Adobe Analytics publicó esta semana los datos de tráfico retail del Q1 2026: las visitas referidas por IA a sitios de e-commerce de EE. UU. crecieron 393 por ciento interanual, con la cifra de marzo 2026 ubicándose 269 por ciento por encima del mismo mes doce meses antes. La muestra de Adobe son 1 billón de visitas a sitios retail de EE. UU. más una encuesta a 5.000 consumidores. Los números más interesantes son comportamentales. El tráfico referido por IA convierte 42 por ciento mejor que el tráfico no-IA, pasa 48 por ciento más tiempo en el sitio, navega 13 por ciento más páginas por visita y genera 37 por ciento más ingresos por visita. La tasa de crecimiento del titular parte de una base cercana a cero; las métricas de conversión y engagement son la señal que importa.
Lo que Adobe está midiendo son referrals: usuarios que clickearon hacia un retailer desde ChatGPT, Gemini, Perplexity, Copilot u otro asistente. Adobe no publicó atribución a nivel de plataforma en este release, que es justamente el número que los retailers quieren saber. El delta comportamental es en parte un efecto de selección. Un shopper que le pide a ChatGPT "recomendame una zapatilla para correr con pies planos bajo 150 dólares" ya afinó intención antes de clickear, así que naturalmente convierte mejor que alguien que llega por búsqueda no-dirigida o redes. Ese efecto de selección no hace al impacto en ingresos menos real. Solo significa que "optimizar para tráfico IA" está más cerca de "ser la respuesta que recomienda una IA" que de "correr campañas publicitarias targeteadas de IA", y los datos de Adobe todavía no discriminan entre esos dos playbooks.
Este es el primer trimestre donde la tesis de "chatbot como superficie de descubrimiento retail" tiene números defendibles abajo. La arquitectura de Starbucks-en-ChatGPT que cubrimos acá ayer se vuelve mucho más racional cuando mirás estos datos. Si el tráfico referido por IA convierte 42 por ciento mejor y genera 37 por ciento más ingresos por visita que tu canal existente, registrar tu marca como app de ChatGPT con handoff vía deep link a tu propio checkout es una decisión de valor esperado positivo directa, sin importar el volumen absoluto hoy. Los volúmenes totales todavía son chicos en relación a search y directo, pero un crecimiento anualizado de 393 por ciento aun desde una base chica produce un canal significativo en dos años. Los retailers que optimicen sus catálogos, su schema markup y sus descripciones de marca para la recuperación por IA en los próximos 12 meses van a parecer brillantes en 2027. Los que traten esto como un problema de 2028 probablemente no.
Para cualquiera construyendo sobre stacks de retail o commerce, se siguen tres movimientos concretos. Primero, separá ya el tráfico de referrers de IA en tus analytics; la mayoría de los setups lo bucketean como "otro" o lo mezclan con directo, lo cual oculta exactamente el diferencial de crecimiento y conversión que Adobe está midiendo. Segundo, auditá tu schema de producto y metadata contra cómo un LLM de shopping recuperaría tu catálogo; la calidad del feed importa más que el presupuesto publicitario en este canal, porque el agente elige el link, no el usuario. Tercero, si tenés una app nativa o un programa de fidelidad, el patrón de handoff a la Starbucks (app de IA para descubrimiento, tu propia superficie para checkout y captura de datos) es la arquitectura que vale copiar. La pregunta abierta que Adobe todavía no puede contestar es la atribución a nivel de plataforma. Asumí que esa brecha cierra en dos trimestres, momento en el cual optimizar para agentes individuales se vuelve una disciplina medible. Para constructores fuera de retail, el patrón transferible es que la descubribilidad de tu producto adentro de asistentes de IA ahora es ingreso medible, y los equipos que la trackeen van a ganar el presupuesto.