GEO para ecommerce: cómo preparar las fichas de producto para que una IA las recomiende

Cuando alguien pide a un asistente de IA “una cafetera por menos de 200 euros”, la respuesta suele incluir productos concretos. Para que el tuyo sea uno, el asistente tiene que entender qué vendes y en qué se diferencia. Aquí se separa lo documentado de las hipótesis, porque ningún asistente publica cómo pondera estas señales.

Una ficha de producto preparada para GEO es una ficha que responde con datos claros, visibles y verificables a las preguntas que haría un comprador.

Qué cambia respecto al SEO de producto

El SEO de ecommerce busca que la ficha se posicione para una búsqueda. En GEO el objetivo se desplaza: que la información de la ficha pueda extraerse, compararse y citarse dentro de una respuesta que el usuario no ha pedido en forma de lista de enlaces.

Eso no sustituye al SEO. Lo habitual es que ambos se refuercen, como se explica en GEO vs SEO: diferencias, similitudes y cuándo necesitas cada uno. Lo que cambia es el énfasis:

Enfoque clásico	Enfoque GEO
Palabra clave en título y descripción	Atributos concretos que respondan preguntas de compra
Descripción larga con variaciones de la keyword	Información precisa, comparable y sin relleno
Reseñas como prueba social para el usuario	Reseñas como señal externa que también puede leer una IA
Marcado para resultados enriquecidos	Marcado para dejar explícita la entidad “producto”

1. Datos que deben estar en el HTML, no solo en una pestaña dinámica

Una IA o un rastreador solo puede usar lo que recibe. Si el precio, la disponibilidad o las especificaciones se cargan únicamente con JavaScript después de una interacción, existe el riesgo de que no se vean. Ya se trató en JavaScript y crawlers de IA.

Comprueba que en el HTML inicial de la ficha aparecen:

Nombre completo del producto, con marca y modelo.
Precio y moneda, y si incluye o no impuestos.
Disponibilidad y plazos de envío.
Especificaciones en texto: medidas, materiales, compatibilidades, potencia, capacidad, talla.
Para quién es y para qué sirve, en una o dos frases claras.
Política de devolución y garantía, o un enlace visible a ellas.

Un buen ejemplo: en lugar de “Cafetera premium con tecnología avanzada”, escribe “Cafetera de cápsulas de 19 bares, depósito de 1,1 litros, apagado automático a los 5 minutos”. La segunda frase se puede comparar con otra; la primera no.

2. Descripciones que respondan preguntas, no que repitan el catálogo del fabricante

Un problema muy común es copiar la descripción del proveedor. Si cientos de tiendas publican el mismo texto, tu ficha no aporta nada distinto. Es una interpretación, no un hecho contrastado, pero tiene sentido que un sistema que busca respuestas útiles tenga menos motivos para elegir una fuente idéntica a otras diez.

Qué suele aportar valor:

Cuándo elegir este producto y cuándo no. Por ejemplo, “no recomendable para pies muy anchos”.
Comparación con alternativas de tu propio catálogo. Una pequeña tabla de diferencias entre dos modelos.
Preguntas frecuentes reales de clientes, respondidas de forma concreta. Solo si salen de consultas reales; no hace falta inventarlas.
Uso y mantenimiento: cómo se limpia, qué consumibles necesita, cuánto dura.

Es el mismo principio que se describe en qué factores hacen que una IA cite o recomiende una web: contenido específico, claro y comprobable.

3. Marcado Product, Offer y reseñas

Los datos estructurados permiten decir de forma explícita qué es cada elemento de la página. Google documenta el marcado Product con propiedades como name, image, description, brand, sku, offers (con price, priceCurrency y availability) y aggregateRating, y lo usa para resultados enriquecidos y listados de producto.

Lo que está documentado: Google utiliza este marcado en Search, y Schema.org define el vocabulario.

Lo que no está documentado: que ChatGPT, Gemini, Claude o Perplexity lean ese marcado para decidir qué recomiendan. Puede ayudar a que el sistema entienda la página, pero no es una garantía. Más contexto en Schema.org y GEO.

Normas prácticas:

El marcado debe coincidir con lo que se ve en la página. Si el JSON-LD dice 49 € y la ficha dice 59 €, genera desconfianza y puede incumplir las directrices de Google.
No marques reseñas que no existen ni valoraciones que no estén visibles para el usuario.
Mantén precio y disponibilidad actualizados. Un dato obsoleto es peor que ninguno.
Valida el marcado con las herramientas de Google, como la prueba de resultados enriquecidos.

4. Reseñas y señales fuera de tu tienda

Un asistente que recomienda un producto no tiene por qué basarse solo en la web del vendedor. Es razonable pensar que reseñas independientes, comparativas de medios especializados, foros y fichas en marketplaces también forman parte del contexto que puede consultar. Eso es una hipótesis, pero encaja con lo que se comenta en presencia externa y GEO.

Acciones sensatas, con independencia de la IA:

Pide reseñas a clientes reales después de la compra y publícalas en tu ficha.
Responde a las reseñas negativas con información útil.
Facilita muestras o datos a medios y creadores especializados que hagan comparativas honestas.
Mantén coherentes el nombre, el modelo y las especificaciones en tu web y en marketplaces.

5. Feeds de producto

Si vendes en Google Shopping, mantener un feed al día en Google Merchant Center ya es una buena práctica de ecommerce. No doy por hecho qué datos del feed se usan en las experiencias de IA de Google ni en otros asistentes: eso depende de la documentación vigente de Merchant Center, que conviene consultar. Para el resto de asistentes no conozco una vía equivalente documentada, así que la base sigue siendo la propia ficha.

6. Acceso para los rastreadores

Muchas tiendas bloquean bots por seguridad o rendimiento sin saber que están cerrando la puerta a rastreadores de IA. Revisa tu robots.txt, tu CDN y tu cortafuegos. La decisión de permitir o bloquear es tuya, pero conviene que sea consciente. Tienes los detalles en GPTBot, ClaudeBot, PerplexityBot: qué son y cómo configurar tu robots.txt.

Errores habituales en tiendas online

Precio y stock cargados solo con JavaScript tras una acción del usuario.
Descripciones copiadas del proveedor sin ninguna aportación propia.
Variantes (talla, color) en URLs con contenido casi idéntico y sin una URL canónica clara.
Marcado Product que no coincide con lo que ve el usuario.
Especificaciones en imágenes en lugar de en texto.
Nombres de modelo distintos entre la web, el feed y los marketplaces.
Reseñas inexistentes o escondidas en un iframe que no se puede leer.

Cómo comprobar si funciona

No hay una métrica oficial de “posición en ChatGPT”. Lo más honesto es hacer pruebas periódicas: preguntar a distintos asistentes por las necesidades de tus clientes, anotar qué productos y fuentes aparecen y repetir tras los cambios. El método se explica en cómo medir la visibilidad de una marca en ChatGPT y otros motores de IA. Las respuestas varían entre consultas y a lo largo del tiempo, así que conviene mirar tendencias y no un resultado aislado.

Para la parte técnica, un análisis automático como el de AnalisisGEO puede ayudar a detectar si las fichas son legibles sin JavaScript y si el marcado existe, aunque la calidad del contenido sigue requiriendo revisión humana.

Resumen

Pon en el HTML los datos que responden a una compra: nombre, precio, disponibilidad, especificaciones y uso.
Escribe fichas propias, concretas y comparables; evita copiar al proveedor.
Usa marcado Product y Offer coherente con la página: está documentado por Google, pero no hay garantía de que los asistentes lo usen.
Cuida las reseñas y la presencia en fuentes externas.
Mide con pruebas repetidas y sin esperar resultados garantizados.

Fuentes

Google Search Central: documentación de datos estructurados de producto (Product, Offer, AggregateRating).
Schema.org: tipos Product y Offer.
Google Merchant Center: documentación de especificación de datos de producto.