Cómo preparar tu tienda online para las recomendaciones de IA: catálogo, fichas, datos estructurados y feeds de productosA fondo · digest del 21 de noviembre
Bodegón de estudio con una tableta que muestra una ficha de producto, etiquetas de identificadores SKU, GTIN y MPN, y tarjetas de las etapas de verificación de una tienda online por un agente de IA.
A fondo7 secciones≈ 31 min

Cómo preparar tu tienda online para las recomendaciones de IA: catálogo, fichas, datos estructurados y feeds de productos

Hace poco, el equipo de TexTerra realizó un experimento revelador: lanzó un agente de IA para comprar productos en tiendas online rusas reales. A primera vista, todo marchaba bien: el robot encontró las fichas de los modelos buscados en todas las webs, sin que ninguna tienda quedara oculta. Pero luego llegó el golpe de realidad. El agente solo pudo leer correctamente el precio público en la mitad de los pares «consulta - tienda» analizados, y apenas logró llegar al paso confirmado del carrito en un tercio de los casos. El resto de las tiendas parecían «visibles» (sus productos estaban en el buscador y en los feeds), pero para la IA lucían como un escaparate sin etiquetas de precio y con la puerta cerrada.

Justo ahí se esconde la mayor ilusión de los dueños de e-commerce. Muchos creen que basta con exportar la lista de precios a un feed de productos para que las inteligencias artificiales traigan compradores listos para pagar. No es así. En el análisis detallado de Serguéi Lomakin en el blog de TexTerra se explica por qué los servicios de IA no confían solo en el feed y cómo reconstruir el catálogo, las fichas, los datos estructurados y las exportaciones para no confundir la visibilidad de un producto con la posibilidad real de comprarlo. Veamos todo este proceso paso a paso, desde la estructura de categorías hasta un plan de implementación a 90 días.

Por qué el agente de IA ve la ficha, pero pierde al comprador antes del carrito

Veamos cómo funciona hoy la búsqueda de productos mediante IA. El usuario ya no escribe un seco «comprar robot aspirador Moscú». Ahora pregunta como si hablara con un asesor en la tienda: «¿Qué robot aspirador elegir por menos de 30,000 rublos si tengo un gato muy peludo en casa?». Aquí entra en juego el GEO (Generative Engine Optimization): la optimización del sitio web y de los datos de producto para que sistemas generativos como Yandex con Alisa o ChatGPT no solo encuentren la página, sino que interpreten las características, comparen modelos y emitan una recomendación sin errores.

Para responder a una consulta así, el servicio de IA arma un rompecabezas con varias capas: revisa el tipo de cepillos, descarta opciones fuera de presupuesto, comprueba reseñas, región y condiciones de envío. Por ejemplo, Yandex Products extrae información tanto del feed de productos como de las páginas habituales de la web. Si en el feed aparece un precio, en la ficha otro, y el envío está escondido dentro de una imagen emergente, el algoritmo se tropieza. Además, optimizar para una plataforma no garantiza el éxito en otra: cada servicio tiene su propia lógica de rastreo y validación.

Experimento de TexTerra: cuántas tiendas superó el agente de IA en cada paso

En el gráfico se aprecia con claridad la brecha entre «me encontraron» y «me compraron». Cuanto más se acerca el robot a cerrar la transacción, más tiendas quedan fuera por detalles técnicos: precios ocultos, selectores de variantes defectuosos o desajustes de inventario. Al final, pagas por desarrollo y contenido, entras en el radar del algoritmo, pero la venta se la lleva el competidor cuya ficha se lee sin acertijos.

Para que el sistema no se confunda, tu tienda necesita una división clara de funciones entre páginas. La página de categoría actúa como el vendedor en el pasillo: ayuda a comparar varios modelos según criterios claros. La ficha de producto se encarga de la recta final: la variante exacta, el precio definitivo, el stock disponible, la garantía y el envío. A veces, para una misma consulta, el algoritmo toma datos de ambas páginas: si el usuario pregunta por el envío de un aspirador a Tula, el servicio puede sacar la selección de modelos de la categoría y los plazos de entrega de la ficha. El principio es sencillo, tal como lo resumió el autor del análisis: hay que diseñar la página para la necesidad del comprador, no para dar salida al excedente del almacén.

Catálogo y filtros facetados: cómo no ahogar el buscador en duplicados vacíos

La mayoría de los catálogos están organizados como le conviene al contador o al sistema de almacén: «Electrodomésticos -> Aspiradores -> Robots». Sin embargo, el cliente piensa desde su problema. Si convive con un gato Maine Coon, busca una sección del estilo «Robots aspiradores para dueños de mascotas», donde desde las primeras líneas quede claro en qué fijarse.

Al inicio de esa categoría no hace falta soltar un muro de texto SEO de cinco mil caracteres. Basta un bloque introductorio breve de unas cuantas frases directas: qué diseño de cepillos no enreda el pelo, cómo rinde el robot sobre alfombras, qué altura de umbrales supera y cuándo vale la pena una estación de autovaciado. Ahí mismo conviene desmontar un mito frecuente: una potencia de succión alta en pascales por sí sola no garantiza que el aparato recoja bien el pelo de la alfombra.

Justo debajo de esa introducción, coloca una tabla HTML estándar con entre cinco y diez modelos vigentes. Incluye las columnas por las que la gente realmente compara: tipo de cepillo, altura máxima de obstáculo, estación de autovaciado y precio. Haz que el nombre de cada modelo sea un enlace directo a su ficha. Puedes añadir una infografía bonita al lado como apoyo visual, pero todo el texto y las cifras deben estar en HTML limpio para que tanto compradores como robots los lean sin dificultad.

Otro tropiezo habitual son las promesas sin respaldo. Escribir «este robot aspirador recoge el pelo de maravilla» es muy fácil, pero tanto las personas como las IA confían cada vez menos en los adjetivos vacíos. Si haces una afirmación así, apóyala: cita el manual del fabricante o detalla una prueba propia (sobre qué superficie se probó, en qué modo y cuánto quedó en el cepillo). ¿No tienes esas mediciones? Entonces describe solo hechos comprobables de la construcción, sin conclusiones exageradas. Lo mismo aplica a las actualizaciones: muestra por separado las variantes con distintas especificaciones y cambia la fecha de actualización solo tras revisar de verdad precios y disponibilidad. Cambiar la fecha de forma artificial «para parecer reciente» no acelera la indexación ni mejora el posicionamiento.

Ahora hablemos de los filtros, o navegación facetada. Una página facetada es una selección de productos que el sitio genera a partir de uno o varios filtros (por ejemplo, «Robots aspiradores con estación de autovaciado»). Es una herramienta útil, pero riesgosa: si dejas abiertas a los buscadores todas las combinaciones posibles, la web generará en un día decenas de miles de URL basura que casi duplican la categoría principal.

Funciona una regla sencilla de filtrado:

  • Abre a indexación solo combinaciones con demanda real para las que tengas suficiente variedad en el catálogo. Ponle un título claro, un par de líneas explicando el criterio de selección y un enlace HTML normal desde el catálogo. Si se agotan los productos de ese filtro, replantéate si conviene mantener la página indexada.
  • Bloquea combinaciones de tres o más filtros y cruces aleatorios (como «color blanco + orden por precio + atributo poco común»). La única excepción son búsquedas muy específicas donde sabes que hay demanda y surtido suficiente.
  • Gestiona los duplicados con criterio. Para URL similares y páginas de ordenamiento sirve la etiqueta rel="canonical" apuntando a la versión principal, aunque recuerda que para el buscador es una sugerencia, no una orden estricta. Nunca pongas canonical desde una página facetada útil hacia la categoría general si responden a intenciones distintas. Cuando necesites sacar una página de los resultados de búsqueda con seguridad, usa la directiva noindex. Detalle clave: no bloquees esa misma URL en robots.txt, o el rastreador no podrá entrar a leer tu noindex.

No intentes meter dudas complejas de compra dentro del catálogo comercial: llévalas a artículos y guías. Por ejemplo, una comparativa «Robot aspirador o aspirador vertical: cuál elegir para pelo de mascota» funciona muy bien en el blog, explica la diferencia con claridad y enlaza hacia la categoría y las fichas adecuadas. Desde la categoría, a su vez, añade un enlace discreto a esa guía para no saturar el escaparate de teoría. En artículos sobre compatibilidad y repuestos escribe siempre los nombres exactos de los modelos, números de serie y referencias, porque así es como la búsqueda con IA conecta los textos con los productos. Y un hábito más: si un modelo popular se descataloga, no borres su ficha devolviendo un error 404. Conserva la página y la URL, indica con claridad que ya no está disponible y muestra al lado alternativas vigentes explicando en qué se diferencian.

Secciones prioritarias y ficha de producto: dónde se esconden los fallos clave

Cuando una tienda tiene 30,000 o 50,000 referencias, la tentación de «rehacer todo a la vez» suele matar el proyecto en la segunda semana. Un arranque sensato es mucho más acotado: elige entre 5 y 10 categorías prioritarias. Fíjate en dos métricas: su peso en los ingresos y la demanda de búsquedas comparativas («cuál es mejor», «para qué uso sirve»). Antes de empezar, evalúa con realismo la capacidad de tu equipo: ¿tienen manos suficientes para mantener actualizados los precios, el stock y las fichas en esas secciones? Si no, reduce el piloto.

Dentro de la ficha de producto, el orden empieza por los identificadores. Aquí suele haber mucho desorden, así que separemos los tres códigos:

  • SKU: tu código interno de artículo en el sistema de gestión de la tienda.
  • GTIN: el código de barras global del producto (por ejemplo, EAN o UPC).
  • MPN: el número de pieza o modelo asignado por el fabricante.

Cada código debe ir estrictamente en su campo, y conviene sincronizarlos directamente desde tu ERP (como 1C) para que los gestores de contenido no los tecleen a mano. Si un GTIN o MPN real no existe o no está verificado, deja el campo vacío o no lo muestres. Rellenarlo con valores inventados como 000000 es la forma más rápida de romper la identificación del producto en los algoritmos.

Esquema infográfico de una ficha de producto con tres campos de códigos SKU, GTIN y MPN, estado de disponibilidad e intercambio directo de datos con 1C y el feed de productos.

Desglosa las especificaciones en campos independientes y pon siempre las unidades de medida: no escribas solo «800», sino «potencia: 800 W» o «capacidad: 2 l». Presenta los distintos paquetes o kits como ofertas separadas: un taladro solo «cuerpo» sin batería y el mismo taladro en maletín con dos baterías son dos productos distintos y no deben mezclarse en una sola ficha.

Redacta la descripción pensando en la utilidad práctica, no en eslóganes publicitarios. En el primer párrafo responde de inmediato para quién es ideal el modelo. Luego detalla con honestidad las limitaciones de compatibilidad y qué incluye la caja. Después recopila las dudas reales que se repiten en los chats con clientes y en las reseñas, y respóndelas citando referencias concretas, por ejemplo: «Compatible con impresoras X e Y. Para la versión Z se necesita otro adaptador». Eso sí, pide siempre al especialista de producto que valide esas respuestas para no prometer de más.

Presta especial atención a las condiciones de compra. ¿Quién ofrece la garantía, por cuánto tiempo y bajo qué condiciones? Separa la garantía adicional de tu tienda de la garantía oficial del fabricante. En envíos, especifica las regiones y un método claro para calcular el plazo, y redacta la política de devoluciones en un lenguaje sencillo con enlace al reglamento completo. Punto crítico: toda esta información debe estar en HTML normal. Si los costos de envío están dentro de un banner gráfico o escondidos en una pestaña que solo carga tras un clic complejo, el agente de IA ni los verá.

Y no abandones las fichas cuando se agote el inventario. Mantén viva la URL, muestra de forma visible el estado «Sin stock», sustituye el botón «Comprar» por un aviso de reposición y sugiere alternativas disponibles con una breve comparación. Lo esencial es que el estado de agotado coincida exactamente en tres sitios: en la propia página, en los datos estructurados (OutOfStock) y en el feed de productos, alimentado desde tu control real de almacén.

Datos estructurados Schema.org: cómo conectar Product, Offer y ProductGroup

Aunque la ficha esté bien diseñada para personas, para los buscadores y las IA es mucho más fácil y fiable leer los datos desde un bloque estructurado de código: Schema.org en formato JSON-LD. Aquí trabajan cinco piezas clave:

  • Product describe el producto en sí (nombre, marca, referencias, fotos).
  • Offer detalla la oferta comercial del vendedor (precio, moneda, disponibilidad, enlace).
  • ProductGroup agrupa las variantes de un mismo modelo (por ejemplo, colores o capacidades de memoria) para que el algoritmo no confunda versiones.
  • BreadcrumbList indica en qué rama del catálogo se encuentra la página.
  • ItemList sirve para marcar la lista de productos en una página de categoría.

Para conectar entidades dentro del mismo bloque de código, por ejemplo vincular a un vendedor concreto (Organization) con cada oferta (Offer.seller), se usa el identificador técnico @id.

Ejemplo de visualización de variantes de producto con datos estructurados ProductGroup en los resultados de Google (Fuente: Google Search Central)

Debajo tienes un ejemplo funcional abreviado de JSON-LD tomado del análisis de TexTerra para un aspirador de la serie A en blanco y negro. Se ve cómo ProductGroup agrupa dos variantes con distintos SKU, precios y disponibilidad (antes de llevarlo a tu web, sustituye las URL y valores de ejemplo por los reales).

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://example.ru/#seller",
      "name": "Tienda Online",
      "url": "https://example.ru/"
    },
    {
      "@type": "BreadcrumbList",
      "itemListElement": [
        {
          "@type": "ListItem",
          "position": 1,
          "name": "Catálogo",
          "item": "https://example.ru/catalog/"
        },
        {
          "@type": "ListItem",
          "position": 2,
          "name": "Aspiradores",
          "item": "https://example.ru/vacuums/"
        }
      ]
    },
    {
      "@type": "ProductGroup",
      "name": "Aspirador Serie A",
      "productGroupID": "A",
      "variesBy": ["https://schema.org/color"],
      "hasVariant": [
        {
          "@type": "Product",
          "name": "Aspirador A, blanco",
          "sku": "A-WHITE",
          "mpn": "MODEL-A-W",
          "color": "blanco",
          "image": "https://example.ru/img/a-white.jpg",
          "brand": {"@type": "Brand", "name": "Marca A"},
          "offers": {
            "@type": "Offer",
            "url": "https://example.ru/a/?color=white",
            "price": "24990",
            "priceCurrency": "RUB",
            "availability": "https://schema.org/InStock",
            "seller": {"@id": "https://example.ru/#seller"}
          }
        },
        {
          "@type": "Product",
          "name": "Aspirador A, negro",
          "sku": "A-BLACK",
          "mpn": "MODEL-A-B",
          "color": "negro",
          "image": "https://example.ru/img/a-black.jpg",
          "brand": {"@type": "Brand", "name": "Marca A"},
          "offers": {
            "@type": "Offer",
            "url": "https://example.ru/a/?color=black",
            "price": "25990",
            "priceCurrency": "RUB",
            "availability": "https://schema.org/OutOfStock",
            "seller": {"@id": "https://example.ru/#seller"}
          }
        }
      ]
    }
  ]
}

Fíjate en la limpieza con la que están separadas las variantes: el aspirador blanco tiene su sku, su url con el parámetro de color, su precio y estado InStock, mientras que el negro lleva otro SKU, otro precio y un OutOfStock real. Si las variantes se abren en direcciones distintas, cada una debe tener su propio enlace directo.

En la documentación oficial de Google Search Central y en la especificación de Schema.org existen dos métodos para enlazar variantes. El primero es anidado (hasVariant), como en el código superior, donde todas las versiones viven dentro de un único ProductGroup. El segundo es separado (isVariantOf), donde cada variante tiene su propia URL como un Product independiente y apunta al ProductGroup padre. Una ventaja práctica de esta estructura es que propiedades comunes como marca, descripción, calificación del modelo o política de devoluciones se pueden declarar a nivel de ProductGroup para no repetirlas decenas de veces. Eso sí, añade datos de envío y devolución al marcado únicamente si están visibles en la web y coinciden con tus reglas reales.

Ahora veamos dos trampas clásicas donde caen muchas tiendas en Rusia. La primera ocurre con las ofertas comerciales en 1C-Bitrix. Es muy habitual que el usuario haga clic en el selector de color, en pantalla el precio cambie de 24,990 a 25,990 rublos, pero el JSON-LD del código siga mostrando los datos de la primera variante por defecto. Para el robot, eso es una discrepancia de precio. Después de implementar el marcado, haz clic en los selectores de variantes y comprueba que la URL, el SKU, el precio y la disponibilidad se actualicen de forma sincronizada.

La segunda trampa es el bloque de valoración AggregateRating. Solo puedes mostrarlo si en la página existen reseñas publicadas específicamente sobre ese modelo. Inyectar la calificación general de la tienda en lugar de la del producto concreto está totalmente prohibido. Valida siempre tu código con tres herramientas: Google Rich Results Test, Schema Markup Validator y el validador de Yandex Webmaster. Y ten presente una advertencia realista: ver todo en verde solo confirma que no hay errores de sintaxis, no garantiza por sí solo un resultado enriquecido ni aparecer en la respuesta de la IA.

Feeds de productos en la práctica: Yandex YML, Google Merchant Center y OpenAI

Mientras los datos estructurados ayudan al robot a entender una página individual, el feed de productos es un archivo estructurado con el que la tienda envía en bloque su catálogo, precios, stock y enlaces directamente a las plataformas comerciales. No existe un feed mágico universal «para todas las IA a la vez». Además, la elección de plataforma depende por completo de tu geografía de ventas.

Panel de productos en la búsqueda de Google basado en datos estructurados y feed (Fuente: Google Search Central)

Para no enredarte con formatos ni perder semanas de desarrollo en canales que no te aplican, resumimos los tres sistemas principales en una tabla.

PlataformaFormato de archivoDisponibilidad en RusiaCampos obligatorios claveAgrupación de variantes
Yandex Products y DirectYML (XML)Prioridad n.º 1 para Rusiaid (hasta 80 car.), url, price, currencyId, categoryId, picture, name, available<offer> separados, enlace mediante group_id y <param>
Google Merchant CenterXML / TSV / APINo disponible para ventas dentro de Rusiaid, title, link, price, availability (en línea con JSON-LD)Atributo item_group_id
OpenAI Product Feed (ChatGPT)jsonl.gz / parquet (SFTP/API)No prioritario (requiere revisar países y Business Hub)9 campos: item_id, title, description, url, brand, seller_name, image_url, availability, priceCampos group_id y variant_dict

Repasemos los detalles prácticos de cada sistema, empezando por lo que hoy impulsa de verdad al e-commerce en el mercado ruso.

Yandex YML (Yandex Products y Direct). Según la guía de Yandex Products, cada oferta que se puede comprar debe ir en una etiqueta <offer> independiente. Para distintos colores o tallas, crea ofertas separadas con identificadores estables. Un truco técnico muy útil: usa exactamente el mismo offer id (por ejemplo, A-WHITE) en el feed YML y en los eventos de comercio electrónico de Yandex Metrica; así unes la analítica y las impresiones comerciales sin parches.

<!-- Variante blanca: el ID estable coincide con el SKU y Metrica -->
<offer id="A-WHITE" available="true" group_id="A">
  <url>https://example.ru/a/?color=white</url>
  <price>24990</price>
  <currencyId>RUB</currencyId>
  <categoryId>101</categoryId>
  <picture>https://example.ru/img/a-white.jpg</picture>
  <name>Aspirador A, blanco</name>
  <param name="Color">blanco</param>
</offer>

Este pequeño bloque resume varias reglas de Yandex. Para el rublo ruso se admiten los códigos RUB y RUR; usa el que exija el servicio concreto. El atributo group_id es opcional para artículos únicos, pero para agrupar variantes trabaja junto con etiquetas <param> (color, talla, etc.). Si un producto se agota, marca available="false" o retíralo de la exportación activa, ya que en los resultados comerciales solo salen ofertas disponibles. Un mismo archivo YML puede enviarse tanto a Yandex Products como a Yandex Direct, pero revisa antes las normas de ambos: sus campos obligatorios y reglas de validación no son idénticos.

Y aquí va el detalle más severo de Yandex, el que pega directo en el bolsillo. Si el robot detecta un precio incorrecto o una ficha rota en productos aislados, simplemente los oculta. Pero si encuentra errores en más del 25% de la muestra revisada, puede desconectar por completo toda tu fuente de datos. Por eso ajusta la frecuencia de generación del feed al ritmo con que cambian tus precios y existencias, y revisa periódicamente el informe de errores de carga.

Google Merchant Center. Aquí toca una aclaración directa: si tu tienda vende únicamente dentro de Rusia, invertir tiempo en Merchant Center hoy no tiene sentido. Rusia no figura como país compatible para Shopping Ads ni listados gratuitos. Este feed solo sirve si vendes en mercados internacionales, donde resulta crítico que id, item_group_id, price y availability coincidan al milímetro con el JSON-LD de tu web.

Feed de productos de OpenAI para ChatGPT. Pasa algo parecido con la geografía: para una tienda local rusa no es una prioridad del primer mes. La conexión se gestiona desde Business Hub tras verificar la empresa, y conviene revisar la lista de países admitidos y requisitos justo antes de empezar. Si vendes en el extranjero, sigue la especificación oficial de OpenAI Product Feed: prohíbe reutilizar un item_id para otro artículo, el precio se envía con número y código de moneda ISO 4217 (por ejemplo, 79.99 USD), y la disponibilidad usa estados fijos (in_stock o out_of_stock). La URL debe abrir la variante ya preseleccionada.

Abajo tienes un simulador interactivo compacto basado en los puntos reales de fallo del experimento de TexTerra y las reglas de las plataformas. Activa o desactiva las casillas según el estado de tu tienda para comprobar si el agente de IA llega al carrito o se queda a mitad de camino.

Simulador: ¿superan tu ficha y tu feed la revisión del agente de IA?

El simulador deja clara la mecánica del fallo: incluso con un feed YML impecable, basta una desincronización entre las variantes de la ficha y el inventario en 1C para que el agente se frene antes del carrito. Por eso, tras configurar el feed, no te fíes ciegamente de los indicadores verdes en el panel de control: haz una revisión manual por muestreo. Toma varios productos de distintos tipos y un par de variantes de un mismo modelo. Compara el ID, el enlace directo a la variante correcta, el precio y la disponibilidad en el feed contra lo que realmente carga en la web. Después, recorre el camino del comprador hasta el carrito y verifica con tus propios ojos que el color o paquete elegido se mantenga y que el importe final no cambie.

Plataformas externas, reseñas y monitoreo semanal de respuestas de IA

Una IA rara vez mira solo tu sitio web: contrasta datos en todo el internet abierto, incluidos marketplaces y sitios de reseñas. Si en tu tienda un aspirador lleva un nombre completo y en un marketplace lo publicaste con un título corto sin código de fabricante, el algoritmo puede no entender que se trata del mismo producto.

Por eso, en plataformas externas, siempre que los campos lo permitan, indica el nombre completo del modelo y la referencia oficial del fabricante. Describe con claridad el contenido del paquete (de nuevo, la herramienta sin batería y el kit con batería deben diferenciarse bien). Completa el perfil de tienda oficial y enlaza a tu web principal si las reglas de la plataforma lo permiten. En tu propio sitio, recopila reseñas auténticas sobre los productos y sepáralas de las valoraciones sobre el repartidor o el punto de entrega: a quien elige un modelo le importan sus puntos débiles de uso, no que la mensajería llegara diez minutos tarde el martes pasado.

¿Cómo saber si todos estos cambios están dando frutos? A ojo es imposible. Necesitas un protocolo sencillo de seguimiento. Para empezar, reúne una muestra de 15 a 20 consultas comerciales de tus categorías prioritarias. No te limites a un solo tipo de pregunta; mezcla escenarios reales de compra:

  • selección por presupuesto (por ejemplo, «taladro inalámbrico hasta 12,000 rublos para armar muebles»);
  • comparación entre dos modelos;
  • búsqueda de alternativas;
  • compra con envío a una región específica;
  • consulta de condiciones de garantía con un vendedor concreto.

Evalúa cada respuesta de la IA según el objetivo real de la pregunta. Si preguntaste por un taladro hasta 12,000 rublos para muebles, comprueba si el modelo sugerido entra en ese presupuesto y sirve para esa tarea. Si consultaste la garantía del modelo X en la tienda Y, contrasta las condiciones exactas de esa tienda, no frases genéricas del manual.

Haz las mediciones siempre desde la misma región y lleva una hoja de control ordenada: qué servicio probaste, fecha, texto exacto de la consulta, estado de la cuenta y sesión. No confíes a ciegas en el modo incógnito: borra parte del historial del navegador, pero no elimina la personalización regional ni otros factores. Registra si mencionaron tu tienda, qué URL incluyeron, si el precio estaba al día y la disponibilidad. Anota en una fila aparte las alucinaciones y fallos, como cuando la IA nombra tu producto pero enlaza a la competencia o muestra otra variante. Y lo más importante: aparecer una sola vez no demuestra nada. Ejecuta tu lista con el mismo protocolo de forma periódica, por ejemplo una vez por semana, y observa la evolución a lo largo de varias mediciones.

Plan de implementación a 30, 60 y 90 días: cómo empezar sin un equipo enorme

Para que este trabajo no se convierta en una reforma interminable que consume presupuesto sin mostrar resultados, divídelo en tres sprints claros de 30 días.

Primeros 30 días: prioridades y medición base. Eliges entre 5 y 10 categorías clave y un grupo piloto de productos. Revisas los cimientos: si las páginas son rastreables, si hay desorden en nombres, unidades, precios o existencias. Ejecutas tus 15 a 20 consultas iniciales en los servicios de IA y registras el «punto de partida» para poder comparar dos meses después. El entregable principal del primer mes es una lista concreta de discrepancias con responsables y fechas límite.

Para el día 60: correcciones técnicas. Arreglas las plantillas de ficha y los vínculos entre variantes, implementas y validas JSON-LD (ProductGroup + Product + Offer), y armas o depuras el feed YML. Configuras la sincronización de precios e inventario en la cadena «ERP (1C) -> sitio web -> feed». Como punto específico, revisas las ofertas comerciales en 1C-Bitrix y el stock regional. Al cierre de esta etapa haces una exportación de control y compruebas qué se muestra realmente en la web y en el panel de la plataforma comercial.

Para el día 90: ampliación del piloto. Cuando la base de las primeras categorías funciona sin fallos, sumas nuevas secciones, abres páginas facetadas útiles y publicas guías de compra con enlazado interno. Repites el monitoreo con las mismas 15 a 20 consultas en iguales condiciones, corriges las diferencias pendientes y escalas el método exactamente al número de categorías que tu equipo pueda mantener al día.

Lista breve de verificación antes de la exportación de control

  • Las categorías prioritarias tienen texto introductorio orientado al comprador y tabla HTML de 5 a 10 modelos con enlaces.
  • Las combinaciones basura de 3 o más filtros están bloqueadas con noindex (sin bloquearlas en robots.txt), y los filtros útiles no llevan canonical hacia la categoría general.
  • En las fichas, SKU, GTIN y MPN están en sus campos sin valores ficticios, y envío, garantía y devoluciones están en HTML limpio.
  • Al cambiar de variante en la web se actualizan URL, precio, stock y JSON-LD (ProductGroup/Product/Offer), y la nota general de la tienda no se mezcla en AggregateRating del producto.
  • El feed YML está sincronizado con el stock, su tasa de error es inferior al 25% y se probó el recorrido completo hasta el carrito en una muestra.
Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 6