Adobe rastrea más de un trillón de visitas a sitios retail en Estados Unidos. Durante la temporada de compras 2025, el tráfico referido por AI saltó 693% año contra año.
Más importante que el volumen es el hecho que el comportamiento de conversión cambió completamente. En enero 2025, visitantes que llegaban desde ChatGPT convertían 49% peor que otras fuentes. Para octubre, convertían 16% mejor. En temporada de compras, el tráfico desde AI convertía 31% mejor que fuentes tradicionales.
La gente dejó de usar ChatGPT para research y empezó a usarlo para comprar directamente.
Salesforce reporta que AI influyó en 17% de las órdenes durante Thanksgiving weekend 2025. Eso son $13.5 mil millones en ventas. De cero a 17% de todas las órdenes holiday en un año.
Si tu estrategia de ecommerce sigue optimizando solo para Google, estás ignorando un canal que ya está generando conversiones superiores.
Microsoft lanzó Copilot Checkout. Google lanzó Universal Commerce Protocol. OpenAI agregó checkout nativo en ChatGPT.
La infraestructura de pago funciona. Si alguien encuentra tu producto en un AI agent, puede completar la compra sin salir del chat. Eso ya está resuelto.
Lo que no está resuelto es cómo el agente decide recomendarte en primer lugar.
Estar integrado con Shopify o tener checkout habilitado es table stakes. Te asegura que no quedas excluido. Pero no genera discovery. Y discovery es donde se gana o se pierde.
El SEO tradicional para ecommerce no desapareció. Sigue siendo crítico.
URLs descriptivas, meta titles únicos, descripciones keyword-rich, imágenes comprimidas con alt text. Esto sigue siendo base.
Categorías organizadas lógicamente, breadcrumbs, internal linking que conecta productos relacionados. Google y usuarios necesitan entender tu jerarquía.
Product schema con precio, disponibilidad, SKU, reviews. FAQ schema para preguntas comunes. Review schema para ratings. Google usa esto para rich results.
Velocidad de carga, responsividad, estabilidad visual. Sitios lentos pierden tanto en SEO como en conversión.
Guías de compra, comparaciones, how-tos. Capturan intención de búsqueda en etapa temprana del funnel.
Todo esto sigue funcionando. Pero si te quedas solo aquí estás perdiendo espacio en búsquedas de AI y feeds de producto de Google.
Los LLMs no rastrean tu sitio como Googlebot. No siguen enlaces. No calculan PageRank.
Extraen información de fuentes estructuradas, priorizan external validation, y construyen recomendaciones basadas en datos semánticos.
Y la verdad es que, si bien Google sigue crawleando su sitio buscando los componentes de siempre, cada vez está priorizando más la información estructurada.
Google tiene Merchant Center. ChatGPT tiene su propio merchant program donde subes feeds en JSON, CSV, TSV, o XML.
La calidad del feed determina si apareces. Google Shopping ya penalizaba feeds con información faltante o incorrecta. Ahora ChatGPT hace lo mismo.
Atributos críticos:
Google agregó docenas de atributos nuevos en Merchant Center diseñados específicamente para conversational commerce. Respuestas a preguntas comunes de productos, descripciones de casos de uso, detalles de materiales formateados para extracción.
Si tu feed solo tiene lo mínimo, estás compitiendo en desventaja.
Actualización en tiempo real
Los agentes verifican disponibilidad y precio en tiempo real. Si tu feed muestra stock disponible pero el producto está out of stock, el agente pasa al siguiente sin avisarle al usuario que exististe.
Un humano podría hacer clic y descubrir que no hay stock. Un agente simplemente te elimina del set de candidatos.
Schema markup no es nuevo, pero ahora es más crítico.
Los LLMs necesitan parsear información rápido. Si tus specs están enterradas en párrafos de marketing o formateados inconsistentemente, el agente puede no extraerlas o interpretarlas mal.
Alguien pregunta: "maleta de cabina que pese menos de 4 libras"
Si el peso está en una tabla de specs estructurada, el agente lo extrae. Si está en una frase como "increíblemente ligera con solo 3.8 libras", el agente tiene que parsear lenguaje natural y podría no capturarlo cuando compara contra competidores.
Schema esencial:
Esto ayudaba con Google rich results. Ahora también ayuda a que ChatGPT entienda tu producto.
La gente no le habla a ChatGPT como googlea.
Google: "silla ergonómica oficina"
ChatGPT: "necesito una silla de escritorio para alguien de 1.90m con dolor lumbar crónico, presupuesto máximo $400"
Tu descripción necesita responder ese tipo de consulta.
Mal: "Silla premium con diseño moderno y acabados de alta calidad" El agente no tiene información útil.
Bien: "Diseño ergonómico con soporte lumbar ajustable, capacidad de peso 136kg, rango de altura ajustable 46-56cm, respaldo de malla transpirable" El agente puede mapear esto a la consulta específica del usuario.
Qué incluir en product copy:
Esto no reemplaza keyword optimization para Google. Es adicional. Pero sin esto, ChatGPT no puede recomendarte cuando alguien pregunta de forma conversacional.
Los agentes no solo rastrean tus product pages. Consultan toda la web y pesan ciertas fuentes más que otras.
Un producto revisado en Wirecutter o listado en una guía de compra de un medio establecido tiene más autoridad que el mismo producto descrito solo en tu sitio.
Cuando un agente necesita recomendar "el mejor blender económico", busca fuentes que considera creíbles. Si solo existes en tu propio sitio, no tienes external validation.
Dónde necesitas estar:
Esto no es nuevo. Siempre fue importante para SEO. Pero en agentic commerce importa más porque los agentes explícitamente buscan recomendaciones, no solo resultados de búsqueda.
Pitch activamente a sitios de review y comparison. No esperes a que te descubran.
Casi cada demo de AI shopping muestra agentes incorporando review sentiment en recomendaciones.
"Aquí hay tres opciones muy bien calificadas dentro de tu presupuesto"
Review volume y ratings no son solo social proof para humanos. Son ranking signals para agentes.
Un producto con 500 reviews a 4.5 estrellas se pesa diferente que uno con 12 reviews a 4.2 estrellas.
Esto crea un cold start problem para productos nuevos. Pero es la realidad. Los agentes usan review data como proxy de quality.
Si no tienes reviews, empieza a conseguirlos. Programas de early access, follow-up emails post-compra, incentivos para dejar reviews. El volumen importa.
Las plataformas no han revelado qué determina ranking dentro de recomendaciones.
Cuando un agente muestra tres opciones, ¿qué hace que una rankee primera vs. tercera? No sabemos.
¿Hay oportunidades de paid placement? Google está probando Direct Offers en AI Mode donde advertisers pueden mostrar descuentos exclusivos. Pero el modelo no está claro.
¿Cuánto importa brand recognition? ¿Un agente recomienda Nike sobre una marca pequeña puramente por autoridad, o evalúa productos objetivamente? Desconocido.
¿Cuál es el balance entre precio, calidad, disponibilidad, y autoridad en el algoritmo de ranking? Ni idea.
Esto se está definiendo en tiempo real.
No esperes guidance oficial. Enfócate en lo que funciona independientemente de cómo evolucionen las plataformas.
Asegúrate de que esté completo, preciso, e incluya los nuevos atributos conversacionales que Google agregó. Este es el camino más directo para aparecer en experiencias AI de Google.
Product, FAQ, Review, HowTo schemas dan a los agentes datos estructurados para extraer.
Pitch a review sites, comparison platforms, y publicaciones en tu categoría. External validation importa para recomendaciones de agentes.
Asegúrate de que alguien preguntando por use cases, constraints, o problemas específicos pueda encontrar la respuesta en tu copy.
Si tus feeds muestran disponibilidad incorrecta o precios desactualizados, quedas filtrado antes de que alguien te vea.
eMarketer proyecta que plataformas AI representarán 1.5% del total de ecommerce sales en 2026, aproximadamente $20.9 mil millones. Es casi cuádruple vs. 2025, pero sigue siendo pequeño.
Los canales tradicionales, Google, Amazon, paid search, organic, social, todavía generan la vasta mayoría de discovery.
Los merchants que ganan en AI generalmente son los que ya están ganando en canales tradicionales, porque los agentes están extrayendo de los mismos datos subyacentes.
Esto no es un canal separado que requiere estrategia completamente nueva. Es una nueva interfaz sobre la misma información de producto y señales de autoridad que ya existían.
McKinsey estima que agentic commerce podría redirigir $3-5 trillones en retail spend para 2030. La trayectoria es real. Pero seguimos en fase de infraestructura. Los mechanics de checkout funcionan. La lógica de discovery y ranking se está construyendo en tiempo real.
Mantén los fundamentals correctos, datos limpios, external validation, inventory preciso, product descriptions conversacionales, y estarás posicionado para lo que venga.
.png){kind=small}
Consultoría SEO personalizada para escalar tráfico, posicionar tu marca, aumentar el revenue y dominar el mindshare en Google y modelos de IA como ChatGPT.
%402x.svg){kind=icon}
