Datos de producto preparados para la IA: La nueva base del e-commerce
Cuando el catálogo deja de estar pensado solo para personas
Durante años, los catálogos de e-commerce se han construido principalmente pensando en compradores que navegan por una tienda online: títulos claros, fotografías, descripciones, atributos, precios y categorías que les permitan encontrar y comparar productos.
La Inteligencia Artificial está cambiando esa dinámica. Los consumidores comienzan a utilizar asistentes y aplicaciones de IA para hacer preguntas, comparar alternativas y encontrar productos que respondan a necesidades específicas. Commerce señala que compradores B2C y B2B ya recurren a aplicaciones de IA para comparar productos, resolver preguntas y, progresivamente, completar compras.
Esto introduce un nuevo desafío: el producto ya no tiene que ser comprendido únicamente por una persona. También debe poder ser interpretado correctamente por sistemas de IA.
Si un agente no encuentra información suficiente para comprender qué es un producto, para quién está pensado o por qué resulta relevante ante una consulta, tendrá mayores dificultades para presentarlo como una alternativa. Por eso, la calidad de los datos de producto está pasando de ser un requisito operativo a convertirse en un elemento estratégico para el e-commerce.
El problema no es tener más datos, sino mejores datos
Un catálogo puede contener miles de productos y, aun así, ofrecer información insuficiente para las nuevas experiencias de descubrimiento. Commerce explica que los catálogos tradicionalmente fueron redactados para personas navegando por una web, no para agentes de IA que necesitan analizar e interpretar información de producto a escala. El enriquecimiento de datos busca cerrar precisamente esa brecha.
Esto implica transformar la información existente en contenido más completo, consistente y estructurado. Las nuevas soluciones anunciadas por Commerce pueden generar y enriquecer elementos como títulos, descripciones, características destacadas, preguntas frecuentes y metadata SEO, además de información estructurada y campos de preguntas y respuestas que ayudan a las experiencias generativas a interpretar qué es un producto, para quién resulta adecuado y por qué puede coincidir con una determinada necesidad.
Del SEO tradicional al descubrimiento mediante IA
La búsqueda de productos también está evolucionando. Un usuario puede escribir en un buscador el nombre de un producto, pero también puede realizar una consulta mucho más específica a un asistente de IA: describir qué necesita, establecer condiciones y pedir una comparación entre distintas alternativas.
En este escenario, los datos estructurados y contextualmente ricos adquieren mayor relevancia. Commerce relaciona sus nuevas capacidades con AEO (Answer Engine Optimization) y GEO (Generative Engine Optimization), buscando preparar la información para experiencias donde las respuestas generadas y los agentes participan directamente en el descubrimiento.
La consecuencia para las marcas es clara: optimizar un catálogo ya no debería significar únicamente hacerlo visible en la tienda o en los resultados tradicionales de búsqueda. También implica prepararlo para los nuevos espacios donde los consumidores descubrirán y evaluarán productos.
Una misma base para múltiples canales
Uno de los retos históricos del comercio multicanal es mantener información consistente en distintos destinos. Un mismo producto puede aparecer en el e-commerce de la marca, Google, marketplaces, publicidad, redes sociales y otras plataformas. Cuando cada canal utiliza información diferente o requiere actualizaciones manuales, mantener la calidad del catálogo se vuelve cada vez más complejo.
El enfoque presentado por Commerce busca que una misma base enriquecida pueda utilizarse a través de múltiples experiencias. La compañía agrupa el impacto en cuatro áreas: alcanzar clientes, operar el storefront, vender productos y construir nuevas experiencias digitales.
Datos completos y consistentes ayudan a representar el producto de manera coherente allí donde ocurre el descubrimiento, mientras que una estructura legible por máquinas facilita que desarrolladores y sistemas de IA construyan nuevas experiencias sobre el catálogo.
Feedonomics Enrichment: enriquecer información a escala
Como parte del anuncio, Commerce presentó Feedonomics Enrichment, orientado a marcas empresariales y multicanal que necesitan transformar catálogos complejos en contenido consistente y preparado para diferentes destinos.
La solución puede trabajar con información utilizada en storefronts, búsqueda y motores de respuesta, incluyendo destinos como Google, Meta, Amazon y eBay, además de superficies basadas en agentes y asistentes de IA. También permite adaptar el contenido a la taxonomía propia de una marca.
Un elemento importante es el control de calidad. Feedonomics incorpora un sistema que evalúa aspectos como precisión, consistencia y alineación con la marca, identificando además problemas que pueden requerir revisión.
Commerce también anuncia capacidades analíticas para observar señales de rendimiento tanto en tráfico onsite como en medios pagados, buscando ayudar a las marcas a evaluar cómo funciona la información enriquecida a lo largo del customer journey. Actualmente, la generación de contenido de producto de Feedonomics Enrichment está disponible en inglés, y Commerce indica que las capacidades multilingües llegarán posteriormente.
BigCommerce Catalog Enrichment: IA dentro de la gestión del catálogo
Para los merchants de BigCommerce, el anuncio incorpora BigCommerce Catalog Enrichment.
La propuesta permite seleccionar productos y proporcionar información de marca para generar títulos, descripciones, características, FAQs, metadata SEO y campos estructurados directamente desde el panel de control de BigCommerce.
El objetivo es que los equipos puedan enriquecer incluso miles de productos sin tener que exportar el catálogo a una herramienta externa y posteriormente volver a importarlo.
Los resultados también pasan por una evaluación centrada en precisión, consistencia y adecuación a la voz de la marca antes de que el merchant decida aplicarlos al catálogo. Es un detalle importante porque mantiene control humano sobre qué información finalmente se publica.
Agentic Commerce: preparar el e-commerce para un nuevo tipo de comprador
Estas capacidades forman parte de una estrategia más amplia que Commerce denomina Agentic Commerce.
La compañía resume cuatro aspectos que considera fundamentales para los merchants en esta etapa: ser descubribles por agentes, utilizar agentes dentro de la operación, facilitar la conversión dentro de experiencias conversacionales y construir sobre estándares abiertos evitando dependencias innecesarias.
El cambio de fondo va más allá de añadir Inteligencia Artificial a una tienda online. Estamos avanzando hacia un entorno donde un comprador puede expresar una necesidad en lenguaje natural y permitir que una aplicación o agente investigue alternativas, compare características y le ayude a decidir.
En ese escenario, la capacidad de una marca para participar comienza mucho antes de la conversación: empieza en la calidad de sus datos.
Cómo Sphere puede ayudar a preparar el comercio para esta evolución
En Sphere IT Consulting, vemos esta transformación como una evolución natural del e-commerce hacia ecosistemas donde datos, plataformas, integraciones e Inteligencia Artificial trabajan cada vez más conectados.
Nuestra experiencia trabajando con tecnologías del ecosistema Commerce, como BigCommerce, Feedonomics y Makeswift, nos permite abordar el comercio digital desde diferentes dimensiones: plataformas de e-commerce, gestión y distribución de información de producto, experiencias digitales e integraciones con los sistemas que forman parte de la operación.
Para las empresas, prepararse para Agentic Commerce no significa adoptar todas las tecnologías de IA inmediatamente. El primer paso puede ser mucho más fundamental: revisar si los datos de producto son completos, consistentes, estructurados y suficientemente ricos para funcionar en los canales actuales y en las nuevas experiencias de descubrimiento.
Fuente
Commerce. Commerce Introduces Data Enrichment for BigCommerce and Feedonomics to Power Agentic Commerce.