GEO para E-commerce: Cómo Hacer que la IA Recomiende Tu Tienda Online

Cuando alguien le pregunta a ChatGPT "mejor tienda de ropa colombiana online" o a Perplexity "dónde comprar café de especialidad," la IA recomienda las tiendas que considera más confiables. El e-commerce es uno de los sectores con mayor oportunidad en GEO porque las recomendaciones de IA se convierten directamente en ventas.

Product Schema: cada producto visible para la IA

Cada producto en tu tienda debería tener schema Product con nombre, descripción, precio, disponibilidad, marca e imágenes. Esto permite que la IA responda preguntas como "¿cuánto cuesta [tu producto]?" o "¿dónde puedo comprar [categoría] en Colombia?"

Reseñas estructuradas

Las reseñas con AggregateRating schema son oro para GEO. Cuando la IA ve "4.8 estrellas de 150 reseñas," eso es una señal de confiabilidad que la hace más propensa a recomendar tu producto sobre uno sin valoraciones.

Contenido de categoría

Las páginas de categoría no deben ser solo listas de productos. Cada categoría necesita contenido editorial: guías de compra, comparaciones, tips de uso. Esto convierte tu tienda de un catálogo en una fuente de expertise que la IA quiere citar.

Blog de producto

Artículos como "cómo elegir [tu producto]," "guía de tallas," "comparación de materiales" — contenido educativo que posiciona tu tienda como autoridad. La IA usa este contenido para fundamentar sus recomendaciones.

Lo que aprendimos midiendo un catálogo real de 291 productos

La experiencia más cercana que tenemos en comercio electrónico es una auditoría que corrimos para Amalia Jeans, marca de denim y moda en Chile, con 291 productos publicados. Le aplicamos las ocho dimensiones del Índice de Visibilidad y el catálogo midió 61 sobre 100: banda competitiva, todavía no fuente preferida. Vale la pena explicar qué hace que un catálogo grande puntúe ahí, porque el tamaño distorsiona la lectura.

Un catálogo de 291 productos no son 291 oportunidades de ser citado. Es una plantilla repetida 291 veces: si el marcado de producto sale incompleto de la plantilla, sale incompleto 291 veces; y si la ficha describe el producto para el ojo del comprador en vez de responder una pregunta, ninguna de las 291 es extraíble.

Ahí está el desbalance que produce la estructura de una tienda. Marcado schema pesa 10% y es lo primero que se resuelve solo, porque el CMS lo genera solo. Contenido citable pesa 20% —el doble— y no se resuelve solo, porque exige escribir para que un modelo pueda cortar un párrafo y usarlo fuera de contexto. Sumado a profundidad temática (15%), más de un tercio del índice depende de decisiones editoriales que ningún plugin toma por usted.

La otra dimensión que revisamos temprano es acceso de crawlers de IA (15%), y la revisamos agente por agente contra la respuesta real del servidor: GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot y Google-Extended, uno a uno. En e-commerce es donde más fácil se rompe, porque las tiendas viven detrás de capas antibot y de un WAF: el robots.txt puede darle la bienvenida a un agente mientras una regla de seguridad le devuelve 403 en silencio. Leer el robots.txt y dar el acceso por resuelto es el error que este montaje invita a cometer.

Y sí, es tentador volcar las 291 URLs en un llms.txt y darse por servido. Nosotros lo pesamos en 5% a propósito: ningún motor grande ha confirmado leerlo en producción. Es cobertura barata, no es una palanca.

Estado del caso: a Amalia Jeans le entregamos una propuesta de implementación en dos fases —infraestructura técnica y editorial, control de calidad y capacitación del equipo— con una proyección de 87 en 30 días. Esa propuesta no fue ejecutada. El 61 es una medición; el 87 es una proyección de nuestro modelo, nunca un resultado obtenido.