Cómo optimizar las fichas de producto para ChatGPT y Gemini

Optimizar las fichas de producto para ChatGPT y Gemini consiste en convertir cada página de producto en una fuente de información completa, verificable y legible por máquinas. En la práctica, el trabajo se apoya en cuatro frentes: redactar descripciones factuales que respondan a las preguntas reales del comprador, marcar la página con datos estructurados coherentes con el contenido visible, completar todos los atributos relevantes del producto (marca, GTIN, material, medidas o variantes) y mantener sincronizados el precio, la disponibilidad, el envío y las devoluciones, tanto en la web como en los feeds que se envían a Google Merchant Center y a OpenAI.

La razón es comercial. Según los datos de Adobe Analytics publicados por Digital Commerce 360, en julio de 2026 el tráfico que llegó a webs de retail de Estados Unidos desde asistentes de IA creció un 62 % interanual y acumulaba un aumento del 1.219 % respecto a octubre de 2024. Esas visitas, además, convirtieron un 60 % más que el tráfico no procedente de IA. Aunque las cifras corresponden al mercado estadounidense, la tendencia es extrapolable a España, donde el Modo IA de Google está disponible en español desde octubre de 2025 y ChatGPT ya muestra resultados de compra a los usuarios.

¿Cómo eligen ChatGPT y Gemini qué productos recomendar?

ChatGPT muestra resultados de compra cuando detecta intención de compra en una pregunta, es decir, cuando el usuario busca un producto para adquirirlo. En esos casos presenta opciones con imágenes, detalles del producto y enlaces a las tiendas. Según el centro de ayuda de OpenAI, estos resultados se seleccionan de forma independiente y no son anuncios, y la lista de comercios que ofrecen cada producto se genera a partir de metadatos de producto y de comercio que proceden de proveedores externos o de los propios vendedores. Para que una web aparezca en esas respuestas, además, OpenAI indica que debe permitir el acceso de su rastreador OAI-SearchBot: los sitios que lo bloquean no se muestran en las respuestas de búsqueda de ChatGPT.

Gemini y el Modo IA de Google funcionan sobre la infraestructura de búsqueda de Google. La documentación oficial para propietarios de sitios explica que el Modo IA y las AI Overviews pueden aplicar una técnica de query fan-out, que consiste en lanzar varias búsquedas relacionadas sobre subtemas y fuentes de datos distintas para construir una sola respuesta. En el caso de los productos, esas fuentes incluyen el Shopping Graph, el índice de productos de Google alimentado, entre otros, por los datos de Google Merchant Center. Por eso Google recomienda expresamente mantener actualizada la información de Merchant Center como parte de la estrategia para aparecer en sus experiencias de IA.

Cómo redactar descripciones de producto para buscadores con IA

Una descripción de producto optimizada para IA es aquella que permite a un asistente responder con precisión a una pregunta concreta sin tener que suponer nada. Google ha observado que los primeros usuarios del Modo IA formulan consultas dos o tres veces más largas que las búsquedas tradicionales, con matices como el uso previsto, la compatibilidad o las restricciones de tamaño. Una ficha que solo dice "zapatilla cómoda y resistente" no ayuda a resolver una consulta como "zapatilla impermeable para trail con suela de buen agarre en roca mojada"; una ficha que detalla la membrana, el tipo de suela, el peso y el terreno recomendado, sí.

La especificación de feeds de OpenAI resume bien el criterio: la descripción debe ser factual y concisa, en texto plano, y el título debe nombrar el producto incluyendo la variante cuando sea relevante, con un máximo orientativo de 150 caracteres para el título y 5.000 para la descripción. Conviene evitar superlativos sin respaldo, reescribir los textos genéricos del fabricante y explicar para quién es el producto, en qué situaciones se usa y qué lo diferencia de las alternativas. Es igualmente importante que ese contenido esté en el texto de la página y no solo dentro de imágenes, porque Google pide que las imágenes y vídeos complementen el contenido textual, no que lo sustituyan.

¿Qué son los datos estructurados y por qué los necesita una ficha de producto?

Los datos estructurados son un formato estandarizado que describe el contenido de una página de forma que las máquinas puedan interpretarlo sin ambigüedad. En ecommerce se utiliza el vocabulario de schema.org, normalmente en formato JSON-LD, con el tipo Product para el artículo y el tipo Offer para la oferta comercial. Según la documentación de Google Search Central, este marcado hace que una ficha pueda optar a las experiencias de ficha de comercio en la Búsqueda, que muestran datos como el precio, la disponibilidad y la información de envío y devolución. Para ello deben declararse propiedades como el precio, la moneda y la disponibilidad, y es recomendable añadir shippingDetails y hasMerchantReturnPolicy.

La regla que más se incumple es la coherencia. Google insiste en que los datos estructurados deben coincidir con el texto visible de la página y advierte de que puede verificar los datos de las fichas de comercio antes de mostrarlos. Un precio en el JSON-LD distinto del que ve el usuario, o un producto marcado como disponible que en realidad está agotado, resta fiabilidad a toda la ficha. Google también recomienda combinar el marcado en la web con un feed en Merchant Center, porque proporcionar ambas fuentes maximiza la elegibilidad del producto y ayuda a sus sistemas a entender y verificar la información.

Qué atributos de producto necesita la IA para recomendar tu catálogo

Los atributos de producto son los campos que describen las características objetivas de un artículo: marca, identificador GTIN, referencia del fabricante (MPN), color, talla, material, dimensiones, peso, género o grupo de edad. El GTIN es el código global de artículo comercial, el número que aparece bajo el código de barras, y permite a los sistemas de IA reconocer que dos tiendas venden exactamente el mismo producto. La especificación de OpenAI recoge todos estos campos y pide no usar valores de relleno como "n/a" o "desconocido": si un dato no existe, es mejor omitirlo que inventarlo.

Google ha ido más allá con los atributos conversacionales de Merchant Center. En Google Marketing Live (mayo de 2026), Google documentó seis campos opcionales pensados para el comercio conversacional: question_and_answer (preguntas y respuestas sobre el producto), document_link (manuales o fichas técnicas en PDF), related_product (accesorios, recambios o sustitutos), item_group_title, variant_option y popularity_rank, que expresa la popularidad del producto dentro del propio inventario. Estos atributos no afectan a la aprobación de los productos y Google pide no duplicar información que ya figure en la descripción. Las mejores preguntas y respuestas suelen salir de las consultas de atención al cliente, de las reseñas y de las preguntas frecuentes de la propia web.

¿Por qué la disponibilidad, el precio y el envío deciden la recomendación?

Un asistente de IA que recomienda un producto agotado o con un precio desactualizado ofrece una mala respuesta, y los sistemas de compra conversacional están diseñados para evitarlo. En la especificación de OpenAI, la disponibilidad es un campo obligatorio con valores cerrados (en stock, agotado, preventa, bajo pedido o desconocido) y el feed debe actualizarse cada vez que cambian el precio o el stock. De hecho, OpenAI acepta actualizaciones del feed cada 15 minutos, una frecuencia que eleva el estándar de exactitud que el consumidor espera de las tiendas.

El envío y las devoluciones también forman parte de la decisión. El feed de OpenAI permite declarar el coste de envío, si se aceptan devoluciones y el plazo en días, y aclara que omitir el coste de envío significa que es desconocido, no que sea gratuito. Lo mismo ocurre con las reseñas: el número de valoraciones y la puntuación media pueden incluirse en el feed, y ChatGPT puede mostrar resúmenes de opiniones, aunque OpenAI advierte de que no las verifica. Para el ecommerce, la conclusión es directa: la política comercial tiene que estar expresada en datos, no solo en una página legal enlazada desde el pie de la web.

Cómo organizar el catálogo de tu ecommerce para la IA

La organización del catálogo determina si la IA entiende que una camiseta en cinco colores es un único producto con variantes o cinco productos distintos. En los datos estructurados, Google recomienda agrupar las variantes con el tipo ProductGroup y las propiedades variesBy, hasVariant y productGroupID. En el feed de OpenAI, cada variante debe enviarse en una fila propia con un identificador único, un identificador de grupo compartido y un diccionario con las opciones seleccionadas, manteniendo para cada variante su propio precio, disponibilidad, URL e imágenes. OpenAI insiste en que esos identificadores sean estables en el tiempo y en que nunca incluyan el precio.

La categorización es la otra mitad del trabajo. La especificación de OpenAI pide expresar la categoría como una ruta de lo general a lo específico, separada por el símbolo ">", y Google recomienda que todo el contenido sea fácil de encontrar mediante enlaces internos. Una arquitectura clara de categorías, con nombres consistentes entre la web, el feed y los marketplaces, facilita que los asistentes relacionen productos, comparen alternativas y propongan complementos. Los atributos related_product e item_group_title de Merchant Center refuerzan esa misma lógica de relaciones entre artículos.

¿Cómo enviar tu catálogo a ChatGPT y a Google Merchant Center?

En Google, el canal directo es Merchant Center: el feed principal recoge los atributos básicos y los atributos conversacionales pueden enviarse en un feed suplementario, un archivo adicional que se vincula a cada producto por su identificador. Google presentó el 11 de enero de 2026 el Universal Commerce Protocol (UCP), un estándar abierto para el comercio agéntico que permite completar la compra desde el Modo IA y la app de Gemini. El pago integrado se lanzó primero para comercios elegibles de Estados Unidos, pero la base de datos que lo alimenta es la misma que ya usan las campañas de Shopping y los listados gratuitos. Si quieres preparar tu catálogo para estas plataformas, nuestro servicio de GEO y comercio agéntico te ayuda a adaptar las fichas, los datos estructurados y los feeds de tu tienda a los asistentes de IA.

En ChatGPT existen hoy dos vías para enviar un catálogo, y conviene no confundirlas. La primera es el feed de producto orgánico, que sirve para que ChatGPT indexe los productos y los muestre en sus resultados de compra sin pagar por ello. Según la documentación para desarrolladores de OpenAI, esta vía sigue reservada a socios aprobados, que deben solicitar acceso mediante un formulario, y exige nueve campos obligatorios: identificador, título, descripción, URL, marca, nombre del vendedor, imagen, disponibilidad y precio. Además, la carga estándar se dirige actualmente a Estados Unidos, y otros mercados solo se activan cuando OpenAI los confirma para cada integración.

La segunda vía es el feed de producto para anuncios, que se sube directamente en el Gestor de anuncios de ChatGPT y permite crear campañas a partir del catálogo. Desde el 31 de agosto de 2026, el acceso autoservicio al Gestor de anuncios está disponible en 31 mercados europeos, entre ellos España. Sin embargo, el centro de ayuda de OpenAI aclara que, durante la fase beta, los productos de estos feeds solo se utilizan en anuncios y no aparecen en las conversaciones orgánicas de ChatGPT. Para un ecommerce español, por tanto, la visibilidad orgánica en ChatGPT depende hoy sobre todo de que su web sea rastreable y de los metadatos de producto que OpenAI obtiene de proveedores externos.

Cómo medir la visibilidad de tus productos en ChatGPT y Gemini

Medir la presencia en asistentes de IA todavía es más difícil que medir el SEO tradicional, pero ya existen herramientas. Google anunció en mayo de 2026 los informes de rendimiento de IA de Merchant Center, que comparan la cuota de presencia de una marca frente a marcas similares en sus superficies de IA. Según PPC Land, el informe abarca el Modo IA, las AI Overviews y la app de Gemini, e incluye un indicador de completitud de atributos de producto. Por su parte, Search Console contabiliza el tráfico procedente del Modo IA y de las AI Overviews dentro del tráfico de búsqueda general.

En el caso de ChatGPT, la vía más fiable es la analítica web: las visitas llegan como referencias desde el dominio de ChatGPT y, si se trabaja con el feed directo, OpenAI recomienda añadir parámetros de seguimiento a las URL, como utm_medium=feed, para atribuir los clics. Complementar estos datos con pruebas periódicas, formulando a los asistentes preguntas reales de compra sobre los productos más vendidos, permite detectar qué fichas aparecen, cuáles no y qué información les falta para ser recomendadas.

Conclusión

Optimizar las fichas de producto para ChatGPT y Gemini no exige reinventar el ecommerce, sino llevar al límite la calidad de los datos de producto. Las descripciones factuales, los datos estructurados coherentes, los atributos completos, la información comercial actualizada y un catálogo bien organizado son, al mismo tiempo, buenas prácticas de SEO, requisitos de Google Merchant Center y la materia prima que usan los asistentes de IA para recomendar. Las tiendas que preparen hoy su catálogo, empezando por los productos más vendidos, estarán mejor posicionadas cuando la compra conversacional y el pago integrado se extiendan al mercado español. Si quieres revisar el estado de tus fichas de producto y priorizar las mejoras, nuestro servicio de optimización de ecommerce puede ayudarte a hacerlo.