Construyendo un recomendador de productos personalizado en Liquid de Shopify

El recommendations.products built-in de Shopify es una buena baseline. Las apps que prometen "personalización con IA" normalmente entregan scripts lentos y carruseles feos. El punto medio — un recomendador en Liquid + Section Rendering API alimentado con tus propias señales — es donde está el lift.

Señales que ya tienes

• Contenido del carrito actual.
• Historial de pedidos del cliente (customer.orders).
• Metafields de producto (occasion, material, line, complement_to).
• Sesión de browsing (vía cookie o local storage).

La arquitectura

1. La PDP renderiza un placeholder section.
2. Section Rendering API trae un section personalizado async, pasando customer ID y producto actual.
3. El section usa lógica Liquid contra metafields e historial para elegir complementos.
4. Cachea agresivamente a nivel section.

{%- comment -%} sections/recommended-for-you.liquid {%- endcomment -%}
{%- liquid
  assign current = product
  assign suggestions = ''

  if customer
    for order in customer.orders limit: 5
      for line in order.line_items
        assign suggestions = suggestions | append: line.product.id | append: ','
      endfor
    endfor
  endif

  assign complement_ids = current.metafields.custom.complement_products.value
-%}

Por qué le gana a la mayoría de apps

• Velocidad nativa. Renderiza dentro de tu critical path existente o async vía Section Rendering API.
• No es caja negra. Tú controlas las reglas, así que merchandising puede ajustarlas.
• Sin fee mensual. Es tu código.
• AI-ready. Agrega una llamada a LLM server-side después si quieres — misma arquitectura.

Cuándo usar una plataforma de personalización real

Si corres 1000+ pedidos/día y tienes data first-party rica, plataformas como Rebuy, Nosto o personalización on-site de Klaviyo pueden superar Liquid puro. Debajo de eso, Liquid gana en ROI.

---

Construimos personalización, PDP y features de merchandising en Shopify y Shopify Plus. Pide una cotización.