Los tres tipos de recomendación
Fire spark soporta tres tipos. Cada uno responde a un momento comercial distinto.Upsell — vender la versión más completa
Usa upsell cuando el cliente ya quiere tu categoría, pero puedes expandir el pedido con una configuración de mayor valor:- Pasar de un ítem suelto a un combo o bundle
- Mostrar un preset de modificadores premium (cantidades preseleccionadas en toppings premium)
- Subir de tamaño estándar a una versión grande o destacada
Cross-sell — vender algo adicional
Usa cross-sell cuando el principal está bien, pero el carrito puede crecer con add-ons que tienen sentido juntos:- Acompañamientos, bebidas, postres
- Ítems complementarios
- Combinaciones que tu CRM o analytics ya conoce
Downsell — salvar la venta
Usa downsell cuando prefieres convertir con ticket menor a perder al cliente:- Ofrecer un ítem suelto cuando el combo se siente demasiado
- Sugerir una configuración más simple ante riesgo de abandono
- Presentar una alternativa menor antes de que salga del flujo
Dos formas de activar recomendaciones
Puedes combinar dos enfoques complementarios.1. Enviar recomendaciones en el sync de menú (tus reglas)
Durante el sync de menú, tu integración puede incluir un catálogorecommendations y vincularlo a productos. Cuando las envías, Fire spark usa exactamente lo que defines para ese producto y ese espacio.
Es el modelo correcto cuando:
- Ya calculas sugerencias en un servicio externo (CRM, personalización, data warehouse, lógica de agregador)
- Corres A/B tests o campañas en tu stack y quieres que Fire spark las refleje al instante
- Necesitas control total sobre copy, targets y timing por sync
2. Motor de recomendaciones de Fire spark (backoffice)
Desde el backoffice, puedes prender el motor de recomendaciones de Fire spark por merchant. Cuando el motor está encendido y no adjuntaste una recomendación a un producto en el sync de menú, Fire spark genera y muestra sugerencias por ti — upsell, cross-sell o downsell según corresponda en ese contexto. Cuando el motor está apagado, o cuando sí enviaste recomendaciones en sync para ese espacio, el motor no reemplaza tus reglas de catálogo (ver precedencia abajo). Ayuda especialmente cuando:- El merchant es nuevo en Fire spark y aún no tienes payload de sync para cada campaña
- Marketing quiere arrancar rápido mientras operaciones sigue sincronizando el menú desde el POS
- Prefieres que la plataforma merchandisee los huecos que no modelaste en tu integración
Qué tiene precedencia
Las recomendaciones que envías en el sync de menú siempre tienen precedencia. El motor de Fire spark solo sugiere donde dejaste un hueco — y solo cuando está prendido en el backoffice.
En setups mixtos:
- Mantén campañas estratégicas en tu sync (upsell por tiempo limitado, promos de partners, cross-sell desde CRM)
- Deja espacios sin configurar al motor cuando el backoffice está prendido (productos nuevos, cross-sell de cola larga, tiendas sin stack de personalización)
Cómo entrenamos el motor de recomendaciones
Fire spark no improvisa. El motor aprende de señales que ya envías y del comportamiento de pedidos en la plataforma:
Cuanto más sincronizas — sobre todo recommendations explícitas y definición de bundles — mejor entiende el motor tu catálogo incluso antes de tener mucho volumen de pedidos. Las recommendations en sync también entrenan la plataforma sobre tu estrategia; no son solo reglas que el motor debe omitir cuando existen.
Cómo suelen trabajar los equipos
Qué ve el cliente
Las recomendaciones aparecen en el flujo de pedido donde el canal lo soporte — como upgrades sugeridos, add-ons o alternativas más simples ligadas al producto que está configurando. Respetan:- Composición de menú por canal, tienda y fulfillment
- Disponibilidad — no se promueven targets agotados
- Alcance — solo se conservan recomendaciones cuyo producto destino existe en ese menú compuesto
Recursos relacionados
Menús
Cómo se compone el catálogo por canal y contexto
Productos
Grupos modificadores, pricing y bundled items
Guía de sync de menú
Flujo técnico y campos de recomendaciones
Ejemplo de recomendaciones
Payload de upsell, cross-sell y downsell