Por qué el GEO cambia las reglas en e-commerce
El comprador ya no escribe diez palabras clave en Google. Le pregunta a una IA qué producto comprar, y la IA responde con dos o tres nombres. Ese es el vuelco. La página de resultados con sus diez enlaces deja paso a una respuesta sintética donde solo aparecen las referencias que el modelo considera más pertinentes.
Para un e-commerce, el reto es brutal. En una consulta transaccional, estar en la tercera página de Google aún es sobrevivible: se puede compensar con publicidad o retargeting. Estar ausente de la respuesta de ChatGPT, en cambio, no se compensa. El usuario nunca llega a ver que usted existe.
El contexto vuelve concreta la urgencia. Más del 50 % de las consultas de Google activan ya un AI Overview, y ChatGPT supera los 900 millones de usuarios semanales. Sus clientes ya están planteando sus preguntas de compra a estas interfaces.
El GEO no reemplaza al SEO, se le suma
Cuidado con no enfrentar las dos disciplinas. En los AI Overviews, el 92 % de las citas provienen del top 10 orgánico, pero el 47 % de las posiciones 5 a 10. Dicho de otro modo: un buen posicionamiento sigue siendo necesario, pero ya no basta. La estructura de sus páginas determina si la IA puede extraer y citar su contenido. Es precisamente el trabajo que LUWIZ lleva a cabo en sus especialidades sectoriales: adaptar cada palanca al modelo de negocio del cliente.
Hacer que sus fichas de producto sean legibles por las IA
Una ficha de producto invisible para la IA no existe. El primer obstáculo es técnico: los rastreadores de los LLM no ejecutan JavaScript. Si su precio, su descripción o sus variantes se inyectan del lado del cliente tras la carga, el modelo no los ve nunca. El renderizado del lado del servidor o la generación estática del HTML crítico no es una optimización, es una condición de entrada.
Compruébelo de forma sencilla: desactive JavaScript en su navegador y recargue una ficha de producto. Lo que queda visible es lo que la IA ve. Si la página está vacía, su catálogo es invisible para la mitad del mercado que llega.
Escribir para la extracción, no para el eslogan
Las IA citan pasajes objetivos y autosuficientes. El pasaje idealmente citable tiene entre 134 y 167 palabras y responde directamente a una pregunta. Una descripción de producto que empieza con «Descubra la elegancia atemporal de...» no aporta ningún dato extraíble. Una descripción que anuncia el material, las dimensiones, la compatibilidad y el uso recomendado en dos frases nítidas, sí.
Estructure cada ficha en torno a las preguntas reales del comprador: para qué sirve, para quién, qué dimensiones, qué compatibilidad, qué materiales. Este trabajo coincide con la lógica de estructuración BOFU que detallamos para el SaaS, trasladable al catálogo de productos, en nuestro artículo sobre el contenido BOFU.
Especificaciones en tabla, no en párrafo
Las características técnicas se benefician de presentarse en lista o en tabla clave-valor. Los modelos extraen un par «Peso: 1,2 kg» de forma mucho más fiable que una frase que ahoga la información en la prosa de marketing.
Datos de producto y schema: la base técnica
El marcado estructurado ofrece a las IA una lectura sin ambigüedad de sus datos de producto. El schema Product, asociado a Offer para el precio y la disponibilidad, y a AggregateRating para la nota media, transforma su HTML en datos máquina. El modelo ya no tiene que adivinar: lee 79,90 €, en stock, 4,6 sobre 5 en 312 reseñas.
Esta base no se limita a las IA. El schema FAQPage sigue siendo una señal fuerte para los AI Overviews. En una ficha de producto, una sección FAQ marcada que responde a las objeciones de compra más frecuentes alimenta directamente las respuestas generativas.
| Elemento | E-commerce sin GEO | E-commerce optimizado con GEO |
|---|---|---|
| Renderizado de las fichas | JavaScript del lado del cliente | HTML estático / SSR |
| Datos de producto | Texto libre | Schema Product + Offer + AggregateRating |
| Reseñas de clientes | Widget de terceros en iframe | Reseñas en HTML indexable + marcado Review |
| Comparativas | Ausentes o superficiales | Tablas objetivas criterio por criterio |
| Presencia fuera del sitio | Limitada al sitio | Menciones en Reddit, YouTube, prensa |
No dependa únicamente de los datos estructurados
El schema es necesario pero insuficiente. Un análisis de Ahrefs sobre 200.000 dominios (diciembre de 2025) muestra que las menciones de marca fuera del sitio correlacionan más con las citas de IA que la propia autoridad de dominio: YouTube alcanza 0,737 y el Domain Rating solo 0,266. Wikipedia pesa el 47,9 % de las citas de ChatGPT. La lección para un e-commerce: su catálogo perfectamente marcado debe ir acompañado de una presencia en otros lugares, en Reddit, en vídeo, en la prensa especializada.
Frente a 0,266 para el Domain Rating. Para un e-commerce, la notoriedad fuera del sitio pesa más que la autoridad del dominio por sí sola.
Reseñas de clientes y comparativas: las señales decisivas
Las reseñas son la materia prima de las recomendaciones de IA. Cuando un modelo compara dos productos, se apoya en el testimonio del cliente: fiabilidad, durabilidad, defectos recurrentes, satisfacción. Pero antes esas reseñas tienen que ser legibles. Un widget de reseñas cargado en un iframe mediante JavaScript permanece invisible para el rastreador de IA. Sirva sus reseñas en HTML indexable, marcadas con Review, con el texto completo y no un simple puntaje.
La riqueza cuenta. Una reseña detallada que describe un caso de uso preciso vale por diez reseñas de «producto estupendo». Anime a sus clientes a precisar el contexto: para qué uso, desde cuándo, qué punto fuerte, qué límite. Es exactamente el tipo de señal que una IA retoma para matizar una recomendación.
La comparativa, contenido rey del GEO en e-commerce
Las consultas de compra a las IA suelen ser comparativas: «X o Y», «mejor alternativa a Z», «cuál para tal necesidad». Producir páginas comparativas objetivas, criterio por criterio, le posiciona directamente en esas respuestas. Una tabla que enfrenta honestamente dos opciones en precio, funciones, garantía y público objetivo es precisamente lo que el modelo extrae.
La misma mecánica vale más allá del producto unitario: estructurar comparativas de categoría, guías de compra objetivas y páginas de alternativas. Es la lógica de contenido que también aplicamos del lado del SaaS en nuestra estrategia de contenido SaaS, trasladable al catálogo.
Sirva el texto de las reseñas en HTML indexable, marcado con Review, con el testimonio completo y no un simple puntaje numérico.
Pida el uso, la duración de uso, un punto fuerte y un límite. Una reseña precisa nutre mejor las recomendaciones de IA.
Enfrente sus productos y los de la competencia sobre criterios objetivos. La IA cita lo que le ayuda a decidir, no lo que sobrevende.
Una sección FAQPage que responde a las objeciones de compra alimenta directamente los AI Overviews y las respuestas generativas.
Plan de acción GEO para e-commerce en 6 pasos
Empiece por la auditoría de visibilidad real. Desactive JavaScript y enumere todo lo que desaparece de sus fichas: precio, descripciones, reseñas, variantes. Este diagnóstico revela a menudo que la mitad del catálogo es invisible para las IA. Es el punto de partida, y la palanca con mejor retorno.
A continuación, priorice sus páginas más estratégicas. Es inútil rehacerlo todo de golpe. Concentre el esfuerzo en sus best-sellers y sus categorías de alto margen, y luego extiéndalo. La siguiente secuencia da el orden lógico.
Desactive JavaScript, identifique el contenido invisible. Migre el renderizado crítico a SSR o estático.
Despliegue schema Product, Offer y AggregateRating en todo el catálogo prioritario.
Pase del eslogan al dato extraíble: material, dimensiones, uso, compatibilidad, en pasajes cortos.
Saque las reseñas de los iframes, márquelas con Review, solicite testimonios contextualizados.
Cree guías de compra y páginas de alternativas objetivas, en tablas criterio por criterio.
Trabaje las menciones en Reddit, YouTube, prensa especializada y foros de su vertical.
Mida el esfuerzo en función de la ganancia esperada. Para estimar el retorno de este proyecto antes de lanzarlo, nuestra Calculadora de ROI SEO/GEO le da un orden de magnitud en unos minutos.
Muy pocos catálogos cubren ambos ecosistemas. Trabajar los dos al mismo tiempo sigue siendo una ventaja competitiva poco común.
El GEO para e-commerce no es un canal más. Es la condición para seguir siendo recomendable en una interfaz donde la IA solo nombra dos o tres productos. Cuanto antes su catálogo se vuelva extraíble, citable y respaldado fuera del sitio, antes ocupará esas respuestas por delante de sus competidores.
Solicite una auditoría GEO gratuita: identificamos lo que ChatGPT y los AI Overviews ven realmente de sus fichas de producto, y las palancas prioritarias para hacer que le citen.
Questions fréquentes
¿Cuál es la diferencia entre SEO y GEO para un e-commerce?+
El SEO busca un buen posicionamiento en los enlaces azules de Google. El GEO busca la cita directa de sus productos en las respuestas de las IA como ChatGPT, Perplexity o los AI Overviews. El SEO optimiza para el clic, el GEO para la mención. Un e-commerce debe trabajar ambos: el 50 % o más de las consultas de Google activan ya un AI Overview.
¿Las IA ven el contenido cargado en JavaScript de mi catálogo?+
No, en la gran mayoría de los casos. Los rastreadores de los LLM no ejecutan JavaScript. Si sus precios, descripciones o reseñas se inyectan del lado del cliente, permanecen invisibles para la IA. El renderizado del lado del servidor (SSR) o la generación estática del HTML crítico es imprescindible para que una ficha de producto sea citable.
¿Basta con el schema Product para ser citado por las IA?+
No, pero es una base. El schema Product, AggregateRating y Offer ayuda a las IA a extraer de forma fiable el precio, la disponibilidad y la nota media. Hay que añadir contenido textual objetivo, reseñas aprovechables y menciones de marca fuera del sitio, que correlacionan más con las citas de IA que los datos estructurados por sí solos.
¿Cuánto tiempo antes de ver resultados en GEO para e-commerce?+
Cuente generalmente entre dos y cuatro meses para observar las primeras citas en un catálogo ya bien indexado. El plazo depende de la frescura de los rastreos de IA, de la calidad de sus datos de producto y de su presencia fuera del sitio. Las fichas técnicas precisas y las comparativas objetivas suelen ser los primeros contenidos retomados.
