Durante años, una de las preguntas clave para cualquier eCommerce ha sido: “¿aparece mi producto cuando alguien lo busca en Google?”. Pero la llegada de las herramientas de IA generativa ha añadido una nueva variable a la ecuación.
Cada vez es más habitual utilizar herramientas como ChatGPT, Claude o Gemini para pedir recomendaciones de compra: desde buscar un regalo hasta elegir unas zapatillas para correr o encontrar un vestido para una boda. En estos casos, el usuario no espera necesariamente una lista de enlaces, sino una respuesta construida a partir de su necesidad.
Esto plantea una nueva pregunta para las tiendas online: ¿puede una IA entender sus productos lo suficientemente bien como para tenerlos en cuenta cuando responde a este tipo de consultas?
👉 Analiza gratuitamente tu feed
Un feed puede cumplir correctamente con las especificaciones de Google Shopping —con su título, atributos e imagen correctamente configurados— y, aun así, ofrecer poca información contextual para que un modelo de lenguaje comprenda bien el producto.
Uno de los motivos está en las descripciones excesivamente centradas en keywords. Un título como “Zapatilla running hombre negro talla 42” describe correctamente el artículo, pero explica poco sobre para quién puede resultar adecuado, en qué situaciones puede utilizarse o qué características lo diferencian.
Algo parecido ocurre con los atributos técnicos sin contexto de uso. Material, ajuste, ocasión, compatibilidad o público objetivo son elementos que un comprador puede deducir al revisar una ficha completa, pero que un feed mal estructurado puede no expresar de manera explícita.
También pueden generar problemas la jerga interna, referencias o códigos propios del catálogo, ya que aportan poco contexto fuera del sistema en el que fueron creados.
Y esta situación se vuelve especialmente relevante en catálogos con cientos o miles de referencias y variantes, donde es frecuente encontrar descripciones genéricas, repetidas o procedentes de plantillas antiguas.
La diferencia entre un feed pensado para buscadores tradicionales y otro más preparado para entornos de IA se entiende mejor con un ejemplo sencillo. No se trata solo de incluir más palabras, sino de aportar contexto sobre el uso, la situación y las características relevantes del producto.
La diferencia está en que la segunda descripción no se limita a decir qué es el producto. También explica para qué puede utilizarse, en qué condiciones y qué características pueden resultar relevantes para alguien que plantea una necesidad concreta.
Eso no significa que añadir este tipo de información garantice que ChatGPT, Gemini u otro modelo vaya a recomendar el artículo. La respuesta dependerá del sistema, de las fuentes que utilice y de otros muchos factores. Pero un catálogo con más contexto ofrece a los modelos más información para entender qué vende realmente la tienda y en qué situaciones puede encajar cada producto.
Antes de pensar específicamente en optimizar un catálogo para herramientas de IA, existe un paso previo bastante menos novedoso: asegurarse de que los datos del feed sean correctos y estén bien estructurados.
Si un producto tiene atributos incorrectos, información incompleta o problemas de categorización, esas deficiencias también pueden afectar a otros canales. Por eso, la higiene del dato sigue siendo la base común, aunque después Google Shopping y los modelos de lenguaje utilicen señales diferentes para interpretar y presentar los productos.
Adsmurai resume esta preparación en tres grandes aspectos:
Para comprobar estos aspectos, Adsmurai ha lanzado una herramienta gratuita de análisis de feeds. El usuario introduce la URL de su feed y selecciona el mercado que quiere analizar.
La herramienta revisa los primeros 50 productos y muestra errores y avisos relacionados con Google Shopping. Además, evalúa el grado de preparación del feed para que su información pueda ser interpretada por modelos de lenguaje y propone posibles mejoras.
El análisis puede realizarse sin proporcionar acceso a la cuenta de Google Merchant Center, ya que únicamente necesita la URL del feed.
La propuesta parte, en definitiva, de una idea sencilla: un catálogo ya no solo tiene que describir qué es un producto, sino aportar suficiente contexto para explicar cuándo, para quién y para qué puede resultar útil.
La optimización específica de los catálogos para agentes y asistentes de IA todavía está evolucionando, pero la calidad, claridad y riqueza de los datos de producto se perfilan como un buen punto de partida para preparar un eCommerce para esas nuevas formas de descubrir productos.
Este contenido es posible gracias al apoyo de Adsmurai.
Your email address will not be published. Required fields are marked *
Δ