Cómo vender servicios de optimización de fichas de producto para búsquedas con IA y AI Shopping
La optimización de fichas de producto se ha convertido en un servicio freelance práctico porque los procesos de compra ya comienzan en muchos más lugares que una página convencional de resultados de búsqueda. En 2026, Google utiliza los datos de productos de Merchant Center en distintas experiencias de compra y ofrece informes sobre cómo aparecen las marcas en consultas comerciales dentro de AI Mode y AI Overviews, mientras que ChatGPT puede mostrar opciones de productos, información de vendedores y enlaces de compra cuando detecta una intención comercial. Esto no significa que un profesional independiente pueda garantizar que un producto aparezca en un sistema de IA. Significa que los comercios tienen una necesidad cada vez mayor de contar con títulos precisos, atributos completos, precios coherentes, descripciones útiles, información clara sobre variantes y feeds de productos fiables. Un especialista que trabaja desde casa puede vender este servicio resolviendo problemas concretos del catálogo en lugar de ofrecer una promesa imprecisa de «SEO para IA». La propuesta más sólida combina mejora de textos, depuración de datos de productos, revisión de feeds e informes sencillos para que el cliente pueda comprobar qué se ha modificado y por qué es importante.
Por qué la optimización de fichas de producto es un servicio vendible en 2026
La oportunidad comercial surge de un cambio en la forma en que las personas describen lo que quieren comprar. Un usuario puede seguir escribiendo «zapatillas impermeables negras para caminar», pero cada vez es más frecuente que formule preguntas más detalladas, como qué calzado resulta adecuado para desplazarse por la ciudad con lluvia, qué portátil es suficientemente ligero para llevarlo a diario o qué material de sofá es más fácil de limpiar en una casa con mascotas. Los informes de rendimiento de IA de Google para Merchant Center se han diseñado teniendo en cuenta esta evolución desde búsquedas breves basadas en palabras clave hacia consultas de compra más conversacionales. Para las cuentas compatibles, estos informes pueden mostrar términos relacionados con productos, atributos populares y cuota de visibilidad. Para un comercio, esto hace que la ausencia de información sea más costosa: si una ficha no especifica material, dimensiones, ajuste, capacidad, compatibilidad, condiciones de entrega u otro atributo relevante para tomar una decisión, un sistema de IA dispone de menos información fiable con la que trabajar.
Las funciones de compra de ChatGPT generan una necesidad similar de disponer de datos de producto limpios. La especificación actual de feeds de productos de OpenAI exige campos básicos como un identificador estable del artículo, título, descripción, URL del producto, marca, nombre del vendedor, imagen, precio y disponibilidad, además de otros campos que permiten aportar un contexto más completo. La incorporación directa mediante feeds se ofrece actualmente a socios aprobados, mientras que los comercios que utilizan Shopify pueden proporcionar los datos de su catálogo a través de la propia integración de Shopify. La consecuencia práctica para quien vende este servicio es sencilla: incluso cuando una tienda no necesita crear una nueva conexión de feed, su catálogo sigue necesitando información precisa, completa y coherente. Un título deficiente o unos datos de variantes incompletos siguen siendo entradas de baja calidad allí donde esa información se utilice.
Por eso, el servicio debe presentarse como una mejora de la claridad de la información de producto, no como una forma de manipular algoritmos. Un comercio comprende perfectamente el coste de una ficha de vestido que no explica el largo, el tejido y el corte, de una ficha de mueble que omite las dimensiones montadas o de una página de electrónica que no aclara la compatibilidad con otros dispositivos. Estas carencias afectan primero a los compradores y después a los sistemas de compra asistida por IA. Este enfoque también resulta comercialmente más seguro, porque ningún profesional responsable puede prometer una inclusión garantizada ni una posición determinada en Google, Gemini o ChatGPT. Lo que sí puede prometer es un trabajo claramente definido: mejorar la información de producto de la que dependen estos sistemas y los clientes, reducir contradicciones entre el sitio y los feeds comerciales y crear un catálogo que sea más fácil de interpretar y mantener.
Qué se optimiza realmente en una ficha de producto
El primer paso consiste en trabajar sobre el contenido visible. El título del producto debe identificar el artículo con precisión sin convertirse en una sucesión de palabras clave repetidas. La primera parte de la descripción debería responder a las cuestiones que determinan si un producto es relevante: qué es, para quién o para qué está pensado, cuál es su material o especificación principal, qué tamaño o capacidad tiene y qué característica lo diferencia de una alternativa similar. Más abajo, las especificaciones deben utilizar nombres y valores estables. Si la tienda vende variantes, cada color, talla, capacidad de almacenamiento o modelo debería describirse de manera coherente. El objetivo no es alargar todas las fichas. El objetivo es eliminar ambigüedades, porque una página concisa con información completa resulta más útil que un texto extenso lleno de lenguaje comercial genérico.
A continuación, conviene comparar la ficha con los datos que se envían a los sistemas de compra. Google recomienda utilizar tanto datos estructurados de producto en la página como un feed de Merchant Center, ya que ambas fuentes pueden ayudarle a comprender y verificar la información del artículo. El precio, la disponibilidad, la marca, los identificadores y los datos de variantes no deberían contradecirse. Google también advierte de que la ausencia o incorrección de campos como GTIN, color, talla e información de agrupación de artículos puede limitar la elegibilidad o provocar problemas de visualización. Para los clientes que utilizan feeds de productos de OpenAI se aplica el mismo principio: títulos, descripciones, precios e información de stock deben mantenerse actualizados. No es necesario vender al cliente un proyecto técnico complejo para conseguir mejoras; con frecuencia, el primer trabajo remunerado consiste simplemente en detectar los puntos donde el catálogo presenta información distinta según la fuente.
Por tanto, el resultado final del servicio puede incluir un título y una descripción reescritos, un conjunto de atributos completado, una norma para nombrar variantes, recomendaciones sobre imágenes, una revisión de coherencia con el feed y un breve conjunto de instrucciones de implementación para el desarrollador o responsable de comercio electrónico del cliente. El lenguaje debe mantenerse factual. Afirmaciones como «el mejor», «premium» o «perfecto» aportan poco valor si el comercio no puede justificarlas. En cambio, datos concretos como «parte superior de nailon reciclado», «altura del asiento de 45 cm», «compatible con USB-C Power Delivery de hasta 65 W» o «lavable a máquina a 30 °C» son mucho más útiles cuando son correctos. Este enfoque también está en línea con las recomendaciones de Google sobre contenido centrado en las personas: la ficha debe ayudar al comprador a tomar una decisión, no existir únicamente para posicionarse por una determinada consulta.
Cómo convertir este trabajo en un servicio que los clientes puedan contratar
Un cliente suele estar más dispuesto a contratar un trabajo con límites claros que una promesa abierta de «optimización para IA». Conviene estructurar el servicio en función del tamaño del catálogo y de un resultado claramente visible. Una oferta inicial razonable puede consistir en una auditoría de fichas de producto y feeds para diez artículos prioritarios, seguida de un plan de acciones y una ficha completamente optimizada como ejemplo. El siguiente nivel puede abarcar entre 25 y 100 productos mediante una plantilla de contenido común, reglas para atributos y controles de calidad. Un servicio continuado puede cubrir nuevos productos, actualizaciones estacionales, errores de feed y revisiones periódicas. Este enfoque hace que el trabajo resulte comprensible para un pequeño comercio y evita tener que calcular cada presupuesto desde cero.
Para un profesional independiente que está formando su cartera de clientes, una estructura inicial viable podría situarse aproximadamente entre 150 y 300 libras por una auditoría específica, entre 350 y 700 libras por una optimización de diez productos y entre 1.200 y 2.500 libras por un lote de 50 productos cuando las fichas comparten un formato repetible. Se trata de precios orientativos de partida, no de medias del mercado, y el importe real debería cambiar en función de las necesidades de investigación, los idiomas, el número de variantes, la calidad del feed y la cantidad de trabajo de implementación que se espera que realice el especialista. Un catálogo de accesorios sencillos para el hogar no supone el mismo esfuerzo que 50 productos técnicos con múltiples reglas de compatibilidad. Es preferible presupuestar según el alcance, el número de familias de productos y los resultados que se entregarán, y no según la cantidad de palabras.
El paquete debe ser fácil de entender antes de que el cliente pague. Conviene especificar exactamente qué incluye: por ejemplo, una auditoría inicial, textos de producto revisados, identificación de atributos ausentes, comprobación de coherencia del feed, recomendaciones sobre imágenes y variantes, una ronda de revisiones y un registro final de cambios. Google hizo que Merchant Center for Agencies estuviera disponible de forma general en todo el mundo en mayo de 2026, ofreciendo a agencias y proveedores de servicios una forma centralizada de incorporar y gestionar varias cuentas de Merchant Center. Esto puede facilitar una organización más profesional a medida que crece el negocio, pero no debería convertirse en el centro del argumento comercial. El cliente paga por disponer de información de producto más limpia y menos problemas en el catálogo, no por acceder a una determinada interfaz administrativa.
Cómo conseguir los primeros clientes sin utilizar promesas imprecisas
La prospección funciona mejor cuando se eligen tiendas en las que la información de producto influye directamente en la decisión de compra. Moda, calzado, mobiliario, artículos para el hogar, belleza, material deportivo, electrónica de consumo, herramientas y accesorios especializados son buenos ejemplos, ya que los compradores suelen comparar varios atributos antes de decidirse. Conviene buscar comercios con títulos inconsistentes, descripciones escasas, dimensiones ausentes, materiales poco claros, nombres de variantes deficientes o productos similares que utilizan terminología distinta. No resulta recomendable enviar un mensaje genérico sobre «visibilidad en IA». Es mejor seleccionar dos o tres productos reales e identificar información concreta que falte, resulte contradictoria o sea difícil de localizar. De este modo, el posible cliente puede comprobar que se ha revisado realmente su catálogo y que no se trata de un envío masivo.
Una pequeña auditoría de muestra suele ser un recurso comercial más eficaz que una presentación extensa. Puede mostrarse el título actual, explicar uno o dos problemas y proporcionar una versión mejorada. Después, es posible señalar datos ausentes que podrían resultar útiles tanto para los compradores como para los sistemas que procesan información estructurada de productos, como talla, material, compatibilidad, rango de edad, cantidad por paquete, consumo energético o instrucciones de cuidado. También se puede señalar una discrepancia entre la ficha y el feed comercial si el cliente proporciona acceso. La muestra debe mantenerse lo suficientemente limitada como para no realizar gratuitamente todo el proyecto. Su objetivo es demostrar criterio profesional, no entregar un catálogo terminado antes de que exista un contrato.
Durante la primera conversación con el cliente, conviene hacer preguntas operativas que conduzcan de forma natural hacia un trabajo remunerado. ¿Cómo se añaden los nuevos productos? ¿Quién escribe las descripciones? ¿Se copian los textos de los proveedores sin modificaciones? ¿Con qué frecuencia cambian los precios y el stock? ¿Recibe el equipo avisos de Merchant Center o rechazos de productos? ¿Los nombres de las variantes son coherentes? ¿Puede el cliente consultar el informe de rendimiento de IA de Google en Merchant Center o, al menos, los informes habituales de rendimiento de productos y merchant listings en Search Console? Estas preguntas ayudan a diferenciar un problema de contenido de un problema de mantenimiento de datos. También evitan prometer resultados que no pueden controlarse. La propuesta puede centrarse entonces en los problemas realmente detectados, en lugar de repetir terminología de moda.
Cómo prestar el servicio y demostrar su valor
Todo proyecto debería comenzar con una referencia inicial. Conviene guardar ejemplos de las fichas actuales, registrar los atributos que faltan con mayor frecuencia, anotar los avisos del feed proporcionados por el cliente y recopilar los datos de rendimiento disponibles antes de realizar cambios. En Google Search Console, los informes de merchant listings y fragmentos de producto pueden mostrar problemas relacionados con los datos estructurados. En Merchant Center, los diagnósticos y los informes de rendimiento pueden revelar problemas de calidad de datos, mientras que determinadas cuentas de Australia, Canadá, India, Nueva Zelanda y Estados Unidos pueden utilizar actualmente informes de rendimiento de IA para consultas comerciales en inglés. El objetivo de establecer esta referencia no es crear un informe llamativo. Sirve para que los cambios posteriores puedan medirse y para evitar que ambas partes tengan que depender de recuerdos imprecisos.
Después, el trabajo debe realizarse en un lote controlado. Primero se mejora un pequeño grupo de productos, se comprueba cómo funciona la nueva plantilla tanto en ordenador como en dispositivos móviles, se confirma que los datos importantes sean visibles para los compradores y se verifica que la ficha, el feed y los datos estructurados coincidan en aspectos fundamentales como precio, disponibilidad, marca e identidad de las variantes. Una vez que el cliente aprueba el modelo, puede aplicarse al resto del catálogo. La medición debería incluir algo más que tráfico. Es útil controlar los productos válidos, avisos del feed, impresiones y clics cuando estén disponibles, tasa de conversión de los productos modificados y devoluciones o consultas al servicio de atención al cliente cuando el comercio pueda proporcionar esos datos. Para las cuentas de Google compatibles, la cuota de visibilidad en IA, los términos de producto y los informes sobre atributos pueden añadir otra capa útil de información, pero no deberían sustituir a los indicadores comerciales habituales.
Un servicio de mantenimiento resulta más fácil de justificar porque los datos de producto cambian constantemente. El stock se agota, los precios se modifican, aparecen nuevas variantes, cambian las condiciones de entrega y se incorporan nuevos campos a las especificaciones comerciales. La actualización de Merchant Center de 2026, por ejemplo, añadió campos de entrega a nivel de producto, incluidos la hora límite de preparación y el valor mínimo del pedido, además de nuevas etiquetas de entrega relacionadas con programas de fidelización. OpenAI recomienda mantener actualizados los feeds directos de productos y, en sus recomendaciones para la entrega de archivos, aconseja enviar al menos una instantánea completa diaria cuando la integración lo admita. Por tanto, un servicio mensual o trimestral puede incluir comprobaciones parciales del catálogo, plantillas para nuevos productos, revisión de incidencias del feed y actualización de normas de atributos. Se trata de un trabajo operativo recurrente con un objetivo concreto, no de una cuota periódica sin una función definida.
Un flujo de trabajo repetible desde casa que pueda crecer
El servicio puede gestionarse mediante un proceso sencillo: recopilar accesos y una exportación de productos, auditar una muestra representativa, crear una plantilla de contenido y atributos, mejorar un lote piloto, obtener la aprobación del cliente y después aplicar el modelo aprobado a mayor escala. Una hoja de cálculo suele ser suficiente para controlar el proyecto, con columnas para la URL del producto, título anterior, título nuevo, atributos clave, información ausente, conflictos del feed, estado y comentarios del cliente. También conviene mantener una hoja separada con reglas para convenciones de nombres y redacción de atributos, de modo que no sea necesario tomar las mismas decisiones una y otra vez. Esto resulta especialmente útil cuando varias personas participan en la gestión del catálogo o cuando el comercio dispone de cientos de variantes similares.
El control de calidad es más importante que la velocidad. Antes de entregar el trabajo, cada ficha modificada debe leerse desde la perspectiva de un comprador y no únicamente desde la de un especialista en SEO. Hay que comprobar que las afirmaciones puedan justificarse, que las medidas utilicen unidades coherentes, que las variantes se diferencien claramente, que la información esencial no quede oculta tras textos imprecisos y que las descripciones copiadas de proveedores se hayan reescrito cuando sea necesario. Después conviene realizar una segunda revisión centrada en la coherencia de los datos: un mismo producto no debería aparecer disponible en la ficha y agotado en el feed, ni cambiar de color, talla o precio entre distintas fuentes sin una razón válida. Este control en dos etapas es fácil de explicar a los clientes y puede convertirse en parte del estándar habitual del servicio.
Tras completar varios proyectos, conviene especializar la oferta en aquellos tipos de catálogo en los que sea posible demostrar resultados repetibles. Un profesional que comprenda bien las tallas de ropa, las especificaciones de muebles o la compatibilidad de productos electrónicos puede ofrecer un trabajo de mayor calidad y preparar presupuestos con más confianza que alguien que acepta cualquier categoría. Los casos prácticos deberían centrarse en el problema inicial, los cambios realizados y el resultado medible, dejando claro al mismo tiempo el efecto de otros factores como publicidad, estacionalidad y promociones. A partir de ahí, el negocio puede crecer mediante lotes de productos más grandes, trabajos de catálogo multilingüe, mantenimiento continuo de feeds y recomendaciones de desarrolladores de comercio electrónico o especialistas en publicidad de pago. El servicio conserva su utilidad porque su valor esencial es sencillo: una información de producto mejor ayuda a las personas a tomar decisiones y proporciona datos más claros a los sistemas de compra asistida por IA.