Preparación para el comercio con IA: qué necesitan realmente los agentes de compra de tu catálogo
ChatGPT, Gemini y los agentes de compra están empezando a recomendar productos. Esto es lo que tu catálogo necesita para que ellos lo descubran, y lo que no importa tanto como afirman los proveedores de IA.
Los agentes de compra (plugins de ChatGPT, superficies de comercio de Gemini, Perplexity Shopping, extensiones de comercio de Adept) consumen los catálogos de productos de forma distinta a la Búsqueda de Google. La superficie de optimización es contigua al SEO, pero no es la misma. Esto es lo que de verdad importa para que tu tienda sea visible en el comercio con IA en 2026.
Qué leen los agentes de compra con IA
- Datos de producto estructurados. JSON-LD Product schema, OpenGraph Product, Microdata Product. Leen los tres; el JSON-LD es el que se interpreta de forma más fiable.
- llms.txt. Un fichero plano en
/llms.txtque describe el contenido de tu tienda en markdown. Cada vez más agentes lo descargan como señal de rastreo guiado. - APIs de feed de producto. El feed de Google Merchant Center, el feed de productos de Facebook, el Dataset de schema.org para todo el catálogo. Algunos agentes reutilizan estos feeds.
- Contenido de formato largo. Guías de compra, artículos comparativos, páginas de preguntas frecuentes. Los agentes los citan cuando explican una recomendación al usuario.
Los campos que más importan
A partir de la observación de menciones de producto recientes por parte de agentes en entornos reales, ordenados por impacto:
| Campo | Por qué importa |
|---|---|
| Descripción del producto (completa, estructurada) | Los agentes la citan directamente al justificar una elección |
| Precio + disponibilidad | Los agentes filtran por estos campos: sin stock = no se muestra |
| Identificadores (GTIN / MPN / Marca) | Permite a los agentes deduplicar entre distintos minoristas |
| Categorización (taxonomía + etiquetas) | Permite a los agentes casar la intención del usuario ("zapatillas de running" → categoría) |
| Reseñas + valoraciones (reales, marcadas con schema) | Señal de confianza para la recomendación del agente |
| Calidad de imagen + texto alternativo | Los agentes que generan resultados visuales necesitan ambos |
| Condiciones de devolución + garantía (estructuradas) | Los agentes lo muestran cada vez más en las fichas de producto |
Lo que no importa tanto como crees
- Metaetiquetas SEO. Los agentes ignoran cada vez más la meta descripción y utilizan el contenido real de la página.
- Velocidad de página. Importante para los compradores humanos; los agentes descargan + cachean. No sacrifiques contenido por la velocidad de última milla.
- Textos "optimizados para IA". Los proveedores que venden "descripciones de producto optimizadas para IA" casi siempre quieren decir "extensas": los agentes no premian lo extenso, premian lo preciso.
La cuestión del llms.txt
llms.txt es un estándar de fichero plano introducido en 2024, ubicado en https://yourshop.com/llms.txt, que ofrece a los agentes de rastreo un resumen en markdown de la estructura de tu sitio. Que merezca o no el esfuerzo depende de:
- ¿Tienen tus páginas con mejor rendimiento una jerarquía semántica clara? (Si es así, el llms.txt es fácil de generar a partir del sitemap + los encabezados estructurados de las páginas.)
- ¿Están tus productos bien descritos en sus páginas de detalle? (Si no, arréglalo primero; el llms.txt no disimula un contenido pobre.)
Para la mayoría de las tiendas PrestaShop y WooCommerce, el trabajo con mayor ROI es un mejor Product schema, no el llms.txt. Este último es una señal secundaria.
Cómo auditar la preparación de tu catálogo para la IA
- Elige 10 productos al azar. Abre la prueba de resultados enriquecidos de Google (
search.google.com/test/rich-results) con cada URL. El Product schema debería validarse sin advertencias. - En cada uno, verifica: nombre, descripción, precio, disponibilidad, imagen, marca, GTIN/MPN cumplimentados. Si falta alguno de estos = menor visibilidad ante los agentes.
- Comprueba que tu marcado Schema.org Review esté sobre reseñas reales, con Author + datePublished. Sin AggregateRating falso.
- Prueba 3 consultas de búsqueda en Perplexity Shopping y ChatGPT Shopping. ¿Aparece tu tienda? Si nunca aparece, audita las carencias.
El ángulo del cumplimiento
Los agentes de compra con IA no tienen un Merchant Center donde aprobarte. No hay una única puerta de aprobación: la visibilidad es emergente. Pero hay algunas cosas que harán que te despriorizen:
- Schema spam (marcado de reseñas sin reseñas reales, recuentos de estrellas inflados, insignias falsas de bajada de precio).
- Cloaking (contenido distinto para los bots y para los humanos).
- Geobloquear a los agentes de IA mientras sirves a los humanos. Algunos sitios bloquean por user-agent: eso es lo contrario a estar preparado para la IA.
Qué hemos construido para esto
NP Feed Doctor (en piloto) analiza los datos de producto de WooCommerce y genera un informe de preparación para la IA: qué campos faltan, qué schema está roto, qué taxonomías necesitan limpieza. También genera un llms.txt + un catálogo de solo lectura para agentes a partir de los datos públicos de producto, si lo deseas.
Para PrestaShop, el equivalente llegará más adelante en 2026. Mientras tanto, la auditoría manual + la prueba de resultados enriquecidos es la base correcta.
En resumen
La preparación para el comercio con IA consiste sobre todo en "hacer bien el Product schema clásico", con un pequeño añadido de llms.txt + un ángulo de reseñas curadas por IA por encima. No pagues por plugins de "optimización para IA"; el trabajo de fondo es la poco glamurosa higiene del schema.