Guía práctica para que marcas DTC hagan su catálogo más claro, consistente y legible para búsqueda y compras con IA.
Los sistemas de compra con IA necesitan hechos de producto recuperables y comparables: identidad, precio, disponibilidad, variantes, atributos, políticas, reseñas y contexto local.
Google Product structured data explica cómo exponer precio, disponibilidad, reseñas, envío, devoluciones y variantes en experiencias de búsqueda. Los AI-powered shopping insights de Merchant Center, anunciados el 27 de mayo de 2026, incluyen product term insights, product attributes insights y attribute completeness. Shopify apunta en la misma dirección con Catalog, UCP y agentic commerce.
En ecommerce tradicional, los datos de producto suelen tratarse como material interno para PDP, filtros y cargas de canal. En agentic commerce se convierten en la interfaz entre la marca y las experiencias de compra con IA.
Cuando un comprador pide algo en lenguaje natural, el sistema necesita comparar peso, material, precio, stock, envío, devoluciones, garantía y reseñas. Una página bonita ayuda, pero los hechos dispersos en imágenes, párrafos o políticas separadas son más difíciles de interpretar.
| Field group | Fields | Purpose |
|---|---|---|
| Product identity | name, brand, SKU, GTIN/MPN, canonical URL, image | Identify the exact product. |
| Offer data | price, currency, availability, sale price, condition | Compare real buying constraints. |
| Variant attributes | color, size, material, dimensions, weight, compatibility | Match natural-language intent. |
| Policy facts | shipping, return, warranty, payment options | Reduce purchase-risk ambiguity. |
| Proof and content | reviews, ratings, FAQ, use cases, care instructions | Answer pre-purchase questions. |
| Localization | language, currency, market shipping/returns, hreflang | Support multi-market discovery. |
Product JSON-LD y Merchant Center feed no compiten. Los datos estructurados ayudan a entender la PDP; el feed ayuda a Merchant Center y canales shopping a entender el catálogo. Precio, stock, imagen, URL, variantes y envío deben coincidir.
undefined
No. Mejoran claridad y elegibilidad potencial, pero no garantizan aparición ni ranking.
Ambos si es posible. La consistencia entre PDP structured data y Merchant Center feed es lo importante.
Nombre, marca, SKU/GTIN, URL, imagen, precio, moneda, disponibilidad y variantes.
La IA puede ayudar con copy y detección de huecos, pero los atributos factuales deben venir del producto, proveedores, mediciones, certificados y reglas operativas.
Agentic commerce depende de hechos de producto descubribles y comparables. Un catálogo owned storefront más completo es más fácil de interpretar.