Este módulo permite a los vendedores definir relaciones de productos complejas, incluyendo ventas cruzadas (artículos complementarios), ventas adicionales (alternativas de mayor valor) y accesorios. Soporta la automatización basada en reglas para los motores de recomendación, al tiempo que permite la curación manual para campañas específicas.
Configure el sistema para que soporte categorías de relación distintas: Venta cruzada (complementaria), Venta mejorada (alternativa premium) y Accesorios (adicionales). Asigne pesos de prioridad predeterminados a cada tipo.
Utilice el editor visual o la API para enlazar productos. Por ejemplo, enlace "Zapatillas para correr" con "Calcetines para correr" como una venta cruzada y "Modelo de rendimiento" con "Modelo estándar" como una venta ascendente.
Defina la lógica condicional para las recomendaciones (por ejemplo, 'Mostrar accesorios solo si el precio del producto es > $50'). Asegúrese de que las reglas no creen dependencias circulares que confundan al motor de recomendaciones.
Ejecutar un lote de productos de prueba a través del motor de relaciones para verificar que los bundles sugeridos se ajusten a las pautas de la marca y a los datos históricos de compra.

Evolución de conjuntos de reglas estáticos a la gestión de relaciones dinámica, asistida por IA.
La funcionalidad principal permite a los usuarios mapear productos mediante reglas explícitas (por ejemplo, "Compra X, obtén Y") o mediante lógica implícita basada en categorías, marcas o escenarios de uso. Los responsables de merchandising pueden establecer pesos de prioridad para diferentes tipos de relaciones y visualizar el gráfico de recomendaciones resultante.
Generar recomendaciones automáticamente en función de una lógica predefinida, sin intervención manual para cada par de productos.
Una interfaz de arrastrar y soltar para crear y editar paquetes de productos, proporcionando retroalimentación inmediata sobre la validez de las relaciones.
Permitir a los vendedores que ajusten la importancia de relaciones específicas (por ejemplo, priorizar la venta cruzada de alto margen sobre la venta adicional de gran volumen).
Consolidar todas las fuentes de pedidos en un único flujo de entrada OMS gestionado.
Convertir los payloads específicos de cada canal en un modelo operativo consistente.
Objetivo: >85% de los SKUs (Unidades de Stock) deben tener al menos una relación definida.
Tasa de cobertura de las relaciones
Se espera un aumento del 10-15% en el valor promedio de los pedidos (AOV).
Aumento en la conversión de paquetes
<200 ms por cálculo de recomendación
Latencia de ejecución de reglas
La función de Relaciones con Clientes debe primero estabilizarse mediante la asignación de datos de clientes existentes a etapas claras del ciclo de vida, eliminando silos que oscurecen las señales de demanda reales. A corto plazo, automatizaremos las tareas rutinarias de relación a través de la segmentación impulsada por IA, liberando a los analistas para que se centren en cuentas de alto valor y resuelvan los puntos de fricción complejos antes de que se agraven. La estrategia a medio plazo implica la creación de un motor predictivo que anticipe los riesgos de abandono y identifique oportunidades de venta adicional basadas en patrones de comportamiento en lugar de datos demográficos estáticos. Esta fase requiere la integración de los planes de producto internos con la inteligencia de mercado externa para garantizar que las ofertas se alineen dinámicamente con la evolución del cliente. A largo plazo, la función evolucionará hasta convertirse en un socio proactivo de crecimiento, utilizando el análisis de sentimiento en tiempo real para co-crear soluciones con los clientes antes de que surjan problemas. En última instancia, este plan transforma nuestro papel de soporte reactivo a asesor estratégico, impulsando ingresos sostenibles a través de una profunda confianza y agilidad basada en datos en todo el recorrido del cliente.

Fortalecer los reintentos, las comprobaciones de estado y el manejo de mensajes no entregados para aumentar la fiabilidad de la fuente.
Validación de la afinación según el canal y el contexto de la cuenta para reducir las rechazadas falsas.
Priorizar los fallos de entrada que tengan mayor impacto para una recuperación operativa más rápida.
Activar temporalmente reglas específicas de venta cruzada para colecciones de temporada (p. ej., abrigos + bufandas) para impulsar las ventas en la categoría.
Generar automáticamente ofertas de venta cruzada para clientes de alto valor que hayan comprado una categoría de productos específica más de dos veces.
Identificar productos que faltan accesorios comunes y sugerir los accesorios necesarios para completar el conjunto o la configuración del cliente.