Zalando pone el tallaje en el centro de su asistente de IA
22 millones de personas han usado el asistente de inteligencia artificial de Zalando a lo largo de 2026, once veces más que los dos millones que lo probaron desde su lanzamiento a principios de 2025. La cifra importa porque apunta al verdadero cuello de botella del comercio de moda online: no está en encontrar el producto, sino en acertar con la talla.
La compañía alemana ha incorporado el asesoramiento de tallas directamente dentro del chat conversacional, una función que hasta ahora vivía en fichas de producto separadas. El movimiento forma parte de lo que Zalando denomina Lifestyle AI, una capa de inteligencia que aspira a acompañar al cliente desde la inspiración hasta el pago sin salir de la conversación.
¿Cómo funciona el asesoramiento de tallas de Zalando?
Detrás de una pregunta aparentemente simple (¿qué talla me quedará mejor?) hay un desarrollo que arrancó en 2018. El sistema cruza y mapea más de 10.000 tablas de medidas pertenecientes a cientos de sistemas de tallaje distintos.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →Los datos técnicos que aportan los fabricantes no bastan por sí solos. Por eso el asistente combina esa información con:
- El historial de compras a largo plazo del usuario
- Sus devoluciones previas
- Las medidas corporales disponibles
- Las valoraciones reales de otros compradores sobre cómo sienta cada prenda
La función ya cubre aproximadamente el 70% del catálogo de Zalando y, según las pruebas A/B de la compañía, priorizar productos disponibles en la talla exacta de cada cliente elevó un 4% la tasa de adición a la cesta.
No es un esfuerzo nuevo. Según recoge Modaes, Zalando ya usaba algoritmos de recomendación de talla en las fichas de producto y en 2023 sumó recomendaciones basadas en medidas corporales obtenidas a partir de fotografías. En junio de 2026 la compañía explicó en su web corporativa que sus soluciones de talla y ajuste habían llegado a más de 1,5 millones de clientes y que sus pruebas de probador virtual redujeron hasta un 40% las devoluciones.
¿Por qué la talla es el problema más caro del e-commerce de moda?
Cada devolución por talla equivale a un envío de ida, otro de vuelta, una prenda que reingresa al stock y, con frecuencia, un descuento adicional para poder colocarla. Es un costo que se paga dos veces: en logística y en margen.
Ahí está la diferencia entre un asistente de propósito general y uno especializado. Un modelo genérico puede sugerir estilos a partir de patrones superficiales de texto, pero recomendar un ajuste fiable exige conocer la confección textil y la anatomía real de millones de compradores. Zalando lo construye sobre dos activos que no se compran: 18 años de operación en el comercio electrónico europeo y los patrones de comportamiento de 53 millones de clientes.
La arquitectura es híbrida y ese detalle es relevante. La fluidez del diálogo la aportan modelos de lenguaje de proveedores como OpenAI, mientras que la búsqueda de artículos, las recomendaciones personalizadas y el descubrimiento visual corren sobre algoritmos propios. La conversación se delega; la decisión de negocio, no.
¿Qué están haciendo Amazon, Mango, Ralph Lauren y Levi’s?
Zalando no compite en el vacío. Según el repaso de Modaes, la carrera por personalizar la compra de moda ya tiene varios frentes abiertos:
- Amazon fue uno de los primeros grandes actores en llevar IA al asesoramiento de tallas: en 2024 presentó una solución que combina tablas de medidas, imágenes, descripciones de producto, reseñas y miles de millones de compras anonimizadas.
- Mango lanzó en 2025 Mango Stylist, una herramienta conversacional de IA generativa que recomienda conjuntos según estilo, contexto y ocasión de uso.
- Ralph Lauren presentó Ask Ralph, una aplicación desarrollada junto a Microsoft que reproduce la experiencia de conversar con un estilista de tienda.
- Levi’s reforzó su estrategia con Outfitting en noviembre de 2025, una función que recomienda conjuntos a partir del historial de compras y la navegación, y ya había lanzado en Alemania en 2024 una guía interactiva basada en Alexa para encontrar talla de vaqueros.
El patrón es claro: el tallaje dejó de ser una tabla estática y se convirtió en una función conversacional.
Zalando Extended: llevar la conversación hasta el checkout
El asistente también cambió la forma en que la gente interactúa con la tienda. Las consultas son tres veces más extensas que las búsquedas tradicionales por palabras clave y generan una media superior a dos preguntas por sesión. Y cuando la respuesta deja de ser solo texto, la adopción sube: el 92% de los usuarios que consultan el estado de un envío usa las tarjetas interactivas de seguimiento, frente al 65% de la etapa anterior.
El siguiente paso apunta más lejos. Según TechBooky, Zalando anunció el 3 de noviembre Zalando Extended, un formato que mostrará productos de tiendas asociadas que la compañía no vende directamente, con Westwing como socio piloto. El checkout asistido por agentes de IA está planificado desde 2027, no disponible hoy.
El contexto financiero explica el interés. En el tercer trimestre, el volumen bruto de mercancía creció un 7,5% hasta EUR 4.500 millones y los ingresos un 5,1% hasta EUR 3.200 millones, con un beneficio operativo ajustado de EUR 107 millones (+10,6%) y un negocio B2B que creció casi un 28% hasta EUR 354 millones, según los datos que reporta TechBooky.
¿Qué significa esto para tu startup?
La lección no es «suma un chatbot». Es que la personalización profunda exige datos propios estructurados, y eso se construye antes de escribir la primera línea de código del asistente.
- Ordena tus datos de producto antes de la IA. Zalando tardó años en mapear más de 10.000 tablas de medidas. Si vendes producto físico, empieza por estandarizar atributos (medidas, materiales, compatibilidades, equivalencias entre versiones). Sin esa base, ningún modelo puede dar una recomendación fiable.
- Define la métrica de negocio desde el día uno. Zalando reporta impacto en adición a la cesta y en devoluciones, no en «engagement». Antes de lanzar, decide qué vas a medir: conversión, tasa de devolución, ticket medio o costo de atención.
- Delega la conversación, retén la decisión. Usa modelos de terceros para el diálogo natural y reserva tus datos y tu lógica de negocio para el motor de recomendación. Es el reparto que eligió Zalando y protege tu ventaja competitiva.
- Diseña respuestas con componentes, no solo texto. El salto del 65% al 92% en el uso de tarjetas interactivas sugiere que la interfaz importa tanto como el modelo.
Conclusión
Zalando convirtió un problema operativo (las devoluciones por talla) en una función de producto con métricas propias. Ese es el movimiento replicable: identificar la fricción que más cuesta en tu negocio y atacarla con datos que ya tienes, en lugar de añadir IA por moda. Con 22 millones de usuarios en el asistente y un catálogo cubierto al 70%, la compañía ya tiene la escala para iterar rápido. Para una startup, la ventaja está en empezar por el dato, no por el modelo.
Fuentes
- Zalando incorpora el asesoramiento de tallas a su Asistente de IA con base en sus propios datos
- Zalando afina su asistente de IA con datos de tallaje de 53 millones de clientes
- Zalando Extended Opens Its Shopping Platform to AI Agents
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →
