Visibilidad en IA para e-commerce: cómo hacer que te recomienden en ChatGPT Shopping

Antes, un cliente escribía "mejores zapatillas para pies planos", miraba diez enlaces azules, abría cuatro pestañas y decidía. Ahora muchos escriben exactamente lo mismo en ChatGPT y reciben tres productos con sus motivos incluidos.

Si tu producto es uno de esos tres, puede que ni veas llegar el clic como tráfico normal de búsqueda. Si no lo es, eres invisible justo donde ya se está tomando la decisión de compra.

Ese cambio es toda la historia del e-commerce ahora mismo. Antes de seguir, te lo digo claro: yo construyo LLM Pulse, una plataforma de visibilidad en buscadores de IA, así que aquí soy parte interesada. Aun así voy a intentar ser honesto, incluido dónde otras herramientas son mejor opción que la mía.

Qué es en realidad ChatGPT Shopping

ChatGPT Shopping es la capa donde el modelo ya no solo habla de productos, sino que te los ordena. Tarjetas, imágenes, precios, enlaces y una frase de por qué cada uno entró en la lista. Pides "un lavavajillas silencioso por menos de 700 €" y en vez de un párrafo recibes una selección corta que se parece bastante a una estantería curada.

Por dentro tira de una mezcla de fuentes: datos de producto, feeds de tiendas y comercios, reseñas editoriales, listados de marketplaces y lo que el modelo ya aprendió de tu categoría durante el entrenamiento. No es un algoritmo de ranking limpio que puedas hacer ingeniería inversa. Se parece más a un asistente de investigación que lee la web y se forma una opinión.

De ahí salen dos cosas.

Primero, ahora la recomendación es el momento de conversión, no el clic. Cuando un comprador ve tu producto en esa lista, media decisión ya está tomada. Te preseleccionaron y te justificaron. Es una posición más fuerte que el puesto 3 en Google, y bastante peor si no apareces.

Segundo, no puedes comprar tu entrada como compras anuncios de Google Shopping. No hay puja. Hoy la visibilidad en estas respuestas se gana, lo cual es molesto si tienes mucho presupuesto y tranquilizador si tienes buen producto y contenido decente.

Por qué una mención vale dinero de verdad

Me repiten mucho lo de "muy bien, pero eso vende algo o no". Pregunta justa. Las menciones que no se convierten en ingresos son una métrica de vanidad, y con las métricas de vanidad tengo poca paciencia.

El mecanismo es este. Cuando ChatGPT recomienda un producto, suele adjuntar una cita o un enlace. El usuario entra, o se acuerda de la marca y la busca directamente, o va al marketplace y compra. Parte de eso aparece en tu analítica como tráfico de referencia desde el producto de IA. Mucho aparece como "directo" o como búsqueda de marca, porque la gente casi nunca llega por el camino ordenado.

Así que la versión honesta es: parte del valor es medible y parte es un efecto halo que solo puedes inferir. La parte medible crece lo bastante rápido como para que ignorarla sea un error, y la parte inferida es justo el motivo para tener una línea base ahora y no dentro de un año.

La lógica de ingresos es simple. Comprador con alta intención, consulta concreta, tu producto nombrado con un motivo. No hay tráfico mucho más caliente que ese. Si ChatGPT le dice a alguien que tu cuchillo es la mejor relación calidad-precio por menos de 100 € y lo compra, la IA hizo el trabajo que antes se repartían un anuncio de pago y un artículo comparativo.

Qué mueve de verdad la aguja

No controlas del todo lo que dice el modelo. Sí controlas los datos que lee. Yo pondría el esfuerzo aquí, más o menos en este orden.

Tu feed de producto y los datos estructurados. Títulos limpios, precios exactos, disponibilidad real, categorías bien puestas, fichas completas. Suena aburrido porque lo es, y es también lo que más tiendas hacen mal. Si tu feed dice que algo está agotado o tu precio está desactualizado, le estás dando al modelo un motivo para elegir a un competidor. Los datos estructurados (schema de producto, ofertas, valoraciones) son la forma en que las máquinas leen tus páginas sin adivinar.

Las reseñas, y no solo las tuyas. Los modelos se apoyan mucho en el sentiment agregado. Un producto con cientos de reseñas consistentes que dicen "talla pequeño pero comodísimo" le da al modelo algo concreto que repetir. Reseñas pobres o inexistentes no le dejan nada, así que se agarra a un competidor que sí tiene prueba social. Esto incluye reseñas en tu web y, sobre todo, fuera de ella.

La cobertura de terceros. Esta es la incómoda para marcas acostumbradas a controlar su propio dominio. Buena parte de lo que el modelo "sabe" viene de sitios que no son tuyos: hilos de Reddit, reseñas en YouTube, artículos de "los mejores", listados de marketplaces, foros, comparadores. Si el artículo de referencia de tu categoría no te incluye, el modelo tampoco suele hacerlo. Entrar en esas listas se parece más a la comunicación digital y al contacto de toda la vida que al SEO técnico, y aquí pesa más que casi en ningún otro sitio.

Ser concreto y fácil de responder. A los modelos les encantan los productos con un "mejor para X" claro. Mejor opción económica. Mejor para piel sensible. Mejor para cocinas pequeñas. Si tu posicionamiento es un vago "calidad premium para todos", cuesta encajarte en una lista. Un posicionamiento nítido y honesto no es aquí paja de marketing, es relevancia legible por máquina.

Fíjate en lo que no está en la lista: rellenar de palabras clave, enlaces basura o intentar engañar al modelo. Eso o no hace nada o hace que te describa mal, y que una IA te describa mal es un problema en sí mismo.

No puedes arreglar lo que no ves

La trampa de todo esto es optimizar a ciegas. Retocas el feed, persigues un par de reseñas y luego no tienes ni idea de si ChatGPT te recomienda más a menudo, en qué países, contra qué competidores, y si algo de eso llegó a tu cuenta bancaria.

Este es el hueco que vienen a tapar las herramientas de visibilidad en IA, y es la parte del mercado en la que trabajo, así que coge el entusiasmo con la pizca de sal que corresponda.

Lo que quieres medir son cuatro cosas. Si te mencionan en las consultas que importan. Dónde estás frente a competidores concretos. Cómo te describe la IA (una recomendación que llama a tu producto "barato y endeble" no es una victoria). Y si algo de eso conecta con ventas reales.

Ese último punto es donde la mayoría de herramientas se callan, porque medir menciones es fácil y medir dinero es difícil.

Dónde encaja LLM Pulse, y dónde no

Con LLM Pulse construí el seguimiento de Shopping justo para esto, porque "nos mencionan" nunca fue respuesta suficiente para el dueño de una tienda. Rastrea cómo apareces en ChatGPT Shopping para los prompts que usan de verdad tus compradores, con los cinco modelos base en todos los planes (ChatGPT, Perplexity, Gemini, Google AI Mode y Google AI Overviews), y con Claude, Copilot, Grok, DeepSeek y Meta AI disponibles como add-ons.

La parte de la que más orgulloso estoy para e-commerce es la conexión con la analítica. Conectas GA4 o Plausible y ves las visitas, conversiones y ventas reales que te enviaron ChatGPT, Perplexity y Gemini, no solo un contador de menciones. Esa es la diferencia entre "aparecemos más" y "esto nos dio dinero", y es la única versión de esto que un equipo financiero va a respetar.

También está la parte de reputación y sentiment, que muestra las palabras exactas que usa la IA sobre tus productos y avisa cuando el enfoque es negativo o directamente falso, además del seguimiento de bots por página para ver si GPTBot, ClaudeBot y PerplexityBot siquiera rastrean las páginas que te importan. Si no están pasando por tus fichas de producto, ningún pulido del feed va a ayudar.

El precio es público, lo que en esta categoría todavía no es lo normal. A fecha de julio de 2026:

Asientos ilimitados en todos los planes, sin coste por usuario, y prueba de 14 días. Hay además un servidor MCP alojado con más de 45 herramientas por OAuth, incluido hasta en la prueba, así que puedes traerte tus datos de Shopping directamente a Claude o ChatGPT y preguntarle en lenguaje natural. Los precios cambian, así que confirma las cifras actuales antes de contratar.

Ahora la parte honesta. Si eres una marca grande que necesita los datos más profundos posibles, Profound es la opción enterprise seria, y también hace Shopping. Volúmenes de prompts, analítica de agentes, SOC 2, SSO, on-prem y una API pensada para escalar. El precio va por demo y sin cifra pública, lo que ya te dice para quién es. Si eres una gran corporación con departamento de compras, ese es probablemente tu candidato, y prefiero decírtelo a fingir lo contrario.

Si llevas una agencia con muchas tiendas de clientes, Peec AI es de verdad fuerte para equipos, con buen seguimiento regional y multiidioma y comparación de competidores por país, aunque los modelos extra son add-ons de pago con precio por modelo. Y si solo quieres la forma honesta más barata de empezar a mirar, Otterly.ai arranca en 29 dólares al mes y enseña capturas reales de las respuestas de la IA.

Donde creo que LLM Pulse se gana la elección para una tienda es en la combinación: precio público sin llamada de por medio, seguimiento de ChatGPT Shopping, la conexión de ingresos con GA4, asientos ilimitados y white-label completo si eres una agencia que revende informes bajo su propia marca. Y si ya pagas Ahrefs o Semrush, sus funciones de Brand Radar y AI Toolkit son más superficiales pero ya están en tu suscripción, que es un punto de partida perfectamente racional.

Empieza antes que tu competencia

Las tiendas que hoy ganan en recomendaciones de IA no son las de mayor presupuesto. Son las que se dieron cuenta pronto de que la estantería se movió, limpiaron sus feeds, se ganaron las menciones de terceros y empezaron a medir si algo de eso se convertía en ventas.

La verdad incómoda es que en una lista de tres no hay página dos a la que ir subiendo a base de codos. O te nombran o no.

Así que la pregunta no es si optimizar para esto. Es si prefieres saber ahora dónde estás, o leerlo el año que viene en el caso de éxito de un competidor.