¿Qué diferencia a Retail Media Intelligence del digital signage convencional?

La señalización digital —digital signage, como la llama el sector— heredó el modelo de negocio de la valla publicitaria, y lo heredó completo.

Una valla se vende por exposición estimada: cuántos vehículos pasan por esa vía, cuánta gente circula, cuántos días está montada. Nadie le pide a una valla que demuestre quién la miró. El precio lo refleja, el anunciante lo sabe y el modelo lleva un siglo funcionando así.

O sea que el problema no es el modelo. El modelo es viejo, probado y honesto dentro de sus límites.

El problema es dónde está parada la pantalla.

Ese desfase es el techo del que trata este artículo. Y no es una opinión nuestra: el estándar de medición de la propia industria, publicado por el IAB (Interactive Advertising Bureau), define con precisión qué está obligada a reportar una pantalla en tienda. Es menos de lo que la mayoría supone.

¿Qué mide realmente una pantalla en tienda hoy?

Dos cosas: cuántas veces se reprodujo el anuncio y cuánta gente había cerca mientras la pantalla funcionaba. Ese es el mínimo que el estándar del IAB obliga a reportar. Ninguna de las dos afirma que alguien haya mirado la pantalla.

En diciembre de 2024, el IAB y su federación europea publicaron el estándar de medición para retail media en tienda, con aporte de unos veinte retailers, entre ellos Walmart, Kroger y Albertsons. El documento define cuatro métricas. Vale la pena leerlas con calma, porque la diferencia entre ellas es toda la discusión.

Ad play. El equipo reprodujo el archivo. Es un registro técnico: a tal hora se mostró tal anuncio en tal pantalla durante tantos segundos. Es el equivalente a un recibo que dice que el video corrió.

Gross impression. Hubo personas en la zona de la pantalla mientras la pantalla estaba funcionando. La definición del estándar habla de presencia en la zona de exposición. Presencia, no visualización. Estar cerca y mirar no son lo mismo.

Opportunity to see, u OTS por sus siglas en inglés, que traduce como “oportunidad de ver”. Es la cantidad de personas que pudieronpasar por donde está el anuncio. La palabra importante es “pudieron”.

Likelihood to see, o LTS, “probabilidad de ver”. Es un ajuste sobre el número anterior para estimar cuántos probablemente sí lo notaron. El estándar aclara que se calcula con tecnología de sensores.

Las cuatro están ordenadas de la más débil a la más fuerte. Y la más fuerte de todas sigue siendo una probabilidad calculada, no un hecho registrado.

Ahora, la parte que casi nadie menciona en una reunión de venta: de esas cuatro, el estándar solo obliga a reportar las dos primeras. Textual: “report on ad play and gross impressions as a minimum”. Las otras dos son deseables. El piso obligatorio de la industria es el recibo de reproducción y un conteo de gente cerca.

Es justo aclarar algo aquí, porque probablemente ya lo pensaste: sí existen sistemas con cámaras que intentan estimar quién está frente a la pantalla. Son reales y se usan. Lo tratamos más adelante, con los números de qué tan bien funcionan.

¿De dónde salen los números de audiencia que te cotizan?

De una multiplicación. El propio estándar del IAB trae el ejemplo de cómo se arma el número de audiencia que se le vende a un anunciante, y son ocho variables multiplicadas entre sí, de las cuales dos son supuestos.

Ese es el número que aparece en la propuesta. Doce millones ochocientas mil.

Mira los dos 80%. El primero asume que ocho de cada diez personas que entran a la tienda pasan por el pasillo donde está la pantalla. El segundo asume que ocho de cada diez pantallas estaban funcionando y mostrando lo que debían. Ninguno de los dos se midió en este cálculo: se asumieron. Y entre los dos recortan 36% del número bruto, lo cual suena prudente, pero prudente sobre una estimación sigue siendo una estimación.

Nadie contó doce millones ochocientas mil personas. Se contaron las entradas a la tienda y el resto se modeló.

Es parecido a calcular cuánta gente vio un afiche en la calle contando los carros que pasan por esa avenida. El número no es inventado —hay una base real de tráfico— pero tampoco es una medición de cuánta gente miró el afiche. Son dos cosas distintas que terminan en la misma casilla de la propuesta.

El glosario de la industria lo dice sin rodeos: en publicidad exterior digital, las impresiones son estimaciones modeladas, no entregas medidas.

¿Por qué eso le pone un techo al precio de la pantalla?

Porque lo único que se puede vender es aquello que se puede demostrar. Si lo único verificable es que el anuncio se reprodujo, entonces lo que se vende es tiempo de pantalla. El anunciante no está pagando por un resultado: está pagando por la hipótesis de que alguien estaba ahí.

Y esa hipótesis se cotiza barata, porque todo el mundo sabe que es una hipótesis.

Lo curioso es que el canal no es pequeño. En su marco de medición de diciembre de 2025, el IAB señala que más del 80% de las ventas todavía ocurren en tiendas físicas, y que el retail físico alcanza audiencias 70% más grandes que los canales digitales típicos. Es el canal donde de verdad pasa la compra, y se vende con el instrumento de prueba más débil de todos.

Ahí está la tensión: audiencia enorme, evidencia pobre, precio bajo.

El desfase del que hablamos al principio se vuelve concreto en el presupuesto de trade marketing. Cuando un jefe de categoría tiene que decidir entre poner dinero en las pantallas de la tienda o en un descuento en góndola, el descuento gana casi siempre. No porque sea mejor idea, sino porque su efecto aparece en la caja el mismo día. La pantalla, en cambio, entrega un CPM —costo por mil impresiones— construido sobre el cálculo de la sección anterior. Compiten por el mismo dinero en condiciones desiguales de prueba.

Una valla nunca compite contra un descuento en góndola. Una pantalla del pasillo, sí.

Y aquí está lo que ninguna mejora de equipo resuelve. Puedes cambiar a pantallas más brillantes, de mayor resolución, con mejor sonido y montaje más limpio. Ninguna de esas mejoras cambia lo que el sistema puede demostrar. El techo no lo pone la pantalla. Lo pone el hecho de que el sistema no sabe nada de quien está enfrente.

¿Por qué cuesta tanto venderle esa pantalla a una marca?

Porque una pantalla que no puede demostrar audiencia es difícil de cotizar por separado. Y lo que no se puede cotizar por separado tiende a viajar adentro de otra cosa.

Conviene ser preciso aquí, porque la caricatura —que en esas pantallas solo aparece la marca propia del retailer— no es cierta. Sí aparecen marcas de proveedores, y con frecuencia.

La pregunta es otra: ¿esa marca está pagando por aparecer en la pantalla, o la pantalla entró incluida en una negociación más grande? Los acuerdos comerciales entre un retailer y sus proveedores cubren muchas cosas a la vez —posicionamiento en góndola, participación en el circular, actividad promocional, exhibiciones adicionales— y la pantalla puede perfectamente ser una línea más de ese paquete, sin precio propio.

Desde afuera es imposible distinguir un caso del otro. Y desde adentro, muchas veces tampoco queda claro, porque el acuerdo se firmó como un todo.

Eso ya dice bastante. Un espacio publicitario con evidencia propia se cotiza solo y tiene su propia línea de ingreso. Un espacio sin evidencia propia se negocia junto a otras cosas, y ahí es donde su valor se vuelve difícil de defender internamente. Cuando llega el momento de justificar la inversión en pantallas, no hay una cifra limpia que mostrar.

El resto del recorrido es conocido y se repite igual en cadenas de todos los tamaños. Se compran los equipos, se instalan, se contrata el software, se arma el contenido. Alguien intenta armar una oferta de medios. Los anunciantes piden evidencia de audiencia. Lo que existe es un número modelado. La conversación avanza más lento de lo esperado, y buena parte del tiempo de pantalla termina ocupada por promociones de la casa, que es el contenido que no necesita justificar métricas ante nadie.

Esto no es un fracaso de gestión. Es la consecuencia lógica de vender algo que todavía no se puede probar.

El problema es que la inversión sí fue real, y sigue corriendo. Los equipos se compraron una vez, pero la obra eléctrica, los soportes, la instalación, el mantenimiento, las fallas, los reemplazos y el personal que arma el contenido son costos permanentes. Esa inversión se sigue pagando aunque la pantalla solo esté anunciando la promoción de la semana.

Dicho de otra forma: el retailer hizo la parte cara. Compró el hardware, lo puso en el piso de venta y lo mantiene encendido. Lo que le falta no es equipo.

Lo que le falta es poder demostrar qué pasó frente a él.

“Ya tengo pantallas que consultan precio y reproducen anuncios.” ¿Esto no es lo mismo?

No es lo mismo, y la diferencia no está en la pantalla, ni en el contenido, ni en la calidad del equipo. Está en una sola cosa: si el escaneo del cliente es lo que decide qué anuncio aparece, o si el anuncio ya venía corriendo solo y el escaneo pasó al lado.

Vale la pena detenerse aquí, porque es la objeción más común y la más razonable.

Muchas cadenas ya tienen verificadores de precio funcionando, y varios de esos equipos además reproducen contenido. Visto desde afuera se ve idéntico: una pantalla, un lector de código de barras, anuncios que se muestran. La descripción es correcta. La conclusión, no.

Lo que hay en esos equipos son dos sistemas que conviven sin tocarse. Uno consulta el precio cuando alguien escanea. El otro reproduce una lista de anuncios en ciclo, uno tras otro, todo el día, pase lo que pase. El segundo no se entera de que el primero existe. Si nadie escanea en dos horas, el ciclo sigue igual. Si alguien escanea un producto de una categoría, el ciclo sigue igual.

En el vocabulario del estándar del IAB, ese ciclo produce ad plays. Reproducciones registradas. Es la primera métrica de las cuatro, la más débil de todas, y es la única que ese montaje puede generar.

No es un reproche. Al contrario: el retailer que tiene eso ya hizo la parte cara y la parte lenta. Compró los equipos, los instaló en el piso de venta, resolvió la red, los mantiene encendidos y logró que su gente los use. Eso es la mayor parte del trabajo y no hay que repetirlo.

Lo que falta es conectar las dos mitades que ya están ahí. Y esa conexión no es un accesorio: es lo que convierte una reproducción en una entrega con una intención detrás. En el primer artículo de esta serie desarmamos ese contraste en detalle, siguiendo un escaneo real segundo por segundo.

¿Dónde cabe un verificador de precio en el estándar del IAB?

El estándar ya lo reconoce como inventario publicitario válido. Entre los formatos de la zona de entrada, el documento lista textualmente “Service Kiosk (e.g. self-service terminal, vending machine, tobacco kiosks…)”. El kiosco de autoservicio no hay que defenderlo: ya está adentro.

Lo que no existe todavía es una métrica para lo único que ese equipo puede hacer y una pantalla no: registrar una acción que el comprador inició.

Las cuatro métricas del estándar de 2024 —ad play, gross impression, oportunidad de ver y probabilidad de ver— describen exposición pasiva. Alguien estaba, alguien pudo ver, alguien probablemente vio. Ninguna describe a alguien que levantó un producto, lo puso bajo un lector y pidió información. Ese gesto no tiene casilla.

Y no es que la industria no vea el formato. La primera frase del marco de medición del IAB de diciembre de 2025 menciona las “QR-enabled screens” —pantallas activadas por código— entre los formatos que definen la categoría hoy. El formato está reconocido. La forma de medirlo, no.

En América Latina el hueco es todavía más visible. En abril de 2026, las filiales de IAB en Chile, Argentina, Uruguay y Colombia publicaron el Marco de Medición y Optimización en Retail Media para América Latina, con más de 80 profesionales de retailers, marcas y agencias de la región. Ese documento define cinco zonas de tienda y el kiosco de autoservicio no aparece en ninguna.

Hay un detalle todavía más revelador. El marco regional sí menciona las “interacciones con soportes (QR, pantallas)”, pero las clasifica bajo comportamiento del cliente, junto a la recordación de marca y la frecuencia de visita. No bajo exposición publicitaria. Es decir: cuando un comprador interactúa con un equipo, la región lo registra como un dato de conducta, no como la entrega de un anuncio.

El mismo documento es franco sobre por qué. Describe la medición en tienda como “uno de los territorios más relevantes y menos desarrollados en la región”, y al in-store como “el entorno más subestimado pero más poderoso en América Latina”.

El estándar llegó hasta la puerta del verificador y se detuvo.

¿Qué cambia cuando el comprador inicia el evento?

Cambia quién empieza. En una pantalla, el anuncio se reproduce y espera que alguien pase. En un verificador, la persona escanea un producto, y ese escaneo es lo que decide qué anuncio se muestra. Deja de ser una transmisión y pasa a ser una respuesta.

Retail Media Intelligence (RMI) está construido sobre ese cambio. El escaneo dispara dos procesos en paralelo: la consulta de precio que el cliente pidió, y la selección de la campaña que se va a mostrar junto a ella. El detalle del mecanismo está en el primer artículo; aquí interesa otra cosa: qué significa eso en el idioma de la medición.

Y para eso conviene mirar el marco que el IAB publicó en diciembre de 2025, que es más reciente que el estándar de 2024 y describe hacia dónde dice la industria que quiere ir.

Ese marco define que una impresión cuenta como verificada solo si se cumplen tres pruebas a la vez: que el anuncio se haya entregado y quedado registrado, que hubiera un comprador dentro de la zona de influencia en ese momento, y que las dos cosas hayan ocurrido al mismo tiempo dentro de una ventana definida.

“There must be evidence that a shopper was within the zone of influence at the time of ad delivery. This is the biggest difference between in-store and digital media — and where improvement is most needed.”

— IAB, A Viable Framework for Maturing In-Store Media Measurement, diciembre de 2025

El propio organismo señala la prueba de presencia como la mayor diferencia entre la publicidad en tienda y la digital, y como el punto donde más falta mejorar.

Aquí está lo interesante. El marco distingue entre lo que hoy es aceptable y lo que sería preferible. Lo aceptable es estimar la presencia con modelos de tráfico, con esta limitación textual: “does not confirm whether the shopper faced the screen, engaged with the content, or was in audible range”. Lo preferible es verificarla directamente, y el documento la describe así: el comprador detectado dentro de un radio adecuado a la pantalla —el ejemplo que da son 15 pies para un equipo de 55 pulgadas— y con la pantalla dentro de su campo visual, dentro de un cono de 120 grados.

Una persona que escanea un producto en un verificador está tocando el equipo. La distancia no hay que estimarla. Y está mirando la pantalla, porque está leyendo el precio que acaba de pedir.

Con la tercera prueba pasa algo parecido. El marco propone alinear reproducción y presencia dentro de una tolerancia de cinco segundos para confirmar que ocurrieron juntas. En un verificador no hay nada que alinear: el escaneo es lo que dispara la reproducción. No son dos eventos que coinciden, es un evento que causa al otro.

Y de ahí sale la consecuencia que más incomoda, porque no la decimos nosotros. Una pantalla que reproduce en ciclo no tiene prueba de presencia ni prueba de simultaneidad. Según el mismo documento, esas reproducciones son impresiones no verificadas, y el tratamiento que exige es explícito: “must be clearly labeled as unverified, reported separately from verified, and excluded from verified totals”.

Deben etiquetarse como no verificadas, reportarse aparte, y quedar fuera de los totales verificados.

Eso no es una comparación entre dos proveedores. Es la regla que la industria escribió para sí misma.

De ese modelo salen tres capas de dato distintas, y conviene no confundirlas.

¿No es más simple ponerle una cámara a la pantalla?

Existen sistemas de cámara que estiman edad, género y atención de quien pasa frente a una pantalla, sin identificar a nadie. Son reales, funcionan razonablemente bien para contar personas, y funcionan mal justo para lo que se los suele contratar: describir quién es esa gente.

Vale la pena separar dos cosas que se confunden todo el tiempo. Una es el reconocimiento facial: comparar una cara contra una base de datos para saber quién es esa persona en particular. La otra es lo que el sector llama analítica de video anónima —en inglés, anonymous video analytics o AVA: procesar la imagen para estimar características generales y descartarla, sin guardar ni identificar. Son tecnologías distintas y tienen consecuencias legales distintas. Los proveedores serios de medición de audiencia hacen la segunda, no la primera, y tienen razón al insistir en la diferencia.

Dicho eso, hay tres cosas que conviene saber antes de firmar.

Qué tan bien funciona, con números

En 2021, investigadores de Queen Mary University of London publicaron en el EURASIP Journal on Image and Video Processing un banco de pruebas para analítica de video anónima donde evaluaron sistemas comerciales y académicos en condiciones de pantalla publicitaria.

Contar personas funciona bien. Estimar género funciona a medias. Estimar el rango de edad funciona peor. Y el dato que más importa: en los dos extremos de edad —menores de 18 y mayores de 65— el resultado mediano cae por debajo de 0,1. Es decir, las dos categorías que más se prometen en una demostración comercial, niños y adultos mayores, son justamente las que la tecnología casi nunca acierta.

Dos aclaraciones de honestidad. El estudio es de 2021 y los modelos de visión por computadora han mejorado mucho desde entonces, así que estos números probablemente sean mejores hoy y van a seguir mejorando. Pero los límites que no se arreglan con un modelo mejor son los físicos: la distancia, el ángulo, la luz, y la persona que se para en medio. Y una segunda: contar gente sí funciona. Si lo que necesitas es tráfico por zona, la cámara sirve. El problema es el perfil demográfico, no el conteo.

La pregunta que un modelo mejor no resuelve

Hay algo que no depende de cuánto avance la inteligencia artificial, y es dónde ocurre el cálculo.

Existen dos arquitecturas posibles. Una procesa todo dentro del propio equipo de la tienda —lo que el sector llama Edge AI, inteligencia artificial en el borde: el modelo corre en el dispositivo y la imagen nunca sale de ahí. Es la opción limpia, y también la cara, porque exige equipos con capacidad de cómputo bastante superior a la de una pantalla común, multiplicada por cada punto donde se instale.

La otra envía la imagen, o los datos derivados de ella, a un centro de datos remoto donde corre el modelo. Es mucho más económica, y es la razón por la cual varias soluciones del mercado tienen el precio que tienen.

Si el proveedor usa la segunda arquitectura, entonces el rostro de un cliente parado frente a la góndola de detergentes sale de la tienda y viaja por la red hasta un servidor que el retailer no administra. Y desde ese punto en adelante, qué se calcula con esa imagen, cuánto tiempo se conserva y con qué otras bases se cruza no es verificable desde afuera.

Esto no es una acusación contra ningún proveedor. Hay empresas serias haciendo esto bien. Es una asimetría: el retailer no puede comprobarlo por su cuenta, y el cliente que quedó capturado nunca autorizó nada.

Por eso la pregunta útil en una evaluación no es “¿qué tan preciso es?”. Son cuatro, y conviene pedirlas por escrito: ¿dónde corre el modelo? ¿Qué sale exactamente de mi tienda: la imagen completa o un dato derivado? ¿Cuánto tiempo se conserva? ¿Quién más tiene acceso?

Qué conversación abre con tus clientes

En Panamá, la Ley 81 de 2019 —vigente desde marzo de 2021 y reglamentada por el Decreto Ejecutivo 285 de 2021— clasifica los datos biométricos como datos sensibles, y el tratamiento de datos sensibles exige consentimiento explícito del titular. Leyes equivalentes rigen en México, Colombia, Costa Rica y República Dominicana.

Los proveedores de analítica anónima argumentan, con fundamento, que su tecnología no procesa datos biométricos en el sentido legal porque no identifica a nadie. Ese argumento puede sostenerse. Pero el retailer es quien tiene que sostenerlo, públicamente, ante sus propios clientes y eventualmente ante una autoridad de protección de datos.

Y hay un antecedente operativo que conviene tener presente. En diciembre de 2023, la Comisión Federal de Comercio de Estados Unidos prohibió a la cadena Rite Aid usar reconocimiento facial por cinco años. El hallazgo central fue de ingeniería, no de intenciones: la cadena desplegó el sistema en cientos de tiendas sin haber probado su precisión antes, sin verificar la calidad de las imágenes y sin monitorear su desempeño una vez en operación. El resultado fueron miles de coincidencias falsas.

Ese caso fue reconocimiento facial, no analítica anónima —son cosas distintas, como ya dijimos. Pero deja una lección que aplica a cualquier sistema de visión por computadora.

La precisión de estos algoritmos no es uniforme entre poblaciones. El NIST, el instituto de estándares del gobierno estadounidense, lo documentó en un estudio de referencia sobre efectos demográficos en reconocimiento facial publicado en diciembre de 2019: el desempeño de un mismo algoritmo varía según características de la persona evaluada. Es un problema de calibración, y significa que un sistema entrenado y validado en una población puede rendir distinto en otra.

Para un retailer de la región eso se traduce en algo muy concreto: la validación contra tu propia población de clientes es parte del proyecto, no un detalle posterior, y el costo de esa validación te corresponde a ti.

Lo que dice el propio IAB

Esta es la parte más útil de las tres. En su marco de diciembre de 2025, al detallar el estado que considera preferible, el IAB incluye esta nota textual: “Orientation may be approximated using privacy-safe directional indicators where available; no facial or biometric identification is required.”

No se requiere identificación facial ni biométrica. Y entre los principios rectores del mismo documento, el segundo es “Privacy by design”: toda práctica de medición debe proteger la identidad del consumidor mediante anonimización, tokenización y minimización de datos.

Es decir: el organismo que empuja para que la medición en tienda mejore no está pidiendo cámaras. Está pidiendo pruebas. Y hay más de una forma de conseguirlas.

¿Qué no resuelve este modelo?

Varias cosas, y conviene decirlas en voz alta antes de que las pregunte un comité de compras. Un modelo de medición que solo enumera sus fortalezas no es un modelo de medición: es un brochure de ventas.

La conversión es probabilística, no determinística. El escaneo se cruza contra el maestro de artículos vendidos con marca de tiempo. Como no hay identificación del cliente, no se puede afirmar que esta persona compró por este anuncio. Lo que se puede afirmar es que hubo una coincidencia entre un producto consultado, un anuncio entregado y una venta registrada en una ventana corta. Es una correlación fuerte. No es una prueba de causa.

La tercera capa depende del retailer, no de nosotros. Las dos primeras funcionan desde el primer día, sin pedirle nada a nadie. La tercera requiere que el retailer comparta el maestro de artículos vendidos. Si esa decisión no se toma, esa capa no existe. No es una función que se activa: es un acuerdo que se firma.

El modo carrusel es reproducción ciega, igual que el digital signage. Cuando nadie está escaneando, el equipo reproduce contenido en ciclo: promociones del propio retailer o campañas vendidas sin segmentación. En ese modo se cuentan reproducciones y nada más. Aplicando el mismo criterio que usamos más arriba, esas son impresiones no verificadas y hay que reportarlas como tales.

Conviene decirlo con precisión, porque suena a debilidad y no lo es: el carrusel no es el modo pobre del sistema, es su piso. Mantiene el inventario ocupado en horas muertas y le da al retailer un canal propio desde el primer día. Pero es el piso, y hay que llamarlo por su nombre.

En el vocabulario estricto del IAB, esto no produce “outcomes atribuidos”. El marco de diciembre de 2025 define un resultado atribuido como una exposición verificada vinculada a una transacción mediante un identificador persistente del comprador: tarjeta de fidelidad, número de cuenta, correo electrónico cifrado. RMI no tiene ese identificador y no está en sus planes tenerlo.

El mismo documento acepta explícitamente el enlace probabilístico —“privacy-safe probabilistic or household-level linkage is acceptable with transparent methodology disclosure”— siempre que se declare el método. Así que el camino es válido. Pero la palabra “atribuido”, en el sentido estricto que le da el estándar, no nos corresponde usarla.

Sin identificador persistente no hay alcance único ni frecuencia por comprador. Dos escaneos de la misma persona en días distintos son dos eventos, no una persona con frecuencia dos. Quien necesite planificar por alcance y frecuencia —como se hace en televisión o en digital— no va a encontrar aquí esa métrica. Es una renuncia deliberada a cambio del anonimato, no un desarrollo pendiente.

Y para medir de verdad el efecto en ventas, hay un método mejor que el nuestro. El propio estándar del IAB lo señala como preferido: comparar tiendas con la campaña activa contra tiendas de control equivalentes, con ventas base pareadas, mismos precios y mismas promociones. Es más lento y más caro que leer un tablero. También es la única forma de separar el efecto del anuncio del efecto de todo lo demás que pasa en una tienda. Lo proponemos nosotros porque es lo correcto, aunque no nos convenga en velocidad.

Lo que sí nos comprometemos a publicar

El marco del IAB exige que toda red de medios declare cinco cosas. Casi nadie en la región las publica.

Un retailer que esté evaluando cualquier propuesta de medios en tienda, la nuestra incluida, debería pedir estos cinco puntos.

¿Hay que cambiar las pantallas que ya están instaladas?

En la mayoría de los casos no. El despliegue es una aplicación Android que se instala sobre el hardware que ya está en el piso de venta: sin obra eléctrica, sin reemplazo de equipos, sin nueva inversión de capital del retailer.

Pero hay dos condiciones que conviene verificar antes de prometer nada, y se revisan en una tarde.

El equipo tiene que poder leer códigos de barras. Todo el modelo descrito en este artículo depende de que exista un escaneo, porque el escaneo es el evento. Una pantalla que solo reproduce contenido, sin lector integrado ni conectado, no puede generar ese dato. Sirve como pantalla, pero no como verificador. En esos casos hay dos caminos: sumar un lector al equipo existente, o dejar esa pantalla en modo de reproducción y llevar el modelo completo a los puntos que sí tienen lector.

La versión de Android tiene que ser razonablemente actual. Los equipos muy antiguos quedan fuera, y no por capricho: las versiones que ya no reciben actualizaciones de seguridad no deberían estar conectadas a sistemas internos de una cadena, independientemente de lo que se quiera instalar en ellas. Si tu parque es viejo, esa conversación ya la tenías pendiente por otras razones.

Aclarado eso, la parte que importa: cuando las condiciones se cumplen, esto cambia la naturaleza de la decisión. Renovar el parque de pantallas es un proyecto de inversión —pasa por comité, compite contra otras prioridades del año y se mide en meses. Instalar una aplicación sobre equipos que ya existen y ya funcionan es una prueba: se hace en un grupo de tiendas, se mide, y se extiende o se descarta con datos en la mano.

La integración con los sistemas del retailer es de solo lectura. El sistema consulta el precio; no escribe, no modifica y no puede alterar una operación de caja. Cuál es el sistema correcto contra el cual hacer esa consulta —y por qué la respuesta no es la que la mayoría supone— es un tema técnico que merece su propio artículo, y es el siguiente de esta serie.

• No se identifica al cliente.
• No se captura imagen, ni voz, ni biometría.
• No se usan tarjetas de fidelidad ni datos de socios.
• La consulta al sistema de precios es de solo lectura.
• El despliegue va sobre el hardware existente, sin obra.
• El dato del retailer se queda en el retailer.

Volvamos al principio. Una pantalla en tienda heredó el modelo de negocio de la valla publicitaria: se vende por exposición estimada, porque es lo único que una transmisión puede ofrecer. El techo de ese modelo no lo levanta una pantalla más grande, ni más brillante, ni con mejor sonido.

Lo levanta el momento en que el cliente deja de ser alguien que quizás pasó por ahí, y pasa a ser alguien que levantó un producto y pidió saber algo sobre él.

Preguntas frecuentes