Retail Media con IA: cómo ganar al público como ISDIN

El 21/11/2025, en el Movistar Arena de Madrid, más de 200 personas del sector se reunieron para una cosa muy concreta: ver qué campañas de retail media habían hecho mejor su trabajo este año. En los Retail Media Awards 2025, el Premio a la Campaña Favorita del Público se lo llevó ISDIN, con una campaña desarrollada por Havas Market.

Ese dato, por sí solo, ya dice mucho. Cuando una campaña gana “por votación”, no está ganando solo por inversión o por alcance: está ganando por relevancia percibida. Y ahí es donde entra el tema que más nos interesa en esta serie de “IA en Comercio Minorista y E-commerce”: la IA no sustituye la creatividad, pero sí cambia el estándar de lo que consideramos “relevante” en retail y e-commerce.

Yo lo veo así: el retail media está dejando de ser “comprar visibilidad” para convertirse en “comprar contexto”. Y el contexto, hoy, se construye con datos. La IA es el motor que hace que esos datos se conviertan en acciones: segmentación, personalización, predicción, automatización y optimización continua.

Por qué una campaña “favorita del público” marca el listón

Una campaña favorita del público es una señal clara: conectó con la gente en el momento correcto y con el mensaje correcto. No es un premio “técnico” únicamente; es un termómetro de cómo se está comportando la audiencia ante la publicidad dentro del ecosistema retail.

El retail media tiene una ventaja que otros canales envidian: nace dentro del entorno de compra. Eso significa intención, contexto, datos de primera parte y medición cercana a ventas. La desventaja es que, si se hace mal, se percibe como ruido justo cuando el usuario quiere decidir rápido.

La lección práctica que puedes llevarte a tu e-commerce o retail (especialmente si vendes en marketplaces o trabajas con retailers) es esta:

Ganar al público en retail media no va de impactar más, va de interrumpir menos y ayudar más.

Lo que realmente premia el público

Aunque el artículo original no entra en detalles creativos o de performance, el tipo de premio sugiere que la campaña logró al menos tres cosas:

• Claridad: el usuario entendió rápido qué se le ofrecía y por qué le convenía.
• Pertinencia: el impacto llegó cuando el usuario estaba receptivo (o cerca de comprar).
• Confianza: en categorías como dermocosmética, la credibilidad pesa más que el “hype”.

La IA puede empujar exactamente estos tres factores si se usa con buen criterio.

Del voto del público a la personalización: el papel real de la IA

La IA en retail media sirve para algo muy concreto: convertir señales dispersas en decisiones operativas. Señales como búsquedas, navegación, afinidad por marca, sensibilidad a precio, repetición de compra o elasticidad ante promociones.

El salto importante en 2026 (y ya se nota en la campaña navideña 2025) es que muchas marcas están pasando de “segmentos” a “micro-momentos”. Es decir, no basta con “mujeres 25-44 interesadas en skincare”; necesitas detectar “persona comparando protectores solares urbanos vs. playa” o “usuario recomprando su producto habitual con urgencia”.

Qué tareas hace la IA mejor que un equipo humano (y cuáles no)

La IA suele ganar en:

• Predicción de propensión a compra (quién tiene más probabilidad de convertir hoy).
• Recomendación de producto (qué mostrar y en qué orden).
• Optimización de pujas y presupuesto por hora, categoría, retailer o audiencia.
• Creación de variaciones de creatividades (copys, claims, formatos) con control.
• Detección de patrones que no se ven a simple vista (fatiga creativa, saturación, canibalización).

La IA no debería decidir sola en:

• Posicionamiento de marca (qué promesas haces y cuáles jamás harías).
• Claims sensibles (salud, dermo, infantil) sin revisión legal y científica.
• Estrategia de portafolio (qué productos empujas y cuándo) sin visión de negocio.

La mejor combinación es clara: IA para velocidad y precisión; equipo para criterio y marca.

Cómo replicar el “efecto ISDIN” en tu e-commerce con IA (sin humo)

No necesitas un presupuesto de gran marca para aplicar el enfoque. Necesitas disciplina de datos y un marco de prueba y aprendizaje.

1) Define una métrica de “favorito del público” que sí puedas medir

En retail media y e-commerce, “me gusta” no es un KPI. Pero la preferencia del público deja huellas. Algunas métricas que funcionan como proxys:

• CTR cualificado: clics en ubicaciones cercanas a compra (categoría, PDP, carrito).
• Tasa de conversión post-clic por audiencia o contexto.
• Incrementalidad (cuando se puede medir): ventas extra vs. control.
• Share of Search interno en el retailer: si tu campaña impulsa búsquedas de marca.
• Recompra a 30/60/90 días para categorías repetitivas.

La IA ayuda a atribuir y a detectar qué combinaciones (audiencia + contexto + creatividad) están generando esos resultados.

2) Construye audiencias con datos de primera parte (y úsalas con cabeza)

Si dependes solo de segmentaciones genéricas, estás compitiendo por precio. En cambio, con datos propios (CRM, historial, fidelización, comportamiento onsite) puedes crear audiencias como:

• Clientes que compraron hace 45 días (ventana típica de reposición).
• Usuarios que visitaron PDP pero abandonaron.
• “High-value” (alto LTV) vs. “promo-sensitive”.

Luego, la IA puede:

• Priorizar inversión en quienes tienen más propensión a comprar.
• Personalizar mensajes (reposición, rutina, prueba, bundle).
• Evitar saturación con control de frecuencia adaptativo.

3) Personaliza la creatividad sin perder coherencia de marca

Aquí es donde muchas empresas se estrellan: hacen 200 variantes de anuncio… y ninguna suena a su marca.

Un enfoque práctico es trabajar con una “biblioteca” de mensajes aprobados y dejar que la IA combine y pruebe dentro de límites:

• Beneficios (protección, hidratación, piel sensible)
• Prueba social (recomendación dermatológica, bestseller)
• Motivo de compra (rutina diaria, viaje, regalo)
• Incentivo (envío, pack, muestra)

Personalizar no es decirle a cada usuario algo distinto; es decirle lo correcto a cada intención.

4) Optimiza como un retailer, no como un anunciante tradicional

En retail media cuenta mucho el “dónde”:

• Búsqueda interna
• Categorías
• Fichas de producto (PDP)
• Cross-sell / recomendaciones

La IA puede ayudarte a asignar roles por ubicación:

• Search para capturar intención (alto rendimiento, competencia fuerte).
• Categoría para consideración (comparación).
• PDP para conversión (último empujón, bundles, accesorios).

Y lo más importante: detectar canibalización. Si tu search se come ventas orgánicas sin incrementar el total, estás pagando por lo que ya era tuyo.

Caso aplicado (ejemplo realista): dermocosmética en México en temporada alta

En México, diciembre empuja categorías como cuidado personal, belleza y bienestar por regalos y cierres de año. Imagina una marca mediana de dermocosmética que vende en su tienda online y en un retailer con retail media.

Objetivo: aumentar ventas sin destruir margen.

Estrategia con IA:

1. Predicción de demanda por SKU y zona para evitar quiebres (si no hay stock, el retail media quema presupuesto).
2. Segmentación:
   • Reposición (clientes recurrentes)
   • Regalo (compradores nuevos con cestas más altas)
   • Sensibles a precio (solo si hay packs)
3. Creatividades:
   • Reposición: “Tu rutina, lista en 24-48h”
   • Regalo: “Pack de rutina completa”
   • Precio: “Ahorra con kit”
4. Asignación de presupuesto:
   • Mayor inversión en ubicaciones de alta intención (search) para reposición.
   • Categoría para regalo, con bundles.
5. Optimización diaria con IA:
   • Ajuste de puja cuando sube la competencia.
   • Pausar variantes con fatiga.
   • Redistribuir presupuesto a SKUs con mejor stock y margen.

Resultado esperado (realista): menos “picos” de gasto ineficiente, más consistencia, y un mix de ventas menos dependiente de descuentos.

Checklist de implementación: tu plan de 30 días para retail media con IA

Si estás empezando, este plan funciona porque obliga a ordenar el caos.

1. Semana 1: Datos y medición

   • Define eventos: view, add-to-cart, purchase, recompra.
   • Unifica nomenclaturas de campañas y productos.
   • Establece un baseline (últimos 30-60 días).

2. Semana 2: Audiencias y catálogo

   • Crea 3-5 audiencias accionables.
   • Limpia feed: títulos, imágenes, atributos.
   • Define bundles o packs (si aplica).

3. Semana 3: Creatividad modular

   • 10-15 mensajes aprobados por beneficio/intención.
   • 5-10 variaciones por formato.
   • Reglas de marca (palabras prohibidas, claims, tono).

4. Semana 4: Experimentos y optimización

   • 2 tests A/B claros (no 10 a la vez).
   • Regla de parada (cuándo declarar ganador).
   • Ajustes de presupuesto por propensión y margen.

Este enfoque te acerca a lo que premia el público: relevancia, utilidad y confianza.

Lo que se viene en 2026: retail media más “operativo” y menos “publicitario”

El impulso del retail media en España que se respiró en los premios (y que ya vemos también en LATAM) apunta a un cambio: los equipos de marketing están trabajando más pegados a operaciones, pricing e inventario.

La IA acelera ese cruce porque conecta piezas que antes vivían separadas: previsión de demanda, stock, pujas, creatividades y márgenes.

Si tuviera que resumirlo en una línea:

La próxima ventaja competitiva no será anunciar más; será coordinar mejor datos, inventario y mensajes.

Para las marcas de e-commerce y comercio minorista, el mensaje es práctico: si quieres campañas “favoritas del público”, deja de pensar solo en anuncios y empieza a pensar en experiencias de compra.

¿Tu siguiente campaña está diseñada para ganar clics… o para ganar preferencia?