El comercio por voz: una industria cuyas propias cifras de tamaño de mercado varían hasta 40 veces entre un estudio y otro

Una tecnología con más de una década de disponibilidad, pero de adopción todavía incierta

Los asistentes de voz capaces de procesar compras mediante comandos hablados llevan disponibles comercialmente desde mediados de la década de 2010, con Amazon Alexa como uno de los pioneros más reconocidos de esta categoría. Sin embargo, a diferencia de otras tecnologías de comercio digital que documentamos en análisis anteriores —como el comercio conversacional por WhatsApp o los pagos instantáneos como Pix en Brasil—, el comercio por voz no muestra el mismo nivel de consenso entre analistas sobre su verdadero tamaño y ritmo de crecimiento actual.

La dispersión de cifras, en sus propios términos

Un repaso de las estimaciones disponibles en distintas firmas de investigación de mercado revela una variación extraordinaria: algunas proyecciones ubican el mercado global de comercio por voz en un rango de apenas 6.000 millones de dólares, mientras otras estimaciones lo sitúan considerablemente por encima de los 49.000 millones de dólares, y firmas más optimistas llegan a proyectar cifras superiores a los 150.000 millones de dólares para horizontes temporales similares. Estimaciones adicionales ubican el mercado en rangos intermedios, cercanos a los 80.000 millones o los 43.700 millones de dólares, según el estudio específico consultado.

Esta magnitud de discrepancia —una diferencia de hasta 40 veces entre el extremo inferior y el superior de las estimaciones disponibles— es considerablemente mayor que la variación típica que hemos documentado en otras categorías de comercio digital en análisis anteriores, donde las diferencias entre fuentes, aunque presentes, generalmente se mantienen dentro de un rango de 1,5 a 3 veces entre la estimación más conservadora y la más optimista. Una dispersión de esta magnitud sugiere que las distintas firmas de investigación de mercado están, en la práctica, midiendo fenómenos parcialmente distintos bajo la misma etiqueta de "comercio por voz" — algunas probablemente incluyen únicamente transacciones completadas de principio a fin mediante comando de voz sin ninguna intervención táctil adicional, mientras otras podrían estar contabilizando el valor total de cualquier interacción de compra que involucre en algún punto del proceso un componente de búsqueda o consulta por voz, incluso si la transacción final se completa mediante otro medio.

Por qué esta dispersión es, en sí misma, un hallazgo relevante

Para efectos de análisis de consumo y estrategia de negocio, la dispersión extrema de estas cifras es tan informativa como cualquier número específico que se pudiera citar con aparente precisión. Un mercado donde las firmas de investigación más reconocidas de la industria no logran ponerse de acuerdo ni siquiera sobre el orden de magnitud aproximado de su tamaño actual es, casi por definición, un mercado que todavía no alcanzó un nivel de madurez y estandarización de medición comparable al de categorías de comercio digital más establecidas, como el comercio electrónico tradicional vía sitio web o aplicación móvil, donde las metodologías de medición de valor de transacciones están mucho más estandarizadas entre las distintas fuentes de la industria.

Esta observación es consistente, además, con la experiencia práctica documentada por numerosos analistas de comportamiento del consumidor: aunque los asistentes de voz se usan extensamente para tareas como reproducir música, consultar el clima, o programar recordatorios, su uso específico para completar una transacción de compra de principio a fin —desde la búsqueda del producto hasta la confirmación final del pago, sin ningún paso intermedio realizado mediante pantalla táctil— sigue siendo, según la evidencia disponible, considerablemente más limitado que su uso para estas otras funciones no transaccionales del asistente virtual.

El patrón de uso más probable: descubrimiento por voz, conversión por pantalla

La evidencia disponible sobre comportamiento real del consumidor sugiere que el patrón más común no es la compra completa por voz de principio a fin, sino un modelo híbrido: el consumidor utiliza el asistente de voz para iniciar una búsqueda o consulta sobre un producto —por ejemplo, preguntando por el clima antes de decidir si necesita comprar un paraguas, o solicitando que se le recuerde reordenar un producto de uso habitual—, pero la confirmación final de la compra, especialmente para transacciones de mayor valor o complejidad, con frecuencia se traslada hacia una pantalla, ya sea del teléfono móvil o de una tableta, donde el comprador puede revisar visualmente los detalles del producto, el precio total y las opciones de envío antes de confirmar.

Este patrón de comportamiento híbrido ayuda a explicar, al menos parcialmente, por qué las estimaciones de mercado varían tanto entre firmas de investigación: si una firma mide únicamente las transacciones que se completan exclusivamente por voz sin ningún paso intermedio en pantalla, obtendrá una cifra de mercado considerablemente más pequeña que otra firma que decida contabilizar cualquier proceso de compra que haya incluido en algún momento una interacción de voz, incluso si la confirmación final ocurrió por otro medio.

Las categorías de producto donde el comercio por voz parece funcionar mejor

Pese a la incertidumbre generalizada sobre el tamaño total del mercado, existe cierto consenso direccional sobre qué tipos de compra se adaptan mejor al formato de voz. Las recompras de productos ya conocidos y de bajo involucramiento de decisión —artículos de uso doméstico habitual, productos de limpieza, o reabastecimiento de suscripciones ya establecidas— parecen ser el caso de uso más natural para el comercio por voz, precisamente porque el comprador no necesita comparar visualmente múltiples opciones ni evaluar información detallada de producto antes de decidir: ya conoce el producto, ya lo ha comprado antes, y simplemente necesita repetir esa transacción sin fricción adicional. En contraste, las compras que requieren comparación entre múltiples opciones, evaluación de imágenes de producto, o decisiones de mayor consideración y valor económico, parecen encontrar mayor resistencia dentro del formato exclusivamente hablado, dado que la interfaz de voz ofrece, por su propia naturaleza, muchas menos posibilidades de presentar información visual comparativa que una pantalla tradicional.

Qué significa esto para una marca de comercio electrónico o retail digital

• La extrema dispersión de estimaciones de mercado sugiere que cualquier decisión de inversión significativa en capacidades de comercio por voz debería basarse en datos propios de comportamiento de los clientes de la marca específica, en lugar de proyecciones genéricas de la industria que, como se documentó en este análisis, varían hasta 40 veces entre sí y probablemente no son directamente comparables entre ellas por medir fenómenos distintos.
• El patrón de comportamiento híbrido —descubrimiento por voz, confirmación por pantalla— sugiere que las marcas deberían diseñar experiencias de compra que integren de forma fluida ambos canales, en lugar de tratar al comercio por voz como un canal de venta completamente independiente y autónomo del resto de la experiencia digital de la marca.
• Las categorías de producto de recompra habitual y bajo involucramiento de decisión parecen representar el caso de uso más maduro y con mayor probabilidad de conversión efectiva por voz, lo que sugiere que las marcas de consumo masivo con productos de reposición recurrente —limpieza del hogar, cuidado personal básico, alimentos de consumo habitual— probablemente encontrarán mayor retorno inicial al invertir en optimizar su presencia para asistentes de voz, en comparación con categorías de mayor consideración de compra.
• La falta de consenso en la medición de este mercado es, en sí misma, una señal de que se trata de una categoría todavía en fase temprana de desarrollo, por lo que las marcas deberían aproximarse a cualquier inversión en esta tecnología con expectativas moderadas de retorno inmediato, tratándola más como una apuesta de posicionamiento de marca a mediano plazo que como un canal de conversión ya consolidado y predecible.

Fuentes

• Múltiples firmas de investigación de mercado especializadas en comercio digital — estimaciones divergentes del tamaño global del mercado de comercio por voz, citadas con fines comparativos para ilustrar la dispersión metodológica de este segmento
• Análisis de comportamiento del consumidor en interfaces conversacionales — patrones de uso híbrido entre voz y pantalla en procesos de compra digital

Este es un análisis editorial de Blue Insights sobre datos públicos de terceros, no una investigación primaria de Blue. Dada la inusual dispersión de cifras disponibles sobre este mercado específico, este análisis prioriza la interpretación cualitativa de los patrones de comportamiento del consumidor sobre la cita de una cifra única de tamaño de mercado, que consideramos poco confiable dado el desacuerdo documentado entre las fuentes disponibles. Ver metodología.

Nota metodológica: Este es un análisis editorial curado por Blue Design Worldwide sobre datos públicos. Conoce más sobre nuestra metodología.