GEO y e-commerce: el catálogo como palanca de visibilidad IA
Los e-commerce ya tienen el material que adoran los LLM — pero en el formato equivocado. El catálogo como palanca de visibilidad IA.
Los e-commerce tienen una ventaja GEO que nadie les cuenta.
Ya tienen el contenido. Miles de fichas de producto con descripciones, características, casos de uso. Material informativo que a los LLM les encanta usar para responder a las preguntas de compra de sus usuarios.
El problema: ese material está en el formato equivocado. Está construido para Google y para la conversión humana, no para los LLM. Y la brecha entre ambos es mayor de lo que se piensa.
Lo que hacen los LLM con las consultas de compra
"¿Qué aspiradora para una casa de 100 m² con un perro?" "¿Qué auriculares para hacer deporte por menos de 80 euros?" "¿Mejor colchón para dormir de lado?"
Estas consultas llegan en masa a ChatGPT, Perplexity y Gemini. Los usuarios buscan recomendaciones, no listas de resultados. Y los LLM responden con recomendaciones — a menudo muy precisas, a menudo con justificaciones basadas en las características del producto.
¿A quién citan en esas recomendaciones? Rara vez a las fichas de producto de los comercios. A menudo a comparativas, guías de compra, artículos de prueba. Porque ese contenido está estructurado para responder a una pregunta, no para vender un producto.
El e-commerce pierde la recomendación directa y ve que su tráfico llega desde una comparativa de terceros que habla de él — cuando tiene suerte.
Por qué las fichas de producto clásicas no llegan a los LLM
Una ficha de producto típica se construye así: foto en carrusel, precio, botón de compra destacado, bullet points de características, descripción corta, reseñas de clientes cargadas dinámicamente, sección de productos similares.
Para un humano en el sitio, funciona. Para un LLM que escanea la página buscando información, es una página casi vacía. El carrusel no carga. Las reseñas están en JavaScript. La descripción es corta y genérica. Los bullet points de características existen pero no explican nada sobre el caso de uso.
Resultado: el LLM no puede construir una recomendación rica a partir de esta ficha. Busca en otro sitio.
La conversión a markdown: lo que cambia
Convertir un catálogo de productos a markdown transforma un formato pensado para la representación visual en un formato pensado para el procesamiento textual.
En markdown, la ficha de producto cambia de naturaleza. El título se convierte en una entidad nombrada precisa con sus atributos clave. La descripción se convierte en un párrafo en prosa que explica a quién le conviene el producto y por qué. Las características técnicas están en una tabla correctamente etiquetada. Los casos de uso se describen en lenguaje natural. Las comparaciones con alternativas se asumen y se formulan con claridad.
Esta versión no es visible en el sitio. Es accesible para los crawlers de LLM a través de una URL dedicada o del llms.txt. No sustituye a la ficha de producto clásica — la complementa para un público diferente.
El impacto en la visibilidad IA puede ser significativo. Un LLM que encuentra una versión markdown bien estructurada de una ficha de producto dispone exactamente del material que necesita para formular una recomendación precisa y con fuentes.
La auditoría en diez criterios
Antes de reescribirlo todo, hay que saber dónde están los huecos. Una auditoría de ficha de producto según diez criterios de legibilidad LLM ofrece una imagen precisa del estado del catálogo y de las prioridades.
Estos criterios cubren la precisión del título, la calidad de la descripción en prosa, la presencia de casos de uso explícitos, los datos numéricos utilizables, las entidades nombradas, la accesibilidad de las reseñas, la estructura de las características técnicas, el posicionamiento comparativo, la coherencia con el llms.txt, y la legibilidad del contenido sin JavaScript.
Vurto ofrece esta auditoría sobre todo el catálogo, con puntuación por ficha y priorización de las referencias a tratar primero según su importancia comercial y su potencial de visibilidad LLM. Es después la herramienta que reescribe las fichas al vuelo en markdown según los estándares identificados, con una validación del resultado en cada uno de los diez criterios.
Las categorías de producto donde el GEO cambia más
No todo es igual frente a los LLM. Algunas categorías se ven masivamente afectadas por las consultas de compra dirigidas a los motores generativos.
La electrónica de consumo. Los electrodomésticos. Las herramientas. Los productos de belleza y cuidado personal. El equipamiento deportivo. Los libros y juegos de mesa. En cualquier lugar donde el usuario necesite comparar antes de comprar y donde los criterios técnicos importen, se recurre a los LLM.
En estas categorías, no ser citado en las recomendaciones de IA significa no existir en una parte creciente del recorrido de compra.
Por el contrario, en las categorías de compra por impulso o de consumo corriente, el impacto es menos directo. Quien compra calcetines o papel higiénico no le pide consejo a Perplexity.
La forma correcta de empezar
No reescribiendo todo el catálogo de golpe. Empezando por las 50 a 100 referencias más importantes comercialmente y comprobando su puntuación de legibilidad LLM. A menudo, el 20% de las referencias genera el 80% del tráfico. Esas son las que hay que tratar primero.
Después, auditar la estructura técnica del sitio para verificar que estas fichas, aunque estén bien reescritas en markdown, son realmente accesibles para los crawlers de LLM. Un contenido perfecto pero bloqueado por robots.txt es un contenido perfectamente inútil.
El GEO para el e-commerce no es una revolución. Es una extensión lógica del trabajo de SEO y contenido ya existente. Pero exige cambiar el marco de referencia: pensar en "legibilidad LLM" además de en "conversión humana", y producir formatos que sirvan a ambos.
Vurto analiza las fichas de producto según diez criterios y las convierte en markdown estructurado para maximizar su presencia en las recomendaciones de los LLM.