Un taller mecánico (tu cliente B2B) no entra a tu ecommerce a "inspirarse" viendo fotos de filtros de aceite. Entra con un manual engrasado buscando el código OEM 1J0-129-620. Si tu buscador le devuelve "No se encontraron resultados" porque él le puso guiones y tu base de datos no, acaba de irse a comprar a tu competencia.
La tiranía de los catálogos automotores
El mercado aftermarket (autopartes) tiene la estructura de datos más hostil del retail.
- SKU propio: Tu código de producto (Ej: `FIL-1234`).
- Código OEM: El código oficial de Ford/VW (Ej: `7M0819644`).
- Códigos de Reemplazo/Equivalencias: Los códigos de competidores (Mann, Fram, Bosch) que son exactamente la misma pieza. (Ej: un filtro Bosch `0986B00001` es igual al Fram `PH2870A`).
- Aplicaciones (Vehículos): Esta pieza aplica a 40 modelos de autos diferentes, de distintos años y motorizaciones.
Buscador Inteligente: El vendedor virtual
Un mostrador de repuestos funciona porque el vendedor humano sabe que "el filtro del Gol le va al Voyage". El B2B tiene que saber lo mismo.
Arquitectura de Equivalencias (Alias Searching):
Plataformas maduras permiten subir una tabla de sinónimos cruzados. Cuando el mecánico tipea el código de Fram en tu buscador, el motor de Elasticsearch lee la matriz, dice "Este código de Fram equivale a nuestro SKU interno FIL-1234", y se lo muestra instantáneamente.
Filtro "Año / Marca / Modelo" (YMM)
Es el Santo Grial de las autopartes. Un sistema de filtros en cascada:
- Seleccione Marca (Peugeot)
- Seleccione Modelo (208)
- Seleccione Año (2021)
- Seleccione Motorización (1.6 VTi)
Solo para llegar a esto, necesitás una base de datos de compatibilidades (Data TecDoc o similar) cruzada contra tu inventario. Una plataforma B2C (Tiendanube/Shopify) revienta intentando hacer esto con "Tags", porque terminás teniendo productos con 3.000 tags colgados. Necesitás una plataforma con Atributos Multidimensionales Indexados.
