Las 5 preguntas que un agente de IA le hace a tu tienda antes de recomendarla: se las hicimos a una tienda peruana y su propia web se contradijo en 1 de 5

Antes de recomendar una tienda, un agente de IA busca cinco datos que tienen una sola respuesta correcta: cuánto cuesta el producto, cuánto cuesta y cuánto demora el envío, qué pasa si algo llega mal, qué medidas tiene la pieza y cómo se paga. Le hicimos esas cinco preguntas a una tienda online peruana que gestionamos —no a la IA todavía: a su propia web, página por página— y el resultado fue que una de las cinco tenía dos respuestas distintas dentro del mismo sitio, otra estaba a medias, y de paso aparecieron tres cosas que ningún dueño de tienda había visto: el título de cada página repetía el nombre de la tienda dos veces y se cortaba en Google, un correo de contacto falso en el pie de página y un bloque de cifras que ningún dato respalda. Nada de eso se ve navegando. Todo lo lee una máquina.

¿Por qué importa lo que la IA dice de tu tienda?

Porque cada vez más compras empiezan en una conversación y no en una lista de enlaces. Y cuando un asistente recomienda una tienda, lo hace con datos: "cuesta tanto, llega en tantos días, aceptan Yape". Si el comprador entra y encuentra otra cosa, la venta se cae — y la culpa no es del asistente.

Los números que tenemos de esto son de otros mercados, y hay que decirlo: Contentsquare encuestó en septiembre de 2026 a 2.000 consumidores de Estados Unidos y Francia que llegaron a una web recomendada por una IA. El 21% dijo que el asistente le había dado información distinta de la que luego encontró en la web (precio, envío, devoluciones); cuando la web decepciona, el 23% se va a un competidor y el 16% abandona la compra. Otro estudio, de Empirank (agosto de 2026), revisó 182 negocios recomendados por ChatGPT y encontró al menos una afirmación contradicha por la web en el 11%. Y Shopify dijo en una conferencia de inversores el 10 de septiembre que el tráfico que le llega a sus comerciantes desde asistentes de IA convierte "alrededor de un 80% más" que el promedio — cifra del proveedor, sin metodología publicada, pero indica hacia dónde mira la plataforma.

La conclusión que sacamos de las tres fuentes es la misma: la consistencia entre lo que la IA dice de ti y lo que tu web muestra tiene mejor evidencia que cualquier truco para "aparecer" en ChatGPT. Y la consistencia empieza en casa: si tu propia web dice dos cosas, la IA va a repetir una de las dos al azar.

¿Cuáles son las cinco preguntas de datos duros?

Elegimos preguntas con una sola respuesta verificable, porque son las que un agente de compra necesita para comparar y las que un cliente comprueba antes de pagar:

1. ¿Cuánto cuesta un producto concreto? (con nombre, no "desde")
2. ¿Cuánto cuesta y cuánto demora el envío en la ciudad y a provincia?
3. ¿Aceptan cambios o devoluciones? ¿Con qué plazo y condiciones?
4. ¿Qué medidas o tallas tiene la pieza? (largo de cadena, talla de anillo, si es regulable)
5. ¿Cómo se paga? ¿Contra entrega, Yape, Plin, tarjeta, transferencia?

Cada pregunta se responde leyendo la web viva —portada, ficha de producto, preguntas frecuentes, política de envíos— y anotando qué dice cada página. Si todas dicen lo mismo, la IA no tiene forma de equivocarse. Si no, ya sabes de dónde va a salir el error.

¿Qué encontramos en la tienda auditada?

Tienda de joyería en Shopify, con envíos a todo el Perú, revisada el 10 de septiembre de 2026 desde cuatro páginas: la portada, la página de preguntas frecuentes y dos fichas de producto. No la nombramos porque el punto no es la tienda: es que ninguno de los hallazgos es exclusivo de ella —son el tipo de cosa que produce cualquier tienda montada sobre una plantilla y editada por varias personas—, y el lector puede buscarlos en la suya en veinte minutos.

Tres de cinco consistentes es una buena nota para una tienda pequeña. Pero el envío es justo el dato que más preguntan los compradores de provincia, y es el que tiene dos versiones: un asistente que lea la portada dirá "Shalom"; el que lea la FAQ dirá "Olva o Shalom". Los dos citan a la tienda. Solo uno tiene razón.

¿Qué apareció además, sin buscarlo?

Al leer las páginas como las lee una máquina —el código, no el diseño— salieron tres cosas que no se ven en el navegador:

• El título de todas las páginas repetía el nombre de la tienda dos veces. La plantilla añade "– Nombre de la tienda" al final de cada título, y los títulos ya terminaban en "| Nombre". Resultado: veintiuna páginas con títulos de 74 a 84 caracteres —Google corta alrededor de los 60— y la marca duplicada justo en el tramo que se ve. Nadie lo notó porque el título no aparece dentro de la página: solo lo ven Google y los asistentes, y lo muestran cortado. Cómo verlo: pulsa Ctrl+U en cualquier página y busca <title>. Se arregló en veinte minutos desde la API, sin tocar una palabra del contenido.
• El pie de página tenía un enlace de correo roto con una dirección de relleno (mailto:mailto:admin@gmail.com), debajo del correo real de la tienda. Un humano ni lo ve. Un agente que extrae "correo de contacto" del código se lleva el falso. Es un resto de la plantilla que nadie borró.
• Un bloque de cifras que ningún campo respalda: una puntuación con cientos de reseñas, un contador de "oferta por tiempo limitado" clavado en cero y un "N personas están viendo esto ahora". Ninguna de esas cifras existe en un dato estructurado ni enlaza a reseñas reales. Un asistente las repetirá como hechos —"esta tienda tiene 4,8 sobre 5"— y el comprador que no las encuentre es exactamente el 21% de Contentsquare. Ya contamos en agosto, con un estudio de HBR y nuestra auditoría de diez fichas, que las señales de urgencia no mueven a un agente de compra; esta es la otra cara: además de no ayudar, pueden convertirse en una afirmación que no puedes sustentar.

¿Cómo se arregla? (en la web, no "optimizando" la IA)

Ninguno de estos problemas se resuelve escribiendo un prompt ni pagando una herramienta de "visibilidad en IA". Se resuelven en la web, y en este orden:

1. Una sola versión de cada dato, en todas las páginas. Decide si el envío a provincia es "Shalom" u "Olva o Shalom" y que la portada, la FAQ y las fichas lo digan igual. Lo mismo con el costo adicional por distrito: si existe, publica la cifra o el rango.
2. Lo que no está publicado, publícalo en texto. Largo de la pulsera, tamaño del dije, talla del anillo. Si la web no lo dice, el asistente lo inventa ("aprox. 18 cm") o responde "no tengo ese dato" — y el competidor que sí lo publica gana la recomendación.
3. Pásalo a campos que la máquina lea sin ambigüedad. En una ficha de producto eso se llama datos estructurados: Offer con precio y moneda, shippingDetails con costo y plazo por región, hasMerchantReturnPolicy con los 30 días, y aggregateRating solo si hay reseñas reales detrás. Son exactamente los campos que faltaban en las diez fichas peruanas que auditamos en agosto: la prosa dice "30 días de garantía"; el campo es lo que el agente compara.
4. Revisa el código, no solo el diseño. Título y descripción de cada ficha (Ctrl+U), el pie de página, los enlaces de contacto. Diez minutos por tienda, una vez al mes o cada vez que alguien edite productos.
5. Quita o sustenta las cifras decorativas. Una puntuación o un contador que no puedes demostrar es una afirmación comercial. En el Perú, INDECOPI puede pedirte que la sustentes; en una respuesta de IA, es un dato que el cliente va a comprobar.

¿Cómo repetir esta auditoría en tu tienda en veinte minutos?

Abre un documento con tres columnas: pregunta · lo que dice cada página · ¿coincide? Para cada una de las cinco preguntas, lee la portada, una ficha, la FAQ y la política de envíos, y copia literalmente lo que dice cada una. Cuando termines, haz dos cosas más: pulsa Ctrl+U en una ficha y busca description; y baja al pie de página y pasa el cursor por cada enlace de contacto. Con eso tienes la tabla que nosotros hicimos.

El paso siguiente —hacerle las mismas cinco preguntas a ChatGPT, Gemini y Perplexity y anotar qué responde cada uno, con fecha— es la segunda mitad de la auditoría, y es la que convierte esto en una lámina del diagnóstico de visibilidad en IA que hacemos para negocios peruanos: lo que la IA dice de ti frente a lo que dice tu web. Pero el orden importa: primero que tu web diga una sola cosa. Después, mide qué repite la IA.

Y un dato para cerrar, del gremio publicitario estadounidense (IAB, septiembre de 2026): el 48% de los anunciantes encuestados dice que en los próximos doce meses va a medir la visibilidad y las citas de su marca dentro de las herramientas de IA. El mercado ya está midiendo esto. La pregunta es si lo que van a encontrar sobre tu tienda es una respuesta o dos.

Preguntas frecuentes

¿Cómo sé lo que ChatGPT o Gemini dicen de mi tienda?

Preguntándoles, en una sesión nueva sin historial: "¿cuánto cuesta [producto] en [tienda]?", "¿cuánto demora el envío de [tienda] a Arequipa?", "¿[tienda] acepta Yape?". Anota la respuesta literal y la fecha, y compárala con tu web campo por campo. No existe todavía un panel oficial que lo haga por ti; el informe de IA de Search Console solo muestra impresiones dentro de Google, no lo que dice ChatGPT.

¿La IA se inventa datos de mi tienda?

Cuando la web no publica el dato, sí puede: rellena el hueco con lo típico de tu categoría o dice que no lo sabe. Cuando la web publica dos versiones, elige una. La forma de evitar los dos casos es la misma: publicar el dato, una sola vez, en texto claro y en un campo estructurado.

¿Qué son los datos estructurados de una ficha de producto?

Un bloque de código (schema.org, en formato JSON-LD) que declara precio, moneda, disponibilidad, envío, política de devolución y reseñas de forma que una máquina los lea sin interpretar prosa. Shopify genera una parte por defecto; envío, devoluciones y valoraciones suelen faltar y hay que añadirlos en la plantilla.

¿Vale la pena poner un contador de "oferta por tiempo limitado"?

Solo si la oferta termina de verdad en ese momento. Un contador fijo es una afirmación comercial que no puedes sustentar, un agente de compra lo ignora (lo mostró la simulación de HBR que comentamos en agosto) y un cliente que lo ve reiniciarse pierde la confianza. Lo que sí mueve a un agente es el precio claro y las reseñas reales.

¿Cada cuánto hay que repetir esta revisión?

Cada vez que alguien edite productos o la plantilla, y como mínimo una vez al mes. El título duplicado llevaba meses en todas las páginas; nadie lo notó porque la página se veía igual.