El catálogo ecommerce ya compite por aparecer en compras con IA

Del escaparate para humanos al catálogo que entiende una IA

En una tienda tradicional, la navegación, la fotografía y el copy ayudan al comprador a descubrir qué vende la marca. En una interfaz conversacional, parte de esa selección ocurre antes de que el usuario visite la web. El asistente recibe una petición con restricciones —presupuesto, material, talla, fecha de entrega o uso— y necesita convertir el catálogo en una lista comparable.

Ese cambio da más peso a un activo que muchas tiendas todavía tratan como una tarea administrativa: el dato de producto. OpenAI está ampliando su infraestructura de comercio para recibir catálogos más completos y actualizados. Google apoya sus experiencias de compra en Shopping Graph, Merchant Center y nuevos flujos agénticos. Shopify, por su parte, distribuye datos estructurados de sus comercios hacia varias superficies de IA mediante Shopify Catalog.

La tesis de NewsEcom es sencilla: el feed deja de ser solo combustible para anuncios de Shopping. Empieza a funcionar como una capa de distribución orgánica para sistemas que responden preguntas de compra. No sustituye al SEO, la marca o la conversión de la ficha; los obliga a compartir la misma información.

Qué señales confirman que no es solo ruido

La primera señal es de plataforma. ChatGPT ya ofrece experiencias visuales para explorar y comparar productos, y permite a comercios compartir feeds mediante plataformas y proveedores compatibles. Google presentó un carrito universal y nuevas funciones agénticas sobre un Shopping Graph que reúne decenas de miles de millones de listados. Shopify está habilitando escaparates agénticos para ChatGPT, Copilot, AI Mode y Gemini.

La segunda señal es de comportamiento. Shopify afirma que en el primer trimestre de 2026 el tráfico impulsado por IA hacia sus tiendas creció ocho veces interanual y que los pedidos procedentes de búsquedas con IA aumentaron casi trece veces. Adobe Analytics midió durante la campaña navideña de 2025 un crecimiento interanual del 693,4% en el tráfico desde herramientas generativas hacia comercios estadounidenses. Las bases siguen siendo menores que las de la búsqueda orgánica, pero la dirección se repite en dos conjuntos de datos diferentes.

La tercera señal está en la conversación de mercado. Los operadores preguntan cómo hacer visible un catálogo para agentes, pero también cuestionan la confianza del consumidor y la autonomía real. Ese escepticismo coincide con el análisis de Forrester: la comparación conversacional ya aporta valor, mientras la compra sin supervisión sigue siendo rara. La tendencia útil, por tanto, no es prometer que un bot sustituirá mañana al comprador; es preparar el catálogo para un nuevo punto de descubrimiento.

• Plataforma: OpenAI, Google y Shopify están conectando catálogos con interfaces conversacionales.
• Datos: crecen las visitas y pedidos referidos por herramientas de IA, aunque parten de una base pequeña.
• Mercado: aparecen herramientas y servicios dedicados a auditar la visibilidad de producto para asistentes.
• Conversación: las tiendas buscan acciones concretas, pero desconfían del relato de compra totalmente autónoma.

Qué tiendas pueden aprovecharlo antes

El encaje es mayor cuando el comprador expresa criterios comparables: compatibilidad, medidas, material, consumo, ingredientes, capacidad, plazo de entrega o presupuesto. Electrónica, hogar, deporte, recambios, belleza con atributos claros y suministros B2B pueden beneficiarse antes porque una conversación reduce trabajo de filtrado.

En moda muy aspiracional, regalos emocionales, alimentación basada en gusto o categorías sensibles como salud y bebé, los datos siguen siendo necesarios, pero la recomendación depende más de confianza, contexto y marca. Allí conviene usar la IA como entrada a una ficha convincente, no esperar que decida por el usuario.

También importa la geografía. Algunas funciones comerciales se despliegan primero en Estados Unidos o mediante acceso gradual. Una tienda española no debería comprar una integración solo porque exista un anuncio global. Sí puede mejorar ahora datos, feeds y políticas: son activos reutilizables en Merchant Center, marketplaces, SEO y futuras superficies de IA.

• Prioridad alta: catálogos con especificaciones objetivas, muchas variantes o compras repetitivas.
• Prioridad media: productos donde la comparación ayuda, pero la ficha y la reputación cierran la venta.
• Prioridad baja: compras muy subjetivas o categorías donde una recomendación automática puede aumentar devoluciones o riesgo.

Qué probaría esta semana en una tienda online

Empezaría con los 20 productos que combinan demanda, margen y stock suficiente. Para cada uno, escribiría tres consultas completas que un cliente podría hacer a un asistente: no palabras clave sueltas, sino necesidades con restricciones. Por ejemplo: una cafetera compacta para una cocina pequeña, por debajo de cierto presupuesto y con piezas lavables.

Después comprobaría si la ficha, el feed y los datos estructurados permiten responder sin adivinar. El objetivo no es llenar todos los campos posibles, sino eliminar contradicciones y vacíos en los atributos que deciden la compra.

• Alinear título, descripción, categoría, variante, precio y disponibilidad entre la web y el feed.
• Añadir GTIN, marca o MPN cuando correspondan, sin inventar identificadores para productos propios.
• Convertir medidas, materiales, compatibilidades, ingredientes y casos de uso en atributos explícitos.
• Revisar que las imágenes representen la variante correcta y que el producto principal se entienda sin contexto.
• Hacer visibles los gastos y plazos de envío, las devoluciones y cualquier restricción relevante.
• Validar el marcado Product y Offer, y corregir diferencias de precio o stock antes de buscar una integración nueva.
• Medir referencias desde asistentes y registrar qué productos aparecen al probar consultas estables, sin confundir una prueba manual con un ranking garantizado.

Riesgos y límites de copiar la tendencia demasiado pronto

El primer riesgo es optimizar para etiquetas nuevas y olvidar problemas conocidos. Un precio desactualizado, una variante mal agrupada o una política de devoluciones ambigua dañan Merchant Center, marketplaces y clientes humanos hoy; no hace falta invocar el comercio agéntico para justificar su arreglo.

El segundo es perder control sobre cómo se presenta la marca. Los asistentes resumen, comparan y ordenan productos con criterios que no siempre son transparentes. Conviene revisar qué datos se comparten, qué canales están disponibles, cómo se atribuye el tráfico y quién conserva la relación con el cliente antes de activar un checkout externo.

El tercero es medir mal. Una recomendación vista en una conversación no demuestra demanda incremental, y el crecimiento porcentual desde una base pequeña puede parecer mayor de lo que representa en ventas. La prueba debe tener un grupo de productos, consultas repetibles, etiquetado de tráfico y una fecha de revisión. Si no mejora cobertura, exactitud o visitas cualificadas, el experimento se detiene.

La oportunidad real de 2026 es menos espectacular y más útil: convertir el catálogo en una fuente fiable que pueda viajar entre buscadores, anuncios, marketplaces y asistentes. Las tiendas que hagan ese trabajo no necesitan apostar a que la compra autónoma llegue mañana para recuperar la inversión.