IA para vender más ropa online: qué recomendar en cada momento de la compra

En una tienda de ropa, la gente entra por una prenda y se va con esa prenda. La camisa que eligió combina con un pantalón que vos tenés en stock, en su talle, de la misma línea, pero nadie se lo mostró. La IA para vender ropa online hace exactamente eso: completa el look en el momento justo, con prendas que existen, que están disponibles y que tienen sentido juntas. No es magia ni es un catálogo de "también te puede gustar": es leer bien tu catálogo, tus pedidos y el contexto de cada visita.

Esta guía es práctica. Qué relaciones venden en indumentaria, qué conviene recomendar en cada uno de los 5 momentos de la compra, qué errores arruinan la experiencia y qué medir para saber si funciona. Con ejemplos reales de tiendas de ropa que usan CrossUp, sin nombres.

¿Cómo ayuda la IA a vender más ropa?

La IA mira qué prenda está eligiendo la persona y le propone la que completa el conjunto: la parte de abajo de la misma línea, el abrigo que va encima, el básico que siempre se suma. Decide con tu catálogo, tu stock y lo que de verdad se compra junto en tu tienda. El resultado es un carrito más completo sin que nadie tenga que salir a buscar.

Las relaciones que venden en una tienda de ropa

No todas las recomendaciones son iguales. En indumentaria hay cuatro relaciones que conviene distinguir, porque cada una funciona en un momento distinto:

• Misma línea (la otra mitad del conjunto). La camisa y el pantalón que comparten tela, color y nombre. Es la relación más fuerte en ropa: la persona ya eligió la estética, sólo le falta la otra pieza.
• Complemento. Lo que va encima o alrededor: el chaleco, la campera, el cinto. No es de la misma línea, pero completa el look.
• Variante. La misma prenda en otro color o en otro talle. Sirve cuando la persona todavía está decidiendo o cuando su talle no está; después de que eligió, ofrecerle otro color de lo mismo compite con su propia decisión.
• Kit o pack. El básico en cantidad: medias, remeras lisas, ropa interior en pack. Es una decisión rápida y barata, ideal para el final de la compra.

Qué recomendar en cada momento de la compra

En la página de producto: variantes y alternativas

Antes de agregar, la persona está comparando. Es el lugar para mostrar el mismo modelo en otros colores, una alternativa parecida cuando su talle está agotado y, si querés, un adelanto del conjunto. Acá no conviene empujar la segunda prenda: todavía no decidió la primera.

Al agregar al carrito: la otra mitad del conjunto

Es el momento más fuerte en ropa. La persona acaba de confirmar que quiere la camisa: la recomendación natural es el pantalón de la misma línea, en su talle y con stock. Es la relación que mejor rinde en los datos que vemos más abajo.

En el carrito: lo que falta

Mientras revisa el pedido, un carrusel con básicos y complementos ayuda a terminar el look o a llegar al envío gratis sin salir del carrito. Funciona mejor con prendas de precio bajo y decisión rápida que con otra prenda protagonista.

En el checkout: algo chico y obvio

Dentro del checkout la persona ya está pagando. Lo que entra acá tiene que ser simple: un pack de medias, un básico, un accesorio. Nada que la obligue a pensar en talles o combinaciones.

En la página de gracias: la próxima compra

Después de comprar, la recomendación prepara la siguiente visita: la parte del conjunto que no se llevó, la prenda de la próxima temporada, el básico que se repone.

Lo que muestran los datos de tiendas de ropa reales

Estos son ejemplos reales de dos tiendas de ropa argentinas que usan CrossUp, en los últimos 90 días al 24-oct-2026. Son de las mejores combinaciones de cada tienda (entre las que se mostraron al menos 60 veces y se compraron al menos 4), no el promedio. "Agregó" es el porcentaje de veces que la persona sumó la recomendación al carrito; "compró" es el porcentaje que terminó en un pedido pagado, siempre sobre las veces que se mostró.

En una tienda de ropa de mujer, al agregar al carrito:

• Camisa → pantalón de la misma línea: mostrada 114 veces; 17,5% la agregó y 6,1% la compró.
• Pantalón → chaleco de la misma línea: mostrada 73 veces; 15,1% la agregó y 6,8% la compró.
• Top → short de la misma línea: mostrada 152 veces; 11,8% la agregó y 4,6% la compró.
• Skort → top de la misma línea: mostrada 383 veces; 7,0% la agregó y 2,9% la compró.

En una marca de pijamas y básicos:

• Camisa de pijama → short del mismo pijama, al agregar al carrito: mostrada 71 veces; 32,4% la agregó y 8,5% la compró.
• Musculosa → short del mismo conjunto, al agregar al carrito: mostrada 270 veces; 24,1% la agregó y 5,9% la compró.
• Un conjunto → tripack de medias soquete, en el checkout: mostrada 96 veces; 9,4% la agregó y 5,2% la compró.

La lectura es clara: las combinaciones que más venden son la otra mitad de la misma línea. La camisa con su pantalón, el pantalón con su chaleco, la camisa de pijama con su short. Cuando dos prendas comparten nombre de línea, tela y color, la decisión es obvia para quien compra. Y en el checkout gana lo chico y repetible: un pack de medias.

Una aclaración honesta: estos números son observacionales. Muestran qué pasó con las recomendaciones, no cuánto se habría vendido sin ellas, porque no hay un grupo de control. Sirven para saber qué relaciones funcionan, no para prometer un resultado.

Errores comunes al recomendar ropa

• Recomendar un talle que no existe. Si la persona eligió un M y la recomendación sólo tiene XS, la recomendación resta. Filtrar por stock real del talle es lo mínimo.
• Ofrecer otro color de lo mismo después de que eligió. En la página de producto suma; al agregar al carrito compite con su propia decisión.
• Cruzar géneros o públicos. Una camisa de hombre no se completa con una pollera. Parece obvio, pero es el error más común de las reglas armadas a mano.
• Ignorar la temporada. Un short en pleno invierno, aunque haya stock, no se lleva.
• Mostrar demasiado. Una o dos prendas bien elegidas venden más que una grilla de diez.
• Catálogos sin líneas claras. Si las prendas de un mismo conjunto tienen nombres distintos y fotos sueltas, a la persona le cuesta ver que van juntas. Nombrar y fotografiar por línea ayuda a vender el conjunto.

Qué medir, en porcentajes

Para saber si las recomendaciones funcionan en tu tienda de ropa, mirá estas métricas, siempre con el período y la cantidad de casos al lado:

• Porcentaje de pedidos con un producto recomendado. De todos tus pedidos, cuántos llevan al menos una prenda que llegó por una recomendación.
• Recomendaciones agregadas y compradas. De las recomendaciones mostradas, qué porcentaje se agrega al carrito y qué porcentaje termina comprado.
• Porcentaje de agregadas que se compran. Si la gente agrega pero no compra, puede haber un problema de talle, de precio o de envío.
• Suba del ticket de los pedidos con recomendación (lo recomendado sobre el resto de ese pedido). Cuánto pesa la prenda recomendada frente a lo que la persona ya iba a llevar.

Evitá comparar el ticket de los pedidos con y sin recomendación: quien acepta una recomendación suele estar más decidido, y esa comparación mezcla causa con correlación.

Cómo empezar

1. Ordená las líneas del catálogo. Mismo nombre para las prendas que se venden juntas y fotos que lo muestren.
2. Activá primero el momento de agregar al carrito. Es donde la otra mitad del conjunto rinde más.
3. Sumá el checkout con básicos. Packs y accesorios de decisión rápida.
4. Medí unas semanas y ajustá. Mirá qué combinaciones se agregan y cuáles se compran, y sacá las que no rinden.

Con CrossUp, SalesPilot (el motor de IA) hace la parte pesada: usa tu catálogo, tu stock, tus pedidos, la prenda que se está mirando y lo que ya está en el carrito, y decide qué prenda mostrar en cada momento. Vos podés sumar reglas manuales para las líneas que querés empujar, y la prueba es de 15 días gratis.

Para ver cómo se aplica a indumentaria, entrá a IA para tiendas de ropa. Si querés ver números de tiendas reales de otros rubros, están en los casos de tiendas reales. Y si estás pensando en armar conjuntos con descuento, leé combos que funcionan y los 5 momentos de conversión de un e-commerce.