Eres una M. Salvo cuando eres una L.
Haz la prueba. Coge una camiseta talla M en Zara, otra M en H&M y otra en Nike. Tres marcas, tres cortes completamente distintos, la misma letra en la etiqueta. No es una anécdota. Es un fallo estructural de la industria de la moda que le sale caro a todos.
Cómo hemos llegado hasta aquí
Las primeras tallas estandarizadas aparecieron en Estados Unidos en los años 40, a partir de un estudio con unas 15.000 mujeres. La muestra no era representativa y los datos nacieron sesgados. En los años 80, el gobierno estadounidense abandonó su norma voluntaria de tallas. Las marcas quedaron libres para definir cada talla como quisieran.
Después llegó el vanity sizing. Las marcas descubrieron que los clientes prefieren comprar un número más pequeño. Una talla 42 de los años 70 equivale hoy más o menos a una 38. El cuerpo no cambió, solo la etiqueta.
Las diferencias regionales complican todo aún más. Los sistemas europeo, asiático y americano usan medidas base diferentes. Un 40 francés es aproximadamente un 12 británico, que es aproximadamente un 8 estadounidense. "Aproximadamente" está haciendo mucho trabajo en esa frase.
25.000 millones de dólares tirados a la basura
Solo en Estados Unidos, las devoluciones por problemas de talla cuestan a los minoristas unos 25.000 millones de dólares al año. Esa cifra incluye envíos, procesamiento, reempaquetado y el 30 % de ropa devuelta que nunca se revende a precio completo. En marcas exclusivamente online, la tasa de devolución ronda el 30-40 %, y la talla es el motivo principal.
Cada devolución quema dinero. Un artículo de 50 euros cuesta al minorista entre 10 y 15 euros de procesamiento. Multiplicado por millones de pedidos, el agujero se come los márgenes directamente.
Los clientes también pierden. Piden dos o tres tallas, se quedan con una y devuelven el resto. Es una pérdida de tiempo que empuja a mucha gente de vuelta a la tienda física.
Solución 1: recomendación de talla con IA
La solución más efectiva a día de hoy es la recomendación de talla asistida por inteligencia artificial. El funcionamiento es sencillo.
El cliente introduce datos básicos: altura, peso, edad y preferencia de ajuste (holgado, normal o ceñido). El sistema cruza esta información con el historial de compras y devoluciones de miles de clientes con perfiles similares. Después recomienda una talla concreta para ese producto concreto.
Los resultados hablan solos. Las marcas que usan recomendación de talla con IA reportan una reducción del 50 al 60 % en devoluciones por talla. El sistema mejora con el tiempo porque cada compra y cada devolución añaden datos al modelo.
Empresas como Fit Analytics (adquirida por Snap), True Fit y Sizely ya ofrecen esta tecnología como plug-in para plataformas de e-commerce. La integración suele llevar de 2 a 4 semanas.
Solución 2: probador virtual
El probador virtual permite al cliente ver cómo le quedará una prenda. A partir de una foto o un avatar 3D basado en sus medidas, la tecnología superpone la prenda y muestra cómo cae sobre el cuerpo.
No sustituye a la recomendación de talla, la complementa. La IA dice "elige la L" y el probador virtual muestra cómo esa L queda sobre tu silueta. Juntos cubren la parte racional y la parte visual de la decisión de compra.
Solución 3: guías de tallas con medidas reales
Esta es sorprendentemente simple, pero la mayoría de marcas siguen haciéndolo mal. Una buena guía de tallas muestra las medidas reales de la prenda en centímetros: ancho de pecho, largo del cuerpo, largo de manga, ancho de hombros. No "para tallas 38-40," que no le dice nada útil a nadie.
Añadir un modelo de referencia ("El modelo mide 175 cm y lleva talla M") ayuda a situar la información. Incluir diagramas de medidas en plano elimina cualquier duda sobre dónde se toma cada medida.
Qué deberían hacer las marcas ahora mismo
El problema de las tallas no se va a resolver solo. Esperar a que aparezca un estándar universal es esperar para siempre. Aquí va un plan concreto.
Primero, añadir recomendación de talla con IA en las fichas de producto. El retorno es inmediato y medible a través de la bajada de devoluciones. Segundo, publicar tablas de medidas detalladas para cada producto, no una tabla genérica para toda la marca. Tercero, explorar el probador virtual para categorías con alta tasa de devolución como vestidos y abrigos. Cuarto, recoger opiniones sobre el ajuste tras la entrega y alimentar con ellas el motor de recomendación.
La tecnología ya existe. Las marcas que la adopten primero retendrán más clientes, procesarán menos devoluciones y gastarán menos en logística inversa. Las demás seguirán pagando el impuesto de los 25.000 millones.