// guía
¿Qué debe incluir una auditoría de visibilidad en IA de su tienda online?

Autor: Dmitry Filippov, Founder, GET-GEO.AI
Publicado: 2026-09-20 · Actualizado: 2026-10-14
// respuesta breve
Una auditoría de visibilidad en IA de una tienda online registra qué responden los asistentes a las preguntas de los clientes, qué fuentes citan y si los datos de producto son exactos. Propone correcciones concretas, cada una con su responsable y su verificación. Menciones de marca, enlaces y ofertas de compra se cuentan aparte. Abajo incluimos un informe de ejemplo.
- Una auditoría de visibilidad en IA para una tienda online debe conservar cinco campos por hallazgo: pregunta y finalidad, condiciones, respuesta con fuentes, interpretación y acción con su criterio de aceptación.
- Cuente por separado tres observaciones: la mención de marca, la cita y la oferta de compra, cada una con su denominador, según nuestro método de medición; ninguna es una visita ni una venta.
- Separe dos pruebas: «¿Esta tienda ajusta la talla de anillos?» evalúa una marca conocida; «¿Dónde puedo encargar un anillo de mi talla?», el descubrimiento, como en nuestra comprobación manual de visibilidad.
- Revise con lupa las promesas sobre feeds de productos: según nuestra comprobación del 20 de septiembre de 2026, OpenAI solo acepta feeds directos de socios aprobados, así que «enviaremos sus productos» es una promesa incompleta.
- Nuestra auditoría gratuita cubre diez prompts en un idioma, las respuestas actuales, el acceso de los rastreadores y correcciones concretas. Es un primer diagnóstico, no una revisión del catálogo ni un estudio de atribución.
¿Qué decisión debe ayudarle a tomar una auditoría?
Una auditoría debe indicarle dónde conviene poner el siguiente esfuerzo y mostrar las pruebas que justifican esa elección. Una tienda puede necesitar corregir el registro de un producto, explicar una restricción de envío, mejorar una página de colección importante o averiguar por qué aparecen competidores en una compra concreta. Una puntuación sin las observaciones que la sustentan no le dice al propietario cuál de esas tareas merece la pena.
Tomemos como ejemplo una joyería que vende piezas terminadas por internet y recibe encargos de anillos a medida. Su propietario quiere más compradores adecuados y más solicitudes de consulta. Con este ejemplo mostraremos 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 compra de productos de las recomendaciones locales o de trabajos a medida. También indicaría qué servicios e interfaces de IA se comprobaron. Una prueba por API, la web de ChatGPT y la aplicación o la web pública de otro asistente deben figurar por separado, no mezcladas en un informe titulado «visibilidad en ChatGPT».
Antes de aprobar el trabajo, acuerde qué va a recibir: las observaciones, la lista de preguntas, las URL de las fuentes, los hallazgos por orden de prioridad y una explicación de lo que no se revisó. Una auditoría por muestreo debe nombrar los productos y las páginas de la muestra. No debe dar a entender que se revisó todo el catálogo porque se analizaron unas cuantas páginas representativas.
¿Qué pruebas deben guardarse con cada hallazgo?
Cada hallazgo necesita contexto suficiente para que otra persona pueda revisarlo. Guarde la pregunta exacta, la respuesta completa y las fuentes que aparecieron con ella. Anote cuándo y dónde se hizo la prueba, el idioma, el nombre del modelo o del modo que mostraba la interfaz, si se usó la búsqueda y los ajustes de cuenta o de ubicación que influyan. Abra una conversación nueva para cada prueba independiente y explique cómo se limitó la personalización.
Siempre que pueda, use preguntas que partan de necesidades reales de los clientes. Separe las que nombran la tienda de las que podrían dársela a conocer a un comprador nuevo. «¿Esta tienda ajusta la talla de anillos?» comprueba la información sobre una tienda conocida. «¿Dónde puedo encargar un anillo de mi talla?» comprueba el descubrimiento. Si se mezclan esos resultados, una marca ya conocida puede parecer más fácil de descubrir de lo que indican las pruebas.
Repita las comprobaciones principales y deje constancia de los intentos fallidos. Si una respuesta se bloqueó, falló o no usó la búsqueda, anótelo. No cambie en silencio una pregunta difícil por otra más fácil. Si la interfaz no muestra el nombre del modelo, dígalo: un número de versión inventado hace que el informe parezca más preciso y lo vuelve menos fiable.
| Campo | Qué debe conservar el informe | Para qué le sirve al propietario |
|---|---|---|
| Pregunta y finalidad comercial | Redacción exacta, mercado previsto y si se nombró la marca | Muestra qué oportunidad de captar clientes se comprobó |
| Condiciones | Fecha, interfaz, uso de búsqueda, idioma y ajustes de sesión pertinentes | Permite ver las diferencias entre pruebas |
| Respuesta y fuentes | Respuesta completa guardada, URL citadas y página o producto inspeccionado | Permite verificar la observación del informe |
| Interpretación | Observación, posible explicación y pruebas que aún faltan | Evita que una suposición se presente como diagnóstico |
| Acción y comprobación | Responsable con nombre, cambio propuesto y criterio de aceptación | Convierte el informe en tareas que se pueden completar |
¿Cómo sería un hallazgo útil en la práctica?
Un hallazgo útil separa el problema observado de su posible explicación. Supongamos que una oferta de compra presenta la montura de un anillo como si su precio incluyera la piedra central. El problema comercial inmediato está claro: el comprador puede llegar con un presupuesto equivocado. La causa, todavía no. Antes de culpar al servicio de IA, el auditor debe comparar la fuente de la respuesta, la página visible, el registro del producto y cualquier feed que se haya enviado.
Si el título y la descripción de la tienda dan a entender que la piedra está incluida y la exclusión queda escondida en una nota, corrija esa información. Si la web es clara pero un catálogo conectado conserva la descripción antigua, revise ese registro y cómo se actualiza. Si la información engañosa procede de otra tienda o de un artículo antiguo de terceros, documente esa fuente. Cada posibilidad exige una actuación distinta.
Supongamos ahora que la tienda no aparece en una respuesta sobre anillos a medida. Que no aparezca no basta para concluir que la web estaba bloqueada, que el texto era flojo o que el asistente desconfía de la marca. Compruebe 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 mantener la incertidumbre hasta que haya pruebas que la reduzcan.
En las comprobaciones de acceso, OpenAI identifica a OAI-SearchBot como su rastreador de búsqueda y trata por separado el acceso para entrenamiento. El auditor debe anotar qué comprobó realmente, incluida cualquier restricción del alojamiento. Si la página se descarga bien, eso prueba el acceso en esas condiciones; no prueba una recomendación ni que un asistente concreto haya recuperado la página.
¿Cómo convertir los hallazgos en un plan que su equipo pueda ejecutar?
Ordene las correcciones según su efecto en el cliente y la solidez del diagnóstico. Un producto mal identificado o un precio o plazo de entrega incorrectos merecen atención antes que un programa de publicaciones especulativo. Una página que no explica bien un servicio puede necesitar una revisión breve. Si se propone una campaña de menciones externas, hay que justificar mejor a qué público y a qué fuentes llegaría.
La tabla siguiente muestra cómo convertir los hallazgos de la auditoría en tareas. Fíjese en que terminar una corrección y comprobar las respuestas de IA posteriores son pasos distintos. Su equipo puede verificar que la montura aparece bien descrita en la web. No puede afirmar que todas las respuestas de IA han cambiado solo porque se actualizó el contenido.
| Hallazgo ilustrativo | Acción y responsable | Cómo verificar el trabajo |
|---|---|---|
| Una montura se describe como un anillo completo | Equipo de producto: aclarar los componentes incluidos en el título y la descripción; actualizar el registro del catálogo para que coincida | Comprobar que la página publicada y el registro suministrado coincidan; repetir por separado la pregunta afectada |
| Un servicio a medida no tiene una página clara sobre la consulta | Propietario y editor: documentar el proceso real, la ubicación, la fase de presupuesto y la vía de contacto | Confirmar que la página responde a esas preguntas y es accesible desde la colección pertinente |
| Se confunden la fecha de envío y la de llegada | Operaciones: indicar por separado las condiciones de fabricación, envío y entrega | Comparar las condiciones públicas con el proceso real de gestión del pedido; revisar si la misma ambigüedad aparece en respuestas posteriores |
| Una respuesta de IA cita una descripción desactualizada | Responsable de la web: identificar la URL citada y el registro de producto actual que sirve de referencia | Corregir la fuente que usted controla, documentar las demás y conservar la observación original para la siguiente comprobación |
¿Qué cifras deben figurar en el informe?
Presente las observaciones por separado antes de calcular un porcentaje. Una mención de marca significa que se nombra al negocio. Una cita es un enlace a una fuente. Una oferta de compra identifica un producto y un vendedor en la interfaz de compras. Ninguna de ellas equivale por sí sola a una visita o una venta registrada. Decida qué observación cuenta cada métrica y muestre su denominador.
En las pruebas repetidas, distinga el número de preguntas del número de respuestas completadas. Indique cuántas preguntas generaron al menos una cita y, por separado, en cuántas ejecuciones la respuesta incluía una cita. Esas medidas pueden diferir. Mantenga los fallos a la vista junto a la muestra completada. Muestre los recuentos reales antes que los porcentajes, para que un cambio pequeño no se esconda detrás de un aumento relativo que parece grande.
Una auditoría también puede registrar la exactitud de los datos: ¿era correcto el artículo nombrado, se identificó bien al vendedor y coincidían el precio, la disponibilidad o lo que se decía del servicio con la fuente consultada en ese momento? Si las existencias y los precios cambian, conserve la fecha y la hora. Comparar una captura con el catálogo de hoy no basta para saber qué era cierto cuando se generó la respuesta.
Añada los resultados de negocio que aporten la analítica y las solicitudes de clientes cuando estén disponibles. Indique los límites de su atribución. Google explica que el tráfico de sus funciones de búsqueda con IA se incluye en el informe de rendimiento Web de Search Console; por eso, una variación del tráfico total de Google no puede atribuirse sin más a la IA. Del mismo modo, una visita a la página de inicio atribuida a ChatGPT no le dice el prompt exacto del visitante ni prueba qué artículo provocó la recomendación.
Pida las observaciones fechadas que respaldan cualquier comparación de antes y después. Un cambio en las preguntas de prueba, en la interfaz o en la oferta del servicio puede explicar la diferencia. Un informe puede mostrar que la visibilidad cambió durante un periodo de trabajo sin probar que una edición concreta del contenido causara ese cambio.
¿Qué debe preguntar antes de pagar la auditoría?
Pida ver un informe de muestra antes de hablar de la puntuación que podría dar la auditoría. Usted debe entender el alcance, de dónde salen las preguntas de los clientes, cómo se comprueba el acceso y qué tareas recibirá su equipo después. Acuerde quién puede hacer cambios y qué pruebas conservará si elige a otro proveedor.
Si se incluye trabajo con feeds de productos, pregunte si el proveedor revisará una conexión existente o creará una nueva. Según nuestra comprobación del 20 de septiembre de 2026, OpenAI solo acepta feeds directos de socios aprobados. La propuesta debe explicar los requisitos de admisión y la titularidad de cada parte; «enviaremos sus productos» es incompleto cuando hace falta una aprobación o intervienen los acuerdos de otra plataforma.
Nuestra auditoría gratuita de visibilidad en IA cubre diez prompts en un idioma, las respuestas actuales, el acceso de los rastreadores y propuestas concretas de corrección. Es una investigación inicial. No pretende revisar todos los artículos de una tienda ni ofrecer un estudio completo de atribución comercial. Un trabajo más amplio necesita un alcance acordado de categorías, mercados, comprobaciones repetidas e implementación.
Use la muestra para juzgar el razonamiento. ¿La corrección propuesta resuelve un problema documentado? ¿Hay un responsable y una forma de comprobar la reparación? ¿Se distingue lo que se encontró de lo que el proveedor sospecha? Esas respuestas hacen útil una auditoría incluso cuando la primera conclusión es arreglar una pequeña parte de la tienda antes de encargar más contenido.
Preguntas relacionadas
¿Basta con una herramienta gratuita de visibilidad en IA para una tienda online?
Puede señalar algo que merezca investigarse, siempre que explique qué comprobó. Lea las preguntas y las respuestas en las que se basa antes de fiarse de una puntuación. Un análisis gratuito puede pasar por alto variantes de producto, restricciones de envío o servicios a medida. Valore si sus hallazgos son lo bastante concretos para actuar y si su alcance se ajusta a su tienda.
¿Puede una auditoría decirme qué prompts usan los clientes en ChatGPT?
Solo si indica de dónde sale esa información, por ejemplo entrevistas con clientes o un conjunto de datos aportado con una metodología clara. Una pregunta de prueba propuesta no es un prompt real de un cliente. Las sugerencias de búsqueda y las preguntas de su equipo comercial ayudan a preparar un conjunto de pruebas, pero no indican cuántas veces se hace cada pregunta en ChatGPT.
¿Necesitan acceder a nuestros registros de clientes para auditar la visibilidad?
Las páginas públicas y las respuestas de IA guardadas permiten hacer las primeras comprobaciones de visibilidad. La atribución comercial necesita más información, pero a menudo basta con un resumen de visitas, solicitudes y resultados. Acuerde los datos mínimos necesarios y elimine los datos personales que no ayuden a responder la pregunta de la auditoría. Por defecto, no comparta registros de clientes sin procesar.
¿Y si la auditoría descubre que ya aparecemos en respuestas de IA?
Compruebe la calidad de esa presencia: el mercado adecuado, el producto o servicio correcto, afirmaciones exactas y un destino útil. Puede que las menciones actuales se concentren en preguntas que nombran su marca. La siguiente decisión podría ser mejorar la exactitud, probar preguntas de descubrimiento o medir las solicitudes, en lugar de encargar más artículos por inercia.
Guías relacionadas
Fuentes
- 01OpenAI — acceso del rastreador de búsqueda y controles aparte para el entrenamiento
- 02OpenAI — alta de feeds de productos (comprobado el 20 de septiembre de 2026)
- 03Google Search Central — funciones de IA e informes de rendimiento
- 04GET-GEO.AI — cómo comprobar su visibilidad en IA
- 05GET-GEO.AI — nuestro método de medición y el alcance de la auditoría gratuita
- 06GET-GEO.AI — GEO para comercio electrónico
// compartir
Cómo citar esta página
Puedes citar y reutilizar el contenido indicando la autoría y enlazando esta página.
“¿Qué debe incluir una auditoría de visibilidad en IA de su tienda online?” — GET-GEO.AI, 2026-10-14. https://get-geo.ai/es/guides/ai-visibility-audit-for-ecommerce