¿Está tu tienda online preparada para la IA?

El tráfico que llega a las tiendas online desde sistemas de IA generativa como ChatGPT, Gemini o Perplexity se ha multiplicado en el último año, y esos compradores convierten mejor que los que llegan por cualquier otro canal. El problema es que la mayoría de los ecommerce no está preparada para que esos sistemas los encuentren: si tu tienda no aparece en sus respuestas, no ocupa una posición baja, sencillamente no existe para esa parte del mercado.
 

¿Qué es el descubrimiento de productos por IA y por qué está cambiando el ecommerce?

El descubrimiento de productos es el momento en que un consumidor toma conciencia de que un artículo existe y podría satisfacer una necesidad suya. Durante dos décadas, ese proceso estuvo protagonizado por los buscadores tradicionales: el usuario escribía una consulta, recibía una lista de enlaces y decidía dónde hacer clic. Desde 2025, ese modelo convive con una alternativa que crece a gran velocidad: los motores de respuesta basados en inteligencia artificial generativa, que sintetizan información de varias fuentes y entregan directamente una recomendación en lenguaje natural, sin pasar por la lista de enlaces.

El cambio ya es medible. Adobe Analytics, que monitoriza más de un billón de visitas a tiendas online en Estados Unidos, registró que el tráfico procedente de fuentes de IA generativa hacia sitios de ecommerce creció un 4.700% interanual en julio de 2025, tras un repunte del 1.300% durante la campaña de Navidad del año anterior. El propio informe de Adobe muestra que esos visitantes, aunque todavía son minoría del tráfico total, navegan más páginas y convierten cada vez mejor que los procedentes de canales tradicionales como el email o la búsqueda de pago.
 

¿En qué se diferencia un motor de respuesta de IA de un buscador tradicional?

Un buscador tradicional como Google funciona mediante un índice de páginas que se presenta al usuario como una lista ordenada por relevancia: la persona interpreta los resultados, hace clic y navega hasta la información. Un motor de respuesta como ChatGPT Search, Perplexity o Google AI Overviews hace algo distinto: procesa la consulta, sintetiza información de varias fuentes y genera directamente una respuesta que puede incluir una recomendación de producto o una comparativa concreta. El usuario no ve un listado de páginas; recibe la conclusión.

Esto tiene una consecuencia crítica para cualquier tienda online: en el modelo tradicional, aparecer en quinta posición todavía genera tráfico; en el modelo generativo, el sistema selecciona un número muy reducido de fuentes y descarta el resto sin mostrarlo. Adaptar el contenido, los datos técnicos y la reputación de una marca para maximizar las probabilidades de ser una de esas fuentes elegidas es lo que se conoce como GEO (Generative Engine Optimization), término acuñado por un equipo de investigadores de Princeton, Georgia Tech, el Allen Institute for AI y el IIT Delhi en un estudio presentado en la conferencia ACM SIGKDD de 2024, que analizó cómo distintas técnicas de optimización afectan a la probabilidad de que un contenido sea citado por un motor generativo.
 

¿Qué son las consultas conversacionales y cómo cambian la intención de compra?

Una consulta conversacional es aquella formulada en lenguaje natural, con contexto y condiciones específicas, que se aleja del patrón de palabras clave propio de los buscadores tradicionales. En lugar de escribir «auriculares inalámbricos cancelación de ruido», el usuario escribe algo como «qué auriculares me recomiendas para trabajar en casa si me molestan los ruidos de fondo y tengo un presupuesto de unos 150 euros». Esa consulta ya describe el problema, el contexto de uso y el presupuesto: es prácticamente una petición de compra completa.

Para un ecommerce, esto cambia qué contenido conviene priorizar. El estudio de Princeton y Georgia Tech mencionado antes encontró que técnicas como citar fuentes, aportar estadísticas concretas o incluir declaraciones verificables pueden mejorar hasta en un 40% la probabilidad de que un contenido sea recogido en una respuesta generativa. En la práctica, esto favorece a las comparativas, guías de compra y páginas de preguntas frecuentes bien argumentadas frente al texto puramente promocional, que los modelos de lenguaje tienden a descartar como fuente.
 

¿Cómo saber si tu tienda ya es invisible para la IA?

Antes de diseñar cualquier estrategia, conviene comprobar hasta qué punto el problema ya afecta a tu ecommerce. Adobe Digital Insights desarrolló una herramienta que analiza qué proporción del contenido de una página es legible para los modelos de lenguaje, y al aplicarla al conjunto del sector retail estadounidense encontró que las páginas de inicio son legibles por la IA en un 75% de su contenido de media, mientras que las páginas de producto —donde se decide la mayoría de las compras— caen hasta el 66%. Dicho de otro modo: en una ficha de producto media, una parte relevante de la información nunca llega a los sistemas que hoy recomiendan o comparan productos.

Comprobarlo en la propia tienda no exige herramientas complejas. Conviene revisar el archivo robots.txt para asegurarse de que no bloquea, sin querer, a rastreadores como GPTBot o OAI-SearchBot, cuyo comportamiento documenta OpenAI en su centro para desarrolladores; mirar en la analítica web si aparece tráfico de referencia desde chatgpt.com, perplexity.ai o gemini.google.com; y comprobar si el precio, el stock o las características de un producto solo se cargan mediante JavaScript, ya que muchos rastreadores de IA solo leen el HTML inicial de la página. Google Search Central recuerda en su documentación oficial que la base sigue siendo la de siempre: permitir el rastreo y verificar el sitio en Search Console para detectar a tiempo estos problemas técnicos.
 

¿Por qué importa la reputación externa para las recomendaciones de la IA?

Los modelos de lenguaje no se alimentan solo del contenido publicado en la web propia de una marca. También incorporan lo que dicen plataformas de reseñas, foros especializados, artículos en medios y comparadores de precio. Cuando alguien le pregunta a un sistema de IA qué robot de cocina ofrece mejor relación calidad-precio, el modelo no consulta únicamente las fichas de producto de cada marca: coteja la percepción acumulada en todas esas fuentes externas.

Un análisis de Search Engine Land sobre millones de citas en ChatGPT, Google AI Mode, Gemini, Perplexity y AI Overviews encontró que Reddit es la fuente más citada de forma transversal, seguida de YouTube, LinkedIn, Wikipedia y medios como Forbes. Para una marca, esto significa que gestionar reseñas verificadas, responder con cuidado a las valoraciones negativas y mantener una presencia coherente en esos espacios ya no es solo una cuestión de reputación: es parte de cómo la IA decide si una marca es lo bastante fiable como para recomendarla.
 

¿Qué consecuencias comerciales tiene la invisibilidad ante los motores generativos?

La pérdida de visibilidad no es un riesgo futuro: ya tiene efectos medibles. Según datos de Chartbeat recogidos en el informe Journalism and Technology Trends and Predictions 2026 del Reuters Institute y publicados por Press Gazette, el tráfico de búsqueda orgánica de Google hacia sitios de contenido cayó un 33% a nivel global entre finales de 2024 y finales de 2025, y un 38% en Estados Unidos. La causa principal es el fenómeno conocido como zero-click search: cuando la respuesta generativa satisface la consulta directamente en la página de resultados, el usuario ya no necesita hacer clic en ningún sitio.

Gartner ya advirtió en 2024 de que el volumen de búsquedas en motores tradicionales podría caer un 25% de aquí a 2026 a medida que los chatbots y agentes de IA sustituyan parte de esas consultas. Con la perspectiva de 2026, la caída real ha sido más irregular de lo que sugería aquella previsión y varía mucho según el sector y el tipo de contenido, pero la dirección del cambio coincide con lo observado por Adobe y Chartbeat: una parte creciente del descubrimiento de productos ocurre ya fuera de las páginas de resultados clásicas, y ese desplazamiento no da marcha atrás.
 

Conclusión: qué hacer con esta información

El SEO tradicional sigue siendo necesario, pero ya no es suficiente por sí solo: la GEO añade una capa de trabajo sobre la legibilidad técnica del catálogo, la calidad semántica del contenido y la reputación externa de la marca, pensada específicamente para los sistemas que sintetizan respuestas en lugar de listar enlaces. Ninguna de estas tres áreas se resuelve de un día para otro, pero tampoco hace falta abordarlas todas a la vez: el diagnóstico descrito en este artículo —revisar el robots.txt, la analítica y la dependencia de JavaScript— es un punto de partida razonable para saber en qué situación está hoy tu ecommerce.
ACC Ecommerce ofrece dentro de su línea de GEO y Comercio Agéntico un diagnóstico de preparación ante la IA que revisa estos mismos puntos —accesibilidad técnica para rastreadores, calidad del contenido de producto y presencia de la marca en fuentes externas— y prioriza qué corregir primero según el impacto esperado en cada tienda. Si quieres saber en qué punto está la tuya, es un buen momento para revisarlo antes de que la diferencia con la competencia sea más difícil de recuperar.
 

Referencias

Adobe Digital Insights (2025). Generative AI-Powered Shopping Rises with Traffic to U.S. Retail Sites, https://business.adobe.com/blog/generative-ai-powered-shopping-rises-with-traffic-to-retail-sites
Adobe Digital Insights (2026). AI traffic grows but retail sites lag in AI search visibility, https://business.adobe.com/blog/ai-traffic-surge-retail-sites-not-machine-readable
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. y Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, https://arxiv.org/abs/2311.09735
OpenAI Developers (s.f.). Overview of OpenAI Crawlers, https://developers.openai.com/api/docs/bots
Google Search Central (2026). AI Features and Your Website, https://developers.google.com/search/docs/appearance/ai-features
Search Engine Land (2026). AI search engines cite Reddit, YouTube, and LinkedIn most: Study, https://searchengineland.com/ai-search-engines-cite-reddit-youtube-and-linkedin-most-study-473138
Press Gazette (2026). Global publisher Google traffic dropped by a third in 2025, https://pressgazette.co.uk/media-audience-and-business-data/google-traffic-down-2025-trends-report-2026/
Gartner (2024). Gartner Predicts Search Engine Volume Will Drop 25% by 2026, Due to AI Chatbots and Other Virtual Agents, https://www.gartner.com/en/newsroom/press-releases/2024-02-19-gartner-predicts-search-engine-volume-will-drop-25-percent-by-2026-due-to-ai-chatbots-and-other-virtual-agents
ACC Ecommerce (2026). Reputación corporativa e inteligencia artificial: riesgos y cómo gestionarlos, https://ecommerce.acc.com.es/es/noticias/reputacion-corporativa-e-inteligencia-artificial-riesgos-y-como-gestionarlos