Inferir las preferencias de los clientes y recomendar productos adecuados es una tarea desafiante para las empresas, aunque los sistemas de recomendación están en constante evolución. La lealtad es un indicador que mide la relación de preferencia entre los clientes y los productos en el ámbito del marketing. Con este fin, el objetivo de este estudio es explorar si la lealtad del cliente puede mejorar la precisión del sistema de recomendación. Se proponen dos algoritmos basados en redes complejas: un algoritmo de recomendación basado en grafos bipartitos y PersonalRank (BGPR), y un algoritmo de recomendación basado en redes de conjunto de vértices únicos y DeepWalk (SVDW). En ambos algoritmos, la lealtad se toma como un atributo del cliente, y la relación entre clientes y productos se abstrae en la topología de la red. Durante el paseo aleatorio entre nodos en la red, se completan las recomendaciones de productos para los clientes. Tomando como ejemplo un grupo inmobiliario en Malasia, los resultados experimentales verifican que la lealtad del cliente puede, de hecho, mejorar la precisión del sistema de recomendación. También podemos concluir que las empresas son más efectivas al recomendar a clientes con niveles de lealtad moderados.