Cómo decide realmente un motor de personalización lo que ve cada visitante

Todas las herramientas de personalización se describen con los mismos sustantivos — perfiles, segmentos, recomendaciones, pruebas — y casi ninguna explica el único momento que importa: los pocos milisegundos después de que un visitante pide una página, cuando el motor tiene que decidir qué ve esa persona. No es un truco. Son varias capas, cada una con reglas que define el propietario del sitio, y la respuesta para este visitante en esta página sale de todas ellas a la vez. Este es un recorrido por esas capas en el orden en que actúan dentro de Personyze.

Cuatro capas, una decisión. Cada casilla es un punto donde el propietario del sitio fija las reglas — qué datos entran, cómo se ponderan, dónde aterriza la respuesta y qué se mide.

1. La capa de datos: lo que sabe el motor

No se puede decidir nada sobre un visitante del que el motor no sabe nada, así que la primera capa es lo que recopila y de dónde. La mayor parte llega sin que nadie configure nada; el resto es decisión del propietario del sitio.

• El conjunto de datos por defecto. La etiqueta de tus páginas registra lo que hace cada visitante — páginas y productos vistos, búsquedas en el sitio, contenido y valor de la cesta, tiempo en el sitio, scroll, regresos, número de visitas, referente y campaña, dispositivo, ubicación, tiempo meteorológico local y hora. Es la base que leen todas las demás capas, y está activa desde la primera página vista.
• El rastreador del sitio y los intereses automáticos. Personyze rastrea tu sitio y usa IA para clasificar cada página según de qué trata realmente — de forma contextual, con los términos de tu propio sitio y no con una taxonomía genérica. Un visitante que ve productos de la categoría de regalos religiosos lleva “regalos religiosos” como interés, ponderado según cuánto haya visto. Esto es lo que permite al motor entender qué significa una página para una persona y no solo que la ha visto, y esos mismos intereses alimentan la segmentación, las recomendaciones y el descubrimiento de audiencias.
• Integraciones. Durante el onboarding conectas lo que ya tienes: el CRM y el ESP (HubSpot, Salesforce, Klaviyo, ActiveCampaign y los demás), una CDP o un gestor de etiquetas, feeds de productos y contenidos, y tus propios eventos por API. Cada uno se convierte en atributos del perfil que pueden usar las reglas y los modelos — consulta la página de integraciones para ver la lista.
• Datos de cuentas. En sitios B2B, la búsqueda por IP inversa identifica la empresa detrás de una visita anónima — sector, tamaño, nombre — y las listas de cuentas nominales permiten que las campañas de marketing basado en cuentas traten a una cuenta objetivo de forma distinta desde la primera página.
• Datos declarados e identidad. Los formularios, los inicios de sesión y los clics en emails vinculan sesiones y dispositivos a una sola persona, así que lo que el motor aprendió en el portátil la semana pasada se aplica hoy en el móvil.

La clave de esta capa es la elección: qué grupos de datos puede usar el motor es un conjunto de interruptores, y los informes indican qué grupos sostuvieron realmente las decisiones.

2. El perfil: un visitante, un registro — y la visita hasta ahora

El orden en el momento de la petición. Primero se lee el perfil, luego deciden las audiencias y los modelos, se renderiza la respuesta y el resultado se escribe de vuelta para la siguiente petición.

En el momento de la petición, el motor identifica quién pregunta y lee un único registro combinado: el comportamiento anterior, los intereses que asignó el rastreador, los campos del CRM, la empresa, las listas a las que pertenece el visitante — y, lo que es crucial, lo que ha hecho en esta visita. Un visitante que acaba de buscar “al por mayor”, ha visto seis productos y ha abandonado una cesta es una persona distinta de la que llegó hace cinco minutos, y cada capa inferior lee el perfil tal como está ahora, no como estaba anoche.

Por eso una regla puede decir el sector es igual a finanzas y productos vistos al menos seis sin importarle que un dato venga de ZoomInfo y el otro de la sesión actual.

3. Segmentación: quién es este visitante, ahora mismo

Con el perfil en la mano, el motor evalúa las reglas de segmentación — en vivo, en cada visita, no sobre una instantánea. Tres tipos de audiencia alimentan este paso:

• Reglas que escribiste tú. Condiciones sobre cualquier atributo del perfil, combinadas con Y, O y NO. Es la segmentación por comportamiento tal como la conocen la mayoría de los equipos: quienes abandonan la cesta, VIP que vuelven, primera visita desde un anuncio de pago, una empresa de la lista de cuentas objetivo.
• Listas que importaste o creaste. Personas con nombre procedentes de una exportación del CRM, un feed o una campaña anterior, actualizadas periódicamente y utilizables tanto para email, push y campañas offline como en el sitio.
• Audiencias que descubrió el motor. Una vez por semana — o cuando pulses “Ejecutar una pasada ahora” — Descubrimiento de audiencias lee los datos de visitantes de la propia cuenta y encuentra reglas cortas para los visitantes que alcanzan un resultado mucho más a menudo que la media, medidas de nuevo sobre visitantes que la regla nunca vio. Cada hallazgo es una tarjeta que puedes segmentar con un clic, elegir desde la categoría Audiencias descubiertas en cualquier campaña, convertir en una lista o copiar en una audiencia propia.

Las audiencias descubiertas se incorporan al paso de segmentación como cualquier regla escrita a mano: una condición en vivo, evaluada por visitante y por petición. Cuenta de ejemplo.

Sea del tipo que sea, la audiencia es una pregunta que el motor se hace sobre este visitante en esta petición. Un visitante que cruza un umbral a mitad de sesión ya está en la audiencia en la página siguiente.

4. El modelo de recomendación: qué mostrar y cómo lo dirige el propietario

Las recomendaciones son una decisión propia dentro de la decisión. Un widget en una página de producto, una franja en la cesta, un bloque “sigue leyendo” bajo un artículo y una cuadrícula de productos en un email ejecutan cada uno un modelo que ordena artículos para este visitante en este momento — y el modelo no es un algoritmo, sino una selección de ellos, combinados, con ajustes que controla el propietario del sitio.

El algoritmo se elige por página, porque cambia el ancla: el producto actual en una página de producto, los artículos vistos recientemente en la página de inicio, el contenido de la cesta en la cesta. Cuenta de ejemplo.

• Los algoritmos. Selecciones personalizadas basadas en los intereses del visitante y el comportamiento de visitantes similares; más populares, tendencias y más vendidos, opcionalmente de la categoría que el visitante estaba viendo; vistos juntos, comprados juntos y upsells anclados al producto que se está viendo o que está en la cesta; historial del visitante como vistos recientemente y de nuevo en stock; eventos del catálogo como novedades y bajadas de precio; y un algoritmo personalizado que defines tú. Consulta la página del motor de recomendaciones para ver el conjunto completo.
• Los ajustes del propietario. Aquí vive la lógica de negocio de un sitio. Un editor puede dar más peso al contenido promocionado o patrocinado; un minorista puede impulsar una categoría, excluir lo que está agotado o ya se ha comprado, limitar el rango de precios y fijar un artículo en la primera posición. Los pesos por algoritmo deciden la mezcla; los filtros deciden qué puede aparecer.
• Por audiencia. El mismo widget puede aplicar lógicas distintas a audiencias distintas — completar el look para compradores que vuelven, más vendidos para quien visita por primera vez — porque el paso de segmentación ya ha dicho quién es.
• Guiado por la visita. Los intereses de esta sesión cambian el orden de inmediato: un visitante que acaba de ver tres artículos de una categoría ve esa categoría con más peso antes de salir de la página en la que está.

5. Pruebas y optimización: qué variante, para quién

Si una campaña es un experimento, la asignación ocurre aquí. Personyze asigna por audiencia y resuelve por audiencia, y esa es la diferencia entre las pruebas A/B centradas en la audiencia y las que se aplican a todo el sitio: una variante puede ganar con los compradores que vuelven y perder con los nuevos, y el motor puede promoverla para el primer grupo mientras la prueba sigue para el segundo. Las pruebas multivariantes hacen lo mismo con varios elementos a la vez, y los algoritmos de recomendación pueden probarse entre sí en la misma ubicación, medidos por ingresos por sesión en lugar de clics.

El entorno también importa. Una campaña se crea y se previsualiza en staging, se publica cuando está lista y se reparte por porcentaje de tráfico, para que una idea nueva pueda funcionar en una parte antes de llegar a todos. Cuando llegan los números, el ganador se queda automáticamente con el tráfico.

6. El renderizado: tan rápido que nadie lo nota

Solo ahora aparece algo. Las acciones elegidas se renderizan en la página a través de la etiqueta de tu propio sitio, en el servidor en una landing page dinámica, dentro de un email en el momento en que se abre, como notificación push, en la conversación de chat, mediante la API para tu propio stack, o como evento hacia Meta, TikTok, Google Analytics y el resto de los doce destinos a los que llega el emisor de eventos — y toda la cadena anterior tiene que completarse antes de que cargue la página. Nada espera a un proceso por lotes: el análisis que hay detrás del descubrimiento se ejecutó hace días, las listas se actualizaron durante la noche y la propia decisión se calcula en el momento de la petición a partir del perfil en vivo.

7. Aprendizaje: lo que vuelve

La última capa alimenta a la primera. Cada impresión, clic y conversión se escribe de vuelta en el perfil, lo que cambia aquello para lo que el visitante cumple condiciones en la siguiente petición. Los informes de campaña muestran resultados por audiencia, por acción, por algoritmo y por variante, no solo por campaña, así que la pregunta “¿ha funcionado?” tiene respuesta para cada grupo al que se mostró. Los ganadores se promueven; los algoritmos se ponderan según lo que generan.

La misma honestidad se aplica a lo que el motor encontró por sí mismo: el lift previsto y el lift real se muestran por separado, y un embudo cuenta qué audiencias se crearon, se llenaron y se usaron de verdad. Cuenta de ejemplo.

Por qué importan las capas

Los proveedores que nacieron como herramienta de testing suelen empezar en la capa cinco; los que nacieron como widget de recomendaciones empiezan en la capa cuatro. Ambos añaden un perfil después, y por eso su “full stack” necesita un proyecto de integración para comportarse como un solo sistema. Empezar por los datos — recopilados por defecto, entendidos por el rastreador y ampliados con tus integraciones — es lo que abarata cada capa posterior: la regla de segmentación, la combinación de recomendaciones, la prueba y el informe leen el mismo perfil, y el propietario del sitio fija las reglas en cada una de ellas.

• La plataforma de personalización — un perfil, un motor, todas las jugadas.
• Segmentación por comportamiento — las reglas, los disparadores, los canales.
• El motor de recomendaciones — los algoritmos y los ajustes que los dirigen.
• Pruebas A/B centradas en la audiencia — asignación y resolución por audiencia.
• Descubrimiento de audiencias — las audiencias que el motor encuentra en tus propios datos.
• Reservar una demo — mira la decisión tomada en tus propias páginas.