Llegada el jueves a las 18:00 h. No hay ningún problema con la Promesa de entrega de OneStock.

Por Guillaume Vanbrugghe

No tiene nada de extraño ver la estimación de entrega estándar de «de 3 a 5 días laborables» al realizar un pedido. Muchas páginas de comercio electrónico la utilizan, o alguna variante de la misma. El problema es que, en realidad, no le dice nada —bueno, nada útil, al menos—. De hecho, según un estudio de Gartner publicado en marzo de 2025, los minoristas indican un plazo de entrega medio de hasta 6,7 días, cuando el tiempo medio real de entrega es de 3,7 días. Por lo tanto, está claro que no nos enfrentamos a un problema logístico. Se trata más bien de un problema de información: un reto que se ha dejado de lado durante demasiado tiempo.

Si bien es positivo que casi todos los minoristas muestren ahora una fecha de entrega al finalizar la compra, dicha fecha se corresponde simplemente con el final de su plazo de envío fijo en el 65 % de los casos. Por su parte, solo el 6 % de los minoristas muestra una Promesa de entrega en la página del producto, que es precisamente el momento crucial en el que el cliente decide realmente si va a comprar. El resto deja a sus clientes a ciegas en esta fase, lo que perjudica la experiencia de compra en su conjunto.

Una mayor transparencia se traduce en una mejor conversión

Cuando los clientes se quedan sin la información clave que necesitan, es probable que no completen una transacción, lo que significa que ya existe una oportunidad de aumentar las tasas de conversión. Sin embargo, esta oportunidad está llamada a ser aún mucho mayor.

Tal y como explica el analista Chap Achen, en su intervención en el Simposio de la Cadena de Suministro de Gartner de 2026 celebrado en Barcelona, a medida que los agentes de compra basados en la inteligencia artificial se hacen cargo de la búsqueda de productos, es la oferta de cumplimiento la que se convierte en el principal factor de clasificación, por delante de la historia de la marca, la selección de productos o el contexto promocional.

En otras palabras, un agente al que se le pide que busque «zapatillas de correr por menos de 150 € que pueda recibir antes del viernes» no responde a los anuncios publicitarios. En cambio, analiza sus datos de entrega y los compara, en tiempo real, con los de todos los demás minoristas. Esto significa que un plazo de entrega impreciso ya no es solo un problema de conversión en el proceso de compra. En el mundo del Agentic Commerce, se convierte en un problema de visibilidad. Por este motivo, una promesa de entrega precisa y estructurada no solo es positiva para mejorar las tasas de conversión actuales en el sentido tradicional. Son los datos que los agentes leerán cada vez más en el futuro para decidir si su producto llega a aparecer siquiera.

Cómo OneStock ofrece la promesa adecuada, en el momento oportuno, y la cumple

Para superar este reto, OneStock ofrece su solución «Promesa de entrega». «Promesa de entrega» calcula, en tiempo real, la opción de entrega más precisa disponible para cada cliente y la muestra a lo largo de todo el proceso de compra, a través de API o MCP, en cualquier canal.

Además, la información se adapta en función de la etapa del proceso de compra en la que se encuentre el cliente. En la página de ficha del producto, por ejemplo, se muestra una indicación concisa de la disponibilidad, lo suficiente para orientar la decisión de compra sin ralentizar la página. En la página de detalles del producto, muestra la promesa completa: modo, coste y fecha, calculados para ese artículo concreto y la ubicación específica del cliente. Al finalizar la compra, confirma la opción seleccionada y se ajusta en tiempo real en función de la dirección de entrega introducida.

Esto supone un cambio radical respecto a la tradición de «entre 3 y 5 días laborables».

El cálculo en sí se basa en los factores determinantes identificados en el momento en que se recibe un pedido: la unificación de stocks; los horarios de preparación y de apertura de los almacenes y tiendas; las rutas de los transportistas; y la ubicación del cliente. Esto significa que se pueden tener en cuenta todas las variables del proceso y que se puede facilitar información precisa en el momento en que el cliente toma la decisión de compra.

Veamos algunos ejemplos según el tipo de página en la que se muestra la promesa:

  • En la página de listado de productos: un cliente de París que navegue por la web un miércoles por la mañana verá, junto a cada artículo, la indicación «Entrega mañana antes de las 13:00». Esta información se ha calculado específicamente para ese producto, esa ubicación y ese momento concretos, en lugar de mostrar una política de envíos o un intervalo de fechas.
  • En la página de detalles del producto: un cliente que esté consultando un artículo en espera verá la fecha real de reposición, en lugar de un plazo de entrega genérico. Un cliente que se encuentre en una zona de entrega en dos horas verá que esa opción aparece automáticamente, con su precio y plazo de entrega indicados, en lugar de una nota al pie marcada con un asterisco o un aviso del tipo «Sujeto a disponibilidad». Por su parte, un cliente que se encuentre cerca de una tienda verá la disponibilidad en tiempo real en la propia tienda. De nuevo, a diferencia de un aviso genérico del tipo «Disponible en tiendas», se mostrará que ese producto concreto está en las estanterías, en este mismo momento, y listo para su recogida.
  • Al finalizar la compra: un cliente con un carrito estándar podría descubrir que su pedido debe enviarse en dos paquetes distintos, ya que OneStock ha determinado que no es posible realizar un único envío. En este caso, los dos envíos se muestran claramente, con dos fechas y los detalles exactos de los artículos que contiene cada uno, antes de que el cliente confirme el pedido. De este modo, se evita que el cliente se lleve una sorpresa al recibir el pedido y se reducen las llamadas al servicio de atención al cliente del tipo «¿Dónde está el resto de mi pedido?».

Además, para cada opción de entrega, OneStock calcula la huella de carbono asociada, de modo que el minorista pueda mostrar el impacto ecológico de cada opción junto con la fecha y el coste. El cliente no solo ve cuándo llega su pedido, sino también cuál es el coste medioambiental de esa decisión, lo que le permite tomar una decisión verdaderamente informada.

La promesa va más allá de la pantalla. OneStock la traslada a la gestión de la logística de cumplimiento, lo que significa que el compromiso adquirido con el cliente es exactamente el mismo que recibe el almacén. En otras palabras, no hay discrepancias entre lo que se muestra y lo que se envía.

Cómo funciona en la práctica la «Promesa de entrega» de OneStock

La «Promesa de entrega» varía en función de quién la utilice y de las necesidades de sus clientes, lo que significa que los ejemplos son muy variados y de amplio alcance.

  • LKQ y Club Piscine han optado por activar la promesa desde la página de listado de productos, incluso antes de que el cliente haga clic en un producto. Cada artículo del catálogo muestra su estado de disponibilidad y una fecha de entrega estimada, calculada en tiempo real. En el caso de LKQ, la promesa tiene en cuenta las rutas de la cadena de suministro, que varían según el producto y la ubicación geográfica: un mismo artículo puede seguir una ruta de suministro diferente en función del lugar desde el que se realice el pedido, y la promesa refleja esa complejidad con precisión en cada ocasión. La experiencia del cliente sigue siendo sencilla a pesar de las complejidades inherentes a la cadena de suministro.
  • Longchamp e Isabel Marant lo utilizan para mostrar la disponibilidad en tienda en tiempo real directamente en la página del producto. Un cliente que esté buscando un bolso podrá ver si está disponible en su tienda más cercana, en lugar de una etiqueta genérica que indique «Disponible en tiendas», gracias a una señal de disponibilidad en tiempo real calculada a partir de la Unificación de stocks. Tras activar esta función, Longchamp registró un impresionante aumento del 12 % en la tasa de conversión.
  • En el caso de Soeur, la promesa de entrega ofrece una opción de entrega en dos horas a través de Uber Direct para los clientes de las zonas que cumplan los requisitos. La opción aparece automáticamente, con el precio y el tiempo de entrega indicados, sin necesidad de configuración manual para cada pedido.
  • Maisons du Monde utiliza la función de envío fraccionado. Cuando no es posible completar un carrito en una sola entrega, el sistema muestra dos envíos en la página de pago, incluyendo las fechas, los costes y los artículos exactos que contiene cada paquete, antes de que el cliente confirme el pedido.
  • Para ManoMano, el mercado líder europeo en bricolaje, hogar y jardín, OneStock gestiona alrededor de 40 solicitudes de API por segundo en el punto final «Promise». Esto permite ofrecer cálculos en tiempo real del tiempo estimado de entrega y del coste en las páginas de detalles de los productos, la cesta de la compra, las páginas del catálogo y Google Shopping. En 2026, ManoMano lanzó su «fuente única de información sobre entregas», basada en OneStock. Esto permite generar una única promesa a partir de una única fuente fiable y distribuirla por todos los canales de venta y en cada etapa del recorrido del cliente.

El otro factor importante es que estas promesas puedan cumplirse. La misma lógica que rige la presentación de los productos rige también su cumplimiento. Por lo tanto, el almacén no se verá en la situación de recibir un pedido y tener que resolver la entrega posteriormente. El pedido se recibe con el compromiso ya incorporado. Estos fundamentos serán vitales a medida que continúe la tendencia hacia Agentic Commerce.

Cómo empezar a utilizar «OneStock Promesa de entrega»

La «Promesa de entrega» se activa como un módulo y se configura en función de sus ubicaciones de stock, rutas logísticas e integraciones con transportistas existentes. Está disponible a través de API o MCP para cualquier canal de ventas.

👉 Obtenga una demostración

Keeping Promises
Gestión distribuida de pedidos basada en inteligencia artificial.