Vista cenital de una cinta transportadora con cajas movidas por la larga exposición y una sola caja nítida con cinta teal.
ESTRATEGIA/16 NOV 2026/8 MIN DE LECTURA
Vista cenital de una cinta transportadora con cajas movidas por la larga exposición y una sola caja nítida con cinta teal.
Entre miles de productos en movimiento, la IA se detiene en el que tiene sus datos completos.

AEO para e-commerce: fichas de producto que la IA puede recomendar

En las compras, la IA no recomienda sitios: recomienda productos. Google arma las respuestas de compra de AI Mode con su Shopping Graph, que tiene más de 50.000 millones de fichas, y más de 2.000 millones se actualizan cada hora. Para que un asistente recomiende tu producto, sus datos (precio, disponibilidad, variantes, reseñas) tienen que estar completos, al día y coincidir en todas partes.

Felipe Díaz
CCO · Co-founder

En las compras, la IA no recomienda sitios: recomienda productos. Google arma las respuestas de compra de AI Mode con su Shopping Graph, que tiene más de 50.000 millones de fichas, y más de 2.000 millones se actualizan cada hora. Para que un asistente recomiende tu producto, sus datos (precio, disponibilidad, variantes, reseñas) tienen que estar completos, al día y coincidir en todas partes.

¿Cómo arma Google sus respuestas de compra?

Google presentó en mayo de 2025, en I/O, su experiencia de compras en AI Mode: combina Gemini con el Shopping Graph, una base que según Google supera las 50.000 millones de fichas de producto, de grandes minoristas y de tiendas pequeñas, cada una con reseñas, precios, colores y disponibilidad. Más de 2.000 millones de esas fichas se actualizan cada hora. Para pedidos específicos, AI Mode lanza varias búsquedas a la vez antes de mostrar productos.

La consecuencia práctica es que la recomendación depende de los datos de cada producto. Un buen sitio con fichas incompletas compite en desventaja frente a uno con datos completos, actualizados y coherentes en todas partes.

Fichas de producto en el Shopping Graph de Google
50.000 MGoogle, may 2025
Fichas que se actualizan cada hora
2.000 MGoogle, may 2025
Crecimiento de las visitas desde IA al retail de EE. UU., 1T 2026
+393%Adobe, 2026

¿Por qué vale la pena ahora?

Porque el tráfico que llega desde los asistentes ya es relevante y llega decidido. Adobe midió que las visitas desde herramientas de IA al retail de Estados Unidos crecieron 393% interanual en el primer trimestre de 2026 y que en marzo convirtieron 42% mejor que el resto. La persona que llega desde una recomendación ya comparó; si tu producto no estaba en la respuesta, compró otro.

¿Qué datos de producto conviene completar?

Lo mínimo es lo que permite comparar y comprar: un nombre que diga qué es, identificadores como el GTIN cuando existen, precio, disponibilidad, variantes (talla, color, capacidad), costo y plazo de envío, política de devoluciones y reseñas reales. Esos datos deben estar en la página, en los datos estructurados de producto y en tu feed de Merchant Center, con los mismos valores en los tres lugares.

Después viene el contenido que responde preguntas de compra: para qué sirve, para quién no sirve, cómo se compara con la alternativa más cercana, qué incluye la caja. Son las respuestas que un asistente necesita para recomendar con seguridad. Y las reseñas, solo si son reales: inventarlas viola las políticas de Google y destruye la confianza que buscas construir.

En el comercio con IA, la ficha de producto es la nueva página de inicio. Si sus datos están incompletos o se contradicen, el asistente recomienda a otro sin explicarte por qué.

¿Qué pasa con la compra dentro del asistente?

El paso siguiente es que el asistente no solo recomiende, sino que compre. El checkout dentro de ChatGPT, basado en el protocolo ACP, está disponible en Estados Unidos, y Google impulsa su propio protocolo, UCP. Lo explicamos en el análisis de ACP y UCP. Para la mayoría de las tiendas de la región no es la prioridad inmediata, pero los mismos datos completos que hoy sirven para ser recomendado son los que mañana harán posible vender por esa vía.

¿Qué muestra el ranking de retail en Chile?

En marketplaces y compras online, el ranking de noviembre de 2026 muestra la forma del problema: Mercado Libre aparece en el 85% de las respuestas, Falabella en el 78% y Paris en el 67%, pero el promedio de las quince marcas medidas es 37%.

IndustriaMarca más visibleVisibilidadPromedio de la industria
MarketplacesMercado Libre85%37%
ElectrodomésticosSamsung80%29%
Calzado deportivoAsics78%40%
Mejoramiento del hogarSodimac94%62%
ColchonesRosen93%50%
Porcentaje de respuestas de ChatGPT, Claude y Gemini en que aparece cada marca, sobre dieciocho preguntas de compra por industria. Chile, noviembre de 2026.

La diferencia entre las filas es la tesis de este artículo: en electrodomésticos y calzado la IA recomienda marcas de producto —LG, Samsung, Asics, Adidas— con visibilidades de 76% a 80%, mientras que las tiendas que los venden compiten en un promedio de 31%. El asistente responde «qué comprar» antes que «dónde comprar». Para una tienda, la vía de entrada es la ficha: si tu página del producto es la que mejor describe el modelo, su precio y su disponibilidad en Chile, el motor tiene una razón para nombrarte junto a la marca.

La ficha también carga reputación. En el ranking de electrodomésticos, las marcas más visibles aparecen con cautela en una parte de las respuestas: Samsung en el 14% de las suyas, LG en el 17% y Hisense en el 17%. Cuando un asistente recomienda, suele agregar el «pero» que leyó en reseñas y foros, y ese tono viaja con el producto a la tienda que lo vende. Por eso las reseñas reales en la ficha, con su fecha y su respuesta, no son un adorno: son la parte de la ficha que el motor usa para decidir si recomienda con o sin reservas.

¿Qué cambia para un e-commerce de LatAm?

La infraestructura regional se está moviendo: Visa lanzó en abril de 2026 Visa Agentic Ready, un programa para preparar a los emisores de Latinoamérica y el Caribe para pagos iniciados por agentes de IA. El mercado es grande: AMVO cuenta 77,2 millones de compradores online en México en su estudio de 2026. Y en la región pesan mucho los marketplaces, así que la consistencia de precios, stock y descripciones entre tu sitio y marketplaces como Mercado Libre importa tanto como tu propia tienda.

Para una tienda con catálogo grande, la prioridad no es completar todas las fichas sino las que el asistente ya recomienda o debería recomendar: los productos que aparecen en las respuestas de tu categoría y los veinte más vendidos. Revisar esa lista cada mes contra lo que responden ChatGPT, Claude y Gemini convierte la ficha en una métrica: qué productos tuyos recomienda, con qué datos y con qué reservas. Lo que no aparece en esa revisión es la siguiente ficha que hay que completar.

Qué hacer esta semana

  1. Elige tus 20 productos más vendidos y revisa que cada ficha tenga precio, disponibilidad, variantes, envío y devoluciones.
  2. Compara esos datos entre tu sitio, tu feed de Merchant Center y tus marketplaces, y corrige las diferencias.
  3. Agrega a cada ficha las respuestas a dos o tres preguntas de compra reales.
  4. Pregunta a dos asistentes por tu categoría y mira qué productos recomiendan y con qué datos.
  5. Revisa qué reservas pone el asistente al recomendar tus productos más vendidos y si tus reseñas reales las responden.

Preguntas frecuentes

¿Cómo decide la IA qué producto recomendar?

Con los datos que tiene de cada producto. En el caso de Google, AI Mode combina Gemini con el Shopping Graph, que según Google tiene más de 50.000 millones de fichas con reseñas, precios, colores y disponibilidad. Un producto con datos incompletos o contradictorios tiene menos posibilidades de entrar en la respuesta que uno con su información completa y al día.

¿Qué datos de producto importan más?

Los que permiten comparar y comprar: nombre claro, identificadores como el GTIN cuando existen, precio, disponibilidad, variantes, envío, devoluciones y reseñas reales. Y que sean los mismos en tu sitio, en tu feed de Merchant Center y en los marketplaces donde vendes, porque las contradicciones restan confianza.

¿Necesito el checkout dentro de ChatGPT?

Todavía no es lo prioritario en la región: el checkout dentro de ChatGPT (ACP) está disponible en Estados Unidos. Lo que sí conviene hoy es que tus productos tengan datos completos y estructurados, porque eso sirve tanto para la recomendación actual como para el comercio agéntico cuando llegue a tu mercado.

¿Qué cambia para un e-commerce de LatAm?

La infraestructura se está preparando: Visa lanzó en abril de 2026 su programa Agentic Ready para Latinoamérica y el Caribe, y el mercado es grande (AMVO cuenta 77,2 millones de compradores online en México). En la región también pesan los marketplaces, así que la consistencia de tus datos entre tu sitio y marketplaces como Mercado Libre es especialmente importante.

¿La IA recomienda tiendas o marcas de producto?

En nuestros rankings de Chile, marcas de producto primero: Samsung aparece en el 80% de las respuestas de electrodomésticos y Asics en el 78% de las de calzado, mientras que las marcas de marketplaces y compras online promedian 37%. El asistente responde «qué comprar» antes que «dónde». Una tienda entra cuando su ficha de producto es la mejor fuente sobre ese modelo en su mercado: datos completos, precio en moneda local y disponibilidad al día.