• fecha de compra
• canal
• SKU/categoría
• valor
• descuento
• costo estimado/margen

Con eso ya puedes empezar segmentación real.

2) Las audiencias que más compran no siempre son las que más interactúan

Respuesta directa: engagement y compra no son sinónimos. Esto se nota muchísimo en social commerce: hay perfiles que comentan todo y no compran, y otros que compran sin hablar.

Qué hacer: crea audiencias basadas en comportamiento de compra:

• Nuevos compradores (0–30 días): empuje a segunda compra.
• Recurrentes (2+ compras): bundles, suscripciones, acceso anticipado.
• Alto valor (top 10% por margen): beneficios VIP, preventas.
• En riesgo (60–90 días sin compra): winback con oferta controlada.

Luego alimenta tus campañas en redes con estas cohortes. La diferencia suele ser dramática porque estás dejando de disparar a “interesados” y empezando a hablarle a probables compradores.

3) La personalización que vende no es “hola, {nombre}”

Respuesta directa: personalizar es cambiar la oferta, no el saludo.

En eCommerce colombiano, lo más rentable suele ser personalizar:

• el orden de categorías
• la recomendación de productos complementarios
• el incentivo (envío gratis vs descuento)
• el mensaje por canal (WhatsApp vs email vs DM)

Regla práctica:

• Si tu margen es estrecho, prioriza beneficios no monetarios (envío, rapidez, garantía, asesoría).
• Si tu recompra es alta, prioriza cross-sell y bundles antes que descuento.

Cómo conectar datos de compra con campañas en redes (paso a paso)

Aquí va un esquema que funciona para equipos pequeños y medianos, sin complicarse con “transformaciones digitales” eternas.

Paso 1: define eventos de negocio (no de plataforma)

Respuesta directa: tus eventos deben reflejar el negocio.

Ejemplos:

• “Primera compra completada”
• “Segunda compra en 30 días”
• “Compra con margen alto”
• “Carrito alto abandonado”

Paso 2: crea 4 tableros que sí cambian decisiones

Respuesta directa: pocos tableros, pero accionables.

1. Rentabilidad por canal (no solo ROAS): ingresos, margen, devoluciones.
2. Cohortes de recompra: qué porcentaje repite a 30/60/90 días.
3. Top productos por combinación: qué SKU empuja a cuál.
4. Embudo por dispositivo y región: dónde se rompe la conversión.

Paso 3: automatiza 3 flujos que generan caja

Respuesta directa: automatizar lo repetible libera tiempo y mejora consistencia.

• Bienvenida + segunda compra: secuencia a 7–14 días para pasar de 1 a 2 compras.
• Winback: 60–90 días sin comprar (con incentivo controlado).
• Postcompra inteligente: recomendaciones según lo comprado (no genéricas).

Si tu meta es leads (como en esta campaña), el equivalente es claro: captura el lead con una promesa útil (guía, diagnóstico, cupón) y califícalo con señales de intención (productos vistos, categoría, ticket esperado).

Preguntas que suelen aparecer (y respuestas directas)

“¿Necesito un equipo de data science para esto?”

No al inicio. Necesitas disciplina de datos y un responsable de negocio que convierta insights en acciones. Luego sí tiene sentido sofisticar.

“¿Qué primer caso de uso de IA priorizo en Colombia?”

Segmentación por propensión de recompra y recomendaciones de productos. Son casos con impacto rápido porque usan datos que ya existen.

“¿Cómo evito que la IA me haga depender del descuento?”

Midiendo margen por cohorte y probando incentivos alternativos (envío, bundles, beneficios). La IA optimiza lo que le pides; si le pides solo conversión, te empuja a descuentos.

Qué hacer esta semana si quieres aplicar lo que enseña Algori

El aprendizaje del caso Algori no es “levantar inversión”. Es este: el dato de compra se convirtió en el centro de la estrategia de crecimiento.

Tres acciones concretas para esta semana:

1. Audita tu señal de compra: ¿puedes ver compras por cliente, canal, margen y recurrencia en un mismo lugar?
2. Crea 4 cohortes y actívalas en campañas: nuevos, recurrentes, alto valor, en riesgo.
3. Define un objetivo de negocio para tu IA: “subir la segunda compra en 30 días” o “mejorar margen neto por canal”. Si no lo defines, la herramienta decide por ti.

En el próximo tramo del eCommerce colombiano, van a ganar quienes logren algo muy específico: convertir comportamiento de compra en marketing que se paga solo. La pregunta que te dejo es sencilla (y algo incómoda): cuando miras tus campañas, ¿estás optimizando para compradores o para audiencias?