“Dónde compro unas zapatillas de trail que aguanten barro por menos de 120 euros”. Esa pregunta, que antes era una sesión de media hora entre pestañas, hoy se le hace a ChatGPT y devuelve tres o cuatro recomendaciones concretas. El GEO para ecommerce trabaja para que tu tienda esté en esa lista corta, porque quien no aparece ahí ni siquiera compite por el clic.
Para una tienda online el cambio es más profundo que para un negocio de servicios: la IA no solo describe tu marca, recomienda productos concretos con precio, specs y alternativas. Este post recorre qué señales pesan en ecommerce y marketplaces, cómo convertir fichas planas en activos citables y qué hacer en 90 días.
Cómo responden las IAs cuando alguien pide recomendaciones de productos
Cuando el prompt es de compra, los motores generativos componen una respuesta tipo lista corta: dos a cinco opciones, cada una con un motivo (“la mejor calidad-precio”, “la más duradera”), specs resumidas y, según el motor, enlace a la tienda. Para armarla cruzan fichas de producto, comparativas de medios, opiniones agregadas y datos estructurados.
La lógica de fondo es la misma que en el resto del GEO, la generative engine optimization aplicada a ecommerce premia el contenido que la máquina puede reutilizar con confianza. La diferencia es la unidad: aquí no se cita tu marca en abstracto, se cita un producto con su precio y sus atributos, y cualquier dato desactualizado (precio viejo, stock agotado) te deja fuera o, peor, genera una mala experiencia que la IA aprende a evitar.
Señales GEO específicas para ecommerce y marketplaces
Si vendes en tu propia tienda y además en marketplaces, las señales se reparten entre ambos mundos, y conviene trabajarlas a la vez porque las IAs las cruzan.
Datos estructurados de producto, specs y tablas comparativas
La primera señal es técnica: marcado schema.org de tipo Product completo en cada ficha, con precio, disponibilidad, valoraciones y variantes al día. Google documenta este marcado en su guía de merchant listings, y lo que sirve para los resultados de shopping sirve igual para AI Overviews y Gemini, que beben del mismo índice.
La segunda son las specs legibles: atributos en texto plano y tablas, no en imágenes ni en PDFs. Un LLM no saca la composición del tejido de una foto, la saca de una tabla de características. Y la tercera, comparativas propias entre tus productos (“cuál elegir según tu uso”), que son justo el formato de respuesta que la IA quiere construir.
Opiniones, ratings y casos de uso
Las IAs leen reseñas y las convierten en argumentos (“los usuarios destacan la comodidad en rutas largas”). Un producto con cincuenta opiniones con texto da material citable; uno con tres estrellas mudas, no. Lo mismo con los casos de uso: contenido que explique para quién es el producto y para quién no, porque esa honestidad es exactamente lo que un asistente quiere transmitir a su usuario.
En marketplaces, el GEO pasa por las mismas palancas dentro de la plataforma: ficha completa, preguntas respondidas y reseñas cuidadas, porque ChatGPT y Perplexity citan páginas de Amazon o de un marketplace igual que citan tu tienda.
De ficha de producto plana a activo citable
Aquí está el trabajo grueso de un proyecto de GEO para ecommerce, y se entiende mejor con el antes y el después:
| Elemento | Ficha plana (hoy) | Activo citable (objetivo) |
|---|---|---|
| Descripción | Párrafo del fabricante, duplicado en 50 tiendas | Texto propio: para quién es, para quién no |
| Specs | En imagen o PDF | Tabla HTML legible por máquinas |
| Opiniones | Estrellas sin contexto | Reseñas con texto, resumen de pros y contras |
| Comparativa | No existe | ”Cuál elegir”: tabla entre modelos |
| Datos estructurados | Schema incompleto o ausente | Product completo: precio, stock, rating |
| FAQ | No existe | Preguntas reales de compradores respondidas |
Cómo reescribir fichas para que sean reutilizables por LLMs
No hace falta reescribir todo el catálogo, empieza por los 20-30 productos que más margen dejan. En cada ficha: descripción propia que responda “para quién es y qué problema resuelve”, specs en tabla, respuesta directa a las tres preguntas más repetidas de ese producto y schema Product completo. La descripción del fabricante duplicada es veneno doble, ni posiciona en Google ni da a la IA nada que no tenga ya de otras cincuenta tiendas.
Tablas y glosarios como imanes de citabilidad
Los contenidos que más celdas ganan en nuestra matriz de testeo para tiendas son dos. Las tablas comparativas entre productos o categorías (“trail vs running: cuál para cada terreno”) y los glosarios de categoría que definen términos del sector (“qué es el drop de una zapatilla”). Ambos formatos responden preguntas de compra sin vender, y por eso los motores los reutilizan tanto; cómo detectarlos y priorizarlos lo tienes en la matriz prompts × modelos.
GEO, UCP y AI Mode: hacia la compra sin buscador
El siguiente escalón ya asoma: los asistentes no solo recomiendan, empiezan a ejecutar la compra. Google empuja AI Mode como experiencia de búsqueda conversacional, documentada junto a AI Overviews en su página de funciones de IA, y protocolos como UCP apuntan a que el agente complete la transacción de punta a punta; lo analizamos en detalle en la guía sobre Universal Commerce Protocol.
Para tu tienda la lectura es práctica: todo el trabajo GEO de esta guía (datos estructurados al día, fichas citables, feeds limpios) es la misma base que pedirán los agentes de compra. Quien la tenga hecha entra en esa etapa con ventaja; quien no, tendrá que hacerla igualmente pero tarde.
Roadmap GEO para un ecommerce en 90 días
Con catálogos grandes la clave es priorizar por margen y por hueco, no abarcar todo:
| Fase | Foco | Entregables típicos |
|---|---|---|
| Días 1-30 | Diagnóstico y base técnica | Matriz de prompts de compra, schema Product en top ventas, feeds al día |
| Días 31-60 | Fichas y activos citables | 20-30 fichas reescritas, 2-3 comparativas, FAQ por categoría top |
| Días 61-90 | Autoridad y medición | Glosario de categoría, reseñas activadas, segunda ronda de matriz |
Este plan convive con tu estrategia de posicionamiento para ecommerce: las fichas citables y el schema alimentan a la vez al SEO clásico y a los motores generativos, así que no es presupuesto duplicado, es la misma inversión rindiendo en dos frentes.
Proyecto GEO para ecommerce: empieza con datos
Antes de tocar una sola ficha conviene saber qué dicen hoy ChatGPT, Claude, Perplexity y AI Overviews cuando alguien pregunta por tus categorías de producto, y qué tiendas se están llevando esas recomendaciones. Ese diagnóstico, con el mapa de brechas por categoría y el plan de 90 días priorizado por margen, es el proyecto GEO para ecommerce que hacemos dentro del servicio de consultor GEO.
La ventana es la de siempre en SEO: los primeros de cada nicho en ser citables se convierten en la respuesta por defecto, y desalojarlos después cuesta el triple.
