Visibilidad en shopping con IA

La visibilidad en IA corriente pregunta si la IA menciona una marca. La visibilidad en shopping hace la pregunta más difícil y más comercial: cuando un comprador le pregunta a la IA qué comprar, ¿te recomienda a ti? Abre el proyecto de Visibilidad en IA de un cliente y ve a la pestaña Shopping. Se centra en preguntas con intención de compra: prompts del tipo «el mejor X para Y», «los mejores X por menos de Z $» o «qué X debería comprar», los que hace la gente cuando ya está lista para gastar. La visibilidad en shopping forma parte de la Visibilidad en IA, no es un producto aparte. Usa por tanto los mismos modelos, los mismos escaneos programados y la misma medición honesta (tamaño de muestra y margen de error en cada cifra). Nada se estima: cada número procede de escaneos reales de prompts etiquetados con intención de compra.

La métrica principal es tu tasa de recomendación en shopping: sobre el total de ejecuciones con intención de compra, ¿con qué frecuencia recomendó tu marca la IA? Se muestra como porcentaje con el tamaño de muestra exacto («27/50 ejecuciones de shopping te recomiendan», n = 50 ejecuciones) y un margen de error ±, con una nota de baja confianza cuando la muestra aún es pequeña (menos de diez ejecuciones). Así una sola respuesta afortunada no pasa por tendencia. Justo debajo, la tabla «Tú vs. la competencia — recomendaciones de shopping» pone tu tasa de recomendación junto a la de cada competidor que sigues, cada uno con su propia tasa, su margen de error y su número de ejecuciones. Junto a la tasa, cada marca muestra su cuota de recomendaciones: de todas las recomendaciones de marca hechas en tus ejecuciones de shopping, la fracción que fue a esa marca (sus recomendaciones ÷ las recomendaciones de todas las marcas seguidas). La tasa responde a «¿con qué frecuencia se recomienda esta marca?»; la cuota de recomendaciones responde a la pregunta competitiva «de cada recomendación dada, ¿quién va ganando?». Es un auténtico Share of Voice de las respuestas con intención de compra, que suma aproximadamente 100 % entre las marcas mostradas. Juntas te dicen si la IA está llevando a los compradores listos para comprar hacia ti o hacia un rival. Define un tipo de producto / categoría en la pestaña y CrunchJunkie genera plantillas razonables de prompts con intención de compra para ella; puedes editarlas o añadir las tuyas en cualquier momento. A nivel de producto, cada producto seguido muestra además una tasa de victoria cara a cara junto a su tasa de recomendación. La tasa de recomendación se calcula sobre todas las ejecuciones de shopping; la tasa de victoria, solo sobre las ejecuciones «decisivas», es decir, aquellas en las que la IA recomendó al menos un producto seguido (tuyo o de un competidor), y es la parte de ellas que incluyó este. Responde a una pregunta más afilada: cuando la IA elige algo de verdad en esta categoría, ¿con qué frecuencia eres tú? Como ignora las ejecuciones en las que no se recomendó nada, no se diluye con prompts que no produjeron ninguna elección, y se muestra el número de ejecuciones decisivas para que la cifra lleve siempre su tamaño de muestra.

Más allá de la marca, puedes seguir productos concretos y ver la tasa de recomendación de cada uno, de modo que sepas exactamente qué SKU pone la IA delante de los compradores, y no solo si sale tu marca. Añade tus productos (y los de tus competidores) y cada uno se convierte en un elemento seguido que se escanea como cualquier otro prompt. CrunchJunkie también ofrece una vista de descubrimiento: «Productos que la IA recomendó y que no sigues». Cuando una respuesta de shopping nombra un producto concreto que no has añadido, aparece ahí con la frecuencia con que salió (por ejemplo, «9/12 ejecuciones»), y un botón Seguir con un clic lo añade a tu lista. Es la forma más rápida de encontrar los productos que ya ganan en las respuestas de la IA, sean tuyos o de un competidor, y empezar a medirlos. La otra cara es el panel «Tus productos que la IA nunca recomienda»: tus propios productos seguidos que no se recomendaron en ninguna ejecución de shopping de la muestra actual. Son tus oportunidades más claras: los SKU que la IA pasa por alto. Combínalo con el panel de Preparación del feed para IA: corrige las carencias del feed (GTIN, disponibilidad, precio, imágenes, reseñas) y el contenido de las páginas de producto, y vuelve a escanear para ver si empiezan a recomendarse. Solo lista tus propios productos y se obtiene de datos de escaneo reales, así que léelo teniendo en cuenta el tamaño de la muestra cuando hay pocas ejecuciones. Cada SKU seguido genera un prompt con intención de compra (uno, a veces dos) y se escanea con la programación de tu proyecto. Como escanear cuesta dinero, el seguimiento tiene un límite por plan: Solo 25, Starter 100, Pro 500, Agency 2.000, y Scale sin límite de SKU seguidos. Dejar de seguir un SKU elimina sus prompts por SKU y borra todas las respuestas guardadas para ellos, así que la página cuenta esas respuestas y pregunta antes del clic, y la línea de tiempo anota los prompts eliminados igual que los borrados; los totales diarios de los días afectados se reconstruyen sin ellos (de inmediato si el historial es corto, en unas horas si es largo). Solo se escanean los SKU que realmente sigues, y la pestaña muestra siempre las comprobaciones proyectadas al mes antes de que te comprometas, para que el coste sea transparente. Con tus propias claves de API, el escaneo por SKU es gratis; en Managed AI se mide por comprobación, como el resto de la Visibilidad en IA.

No tienes que añadir los productos a mano. CrunchJunkie importa tu catálogo desde un feed de productos estándar en la sección Feed de productos de la pestaña Shopping. Se admiten tres formatos: XML de Google Shopping (el feed RSS/Atom con el espacio de nombres g: que genera Merchant Center), separado por tabuladores (TSV) y separado por comas (CSV). Puedes pegar la URL de un feed para que CrunchJunkie lo descargue, o subir un archivo (.xml, .csv, .tsv o .txt). CrunchJunkie lee el id/SKU, el título, la marca, el tipo de producto/categoría, el enlace y el precio de cada producto, y asigna automáticamente los nombres de columna habituales (así, «sku», «mpn» u «offerid» se resuelven todos como el id, por ejemplo). Los productos sin título se omiten en lugar de inventarlos, y los feeds muy grandes tienen un límite de 50.000 elementos. Los productos importados no empiezan a escanearse por sí solos: importar solo rellena el catálogo. A partir de ahí eliges cuáles seguir, filtras por tipo de producto, marca o rango de precio, y usas «Seguir todas las coincidentes» para seguir de una vez un conjunto filtrado. La acción masiva muestra antes una vista previa de las comprobaciones añadidas proyectadas y del nuevo total, y nunca sigue más allá del límite de tu plan (los SKU que lo superan se omiten, no se siguen).

Si tu catálogo ya está en Google Merchant Center, conéctalo directamente en lugar de exportar un feed. En Datos → Integraciones (o en la tarjeta de Merchant Center de la pestaña Shopping), haz clic en Conectar y autoriza con Google. La conexión usa la Merchant API de Google y solicita el permiso de Merchant Center (auth/content): debes dejar ese permiso marcado en la pantalla de consentimiento de Google, o la conexión no podrá leer tu catálogo. El acceso es de solo lectura: CrunchJunkie solo lee tu lista de productos y nunca escribe en tu Merchant Center. Tras conectar, elige la cuenta de Merchant Center desde la que importar (también aparecen las subcuentas de una MCC) y haz clic en Sincronizar ahora para traer el catálogo. Cada producto se normaliza con la misma forma que una importación de feed, de modo que el seguimiento, los filtros y las acciones masivas funcionan igual. La sincronización la inicia el usuario: vuelve a hacer clic en Sincronizar cuando tu catálogo cambie para actualizarlo. Puedes desconectar en cualquier momento desde el mismo panel y revocar el acceso por completo desde tu cuenta de Google.

Una vez importado un catálogo (por feed o por Merchant Center), la sección Feed de productos muestra una puntuación de Preparación del feed para IA sobre 100. Mide lo completo que está tu catálogo en los campos que leen de los datos de producto los asistentes de compra con IA (ChatGPT Shopping, Google AI Mode y Overviews, Perplexity): GTIN/código de barras, disponibilidad, precio, imagen, tipo de producto/categoría, enlace del producto y un título descriptivo. La mayoría son campos obligatorios de Merchant Center, y lo completo que esté tu feed es la parte del shopping con IA que controlas. Si rellenar un hueco cambia la frecuencia con que la IA recomienda un producto, la puntuación no lo predice: eso se ve en tu visibilidad en shopping durante los escaneos siguientes. La puntuación es la cobertura ponderada de campos en tus SKU importados: cada campo pesa como lo trata Merchant Center (GTIN, disponibilidad y precio pesan más), y cada fila muestra la cobertura exacta («82 % (410/500)») con un estado verde/ámbar/rojo. Nada se estima: es un recuento directo de qué SKU llevan realmente cada campo. Una línea «Mayor carencia:» nombra el campo que más sumaría a la puntuación. Las reseñas de producto (número de reseñas y valoración) no se recogen en una importación de feed estándar, así que las indicamos sin puntuarlas. Corrige las carencias en Merchant Center o en tu feed, vuelve a importar y la puntuación se actualiza.

Cuando la IA responde a una pregunta con intención de compra, normalmente recurre primero a fuentes web en vivo. El panel «Dónde busca la IA las respuestas de shopping» muestra qué dominios consultó la IA en tus ejecuciones de shopping, ordenados por cuántas ejecuciones citaron cada uno, y etiqueta los más conocidos como tu propio sitio, un marketplace (Amazon, eBay, Otto, Idealo…) o comunidad/reseñas (Reddit, Trustpilot, YouTube…). Se calcula a partir de las fuentes ya capturadas en cada escaneo: no se ejecutan escaneos adicionales. La cifra principal es tu cuota de sitio propio: con qué frecuencia se apoyó la IA en tus propias páginas al recomendar en tu categoría. Una cuota baja significa que la IA decide a partir de marketplaces y páginas de terceros y no de tu sitio, lo que te dice exactamente dónde ganar citas (tus páginas de producto) para influir en lo que recomienda. Como en toda cifra de aquí, se calcula sobre el número real de ejecuciones, y un dominio con cero ejecuciones nunca aparece. (La cuota de sitio propio necesita que el sitio web de la marca esté definido en la configuración de Visibilidad en IA.)

Tus páginas de producto también tienen que ser legibles para un asistente de compra. Tres datos estructurados (schema.org JSON-LD) llevan lo que un asistente necesita para describir un producto: un bloque Product (nombre y marca), una Offer (precio y disponibilidad) y un AggregateRating (estrellas y número de reseñas). Con los tres, un asistente puede tomar el precio y la valoración de la propia página en lugar de otro sitio. Cuánto pesa cada uno en cada motor no se publica, así que la auditoría comprueba que los datos estén ahí, no lo que consiguen. El panel Schema de página de producto de la pestaña Shopping audita exactamente eso en las páginas de producto de tu feed importado. Haz clic en «Auditar páginas» y CrunchJunkie rastrea un lote acotado de tus URL de producto, analiza el JSON-LD de cada página e informa de la parte de páginas accesibles que expone cada una de las tres señales, por ejemplo «82 % Product, 74 % Offer, 41 % Review rating», con los recuentos exactos de páginas detrás de cada cifra. Prima la exactitud: una señal solo se marca como presente cuando el marcado de la página la declara de verdad, y las páginas que no se pueden descargar quedan fuera del denominador de cobertura en lugar de contarse como fallidas. Una lista «Páginas de producto sin esquema» ordena las páginas más débiles de peor a mejor (la falta de un bloque Product cuenta más), con una marca por página de Product / Offer / Rating para ver de un vistazo qué añadir. Corrige el JSON-LD que falta en esas páginas y vuelve a auditar. Los resultados se guardan en caché por URL y se comprueban en lotes acotados, así que la auditoría sigue siendo rápida y barata, y una URL comprobada para una marca se reutiliza para todas.

Los buenos prompts con intención de compra reflejan cómo compra la gente de verdad. La pestaña Shopping genera plantillas a partir de tu tipo de producto, y también puedes dejar que Crunch escriba un conjunto a medida: haz clic en «Generar con Crunch» y produce preguntas con intención de compra escritas para lo que vendes, marcadas con una insignia «Adaptado por Crunch». Solo se ejecuta cuando haces clic (nada se genera automáticamente al cargar la página) y, si aún no hay ningún modelo de IA conectado, recurre a plantillas estáticas razonables y te lo dice. Los prompts generados son deliberadamente preguntas de categoría sin marca (por ejemplo, «¿cuál es la mejor crema hidratante para piel grasa por menos de 40 $?») y no prompts que nombren tu marca. Ese es el objetivo: la visibilidad en shopping mide si la IA te recomienda cuando el comprador aún no te ha elegido, así que el prompt no debe poner tu nombre en boca del modelo. Revisa, edita y añade los prompts generados, y se escanearán junto con el resto de tus prompts de shopping. Como el resto de Crunch, la generación necesita un modelo de IA disponible (Managed AI o tu propia clave).

Los datos de shopping pasan directamente a los informes de clientes. La plantilla de informe de Visibilidad en IA incluye una tabla «Visibilidad en shopping» y una tabla «Productos más recomendados», ambas basadas en datos de escaneo reales, de modo que un cliente ve no solo que es visible en IA, sino si la IA lo recomienda a él y a sus productos para la venta. Puedes añadir cualquiera de esto a un informe de la misma forma: suelta un widget de Tabla, elige la fuente Visibilidad en IA y define su dimensión. Cada dato de shopping y de producto de la pestaña Shopping está disponible como widget: Shopping (tasa de recomendación de la marca y cuota de recomendaciones frente a la competencia), Producto (productos más recomendados), SKU (productos del feed seguidos), Schema de producto (parte de tus páginas de producto que exponen datos estructurados Product / Offer / valoración de reseñas), Preparación del feed (cobertura del feed por campo), Fuentes de shopping (los dominios en los que se apoya la IA para las respuestas de shopping, con tu cuota de sitio propio) y Salud de las fuentes (páginas citadas que están muertas o retractadas). Los widgets de Schema de producto y Salud de las fuentes leen los resultados de auditoría en caché, así que ejecuta antes la auditoría o la comprobación de fuentes en la pestaña; los demás se calculan a partir de datos de escaneo reales. Como toda cifra de visibilidad en IA, los números llevan su tamaño de muestra, de modo que la medición nunca se sobreestima.