Personal Shopper Agent para Commerce Cloud.
Cierra la brecha entre catálogo abundante y shopper que no encuentra lo que busca.
El agente OOTB de Agentforce que asiste al shopper en lenguaje natural en web, app mobile y WhatsApp Business. Descubre productos, compara opciones, recomienda talle, agrega al carrito con validación de stock y guía el checkout sin tocar datos de tarjeta. Pensado para shoppers B2C en cualquier vertical retail (fashion, beauty, electrónica, supermercado, hogar, farmacia) donde el carrito abandonado supera el 75% en LATAM.
¿Qué hace Personal Shopper Agent?
Es un agente OOTB de Agentforce que opera en los canales donde está tu cliente: web (Embedded Service), app mobile (iOS/Android SDK) y WhatsApp Business. Identifica intención, recupera Customer Profile y Browsing Events desde Data Cloud, ejecuta búsqueda en el catálogo con filtros derivados del lenguaje natural, presenta opciones, recomienda talle, valida stock al agregar al carrito y guía el checkout sin manipular datos de tarjeta. Recuerda preferencias entre sesiones gracias al Preference DMO.
Cómo funciona paso a paso
Del primer mensaje al pedido confirmado. 7 pasos en una sesión típica.
Inicio de la conversación
El shopper saluda en web, app o WhatsApp. El agente identifica si está autenticado, recupera el Customer Profile DMO desde Data Cloud y revisa si hay sesión previa con contexto relevante.
Identificación de intención
El agente clasifica el Topic activo (Product Discovery, Comparison Helper, Outfit Builder, Wishlist, Returns, Size Recommender) y carga los Hydrators relevantes en paralelo: Browsing Events, Order History, Inventory.
Búsqueda con filtros derivados del lenguaje
Ejecuta searchCatalog vía SCAPI con filtros generados a partir del input: categoría, color, ocasión, presupuesto, restricciones (sin gluten, hipoalergénico, etc.). Maneja sinónimos, errores de tipeo y variaciones dialectales.
Presentación de opciones y comparación
Devuelve 3-5 opciones rankeadas con foto, precio y atributos clave. Si el shopper duda entre dos productos, activa Comparison Helper para mostrar atributos diferenciales en formato estructurado.
Recomendación de talle o configuración
Para fashion, cosmética sensible o electrónica con compatibilidad técnica, ejecuta requestSizeRecommendation con el historial del shopper y las guías del fabricante. Devuelve una sugerencia con nivel de confianza explícito.
addToCart con validación de stock
Verifica disponibilidad vía Inventory Hydrator y, en caso de BOPIS, vía OCI. Si hay stock, agrega al carrito y sugiere productos complementarios. Si no, propone alternativas relevantes.
Checkout asistido sin tocar tarjeta
Aplica promociones disponibles, valida cupones y entrega un link tokenizado al gateway de pago (Mercado Pago, Adyen, Stripe). El agente nunca recibe ni procesa datos de tarjeta.
Ejemplo de interacción real
[Shopper argentino escribe en WhatsApp]
[El agente responde en segundos]
Arquitectura del agente
Topics, Actions, Hydrators y Effectors que sostienen al Personal Shopper en cada canal.
Topics
Dominios de razonamiento
- Product Discovery
- Comparison Helper
- Outfit / Bundle Builder
- Wishlist Manager
- Checkout Assistant
- Returns Helper
- Size Recommender
Actions y canales
Lo que ejecuta y dónde vive
- searchCatalog (SCAPI)
- addToCart con validación de stock
- applyPromotion / checkInventoryByStore (OCI)
- requestSizeRecommendation
- persistPreference (Preference DMO)
- Web Embedded Service
- App mobile (iOS/Android SDK)
- WhatsApp Business API
Hydrators y DMOs
Memoria entre sesiones
- Customer Profile DMO con Identity Resolution
- Browsing Events (click stream)
- Order History
- Inventory near-real-time
- Catalog (atributos, guías de talle)
- Preference DMO (cross-session)
- Engagement DMO
Effectors y Trust Layer
Escrituras y guardrails
- Cart writes vía SCAPI
- Wishlist updates
- Preference DMO writes
- OCI events para BOPIS
- PII masking (LGPD / GDPR)
- Fuera del scope PCI por diseño
- Consent management por canal
- Service Cloud handoff si escala
Implementación en 5 fases
Por la complejidad omnicanal y la dependencia de Customer 360 maduro: 10 a 14 semanas.
Discovery y mapeo de canales
Definimos los canales priorizados (web, app, WhatsApp), validamos catálogo enriquecido con guías de talle, atributos extendidos y consentimientos por canal.
Customer 360 e Identity Resolution
Configuramos Data Cloud DMOs (Customer, Cart, Wishlist, Preference, Browsing Events, Engagement) y validamos Identity Resolution entre canales.
Agent build y configuración por canal
Configuramos los Topics en Agent Builder, calibramos el system prompt para español rioplatense y mexicano, integramos WhatsApp Business y montamos el Embedded Service en el storefront.
Piloto controlado
Rollout por segmento de clientes (5-10% del tráfico) con monitoreo de conversion, AOV y NPS. Calibramos thresholds de fallback y políticas de Trust Layer.
Go-live y optimización continua
Rollout total. Tuning del system prompt por país, expansión a verticales internas (beauty, electrónica, supermercado) y revisión mensual de calidad de talle, OOS y deflection.
Equipo típico de implementación
Requisitos para arrancar
Lo que necesitás listo antes de poner el Personal Shopper en producción.
Datos mínimos
- Customer 360 en Data Cloud con Identity Resolution madura
- Catálogo rico con guías de talle y atributos extendidos
- Inventory en near-real-time
- Order History con últimos 12-24 meses
Licencias
- Salesforce Commerce Cloud B2C
- Commerce Cloud Agentic Edition
- Data Cloud for Commerce
- Service Cloud (handoff opcional)
- Marketing Cloud (journeys opcional)
Integraciones
- SCAPI para catálogo, carrito y checkout
- OCI (Omnichannel Inventory) si hay BOPIS
- WhatsApp Business API (Meta o BSP)
- Payment gateway (Mercado Pago, Adyen, Stripe)
- Trust Layer activo
Org readiness
- Consent management por canal documentado
- Política de devolución y cambios documentada
- Templates de WhatsApp pre-aprobados por Meta
- Sandbox con datos representativos
KPIs: antes y después
Métricas operativas que cambian cuando el shopper deja de buscar solo y pasa a tener un asistente conversacional.
| Métrica | Antes (sin agente) | Después (con Personal Shopper) | Cambio |
|---|---|---|---|
| Conversion en sesiones con agente activo | Baseline | +18%+ | +18%+ |
| AOV en sesiones asistidas | Baseline | +10 a 20% | +10-20% |
| NPS post-sesión | Baseline | +5 a 10 ppt | +5-10 ppt |
| Tasa de devolución por talle equivocado | Baseline | -25 a 40% | -25-40% |
| Productos OOS recomendados | 3 - 8% del total | ~0% | -100% |
| Tiempo desde primer mensaje a checkout | 15 - 30 minutos | 4 - 8 minutos | -70% |
Verticales aplicables: fashion omnicanal, beauty (con filtros por skin type), electrónica (con compatibilidad técnica), supermercado (cesta recurrente), hogar y decoración, farmacia (con consentimiento médico). En todas las verticales, la combinación de Customer 360 maduro + WhatsApp Business activo es el predictor más fuerte de uplift de conversión.
Tenemos casos en este agente — hablemos para compartir los relevantes a tu industria.
Riesgos comunes y cómo los mitigamos
Hallucination de stock o productos OOS
El agente recomienda productos que no existen o están agotados.
Mitigación: grounding obligatorio sobre Catalog DMO, Inventory Hydrator near-real-time como hard stop antes del addToCart y validación de IDs en cada inferencia.
Talle errado en categorías sensibles
Una mala recomendación de talle en farmacia o cosmética genera devoluciones costosas o riesgos de salud.
Mitigación: nivel de confianza explícito en cada recomendación, fallback a asesor humano cuando la confianza cae bajo umbral y consentimiento médico activo en farmacia.
Fricción en autenticación entre canales
El shopper que arranca en WhatsApp tiene que volver a loguearse en web y pierde el contexto.
Mitigación: Identity Resolution madura en Data Cloud con identifier match cross-canal, deep links autenticados y persistencia de Preference DMO como memoria entre sesiones.
Opt-out por uso comercial agresivo de WhatsApp
Mensajes proactivos sin consentimiento granular generan opt-out y bloqueos de Meta.
Mitigación: Consent Hydrator que valida consentimiento por canal antes de cada envío, frequency capping cross-canal y opt-out granular respetado por canal y tipo de comunicación.
Exposición accidental de datos PCI
Un shopper le pasa al agente el número de tarjeta y queda en el log de la conversación.
Mitigación: diseño fuera del scope PCI por defecto, detección de patrones de tarjeta en input con masking automático y delegación obligatoria del pago al gateway con tokens.
Preguntas Frecuentes
No. El agente cubre el volumen masivo de consultas de descubrimiento, talle y checkout que hoy ningún equipo humano puede atender en LATAM 24/7. Cuando la situación lo requiere — reclamo complejo, duda emocional, fraude sospechoso —, el agente ejecuta un handoff estructurado a Service Cloud con el contexto completo de la conversación.
Sí. El system prompt del agente se calibra por país: variante dialectal del español, tratamiento (vos / tú / usted), expresiones locales y categorías permitidas. Solu mantiene plantillas pre-configuradas para Argentina, México, Colombia, Chile, Uruguay, Brasil y España.
No. Por diseño, el agente queda fuera del scope PCI. Nunca recibe, procesa ni almacena números de tarjeta, CVV ni fechas de vencimiento. El flujo de pago se delega al gateway configurado (Mercado Pago, Adyen, Stripe, Cybersource) mediante tokens y redirecciones, sin que el modelo vea datos sensibles.
Sí. El Preference DMO en Data Cloud persiste talle habitual, marcas favoritas, restricciones (sin gluten, hipoalergénico), estilo preferido y configuración de notificaciones. Estas preferencias están disponibles en cualquier canal — la sesión que arranca en WhatsApp continúa en web sin que el shopper las repita.
Sí. La action checkInventoryByStore consulta vía OCI (Omnichannel Inventory) la disponibilidad por tienda física, devuelve tiempos estimados de preparación y permite al shopper elegir dónde retirar. Requiere OCI configurado y stock por location actualizado.
El Inventory Hydrator se ejecuta como hard stop antes del addToCart. Si el SKU está OOS, el agente lo excluye del set de candidatos y propone alternativas similares. Por eso la integración OMS / OCI en near-real-time es un requisito no negociable.
Sí. El Topic Returns Helper inicia la solicitud de devolución, guía al shopper en la selección del motivo, genera la etiqueta de envío y actualiza el estado del pedido en tiempo real. Si el caso requiere intervención humana — disputa, daño, fraude —, escala a un agente de Service Cloud con el contexto completo.
El asistente que cierra la brecha entre catálogo y conversión.
Hablá con un Commerce Architect de Solu. Mapeamos tus canales, tu Customer 360 y proyectamos el impacto del Personal Shopper en tu vertical.