¿Cómo funciona el GEO para el comercio electrónico y las tiendas online?

«Las mejores zapatillas de correr para pie plano por menos de 150 $» ya no es una búsqueda: es una conversación, y el asistente responde con tres productos concretos en lugar de diez enlaces azules. Los prompts de recomendación de productos son el tipo de pregunta más comercial que manejan los asistentes de IA, y las respuestas de IA avanzan rápido justo en ese terreno: la proporción de búsquedas comerciales que activan los AI Overviews de Google creció un 71 % en los seis meses hasta abril de 2026 (Semrush).

La lógica del clic cambió con ello. Cuando aparece un resumen de IA en Google, los usuarios hacen clic en un resultado normal en el 8 % de las visitas, frente al 15 % cuando no aparece, y el 26 % de esas sesiones termina sin ningún clic (Pew Research, julio de 2025). Para una tienda, eso significa que el momento de la decisión, es decir, qué tres productos se nombran, ocurre cada vez más dentro de la respuesta, antes de que nadie llegue a una página de categoría.

La disciplina que trabaja ese momento tiene varios nombres: GEO, AEO (Answer Engine Optimization) o LLM SEO. Los tres describen el mismo trabajo: que sus productos se puedan encontrar y citar, y que estén lo bastante corroborados para que el asistente los recomiende. Usamos los términos como sinónimos; lo que importa es si su tienda aparece en la respuesta.

Los datos sobre citas son lo bastante concretos para planificar con ellos. Un análisis de 30 millones de fuentes citadas por la búsqueda con IA sitúa a G2 y Yelp en el sexto y el séptimo puesto entre todos los dominios citados: las plataformas de reseñas están casi en lo más alto de lo que usan los asistentes para responder preguntas comerciales (Peec AI). Junto a ellas, las guías de compra, las selecciones de los medios y los artículos comparativos sostienen los prompts de recomendación: el asistente busca una fuente independiente que ya haya ordenado las opciones.

Lo sorprendente es cuánto pesa el contenido de las propias marcas. Un estudio de 379.321 citas de Claude en prompts sobre SaaS y tecnología encontró que cerca del 64 % apuntaba a sitios de marca (Otterly, junio de 2026). Los asistentes no solo citan a quienes reseñan sus productos: también citan directamente sus páginas de producto, siempre que las características, los precios y las afirmaciones estén escritos de forma fácil de extraer. Una tienda que trata sus páginas como fuentes de citas, y no solo como páginas de conversión, cubre las dos mitades del patrón.

La conclusión práctica del estudio fundacional del GEO de Princeton se aplica de lleno al contenido de producto: añadir citas textuales, estadísticas y referencias a una página aumentó su visibilidad en las respuestas de IA hasta un 40 %. Una guía de compra con datos medidos (peso, autonomía en horas, plazos de devolución, fuentes de prueba con nombre) es mejor candidata a la cita que la misma guía escrita como texto publicitario.

Un asistente que arma una respuesta a «lo mejor por menos de 150 $» necesita el precio, la disponibilidad y la característica diferencial como datos que pueda extraer, no como fragmentos repartidos por un widget de JavaScript que se carga en el navegador. Los datos estructurados de producto (schema.org/Product con offers, price, availability y valoraciones agregadas) expresan esos datos en el formato que los sistemas de recuperación interpretan con más fiabilidad. Las mismas afirmaciones deben aparecer también como texto visible en la página, porque la extracción toma pasajes, no solo marcado.

Las reglas sobre pasajes de nuestra guía para que ChatGPT cite su sitio pesan aquí aún más, porque los prompts de producto se resuelven por condiciones: «por menos de 150 $», «para pie plano», «con envío a Alemania». Una página de producto que dice «pesa 240 g, drop de 8 mm, cuesta 139 $, devolución gratuita en 30 días» en un solo bloque autónomo puede cotejarse con las condiciones del comprador; una página que dice «diseñada para la máxima comodidad», no. Los destinos de envío, los plazos de devolución y el stock son material de respuesta: publíquelos como afirmaciones, no como letra pequeña.

Los datos de producto deben estar en el HTML que devuelve el servidor: los sistemas de recuperación no siempre esperan a que se ejecute el JavaScript de la tienda. Puede comprobarlo gratis: desactive JavaScript y confirme que el precio, las características y la disponibilidad siguen visibles.

Primero decida qué quiere mejorar: que se cite una página de producto en una respuesta escrita, que se recomiende su tienda como vendedor o que aparezca una oferta de producto en la interfaz de compras. Registre esas apariciones por separado. Pida a su proveedor web que verifique el acceso a las páginas públicas de producto y compruebe si el título, el precio, la disponibilidad y las condiciones de entrega describen la misma oferta.

Para integrar el catálogo, OpenAI documenta feeds de productos estructurados que se envían por archivo o por API. Su incorporación directa está disponible para socios aprobados, según comprobamos el 20 de septiembre de 2026. Confirme las condiciones actuales de su plataforma y si cumple los requisitos antes de encargar una integración; ni la aprobación ni el envío de un registro garantizan una recomendación.

Después analice el problema producto por producto. Si una montura se confunde con un anillo completo, revise cómo se describen sus componentes. Si aparece un precio equivocado, identifique la fuente y la fecha antes de tocar el feed. Para convertir estas observaciones en correcciones verificables y con responsable, siga nuestra auditoría de visibilidad en IA de una tienda online, paso a paso. Las joyerías pueden consultar también nuestra guía específica sobre datos de producto, encargos a medida y certificados gemológicos.

Las preguntas comparativas, como «Marca X vs. Marca Y» o «alternativas a X», pueden decidir qué productos recomienda un asistente. Muchas tiendas evitan publicar comparativas que nombren a la competencia y dejan que otras fuentes respondan esas preguntas. Las páginas que comparan características con datos dan a los asistentes una fuente útil para las decisiones de compra.

Las tiendas que venden en varios países suman una dimensión de idioma que la mayoría de los consejos de GEO ignora: los asistentes responden a los compradores alemanes con fuentes en alemán y a los franceses con fuentes en francés. Un catálogo traducido automáticamente, o sin traducir, es invisible en la mitad de sus mercados. Vender en el idioma del comprador significa poder ser citado en ese idioma; por eso creamos contenido y medimos en nueve idiomas, con redactores nativos.

La medición sigue el método que aplicamos a todo: un conjunto de prompts fijo de categoría, producto y comparación por mercado e idioma, ejecutado en sesiones limpias en ChatGPT, Perplexity y Gemini, con la cuota de voz y la tasa de citas frente a una línea base del primer día. En una tienda, el conjunto de prompts sigue el recorrido del comprador («el mejor [categoría] para [uso]», «[producto] vs. [competidor]», «¿es confiable [marca]?»), y la línea base muestra en cuáles de esas respuestas aparece hoy, antes de que nadie prometa nada.