“Cambiamos la forma de comprar calzado por internet”. Así resume Sizit el objetivo de su tecnología: atacar uno de los puntos de fricción más evidentes del eCommerce de calzado, elegir correctamente la talla sin poder probarse previamente el producto.

Aunque muchas tiendas online incluyen guías de tallas, equivalencias o recomendaciones generales, el consumidor sigue teniendo dudas antes de finalizar la compra. Y cuando la talla no encaja, aparece uno de los grandes problemas del eCommerce de moda: las devoluciones.

En este contexto nace Sizit, una solución tecnológica enfocada en el mercado del calzado online que ayuda al usuario a encontrar su talla adecuada a partir de una única imagen del pie.

Su objetivo es reducir la incertidumbre antes de la compra, mejorar la experiencia del usuario y disminuir el volumen de devoluciones asociadas a errores de talla. Pero también existe un impacto potencial sobre la conversión: según datos facilitados por Sizit, alrededor del 10% de los usuarios que realizan la medición terminan convirtiendo.

El funcionamiento de Sizit está pensado para integrarse dentro del proceso de compra sin obligar al usuario a medirse manualmente el pie o interpretar tablas de equivalencias.

El comprador realiza una fotografía de su pie y, a partir de esa imagen, la tecnología calcula sus dimensiones y las cruza con la información de tallaje configurada para el producto. De esta manera, puede ofrecer una recomendación sobre qué talla se ajusta mejor a ese usuario concreto.

Según explica la compañía, el sistema puede trabajar con precisión milimétrica, buscando sustituir parte de la incertidumbre habitual de las guías de tallas por una recomendación individualizada.

Para los eCommerce, uno de los puntos interesantes está en su enfoque plug and play. Sizit cuenta con plugins para plataformas de comercio electrónico como Shopify, de forma que la herramienta pueda incorporarse al proceso de compra sin necesidad de desarrollar desde cero un sistema propio de recomendación de tallas.

La configuración también busca simplificar el trabajo del equipo de la tienda. Los productos pueden sincronizarse y el comercio puede introducir sus datos de tallaje para aplicarlos a distintas referencias, manteniendo configuraciones específicas cuando existen diferencias entre modelos o tipos de producto.

Además, Sizit incorpora un dashboard desde el que los negocios pueden analizar el comportamiento de los usuarios, las conversiones, los pedidos asociados a la herramienta o la evolución de las devoluciones.

Una de las métricas que permite entender mejor el efecto de esta tecnología aparece después de la propia medición.

Según Sizit, la tasa de conversión de los usuarios después de medirse el pie se sitúa alrededor del 10%. Es decir, una parte relevante de quienes utilizan la herramienta para resolver la duda sobre su talla continúa posteriormente con la compra.

El dato resulta especialmente interesante porque la medición aparece en un momento muy concreto del customer journey: cuando el usuario ya está valorando un producto pero todavía necesita despejar una duda antes de decidirse.

En este sentido, el tallaje puede convertirse también en una cuestión de CRO. Si una tienda consigue reducir la incertidumbre justo antes del carrito o del checkout, no solo puede disminuir potenciales devoluciones, sino también evitar abandonos provocados por la falta de confianza sobre qué talla escoger.

La elección de talla es uno de los factores que más condiciona la compra de calzado online. Cuando el usuario no tiene claro qué número pedir, puede abandonar el proceso, comprar varias tallas para devolver posteriormente las que no encajen o terminar recurriendo a otro canal.

Por eso, herramientas como Sizit apuntan a un problema muy concreto: mejorar la confianza antes de finalizar la compra.

La reducción de devoluciones tiene además una dimensión operativa. Cada devolución puede implicar costes de transporte, revisión, reacondicionamiento, atención al cliente y una posible pérdida de margen. En categorías como moda y calzado, donde el ajuste de la talla es especialmente sensible, una recomendación más precisa puede contribuir también a mejorar la eficiencia del negocio.

Las primeras valoraciones publicadas en la Shopify App Store apuntan precisamente en esta dirección. En el momento de la captura facilitada por la compañía, Sizit acumulaba cuatro reseñas, todas ellas de cinco estrellas.

Entre ellas, KOOPS destaca que la herramienta ha facilitado encontrar la talla adecuada en calzado barefoot y relaciona su uso con más compras y menos devoluciones. Mundo Barefoot, después de tres meses utilizando la aplicación, señala que los usuarios que llegan a utilizarla convierten a una tasa superior a la media de su web y destaca su impacto sobre las devoluciones por talla.

También Petita Alba afirma haber observado una reducción de cambios y devoluciones y una mayor seguridad del cliente a la hora de decidir la compra, mientras que MEXAS valora positivamente tanto la herramienta como el servicio recibido.

Son experiencias particulares y no permiten asumir los mismos resultados para cualquier tienda, pero muestran cómo distintos comercios están utilizando la recomendación de talla como parte de la experiencia de compra.

El caso de Sizit encaja dentro de una tendencia más amplia en comercio electrónico: utilizar nuevas tecnologías no únicamente para automatizar grandes procesos internos, sino también para resolver fricciones muy concretas del customer journey.

En este caso, la pregunta que intenta responder la tecnología es extremadamente sencilla: ¿qué talla debería comprar?

Pero resolver mejor esa pregunta puede tener consecuencias en distintos puntos del negocio: conversión, experiencia de usuario, confianza, devoluciones y costes operativos.

En definitiva, Sizit se posiciona como una herramienta especializada para eCommerce de calzado que quieren trasladar parte de la experiencia del probador físico al entorno digital.

Y ahí cobra sentido el claim con el que la compañía define su propuesta: “Cambiamos la forma de comprar calzado por internet”. Porque, en una categoría donde elegir mal unos pocos milímetros puede terminar provocando una devolución, ayudar al comprador a tomar mejor esa decisión puede marcar una diferencia bastante mayor de lo que parece.

Imagen: Chat GPT