¿Qué debe incluir una auditoría de visibilidad en IA de tu tienda online?

Una auditoría debe indicar dónde conviene concentrar el siguiente esfuerzo y mostrar las pruebas que justifican esa elección. Una tienda puede necesitar corregir un registro de producto, explicar una restricción de entrega, mejorar una página importante de una colección o investigar por qué aparecen competidores para una compra concreta. Una puntuación sin las observaciones que la sustentan no permite al propietario saber cuál de esas tareas merece la pena.

Tomemos como ejemplo una joyería que vende piezas terminadas por internet y recibe consultas para hacer anillos a medida. Su propietario quiere atraer compradores adecuados y solicitudes de consulta. Este ejemplo muestra cómo documentar los hallazgos y elegir las correcciones.

Para esa tienda, un alcance razonable definiría el mercado, el idioma, las colecciones y los servicios pertinentes, y separaría la búsqueda de productos de las recomendaciones locales o de trabajos a medida. También indicaría qué servicios e interfaces de IA se comprobaron. Las pruebas por API, en la web de ChatGPT y en la interfaz de usuario de otro asistente deben identificarse por separado, sin agruparlas en un informe titulado «visibilidad en ChatGPT».

Antes de aprobar el trabajo, acuerda qué recibirás: observaciones, lista de preguntas, URL de las fuentes, hallazgos ordenados por prioridad y una explicación de lo que no se revisó. Una auditoría basada en una muestra debe identificar los productos y páginas seleccionados. No debe dar a entender que se inspeccionó todo el catálogo por haber revisado unas cuantas páginas representativas.

Cada hallazgo necesita contexto suficiente para que otra persona pueda examinarlo. Guarda la pregunta exacta, la respuesta completa y las fuentes que la acompañan. Registra cuándo y dónde se hizo la prueba, el idioma, el nombre del modelo o modo que aparecía, si se utilizó búsqueda y los ajustes de cuenta o ubicación pertinentes. Abre una conversación nueva para cada prueba independiente y explica cómo se limitó la personalización.

Siempre que sea posible, usa preguntas basadas en necesidades reales de los clientes. Separa las que nombran la tienda de las que podrían darla a conocer a un comprador nuevo. «¿Esta tienda ajusta la talla de los anillos?» comprueba información sobre un comercio conocido. «¿Dónde puedo encargar un anillo de mi talla?» comprueba si es posible descubrirlo. Mezclar los resultados puede hacer que una marca conocida parezca más fácil de descubrir de lo que demuestran las pruebas.

Repite las comprobaciones principales y conserva los intentos fallidos en el registro. Si una respuesta se bloqueó, falló o no utilizó búsqueda, indícalo. No sustituyas una pregunta difícil por otra más fácil sin dejar constancia. Si no está disponible el nombre del modelo, dilo: inventar un número de versión hace que el informe parezca más preciso, pero también menos fiable.

Un hallazgo útil separa el problema observado de su posible explicación. Supongamos que una oferta presenta la montura de un anillo como si el precio incluyera la piedra central. El problema comercial inmediato está claro: el comprador puede llegar con un presupuesto equivocado. La causa aún no lo está. Antes de responsabilizar al servicio de IA, el auditor debe comparar la fuente de la respuesta, la página visible, el registro del producto y cualquier feed suministrado.

Si el título y la descripción de la tienda sugieren que la piedra está incluida y la exclusión queda escondida en una nota, corrige esa información. Si la web es clara, pero un catálogo conectado conserva la descripción antigua, investiga el registro y cómo se actualiza. Si la información engañosa procede de otra tienda o de un artículo externo antiguo, documenta esa fuente. Cada posibilidad requiere una actuación distinta.

Ahora supongamos que la tienda no aparece en una respuesta sobre anillos a medida. La ausencia, por sí sola, no demuestra que la web esté bloqueada, que el texto sea deficiente o que el asistente desconfíe de la marca. Comprueba qué apareció en su lugar, si las fuentes trataban el mismo servicio y la misma ubicación, y si la tienda tiene una página pública que responda a esa necesidad. El informe debe reflejar la incertidumbre hasta que haya pruebas para acotar las causas.

En las comprobaciones de acceso, OpenAI identifica OAI-SearchBot como su rastreador de búsqueda y trata por separado el acceso para entrenamiento. El auditor debe registrar qué comprobó realmente, incluidas las restricciones del alojamiento web. Poder descargar una página demuestra acceso en esas condiciones; no demuestra una recomendación ni que un asistente concreto haya consultado la página.

Prioriza las correcciones por su efecto en el cliente y por la solidez del diagnóstico. Identificar mal un producto o dar información incorrecta sobre el precio o la entrega merece atención antes que un programa de publicaciones de utilidad incierta. Una página que no explica bien un servicio puede necesitar una revisión breve. Una campaña propuesta para conseguir menciones externas necesita justificar mejor a qué público y a qué fuentes llegaría.

La tabla siguiente muestra cómo convertir los hallazgos de la auditoría en tareas. Observa que terminar una corrección y comprobar respuestas posteriores de IA son pasos distintos. Tu equipo puede verificar que la montura esté bien identificada en la web. No puede afirmar que todas las respuestas de IA hayan cambiado solo porque se actualizó el contenido.

Presenta las observaciones por separado antes de calcular porcentajes. Una mención de marca significa que se nombra al negocio. Una cita es un enlace a una fuente. Una oferta de producto identifica un producto y un vendedor en la interfaz de compras. Ninguna de esas observaciones equivale por sí sola a una visita o una venta registrada. Define qué cuenta cada métrica e indica su denominador.

En pruebas repetidas, distingue el número de preguntas del número de respuestas completadas. Indica cuántas preguntas produjeron al menos una cita y, por separado, cuántas respuestas contenían una cita. Son medidas que pueden diferir. Mantén visibles los fallos junto a la muestra completada. Presenta los recuentos antes que los porcentajes para que un pequeño cambio no quede oculto tras un crecimiento relativo aparentemente grande.

Una auditoría también puede registrar la exactitud de los datos: si se nombró el artículo correcto, si se identificó bien al vendedor y si el precio, la disponibilidad o las afirmaciones sobre el servicio coincidían con la fuente consultada en ese momento. Cuando cambien las existencias y los precios, conserva la fecha y la hora. Comparar una captura con el catálogo de hoy puede no demostrar qué era cierto cuando se generó la respuesta.

Añade resultados comerciales procedentes de la analítica y de las consultas cuando estén disponibles. Señala los límites de su atribución. Google explica que el tráfico de sus funciones de búsqueda con IA se incluye en los informes de rendimiento de tipo Web de Search Console; por tanto, una variación global del tráfico de Google no puede atribuirse por sí sola exclusivamente a la IA. Del mismo modo, una visita a la página de inicio atribuida a ChatGPT no revela el prompt exacto del visitante ni demuestra qué artículo causó la recomendación.

Pide las observaciones fechadas que respaldan cualquier comparación de antes y después. Los cambios en las preguntas de prueba, la interfaz o los servicios ofrecidos pueden explicar una diferencia. Un informe puede mostrar que la visibilidad varió durante un periodo de trabajo sin demostrar que una modificación concreta del contenido causara ese cambio.

Pide ver un informe de muestra antes de hablar de la puntuación que podría arrojar la auditoría. Debes entender su alcance, de dónde salen las preguntas de los clientes, cómo se comprueba el acceso y qué tareas recibirá tu equipo después. Acuerda quién puede hacer cambios y qué pruebas conservarás si decides trabajar con otro proveedor.

Si se incluye trabajo con feeds de productos, pregunta si el proveedor revisará una conexión existente o creará otra. Según la comprobación del 20 de septiembre de 2026, el acceso directo al programa de feeds de productos de OpenAI está limitado a socios aprobados. La propuesta debe explicar los requisitos de acceso y las responsabilidades de cada parte; «enviaremos tus productos» resulta insuficiente cuando hace falta aprobación o intervienen los acuerdos de otra plataforma.

Nuestra auditoría gratuita de visibilidad en IA abarca diez prompts en un idioma, respuestas actuales, acceso de rastreadores y propuestas concretas de corrección. Es una investigación inicial. No supone revisar todos los artículos de una tienda ni realizar un estudio completo de atribución comercial. Un trabajo más amplio necesita un alcance acordado para categorías, mercados, comprobaciones repetidas e implementación.

Usa la muestra para valorar el razonamiento. ¿La corrección propuesta aborda un problema demostrado? ¿Hay un responsable y una forma de comprobarla? ¿Puedes distinguir lo que se encontró de lo que sospecha el proveedor? Esas respuestas hacen útil una auditoría incluso cuando la primera conclusión es corregir una pequeña parte de la tienda antes de encargar más contenido.