La góndola más influyente del comercio actual no ocupa metros cuadrados. Es una lista ordenada por un sistema que decide qué producto aparece primero, cuál queda relegado y qué alternativa será recomendada cuando el consumidor todavía no sabe exactamente qué comprar.

En los grandes marketplaces, la demanda ya no se encuentra directamente con la oferta. Entre ambas existe una capa de intermediación algorítmica que interpreta búsquedas, antecedentes de navegación, precios, disponibilidad, comportamiento de otros compradores y señales de desempeño.

Su función aparente es sencilla: reducir una oferta inmensa hasta convertirla en un conjunto manejable de opciones. Su impacto económico es mucho mayor.

El tráfico dejó de ser una consecuencia automática

Publicar un producto no garantiza que ese producto sea visto. La exposición se distribuye mediante resultados de búsqueda, recomendaciones personalizadas, productos relacionados, espacios publicitarios, notificaciones y diferentes módulos dentro de cada plataforma.

Cada uno de esos espacios ofrece distintas oportunidades de visibilidad. En consecuencia, el tráfico no surge únicamente del interés existente por una categoría. También depende del lugar que los sistemas de ranking y recomendación le conceden a cada oferta.

Una investigación de Raluca Ursu publicada en Marketing Science: The Power of Rankings, basada en un experimento de campo realizado en Expedia, encontró que la posición dentro de un ranking tiene un efecto causal sobre las alternativas que los consumidores deciden examinar. Una vez examinada una opción, no se observó un efecto adicional de su posición sobre la compra en ese estudio.

La distinción es central: el ranking influye en quién entra en consideración, pero la propuesta comercial todavía debe convertir esa atención en una venta. El estudio se realizó en reservas de hoteles; no mide directamente el efecto en Amazon o Mercado Libre.

Amazon ha documentado el uso de aprendizaje automático para ordenar productos y mejorar la relevancia de sus resultados de búsqueda en Amazon Search: The joy of ranking products. Mercado Libre, por su parte, ha descripto pruebas A/B para comparar algoritmos de ordenamiento y evaluar resultados como compras o transacciones.

Estas publicaciones describen enfoques técnicos de sus respectivos momentos; no revelan todos los factores ni sus pesos actuales.

El ranking es parte de la infraestructura comercial.

El circuito que se retroalimenta

Los sistemas de ranking y recomendación pueden utilizar clics, ventas y otras interacciones para interpretar qué productos parecen responder mejor a cada intención de compra. Luego utilizan esas señales para decidir futuras exposiciones.

Así se forma un circuito: la visibilidad genera interacciones; las interacciones producen información; y esa información puede justificar una nueva asignación de visibilidad. Un producto que obtiene una ventaja inicial tiene más oportunidades de reunir señales positivas, mientras que una oferta poco expuesta dispone de menos información para demostrar su potencial.

Los marketplaces pueden introducir mecanismos de exploración para probar productos nuevos o detectar cambios de tendencia. El problema es que la proporción entre explotación de lo que ya funciona y exploración de nuevas alternativas permanece fuera de la comprensión del consumidor y, en buena medida, también de los vendedores.

Una investigación de Chaney, Stewart y Engelhardt, presentada en ACM RecSys, advirtió, mediante simulaciones, que los sistemas entrenados con comportamientos previamente influenciados por recomendaciones pueden producir un ciclo de retroalimentación. Según sus autores, ese proceso puede homogeneizar las elecciones sin generar necesariamente una mejora equivalente en la utilidad obtenida por los usuarios.

La competencia también cambia de naturaleza

Dentro de este modelo, el vendedor ya no compite únicamente contra otros precios. Compite por producir señales que el sistema pueda interpretar favorablemente.

La calidad del catálogo, la información estructurada, el precio, la disponibilidad, la promesa logística, la reputación y la respuesta del consumidor forman parte de una operación que alimenta al marketplace. El peso preciso de cada variable no suele ser público y puede modificarse, pero el principio permanece: la visibilidad depende de una combinación entre relevancia, desempeño y capacidad operativa.

La publicidad agrega otra capa algorítmica. Pagar permite disputar espacios de exposición, pero no elimina la necesidad de relevancia comercial.

La inversión puede comprar la oportunidad de ser considerado; no garantiza que el consumidor encuentre una propuesta convincente.

Esto favorece a las organizaciones capaces de medir, experimentar y sostener inventario. También puede aumentar la distancia entre vendedores profesionalizados y empresas que todavía consideran al marketplace como una simple vidriera digital.

Cuando el algoritmo también modela el consumo

Para el comprador, la intermediación algorítmica ofrece beneficios concretos. Reduce costos de búsqueda, ordena catálogos extensos y facilita el descubrimiento de productos compatibles con una necesidad. Sin esa selección, navegar millones de ofertas sería poco práctico.

La tensión aparece cuando el sistema deja de limitarse a interpretar una demanda y comienza a intervenir en su formación. Una recomendación puede anticipar una necesidad, estimular una compra complementaria o devolver al consumidor hacia categorías asociadas con sus comportamientos anteriores. La frontera entre descubrir preferencias y reforzarlas se vuelve menos evidente.

No toda recomendación constituye manipulación. Sin embargo, cuando el ordenamiento algorítmico se combina con urgencia artificial, escasez dudosa o interfaces diseñadas para dificultar una decisión reflexiva, el problema deja de ser solamente comercial.

La OCDE describe los patrones comerciales oscuros como prácticas de interfaz que orientan, engañan, coaccionan o manipulan a los consumidores hacia decisiones que frecuentemente no favorecen sus intereses.

La regulación europea ya reconoce esta discusión. El artículo 27 del Reglamento de Servicios Digitales establece obligaciones de transparencia sobre los principales parámetros de los sistemas de recomendación para las plataformas en línea a las que se aplica. El artículo 38 exige a las plataformas y los motores de búsqueda de muy gran tamaño que utilicen estos sistemas ofrecer al menos una opción, para cada sistema, que no se base en la elaboración de perfiles.

El dato relevante no es solamente jurídico. Es el reconocimiento de que ordenar productos también implica distribuir oportunidades económicas e intervenir sobre la autonomía de elección.

Los algoritmos no reemplazaron al consumidor, pero modificaron el entorno dentro del cual decide. Tampoco reemplazaron a la competencia, aunque establecieron una nueva condición para participar de ella: primero hay que ser seleccionado por el sistema.

La cuestión central ya no es si los algoritmos influyen en las ventas. Es bajo qué objetivos organizan la oferta, con qué grado de transparencia y qué tipo de sociedad de consumo ayudan a construir.

Lecturas relacionadas

El problema no es Mercado Ads, es cómo se lo interpreta: el vínculo entre publicidad, visibilidad y propuesta comercial.

El próximo comprador será un agente de IA: cómo podría evolucionar la selección de ofertas en los marketplaces.