Catálogo de productos: industrializar el push para las plataformas y los LLM
Charles Cortés, director de operaciones de Converteo España, acompaña a las marcas en la optimización de sus resultados de adquisición y en la explotación de los datos. Damián Bourgeois, director de Dataiads, es especialista en el catálogo de productos y su activación en todos los canales.
Puntos clave
- El catálogo de productos es la verdadera API de comercio de una marca. Es la fuente que leen Google, los marketplaces y ahora los LLM. Un catálogo incompleto o ambiguo genera recomendaciones imprecisas y condena a la marca a desaparecer de las respuestas de la IA.
- Las plataformas premian la riqueza de datos, ahora a nivel de variante. Cada color, talla o material exige su propio título, atributos, imágenes y datos estructurados. Gestionar esto a escala de miles de referencias es inviable de forma manual; la IA es la única palanca de industrialización real.
- El éxito nunca depende solo de la IA. Proviene de combinar modelos bien contextualizados, acotados por reglas de negocio y supervisados por validación humana. Esta mecánica es la que elimina las alucinaciones algorítmicas y garantiza el cumplimiento de los requisitos de cada canal.
Todo converge hacia un mismo punto crítico: la calidad del catálogo de productos. Ya se hable de SEO, marketplaces, campañas de adquisición o de los nuevos asistentes conversacionales, el flujo es el que determina la visibilidad. Históricamente, el ecosistema de paid y el SEO se gestionaban como silos independientes; hoy, las plataformas y los agentes de IA analizan los datos en su conjunto. La consecuencia directa es clara: ahora hay que poner el foco en el producto y ya no en el canal.
Por qué el catálogo se ha vuelto estratégico
Las páginas de producto y el catálogo constituyen la API de comercio de una marca: la fuente matriz que leen Google, los marketplaces y los LLM para comprender, comparar y recomendar productos. Si la información es incompleta o ambigua, la respuesta de la IA será igual de imprecisa. Estructurar los datos significa recuperar el control de la marca.
Concretamente, la activación de productos consiste en conectar diferentes fuentes (flujo, Google Merchant Center, datos del sitio web, analítica de clientes), aplicar reglas y segmentaciones, y luego enriquecer los datos con modelos de lenguaje y capacidades multimodales (texto, imagen, video), todo ello acompañado de una capa de control y validación.
Lo que las plataformas esperan ahora
El push afecta a todo lo que se transmite a los merchant centers: Google Merchant Center, Microsoft, Meta Business Manager y, por extensión, a los LLM, ya que Google se apoya, por ejemplo, en los datos del GMC para sus recomendaciones y sus AI Overviews. Durante el anuncio de UCP en el NRF de Las Vegas, Google insistió en tres ejes fundamentales: títulos más explícitos y completos, descripciones más estructuradas y orientadas al caso de uso, y un ecosistema visual rico que incluya imágenes de estilo de vida adaptadas a cada formato.
El objetivo es doble: mejorar el rendimiento de los medios (mejor ROAS en Google Shopping y PMax) y permitir que los sistemas de IA comprendan y comparen mejor los productos. No se trata de reproducir idénticamente la ficha de producto, sino de construir datos estructurados, pensados para la plataforma que los va a recibir.
El desafío de la escala y de la variante
La verdadera dificultad surge cuando se opera a gran escala. Implementar estas optimizaciones en cincuenta o cien referencias es viable manualmente; en catálogos de decenas o cientos de miles de productos, es una quimera. Especialmente ahora que las plataformas exigen una granularidad extrema, bajando al nivel de variante: un color, una talla o un material diferente requiere su propio título, atributos específicos, imágenes coherentes y datos estructurados propios.
Cuanto más completo es un producto, mejor lo entiende el algoritmo, más visible se vuelve y mejor rinde. Aquí es donde la IA se convierte en una palanca de industrialización: enriquece, optimiza y crea los atributos de texto, mientras que los modelos de visión analizan las imágenes existentes para describir mejor los productos y seleccionar los elementos visuales más eficaces.
El método: IA + reglas + control humano
La IA sola no basta — el riesgo de alucinación (como generar un título demasiado largo que incumpla las políticas de GMC) es real. El método adoptado por Dataiads combina tres ingredientes.
Primero, se genera un título a partir de todos los datos del producto (el contexto) y de las buenas prácticas del canal. Después, se aplican reglas de negocio — por ejemplo, 150 caracteres como máximo; si el título se excede, vuelve a pasar por la IA hasta cumplir la norma. Varios modelos compiten en paralelo, y otro modelo selecciona el mejor resultado. Finalmente, interviene una validación humana en los casos sensibles.
La lección que nos deja el mercado es clara: el mejor resultado casi nunca procede de un único modelo, sino de una arquitectura de modelos bien contextualizados y supervisados por el ojo humano.
Del catálogo en bruto al catálogo enriquecido: el antes y el después
Un catálogo en bruto es información parcial, un título truncado, atributos pobres o ausentes: la máquina no entiende bien el producto y su difusión sigue siendo limitada. Un catálogo enriquecido es un título completo y estructurado, atributos ricos, productos claros y accionables en el GMC.
Estructurar los datos (precisar el material, el color, la categoría, el estilo) facilita la indexación, el emparejamiento y la puntuación. Resultado: una mejor comprensión por parte del algoritmo, una mejor puntuación, más impresiones cualificadas y, por lo tanto, un mejor CTR y un mejor ROAS. La misma lógica se aplica a las imágenes: añadir imágenes relevantes, adaptar los formatos a las exigencias del GMC y garantizar que cada elemento visual se corresponda exactamente con la variante mostrada.
El caso Feu Vert: +32 % de ROAS
El caso de Feu Vert España ilustra concretamente este enfoque: más de 12 000 referencias muy técnicas (neumáticos, accesorios, piezas de automóvil, sistemas de radio), un catálogo que funcionaba pero carecía de detalles, algo que los algoritmos de Google Shopping y PMax penalizan. Tras desplegar una estrategia de push clara —reforzando la autoridad del flujo mediante IA y optimizando la activación en GMC—, el ROAS se incrementó en más de un 32%.
Este caso de uso va mucho más allá de Google Shopping: este mismo catálogo enriquecido es el activo que garantizará la visibilidad de los productos en ChatGPT, Perplexity y el resto de agentes emergentes. Dicho de otro modo: el esfuerzo de optimización de catálogos que se realice hoy es la garantía de visibilidad del mañana en el comercio agéntico.
