CalzadosJAM

Un almacén mayorista de calzado en Elche gestionaba manualmente más de 17.000 referencias de productos y la facturación a cientos de clientes de toda Europa. La comunicación de stock, la recepción de pedidos mediante hojas de cálculo o llamadas telefónicas y la gestión manual de documentos fiscales (como certificados e identificadores de IVA VIES) ralentizaban la operativa y generaban frecuentes errores de inventario.

Diseñé y desarrollé una plataforma de comercio electrónico B2B completa utilizando un enfoque híbrido en Astro (SSR para páginas rápidas y dinámicas, SSG para páginas estáticas) integrado con React en islas interactivas y un backend serverless altamente optimizado en Supabase.

• Plataforma B2B internacionalizable en 4 idiomas (ES, EN, FR, DE) mediante Astro.rewrite().
• Búsqueda híbrida avanzada: búsqueda semántica basada en embeddings de IA (Gemini gemini-embedding-001) indexados con pgvector y búsqueda difusa (fuzzy) con pg_trgm en PostgreSQL.
• Snapshot pattern integrado en la base de datos (PostgreSQL/Supabase) para almacenar copias exactas e inalterables de precios y detalles de producto en el momento de la venta.
• Panel de administración (Admin Toolbar) integrado con dock interactivo, gestión de stock automatizada y sincronización bidireccional de estados de Pedidos y Albaranes.
• Caché serverless con Upstash Redis para rate limiting de endpoints y Vercel Blob para optimización automática de imágenes en formatos modernos (AVIF y thumbnails).
• Pasarela de acceso y políticas de seguridad estrictas a través de Row Level Security (RLS) en Supabase para proteger los datos de clientes y precios mayoristas.
• Asistente con IA en la tienda que responde con el catálogo real y, si el cliente ha iniciado sesión, con sus pedidos.
• Lectura automática de facturas de proveedor: llegan en PDF o en foto (también por Telegram), la IA extrae los datos y un esquema los valida antes de pasarlos a compras.
• Contenido con IA desde el panel: descripciones de producto a partir de las fotos, fotos de ambiente generadas desde la foto de producto, y un blog que se alimenta solo (noticias del sector, un artículo semanal y traducción automática).
• Proveedor de IA elegido por tarea (Gemini, OpenAI, Claude o DeepSeek) y cambiable sin reescribir el código.

1. Fase 1

   Auditoría del catálogo masivo

   Análisis de más de 17K variaciones de productos y optimización del modelo de datos de Supabase.

2. Fase 2

   Arquitectura B2B e i18n

   Diseño de la estructura multi-idioma (ES, EN, FR, DE) en Astro con carga de locales eficientes en servidor y cliente.

3. Fase 3

   Desarrollo de DB y Triggers

   Creación del esquema relacional en PostgreSQL (71 tablas) con triggers automáticos para totales y numeración.

4. Fase 4

   Búsqueda con IA y Optimización

   Configuración de embeddings con Gemini y pgvector para búsqueda por afinidad visual/textual, y almacenamiento AVIF en Vercel Blob.

5. Fase 5

   Hardening de RLS y Lanzamiento

   Implementación de políticas de seguridad robustas de nivel de fila (RLS) en Supabase y despliegue final en Vercel.

• Astro 4.16

  SSR híbrido ideal para generar páginas dinámicas del catálogo con velocidad extrema e inmejorable rendimiento.

• React + Radix

  Componentes interactivos en islas de alta fidelidad, con primitivos UI accesibles para la gestión compleja del selector de tallas.

• Supabase & PostgreSQL

  Motor de base de datos relacional potente con pgvector para búsqueda semántica e infraestructura de backend-as-a-service con RLS.

• Upstash Redis

  Capa ultrarrápida de caché y limitador de peticiones (rate limiting) para proteger los endpoints públicos de la API.

• IA multiproveedor

  Gemini para la búsqueda semántica y la lectura de facturas, y en cada tarea el modelo que mejor la resuelve, configurable sin tocar el resto del código.