Esta serie construye un sistema de comercio electrónico que demuestra que usted puede tener inteligencia sofisticada del cliente sin almacenar información personal.
|--------------|--------------| Segmentación semántica Vector incrustaciones grupo intereses similares Personalización en tiempo real Señales de sesión, no perfiles permanentes Completa transparencia Los usuarios ven y ajustan sus firmas de interés Cero PII Patrones conductuales, no identidades
El proyecto de muestra (Mostlylucid.SegmentCommerce) es una implementación completa, de trabajo que se puede ejecutar localmente.
La industria presenta la personalización como una opción binaria:
Opción A: Sofisticados pero desalineados
Opción B: Respeto de la privacidad, pero tonto
Esto es un dicotomía falsaFalta una arquitectura.
¿Qué pasaría si los clientes pudieran:
Esto no es teórico, lo construiremos.
No necesitas saberlo. ¿Quién es alguien? entender lo que les interesa ahora mismo.
flowchart LR
A[Identity] --> B[Permanent profile]
B --> C[Recommendations]
S[Session token] --> T[Interest signals]
T --> U[Session signature]
U --> C
U --> D[Fades naturally]
U --> P[Anonymous profile]
P --> X[Unmasked identity]
style B stroke:#c92a2a,stroke-width:4px
style U stroke:#1971c2,stroke-width:4px
style P stroke:#2f9e44,stroke-width:4px
style D stroke:#868e96,stroke-width:2px
style X stroke:#868e96,stroke-width:2px
Una firma de interés como:
"yoga • sustainability • minimalism • wellness • organic"
...te dice todo lo que necesitas para la personalización sin decirte nada sobre la identidad de la persona.
Puede vivir por una sola sesión, o persistir como un perfil anónimo que el usuario puede restablecer o exportar.
Al principio, la forma más simple de mantener ese perfil estable sin inicios de sesión es huellas dactilares del cliente—pero aplicado en un cero-PII / cero-tracking-cookie Camino.
En la base de códigos actual (Mostlylucid.SegmentCommerce) el navegador calcula una huella dactilar hash (no se envían señales crudas, no hay almacenamiento local, no hay cookie de seguimiento) y POST a /api/fingerprint. El servidor entonces HMACs que hash (así que es inútil fuera de este sitio) y lo vincula a la sesión actual.
Todavía usamos un cookie de sesión esencial para el estado de la sesión de corta duración (vistas, eventos de carrito, etc.), pero lo hacemos no necesita una cookie de seguimiento dedicada “segui-you-forever” para obtener continuidad útil. Más tarde en la serie podemos actualizar a un modo de identidad conectado (la confianza más alta) sin cambiar el resto del diseño de segmentación.
flowchart TB
A[Session only]
B[Fingerprint mode]
C[Cookie mode]
D[Identity mode]
A -->|no persistence| A
B -->|hash in browser| E[/api/fingerprint/]
E -->|HMAC on server| F[PersistentProfile key]
A -. upgrade .-> B
B -. optional upgrade .-> D
C -. optional upgrade .-> D
style A stroke:#868e96,stroke-width:2px
style B stroke:#1971c2,stroke-width:3px
style C stroke:#fab005,stroke-width:3px
style D stroke:#2f9e44,stroke-width:3px
style F stroke:#1971c2,stroke-width:3px
Crucialmente: la persistencia no tiene que significar identidad. El perfil permanece separado a menos que el usuario decida explícitamente “desenmascararlo”.
Compárese con los perfiles tradicionales:
Name: John Smith
Email: [email protected]
Age: 34
Location: Seattle
Purchase history: [284 items tracked forever]
Browsing history: [Cross-site tracking across 47 domains]
El primer enfoque te da mejores recomendaciones con 0 PII. El segundo invade la privacidad y todavía se equivoca (recuerda que una compra impulsiva sigue atormentando a su alimentación seis meses después?).
Usted mismo ha experimentado la disfunción:
Lo que los usuarios experimentan:
Lo que no entienden:
Lo que dice la industria:
Estas afirmaciones persisten porque se alinean con los incentivos comerciales, no con la realidad técnica.
No es que Google, Amazon, Meta, o TikTok No puedo. Los algoritmos no son mágicos: son matemáticas, estadísticas y aprendizaje automático que podrían explicarse en inglés sencillo.
Eligen no hacerlo porque la transparencia socavaría los supuestos económicos en los que se basan estos sistemas.
El problema principal no es la complejidad técnica, es que estos sistemas optimizan para diferentes resultados de los que los usuarios asumen.
Recoger señales para hacer un producto más útil no es el problema. El problema es cuando esas mismas señales se reutilizan para la orientación y la manipulación del comportamiento.
La maximización del compromiso a menudo entra en conflicto con el valor del usuario. La colocación de anuncios impulsa lo que ves.
La transparencia haría evidentes estos conflictos, por lo que la opacidad se convierte en una característica, no una limitación.
Hay razones comerciales y de relaciones públicas masivas para evitar la transparencia:
1. Alcance de la recopilación de datos
2. Objetivos de optimización
3. Permanencia del perfil
Cuando se presiona, Big Tech se esconde detrás: "El algoritmo es demasiado complejo para que los usuarios normales lo entiendan".
Este encuadre es engañoso. Los usuarios ya entienden:
También podían entender las recomendaciones, si las empresas decidían explicarlas.
La complejidad no es la barrera, sino la exposición.
La construcción de un sistema de inteligencia de cliente cero-PII comienza con un principio fundamental: los usuarios deben entender lo que está pasando y por qué.
Usted no necesita un papel blanco. Usted necesita un modelo mental simple-inglés que los usuarios pueden internalizar en treinta segundos.
Esto es lo que no se puede decir:
"Un clúster derivado de incrustaciones en un espacio vectorial de alta dimensión, derivado de puntuaciones de similitud entre vectores..."
Esto es lo que funciona:
"Agrupamos productos e intereses en segmentos pequeños y superpuestos basados en la forma en que las personas interactúan con ellos. Probablemente estés en docenas de segmentos a la vez, y cambian constantemente en base a lo que realmente haces".
Tres conceptos clave para comunicar:
graph TB
User[Anonymous user] --> Action1[Views yoga mat]
Action1 --> Sig1[Signature updated]
Sig1 --> Action2[Views cookbook]
Action2 --> Sig2[Signature updated]
Sig2 --> Action3[Hides product]
Action3 --> Sig3[Signature updated]
Sig3 --> Sig4[Decays over time]
Sig4 --> Sig5[Fades without reinforcement]
Sig3 --> Segment1[Segment: wellness]
Sig4 --> Segment2[Segment: general]
Sig5 --> Segment3[Segment: cold start]
style Sig3 stroke:#1971c2,stroke-width:4px
style Segment1 stroke:#2f9e44,stroke-width:3px
style Segment2 stroke:#fab005,stroke-width:3px
style Segment3 stroke:#868e96,stroke-width:2px
Este encuadre diferencia inmediatamente a su sistema de la espeluznante "miraste esta vez, ahora te lo mostraremos para siempre" comportamiento que los usuarios han llegado a esperar. Esto está más cerca de cómo se comportan las personas que los "perfiles" estáticos.
Transparencia significa ser específico sobre qué acciones influyen en la segmentación, y por cuánto tiempo. Una tabla simple hace preguntas aquí:
|--------|----------------|----------|-------|
Múltiples vistas a lo largo del tiempo Mediano Días creciente interés
"No es relevante" / Ocultar Supresión Larga Respetar la señal
Esta tabla por sí sola transforma la experiencia del usuario de "algoritmo misterioso" a "sistema justo en el que puedo influir".
Esta es la mayor diferencia entre la segmentación y la elaboración de perfiles.
Aquí es donde brilla la segmentación cero-PII: intereses se desvanecen a menos que se refuerce.
"Una exploración nocturna no te seguirá durante semanas. Si no sigues comprometiéndote con algo, asumimos que has seguido adelante".
Cada acción se acumula para siempre, creando una imagen cada vez más distorsionada de quién eres.
Un sistema basado en la desintegración es fundamentalmente diferente:
No es necesario explicar la función de desintegración exponencial o los cálculos de la vida media. Los usuarios necesitan tranquilidad, no matemáticas.
Esto es lo que diferencia radicalmente este enfoque: los clientes pueden ver y ajustar sus propias firmas de interés.
Imagínese una interfaz sencilla que muestre:
Your Current Interests (this session)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🌱 Sustainable Products ████████░░ 80%
🧘 Yoga & Wellness ███████░░░ 70%
📚 Minimalism █████░░░░░ 50%
🏃 Athletic Gear ████░░░░░░ 40%
🌿 Organic Foods ███░░░░░░░ 30%
[Remove] [Adjust] [Add Interest]
These fade over time unless you keep engaging.
Last updated: 2 minutes ago
Este nivel de transparencia da a los usuarios:
Compare esto con los sistemas tradicionales donde usted tiene Ni idea. ¿Qué perfil han construido sobre ti, De ninguna manera. para inspeccionarlo, y sin control para ajustarlo.
Incluso con una implementación mínima, puede ofrecer capacidades que casi ningún sistema de comercio electrónico proporciona:
Controles básicos:
Controles avanzados (para más adelante):
La visión clave: Estas no son sólo características — son señales de confianzaSe comunican: "Este sistema responde a usted. Usted no está siendo sometido a él."
Los sistemas tradicionales mantienen los algoritmos opacos para evitar exponer el alcance de la recopilación de datos, la inferencia de comportamiento y la forma en que se monetiza esa información (targeting, nudges, atribución).
Podemos ser radicalmente transparentes porque hay nada invasivo que ocultar:
Cuando los usuarios inspeccionan su firma de interés, ven conceptos semánticos limpios: "sustainable products • yoga • minimalism" en lugar de inferencias demográficas o predicciones de comportamiento.
Esta transparencia no es sólo ética. Es una ventaja competitiva. porque puedes decir lo que los competidores no pueden:
"Así es exactamente cómo funcionan nuestras recomendaciones. Inspeccionalo. Controlalo. Confía en ello".
Cuando usted puede explicar su algoritmo abiertamente, usted puede construir características que los sistemas dirigidos a la segmentación no puede:
1. Tablero de interés en tiempo real
2. Controles explícitos
3. Explicaciones de recomendación
4. Auditoría algorítmica
5. Portabilidad de los datos
Note qué gran tecnología No puedo. construir sin admitir sus prácticas:
Son Bloqueado. de crear características de confianza porque la transparencia pondría al descubierto la vigilancia.
Una vez que se explica claramente la segmentación, puede capa características que la confianza compuesta:
No estás construyendo características en aislamiento. sistema coherente donde cada pieza refuerza el modelo mental que los usuarios ya tienen y puede verificar.
La parte 2 cubre la implementación completa. Aquí está la arquitectura de un vistazo:
flowchart LR
Session[Session Profile<br/>in-memory only] -->|high intent| Persistent[Persistent Profile<br/>database]
Session -->|expires| Gone[Lost forever]
style Session stroke:#1971c2,stroke-width:3px
style Persistent stroke:#2f9e44,stroke-width:3px
style Gone stroke:#868e96,stroke-width:2px
Los segmentos no son "dentro o fuera". Membresías borrosas con puntuaciones (0-1):
Perfil Tec Enthusiast Cazador de negociación Carrito Abandoner |---------|-----------------|----------------|----------------| A 0.85 0.20 0.10 B 0,30 0,75 0,60 C 0,95 0,05 0,00
Y cada puntuación es explicable—los usuarios pueden ver exactamente por qué están en un segmento.
Los intereses se desvanecen a menos que se refuercen:
Day 0: View product → Signal: 1.0
Day 7: No activity → Signal: 0.5
Day 14: No activity → Signal: 0.25
Day 21: → Effectively gone
Esa exploración nocturna no te define para siempre.
Parte 1.1: Generación de datos de muestra sintéticos localmente (Ollama + ComfyUI)
Parte 2: Perfiles de sesión, señales y definiciones de segmento: la plena implementación
Parte 3 (coming): Patrón de salida, cola de trabajo y la interfaz de usuario de transparencia
Cuando la personalización se construye a partir del proceso en lugar de la identidad, la privacidad deja de ser una restricción, se convierte en una propiedad del sistema.
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.