Por qué ChatGPT recomienda los productos de tu competencia y no los tuyos

Porque la IA recomienda lo que puede verificar, y en tu ficha hay menos datos verificables que en la del vecino. El asistente construye su respuesta con precios, medidas, materiales, plazos y valoraciones que encuentra escritos. Cuando esos datos no aparecen, el producto no entra en la comparación.

El cambio ya está en el mercado español. Un estudio de idealo sobre más de 11.000 encuestados en seis países europeos sitúa a España a la cabeza: el 76 % de los consumidores españoles reconoce haber usado inteligencia artificial de forma consciente en sus compras online, el 46 % la usa a diario y el 19 % la consulta varias veces al día. ChatGPT es la herramienta más mencionada, con un 76 %, seguida de Gemini con un 59 %. El uso se concentra justo donde se decide una compra: comparar precios, encontrar productos y entender las reseñas.

Conviene matizar el pánico. Un estudio de IESE Business School con Veepee y Kantar, de mayo de 2026, encontró que el 63 % de los compradores españoles ya usa IA al comprar, pero solo el 8 % delegaría en ella la decisión final. La IA funciona hoy como filtro previo: elabora la lista corta y el comprador decide dentro de ella. Quedarse fuera de esa lista corta es el problema real.

Dos siglas conviene tenerlas claras. AEO (Answer Engine Optimization) es preparar una página para que un motor de respuestas la use al construir su contestación. GEO (Generative Engine Optimization) describe lo mismo aplicado a los buscadores generativos. Ambas se resumen en escribir para que una máquina pueda extraer y citar tu información sin adivinar nada.

¿Qué lee realmente la IA cuando entra en tu ficha de producto?

Lee el contenido visible de la página y extrae de ahí precio, disponibilidad, especificaciones, valoraciones e imágenes. Lo describe la propia OpenAI al presentar la función de investigación de compras de ChatGPT: el sistema busca por internet información actualizada de precio, disponibilidad, reseñas, especificaciones e imágenes, y trabaja sobre resultados orgánicos basados en webs de venta públicas, leyendo las fichas de producto directamente y citando sus fuentes.

Dos detalles de esa documentación importan para una tienda. El primero es que la herramienta rinde especialmente bien en categorías densas en datos: electrónica, belleza, hogar y jardín, cocina y electrodomésticos, deporte y aire libre. Son las categorías donde el comprador tiene muchas restricciones y la ficha necesita responderlas. El segundo es que la propia OpenAI advierte de que el sistema puede equivocarse con el precio y la disponibilidad, y recomienda al usuario visitar la web del comerciante. Esa advertencia es una oportunidad: la tienda que publica precio y stock de forma clara y actualizada reduce el margen de error que el asistente comete con ella.

El resumen práctico es incómodo. Tu ficha de producto se ha convertido en un documento fuente, y la lee un lector que no interpreta, no rellena huecos y no da nada por supuesto.

¿Entonces el schema de producto no sirve de nada?

El schema sigue siendo necesario para aparecer en las fichas enriquecidas de Google, y por sí solo no consigue que una IA te cite. Los datos estructurados son un bloque de código oculto en la página que le explica a las máquinas qué es cada dato: esto es el precio, esto es la disponibilidad, esto es la valoración media. El formato recomendado por Google se llama JSON-LD.

La creencia extendida es que ese marcado es el factor número uno para que la IA te recomiende. La evidencia disponible dice otra cosa. En octubre de 2025, searchVIU montó una página de prueba con ocho variantes de producto y repartió los precios entre distintas fuentes: unos visibles en el HTML, otros escondidos exclusivamente dentro del marcado. Después preguntó a ChatGPT, Claude, Gemini, Perplexity y Google AI Mode. El precio que solo existía en el JSON-LD no lo encontró ninguno de los cinco sistemas. Los microdatos ocultos y el RDFa oculto tampoco. Los precios que sí estaban escritos de forma visible fueron los que los sistemas recuperaron.

El experimento tiene un límite que sus autores señalan: mide la lectura en directo de la página, no la indexación previa, donde el marcado sí puede aprovecharse. Hay una segunda pieza de evidencia que apunta en la misma dirección.

Ahrefs siguió 1.885 páginas que añadieron JSON-LD entre agosto de 2025 y marzo de 2026 y las comparó con 4.000 páginas de control. El efecto sobre las citas fue de un −4,6 % en AI Overviews, un +2,4 % en AI Mode y un +2,2 % en ChatGPT. Los dos últimos son estadísticamente indistinguibles de cero. El propio equipo explica por qué circula la idea contraria: el 53 % de las páginas citadas por IA lleva schema, pero eso ocurre porque las webs que implementan datos estructurados también cuidan el SEO técnico, publican mejor contenido y consiguen más enlaces. Correlación, no causa. Ahrefs añade una advertencia honesta: su muestra eran páginas que ya recibían muchas citas, así que el estudio no dice nada sobre páginas que todavía no aparecen en ninguna respuesta.

Google zanja la parte que le corresponde en su propia documentación sobre funciones de IA: no hace falta crear ficheros nuevos ni marcado especial para aparecer en AI Overviews o AI Mode, y no existe ningún schema.org concreto que haya que añadir.

¿Para qué sigue siendo necesario el marcado?

Para las fichas enriquecidas de Google Shopping y los listados gratuitos de comerciante, donde el marcado de producto con precio, disponibilidad, envío y devolución sí determina la elegibilidad. La regla que aplicamos en Nordic ahorra discusiones: todo lo que esté en el marcado tiene que estar también escrito en la página. Si un dato solo vive en el código, para la mayoría de sistemas de IA ese dato no existe.

¿Está tu tienda dejando entrar a los buscadores con IA?

Si tu fichero robots.txt bloquea a OAI-SearchBot, tu tienda queda fuera de las respuestas de búsqueda de ChatGPT por muy buena que sea la ficha. El robots.txt es un archivo de texto en la raíz del dominio que indica a los robots automáticos a qué partes del sitio pueden acceder.

La documentación de OpenAI lo dice sin ambigüedad: las webs excluidas de OAI-SearchBot no se mostrarán en las respuestas de búsqueda de ChatGPT, aunque puedan seguir apareciendo como enlaces de navegación. Y distingue tres agentes con funciones distintas. OAI-SearchBot alimenta la búsqueda dentro de ChatGPT. GPTBot recopila contenido que puede usarse para entrenar los modelos. ChatGPT-User hace visitas puntuales cuando un usuario lo provoca. Las tres configuraciones son independientes, así que una tienda puede permitir la búsqueda y bloquear el entrenamiento. Los cambios en el robots.txt tardan alrededor de 24 horas en aplicarse.

Conviene deshacer aquí un malentendido frecuente con Google. El token Google-Extended controla si tu contenido se usa para entrenar y fundamentar Gemini, y no tiene efecto sobre la búsqueda de Google, AI Overviews ni AI Mode incluidos. Bloquearlo no te saca de AI Mode y desbloquearlo no te mete.

En las auditorías que hacemos, el bloqueo casi nunca está en el robots.txt. Está en el cortafuegos de aplicación, en las reglas de bot del CDN o en límites de peticiones que devuelven error antes de que el robot llegue al contenido. La comprobación se hace en los registros del servidor, viendo qué agentes entran y con qué respuesta salen.

¿Qué datos le faltan a tu ficha y te están costando ventas?

Los datos que la IA busca son exactamente los mismos que tu comprador echa de menos, y la mayoría de tiendas no los publica. El Baymard Institute, que mantiene el mayor banco de investigación de usabilidad en comercio electrónico, cerró en marzo de 2026 un benchmark con más de 30.000 puntuaciones revisadas a mano sobre 155 tiendas líderes de Estados Unidos y Europa. Solo el 48 % de las webs de escritorio y el 38 % de las móviles alcanzan un desempeño «decente» o «bueno» en su ficha de producto.

Los huecos concretos son reveladores. El 81 % de las tiendas no muestra el precio por unidad en productos vendidos en cantidades o tamaños distintos, con lo que el comprador no puede saber cuál sale más a cuenta. El 67 % no ofrece una estimación del coste total del pedido junto al botón de compra, así que los gastos de envío aparecen por sorpresa más adelante. El 44 % no enseña ni enlaza la política de devolución desde el contenido principal de la ficha, pese a que el 60 % de los usuarios la busca precisamente ahí y el 15 % de los compradores abandonó un pedido en el último trimestre por encontrarla insatisfactoria. Y el 89 % no responde a las reseñas negativas, un gesto que los participantes de los tests interpretan como señal de que la marca se ocupa de sus clientes.

Cada uno de esos huecos es una venta perdida hoy y un campo vacío para el asistente mañana. Arreglarlos paga dos veces. En la ficha de una marca de cuidado de la piel de gama alta, el trabajo más rentable consistió en sacar a la superficie el volumen en mililitros, la lista completa de ingredientes, la compatibilidad por tipo de piel y el plazo de devolución, que vivían en un PDF, en una pestaña plegada y en las condiciones generales. Esa información ya existía dentro de la empresa. No estaba publicada donde alguien, humano o máquina, pudiera leerla.

¿Por qué un precio desactualizado te saca de la recomendación?

Porque los sistemas de IA prefieren fuentes recientes y descartan la información que no cuadra entre sí. Ahrefs analizó cerca de 17 millones de citas repartidas entre ChatGPT, Perplexity, Gemini, Copilot, AI Overviews y los resultados orgánicos de Google. Las URL citadas por IA tienen una antigüedad media de 1.064 días frente a los 1.432 días de los resultados orgánicos, un 25,7 % más frescas. ChatGPT es el sistema con mayor sesgo hacia lo reciente.

En comercio electrónico la frescura tiene un nombre concreto: precio, stock y plazo de entrega. Y aquí entra el otro canal, el del catálogo. Los comerciantes pueden entregar a OpenAI un fichero estructurado con su catálogo, con actualizaciones frecuentes, para que ChatGPT refleje datos correctos sin depender solo del rastreo. En Google, ese papel lo cumple el feed de Merchant Center con los listados gratuitos, que alimenta las respuestas de compra de AI Mode.

El movimiento de OpenAI del 24 de marzo de 2026 aclara hacia dónde va esto. La compañía reorientó la compra en ChatGPT hacia el descubrimiento de producto, dejó que los comerciantes usen su propio proceso de pago y abrió la vía para que compartan catálogos y promociones. El intento anterior de cerrar la venta dentro del chat se había topado con la dificultad de incorporar comerciantes y de mostrar datos exactos. El terreno donde se compite ahora es la calidad del dato.

Precio, disponibilidad y condiciones de envío tienen que coincidir en tres sitios a la vez: la página visible, el marcado y el feed. Cuando esos tres no dicen lo mismo, el sistema deja de fiarse del conjunto.

¿Dónde tiene que estar la información dentro de la ficha?

Arriba. Los sistemas de IA citan mucho más lo que encuentran en el primer tercio de la página. Kevin Indig analizó 1,2 millones de respuestas de ChatGPT y aisló 18.012 citas verificadas para medir de qué parte de la página salía cada una. El 44,2 % de las citas procede del primer 30 % del contenido, y el último 10 % de la página apenas aporta entre un 2,4 % y un 4,4 %. Las conclusiones que se dejan para el final casi no se citan.

Su segundo análisis, sobre unas 98.000 filas de citas, añade una advertencia de tamaño: los treinta dominios más citados acaparan el 67 % de las citas dentro de un tema. Y entre las páginas que ocupan el primer puesto en Google, el 43,2 % fue citada por ChatGPT, una tasa 3,5 veces superior a la de las que quedan más allá del puesto 20. El SEO clásico sigue siendo la puerta de entrada.

Traducido a una ficha, el orden que funciona empieza por una frase que defina el producto con su categoría, su uso principal y su atributo diferencial, redactada para leerse suelta y seguir teniendo sentido. Después, la tabla de especificaciones con valores y unidades. Después, la comparación honesta con las alternativas, porque la propia OpenAI describe su herramienta de compras como diseñada para comparaciones y compensaciones entre opciones. Después, las preguntas frecuentes reales, con la respuesta dentro de la ficha. La narrativa de marca va por debajo, donde sigue haciendo su trabajo sin estorbar a la extracción.

¿Por dónde empezar con tu tienda?

Empieza por lo que ya te está costando ventas hoy, porque ese trabajo es el que también te devuelve a las respuestas de la IA. La tabla siguiente ordena los factores por impacto real, según la evidencia disponible en 2026.

Checklist para revisar una ficha de producto

• El precio y la disponibilidad aparecen como texto visible, sin depender de JavaScript.
• Existe una tabla de especificaciones con unidades y sin celdas vacías.
• El coste total estimado y el plazo de devolución están junto al botón de compra.
• La ficha responde por escrito las tres dudas que más recibe tu servicio de atención al cliente.
• La primera pantalla contiene una frase que define el producto y se entiende fuera de contexto.
• El marcado de producto refleja exactamente los datos publicados en la página.
• El feed de catálogo, la página y el marcado dicen el mismo precio hoy.
• Los registros del servidor confirman que OAI-SearchBot entra y recibe respuesta correcta.
• La página muestra fecha de última actualización.