Un proceso operativo para equipos DTC que quieren medir si sus productos se descubren en Google AI, ChatGPT Shopping, Merchant Center, datos estructurados, feeds y analítica propia.
La visibilidad en compras con IA se está convirtiendo en una nueva capa del SEO ecommerce. No se trata solo de saber si una página de producto está indexada. También importa si Google, ChatGPT, Gemini y otros asistentes pueden leer los hechos del producto, entender que están actualizados y conectarlos con la forma en que los compradores hacen preguntas.
Para un equipo DTC, la pregunta útil no es “¿aparecemos en todas partes?”. La pregunta operativa es: cuando alguien describe una necesidad cercana a nuestro producto, ¿los sistemas de descubrimiento entienden nuestro catálogo, describen bien el producto y devuelven tráfico cualificado a una página que controlamos?
Esto se mide con una rutina: productos fijos, consultas fijas, diagnósticos de plataforma, pruebas manuales, revisión de datos estructurados, revisión de feed y analítica propia.
Una captura aislada no ayuda a decidir. Antes de probar, define cuatro señales.
Así el equipo no reacciona a una sola respuesta. Convierte la visibilidad en una revisión mensual para merchandising, SEO y growth.
No empieces por todo el catálogo. Selecciona 20 a 50 productos.
Registra URL canónica, título, marca, precio, precio rebajado, disponibilidad, imagen principal, mercado, idioma y versión de página probada. Si después cambia la página o el feed, podrás relacionar cada señal con su versión.
Las consultas de compras con IA suelen ser más largas que las keywords clásicas. Por ejemplo:
Crea 5 a 10 consultas por producto: uso, presupuesto, material o atributo, comparación y contexto de mercado. Mantén la redacción estable. Si el prompt cambia cada vez, no sabrás si cambió la visibilidad o cambió el test.
Empieza por los sistemas que Google ofrece al merchant.
Merchant Center AI insights es el primer lugar si la cuenta tiene acceso. La ayuda de Merchant Center describe insights para AI Mode, AI Overviews en Search y Gemini, con señales de visibilidad, términos de producto, funnel y completitud de atributos. Sirve para conectar descubrimiento IA con vocabulario de producto y calidad de catálogo.
Merchant Center diagnostics va después: disapprovals, elegibilidad limitada, identifiers faltantes, problemas de imagen, precio, disponibilidad, shipping, returns y feed por país. Un producto desordenado en Merchant Center suele partir con desventaja en experiencias de compra con IA.
Search Console ayuda a ver la página pública. La documentación de Google sobre AI features explica cómo clicks, impressions y positions de estas funciones entran en Search Console. Revisa impresiones de PDP, consultas largas, landing pages y cambios antes/después para el mismo grupo de productos.
Los sistemas de compras con IA construyen confianza desde varias fuentes. Revisa cada PDP:
El objetivo no es añadir keywords sin control. Es quitar ambigüedad. Si la página, el feed, la guía de tallas y las reseñas cuentan versiones distintas, hay que ordenar los hechos del producto.
Aquí aparece mucho del trabajo real. Compara copy de PDP, Product JSON-LD, campos de Merchant Center, datos de imagen, variantes, páginas de shipping, returns y payment, y la versión localizada del mercado objetivo.
Busca conflictos: precios antiguos, sale price ausente del feed, colores o tallas mal mapeados, imagen que no coincide con el SKU, política diferente por mercado o claims en el texto que no existen en datos estructurados.
En compras con IA, la consistencia es un activo de crecimiento. Ayuda a sistemas de búsqueda, superficies shopping y clientes reales a entender el mismo producto de la misma manera.
Las pruebas manuales muestran cómo la IA entiende tu categoría. Registra fecha, mercado, dispositivo, estado de cuenta, URL, prompt exacto, superficie probada, tipo de resultado, hechos repetidos, hechos ausentes y siguiente acción.
No registres solo si aparece el producto. Observa qué argumentos repite el asistente. Si aparecen muchas veces “apto para lavavajillas”, “para pies estrechos”, “sin sulfatos” o “envío desde EE. UU.”, esos datos deben estar claros como hechos de producto.
Sigue sesiones de PDP, engaged sessions, cambios en search y referral, add-to-cart, conversiones asistidas, visitas repetidas, búsquedas de marca y cambios por mercado tras localization o corrección de feed.
Anota fechas de trabajo: actualización Product JSON-LD, corrección de feed, reescritura de PDP, guía de compra, envío de sitemap. Así se puede comparar trabajo operativo con tráfico y conversión.
| Señal | Problema probable | Acción siguiente |
|---|---|---|
| El producto aparece con datos incorrectos | Página, feed y schema no coinciden | Corregir hechos de producto y reenviar datos afectados |
| Salen competidores en consultas de atributos | Faltan atributos o el copy es genérico | Añadir atributos, usos y contexto comparativo |
| Hay impresiones pero pocos clics | Snippet o posicionamiento poco claro | Mejorar title, meta description, intro y oferta |
| Merchant Center marca problemas | Feed o políticas incompletas | Resolver bloqueos antes de crear más contenido |
| La IA solo da consejo de categoría | Falta contexto alrededor del producto | Crear guía, comparativa o FAQ vinculada al producto |
| Sube tráfico pero no conversión | Falta confianza u oferta clara | Revisar precio, envío, devoluciones, reseñas y velocidad |
Foundax reúne las partes que un equipo DTC sí controla: hechos de producto, páginas públicas, preparación del feed, contenido, localización y medición.
El flujo es directo: mantener datos de producto limpios, publicar PDP con Product JSON-LD server-side, ejecutar preflight de Google Merchant Center antes del sync, verificar Search Console, enviar sitemap, publicar contenido de apoyo en Content Studio y medir con first-party analytics, usando GA4 como diagnóstico complementario.
Es la capacidad de los asistentes de compra y experiencias de búsqueda con IA para entender, citar, describir y enviar tráfico a tus productos ante consultas de compra relevantes.
Por un grupo pequeño de productos; luego Merchant Center AI insights, diagnostics, Search Console, Product structured data, consistencia del feed, prompts manuales y analytics.
Usa prompts repetibles por mercado e idioma. Registra si aparece tu producto o un competidor, qué hechos se repiten, qué falta y qué datos de producto corregir.
Mensualmente si el catálogo está estable. Antes si cambian precio, stock, feed, imagen, plantilla, políticas o localización.