Cuánto de tu ficha de producto lee realmente la IA: medimos 10 fichas peruanas y salió 53%

Medimos las 10 fichas de producto de dos tiendas peruanas contra 15 criterios que los motores de IA leen antes de recomendar un producto. Resultado: 53%. Casi la mitad de lo que una máquina necesita saber para comparar esos productos, sencillamente no está publicado en un formato que pueda leer.

Lo llamativo no es la nota. Es que las diez fichas sacaron exactamente la misma, en dos tiendas distintas, con plantillas distintas y productos distintos. Y los siete campos que faltaban eran los mismos siete en todas. Eso cambia por completo dónde está el problema — y cuánto cuesta arreglarlo.

¿Qué significa que una ficha de producto sea "legible por máquina"?

Cuando una persona entra a tu página de producto, lee. Ve la foto, el precio, la descripción, y decide. Cuando entra un motor de IA —el que responde en ChatGPT, el que arma las AI Overviews de Google, el asistente de compra que compara tres tiendas por ti— no lee: extrae campos.

Esos campos viajan en un bloque de datos estructurados que va dentro del HTML y que el visitante nunca ve. Si el dato está escrito con letra bonita dentro de la descripción pero no está en el campo correspondiente, para la máquina no existe. Es la misma lógica que ya explicamos en comercio agéntico en Perú: el agente no mira tu web renderizada, mira tu catálogo.

¿Qué se midió exactamente?

Quince criterios, todos comprobables desde fuera y sin acceso al panel de la tienda. Se dividen en tres grupos:

• Identidad del producto (5): bloque de producto estructurado, marca, imagen, descripción y código de referencia propio.
• Datos de compra (5): precio, moneda, disponibilidad, estado del artículo y código de barras o identificador estándar.
• Contexto de decisión (5): material, valoraciones, condiciones de envío, política de devolución y etiquetas de clasificación.

La muestra: 10 productos de dos tiendas peruanas de accesorios que gestionamos, ambas sobre Shopify, con temas y catálogos distintos. Auditoría de solo lectura, hecha el 17 de agosto de 2026.

¿Cuál fue el resultado, criterio por criterio?

Puntuación media: 53,3%. Ocho criterios al 100% y siete al 0%. No hay término medio: cada campo o está en las diez fichas o no está en ninguna.

¿Por qué las diez fichas sacaron la misma nota?

Porque no es un problema de las fichas: es un problema de la plantilla. Los campos que faltan no los escribe el comerciante ficha por ficha — los emite (o no) el tema de la tienda, igual para todos los productos.

Esa es la parte buena del hallazgo. Si cada ficha fallara en cosas distintas, arreglarlo sería un trabajo de catálogo: diez productos, diez revisiones, y otra vez desde cero cuando entren veinte productos nuevos. Al ser de plantilla, es un arreglo y afecta a todo el catálogo presente y futuro.

Y ojo con la conclusión inversa, que es la que más nos interesó: ninguna de las dos tiendas hizo nada mal. Las descripciones dicen el material. Dicen que hay 30 días de devolución. Dicen cómo funciona el envío contra entrega. Está todo escrito. Simplemente está escrito en prosa, y la prosa no es un campo.

¿Qué campos faltan y por qué importan?

• Identificadores (referencia propia y código estándar). Son la forma en que un asistente distingue tu producto del de otra tienda y sabe que dos resultados son el mismo artículo. Sin ellos, tu producto entra en la comparación como algo suelto que no se puede cruzar con nada.
• Material. Cuando alguien pregunta por algo hipoalergénico, apto para piel sensible o que no se oxide, ese es el campo que filtra. Estaba escrito en las diez descripciones y en cero campos.
• Envío y devolución. En Perú son el argumento de venta, no la letra pequeña: contra entrega y garantía de cambio resuelven la desconfianza que frena la compra online. Fuera del campo, no entran en la comparación.
• Valoraciones. El único de los siete que no se arregla con código: requiere reseñas reales. Es el que más tarda y el que más pesa.
• Estado del artículo. Trivial de declarar, y sin embargo es una de las señales que algunos motores usan para decidir si el resultado es fiable.

¿Cómo compruebo mi propia tienda?

Esta medición no depende de ninguna herramienta de pago ni de acceso al panel. Puedes reproducirla entera en tu dominio con dos comprobaciones:

1. Abre tu página de producto y mira el código fuente. Busca los bloques marcados como datos estructurados en formato JSON. Ahí está literalmente todo lo que un motor de IA sabe de tu producto.
2. Compara ese bloque con la lista de quince criterios de arriba. Cuenta cuántos aparecen. Ese número dividido entre quince es tu nota.

Si tu tienda es Shopify, hay un atajo aún más rápido: añade /products.json al final de tu dominio. Lo que devuelve esa página es, con bastante aproximación, lo que ve un agente de compra. Si ahí faltan las etiquetas, los códigos o el material, faltan también en la respuesta que la IA le dará a tu cliente.

¿Y esto realmente vende algo?

Aquí toca separar lo que medimos nosotros de lo que dicen terceros.

Lo nuestro es el 53%: un dato pequeño, de dos tiendas, que no pretende representar al mercado peruano. Lo que sí aporta es que es reproducible: cualquiera puede correr la misma comprobación en su tienda hoy mismo y obtener su propio número.

Para el contexto de mercado hay que ir a fuentes externas. Adobe publicó en abril de 2026, sobre una base de más de un billón de visitas a sitios de retail en Estados Unidos, que el tráfico procedente de fuentes de IA creció un 393% interanual en el primer trimestre y que ese tráfico convierte un 42% mejor que el que no viene de IA — cuando un año antes convertía peor. En la misma medición, sus promedios de legibilidad por máquina daban 75% para las páginas de inicio, 74% para las de categoría y 66% para las fichas de producto.

Dos advertencias honestas sobre esas cifras: son de mercado estadounidense, y son de un proveedor que vende herramientas en esa categoría. Sirven para entender la dirección, no para justificar un presupuesto. Lo que sí es sólido es la lectura combinada: la ficha de producto es la página menos legible del sitio, justo cuando es la que más importa en la compra asistida por IA.

¿Por dónde se empieza?

Por orden de esfuerzo contra retorno, y esto aplica a cualquier tienda:

1. Los identificadores. Es rellenar un campo por producto y desbloquea la comparación. Media hora en un catálogo pequeño.
2. Envío, devolución y estado del artículo. Son tres valores fijos para toda la tienda. Se declaran una vez en la plantilla.
3. Material y atributos. Requieren decidir un vocabulario y aplicarlo con consistencia, que es donde la mayoría se dispersa.
4. Valoraciones. Lo más lento. Se empieza hoy porque tarda meses.

Ninguno de los cuatro es un rediseño. Los tres primeros son trabajo técnico de plantilla, y su efecto se nota en todo el catálogo a la vez.

Preguntas frecuentes

¿Qué es la legibilidad por máquina de una ficha de producto? Es cuánta información de tu producto está publicada en campos estructurados que un motor de IA puede extraer, frente a la que solo está escrita en prosa dentro de la descripción. Lo segundo no cuenta para la comparación automática.

¿Cómo mido la legibilidad por máquina de mi tienda? Abriendo el código fuente de una página de producto y contando cuántos de los quince criterios aparecen en su bloque de datos estructurados. En Shopify, añadir /products.json al dominio da una aproximación rápida.

¿Tener el dato en la descripción no es suficiente? No para una máquina. La descripción se usa como texto de apoyo, pero los filtros y las comparaciones se hacen sobre campos. Un material escrito en un párrafo no filtra.

¿Esto es lo mismo que SEO? Es una parte del SEO técnico, no una disciplina aparte. Google lo dijo explícitamente en 2026: optimizar para las funciones generativas de búsqueda sigue siendo SEO. Lo que cambia es qué parte de la página pesa más.

¿Sirve si mi tienda no está en Shopify? Sí. Los quince criterios son de estándar abierto, no de plataforma. Cambia dónde se configura, no qué hay que publicar.

¿Cuánto tarda en notarse? Los identificadores y los datos de envío se reflejan en cuanto el motor vuelve a rastrear la ficha. Las valoraciones tardan meses porque dependen de clientes reales.

Si quieres el número de tu tienda antes de tocar nada, en Auras hacemos esta misma auditoría como parte del posicionamiento en motores de IA y de la auditoría SEO. Es medición, no promesa: te decimos qué falta y cuánto cuesta ponerlo.