Guía práctica para optimizar datos de producto

Conclusiones clave

Comience con una auditoría. No puede optimizar datos que no comprende. Sepa qué falta, qué es inconsistente o qué está mal antes de tocar cualquier otra cosa.

Una vez que sepa con qué cuenta, las prioridades quedan claras:

1. Primero los atributos. Determinan si su producto aparece en la búsqueda. Un atributo de filtro ausente excluye un producto en silencio, antes de que nadie lea una sola palabra de la descripción.
2. Segundo las descripciones. Escriba usando palabras que los clientes reales buscan, no terminología interna ni códigos de proveedor.
3. Tercero la adaptación por canal. El mismo texto raramente funciona en todos lados. Mismos datos, pero diferente longitud, tono y estructura según el canal.

No olvide lo que la mayoría de los equipos subestima:

• Las imágenes, los precios y la disponibilidad son datos de producto. Trátelos con el mismo rigor.
• Las asociaciones entre productos impulsan las ventas cruzadas y los upsells. Constrúyalas de forma intencionada.
• Las traducciones necesitan glosarios. Fluido no es lo mismo que preciso.

Sobre herramientas y escala: La IA genera más rápido, no mejor, así que déle instrucciones detalladas o planifique corregir el resultado. Un sistema PIM justifica su coste cuando gestionar la hoja de cálculo se convierte en el trabajo en sí, y no en una herramienta para hacer el trabajo.

Los datos de producto se degradan continuamente. Construya un proceso para mantenerlos, no solo un proyecto para corregirlos.

Comience con una auditoría de datos

Antes de optimizar los datos de producto, necesita saber con qué cuenta realmente. Las empresas no lo hacen: asumen que el catálogo es más o menos correcto y se centran en mejorar los textos o añadir canales. Luego conectan un nuevo feed de marketplace y el primer día obtienen una tasa de rechazo muy alta, casi enteramente por datos de atributos ausentes o mal formateados que llevaban meses sin detectarse.

La auditoría es la forma de descubrir dónde están los problemas reales. Exporte su catálogo completo y revíselo campo por campo. Busque:

• Atributos obligatorios ausentes
• Valores numéricos almacenados como texto libre
• Registros duplicados
• Especificaciones desactualizadas
• Productos sin imágenes
• Descripciones copiadas sin cambios de una ficha de proveedor de hace años

Nada de esto es visible desde el storefront. Solo aparece cuando un feed falla o un filtro devuelve dos resultados en lugar de doscientos.

Los hallazgos le dirán qué corregir primero. Un atributo de filtro ausente en sus 50 productos más vendidos cuesta más que una descripción débil en un producto de baja rotación. Corrija las brechas de mayor impacto antes de tocar cualquier otra cosa. Un sistema PIM o una herramienta de gestión de feeds con un informe de calidad de datos integrado lo agiliza, pero una exportación en hoja de cálculo y unas horas de revisión honesta llevan a recorrer gran parte del camino.

La auditoría no es una tarea puntual. Ejecútela de forma periódica. Los datos se degradan más rápido de lo que la mayoría de los equipos espera.

Escriba descripciones para la búsqueda, no para usted

Los nombres internos de producto y los códigos de proveedor no significan nada para un cliente que escribe en una barra de búsqueda. Está buscando "botas de senderismo impermeables hombre talla 44", no su SKU ni el código de modelo de la marca.

Empiece con Google Search Console. Filtre por páginas de categoría de producto y ordene por impresiones. Verá las consultas que generan tráfico a sus páginas, y también las consultas con muchas impresiones y pocas clics. Esa brecha es donde sus descripciones están fallando. El cliente le encontró, pero el título o el snippet no coincidían con lo que buscaba.

Contraste esto con los datos de búsqueda interna de su sitio. Las consultas escritas en su propia barra de búsqueda que devuelven resultados débiles le dicen exactamente qué esperan encontrar los clientes y no encuentran. Esos términos pertenecen a sus descripciones y valores de atributo. El autocompletado de Google y Amazon le muestra cómo los clientes reales formulan sus búsquedas, que a menudo difiere de cómo los equipos de producto describen las mismas cosas.

Incorpore los términos en los títulos y en la primera oración de las descripciones, pero no construya los textos hacia atrás a partir de palabras clave. Escriba para responder las preguntas que un cliente tiene antes de comprar: de qué está hecho, qué tamaños admite, qué incluye, cuál es la diferencia con la versión más económica. Esas respuestas suelen contener los términos correctos de todos modos, y convierten mejor que los textos sobrecargados de keywords escritos para un rastreador.

Algo que la mayoría de las empresas pasa por alto: la intención de búsqueda negativa. Un cliente que busca "manta de lana lavable a máquina" está filtrando productos que requieren lavado a mano. Si su manta es lavable a máquina, esa frase debe estar en la descripción. Si no lo es, también debe estar, porque un cliente que lo descubre en casa la devolverá. Las descripciones incompletas no solo rinden menos. Generan devoluciones.

Adapte sus textos al canal

La misma descripción de producto raramente funciona en todos los canales. Cada canal tiene reglas distintas, audiencias distintas y factores de posicionamiento distintos.

Su propio webshop le da espacio. Puede escribir descripciones más largas y ricas que construyan contexto y refuercen la marca. Un marketplace como Amazon o Bol.com tiene reglas de formato estrictas, límites de caracteres y su propio algoritmo de búsqueda que pondera fuertemente los campos de título. Google Shopping extrae de campos de feed estructurados, no de texto narrativo. Un catálogo B2B puede necesitar las especificaciones técnicas en primer plano, junto con condiciones comerciales y plazos de entrega.

El problema más habitual que encontramos al auditar configuraciones multicanal para nuestros clientes son descripciones de producto que nunca fueron adaptadas por canal. El texto escrito para un webshop, donde los clientes navegan y se toman su tiempo para leer, se había publicado sin cambios en un marketplace como Amazon o Bol.com, donde los primeros 80 caracteres del título del producto deciden si aparece en los resultados de búsqueda. El resultado era una visibilidad deficiente sin explicación obvia, porque el sistema no lo había marcado como error.

Lo que permanece consistente en todos los canales:

• Los datos. Dimensiones, materiales, compatibilidad, componentes incluidos. Hágalo bien una vez y llévelo a todos lados.

Lo que cambia por canal:

• La longitud, el tono, la estructura y los detalles que aparecen en primer lugar.

Gestionar esto a escala implica construir plantillas específicas por canal y saber qué campos alimentan qué salida. Un único registro maestro con variantes de campo por canal es más fácil de mantener que registros de producto separados por canal. Hacerlo manualmente por SKU no escala más allá de unos pocos cientos de productos.

Los atributos son la forma en que la gente le encuentra

Un cliente en un sitio de muebles que busca una mesa de comedor de menos de 80 cm de ancho no navega. Filtra. Si su mesa no tiene un atributo de ancho, no existe en esa búsqueda.

Esta es la parte más importante del trabajo con datos de producto. Los textos pueden mejorarse de forma incremental y su impacto es gradual. Los atributos ausentes o incorrectos excluyen productos de los resultados de búsqueda de forma completa, inmediata y silenciosa. Nadie se lo comunica. El producto simplemente no aparece.

Los atributos son los campos de datos estructurados detrás de su producto: dimensiones, peso, material, código de color, compatibilidad, certificaciones, requisitos de alimentación, rango de edad y todo lo que sea relevante para su categoría. Cuanto más completos y correctamente tipificados estén, más superficies mostrará su producto.

El tipo de dato importa tanto como el valor:

• Un campo numérico para dimensiones permite a los usuarios filtrar por rango.
• Un vocabulario controlado para el color permite filtrar por valor exacto.
• Los campos de texto libre no permiten ninguna de las dos cosas.

Si alguien escribió "aprox. 80 cm" en lugar de "80" en un campo numérico, el filtro falla. Si el color aparece como "azul marino oscuro" en un registro y "marino" en otro, no se agregan bajo el mismo valor de filtro.

En AtroPIM encontramos regularmente en las auditorías de atributos que entre el 20 y el 30 % del catálogo de un cliente es efectivamente invisible en la búsqueda filtrada porque los atributos clave están vacíos o mal tipificados. Eso no es un problema de texto. Ningún trabajo de descripción lo soluciona. Los productos están excluidos antes de que nadie haya leído nada.

Profundice en los atributos de sus categorías principales:

• Mire qué filtros exponen los sitios de sus competidores y asegúrese de tener datos para todos ellos.
• Mire qué atributos exigen los marketplaces y cuáles son opcionales pero recomendados. La especificación de datos de producto de Google lista los atributos obligatorios y opcionales por categoría, y los opcionales que mejoran la visibilidad merecen rellenarse (fuente).

Una forma práctica de encontrar brechas: ejecute búsquedas de tipos de producto en su propio sitio y observe qué filtros aparecen. Luego compruebe cuántos resultados devuelve cada valor de filtro. Un valor de filtro con 2 resultados normalmente indica datos ausentes, no un surtido escaso. Corrija los datos, no el filtro.

Estandarice los atributos entre productos similares

Los nombres de atributos inconsistentes son una versión más silenciosa del mismo problema. Si su catálogo tiene "altura del asiento", "alto del asiento", "asiento H" y "altura desde el suelo" en diferentes listados de sillas, ninguno de ellos se agrega correctamente en los filtros. El daño es invisible en cualquier registro individual y solo aparece cuando los filtros se agregan por toda la categoría.

Construya un conjunto de atributos definido para cada tipo de producto. Cada silla recibe el mismo conjunto de atributos, con nombres idénticos, usando las mismas unidades y formatos de valor. Cada herramienta eléctrica recibe su propio conjunto fijo. Cada producto de cuidado de la piel, el suyo. El conjunto se define una vez, se revisa periódicamente y se aplica de forma consistente a partir de entonces.

La resistencia en esta etapa raramente proviene del desacuerdo sobre el propio estándar. Viene del ingrato trabajo de aplicarlo retroactivamente a un catálogo existente. Es un trabajo que no pertenece al KPI de nadie y no muestra resultados hasta que está completamente terminado.

Sin una responsabilidad asignada, el catálogo vuelve a la inconsistencia en 6 meses. Alguien añade los productos de un nuevo proveedor sin mapearlos al estándar. Un gestor de categoría añade un nuevo atributo que ya existe con otro nombre. El estándar se erosiona gradualmente, y los fallos en los filtros le siguen.

Cuando incorpore productos de un nuevo proveedor, mapee su estructura de datos a su taxonomía antes de importar. Los proveedores nombran las cosas según la lógica de su propio catálogo, no del suyo. Dejar que su terminología se convierta en sus nombres de atributo es como empieza la inconsistencia.

Las imágenes y los medios también son datos de producto

Las imágenes impulsan la conversión. Múltiples ángulos, fotografías de estilo de vida, primeros planos de detalles y referencias de escala reducen la incertidumbre de compra. En categorías como ropa, muebles y electrónica, los clientes esperan ver el producto en detalle antes de comprar. Un producto con una sola imagen de baja resolución extraída del PDF de un proveedor pierde frente a un competidor bien fotografiado independientemente del precio o la calidad del texto.

Los nombres de archivo y el texto alternativo importan para el SEO. Una imagen llamada IMG_4821.jpg no aporta nada. Una llamada silla-oficina-cuero-negro-detalle-reposabrazos.jpg, sí. Las directrices de SEO de imágenes de Google confirman que los nombres de archivo descriptivos y el texto alternativo ayudan a las imágenes a posicionarse en la búsqueda de imágenes y contribuyen a la relevancia general de la página (fuente).

Los diferentes canales tienen distintos requisitos de imagen:

• Amazon exige fondos blancos para las imágenes principales y rechaza los listados que no lo cumplen.
• Google Shopping tiene requisitos mínimos de resolución y rechaza feeds con imágenes de baja calidad.

Conozca las especificaciones por canal y cúmplalas antes de publicar, no después del primer informe de rechazo.

Los activos 3D y AR se están convirtiendo en algo esperado en muebles, decoración del hogar y algunas categorías de ropa. Aún no son universales, pero la brecha entre los comerciantes que los ofrecen y los que no lo hacen es cada vez más visible en los datos de conversión.

Construya las asociaciones de productos de forma deliberada

Los motores de recomendación necesitan datos para funcionar. "Los clientes también compraron" y "También te puede gustar" no son magia. Se basan en datos de comportamiento o en relaciones de producto definidas manualmente, y los datos de comportamiento tardan tiempo en acumularse en productos nuevos o páginas con poco tráfico.

Defina las asociaciones de forma explícita en sus datos de producto:

• Accesorios que encajan con este producto
• Piezas de repuesto
• Artículos compatibles
• Componentes de bundles
• Mejoras
• Alternativas para cuando un producto está agotado

En los lanzamientos de nuevos productos, las asociaciones definidas manualmente son especialmente importantes porque las recomendaciones basadas en algoritmos no tienen datos de comportamiento de los que aprender. Las asociaciones llenan ese vacío y garantizan que los clientes sean guiados hacia complementos relevantes desde el primer día, especialmente para piezas de repuesto y accesorios que los clientes no descubrirían por sí solos navegando.

Sea deliberado con el tipo de asociación. Una venta cruzada es un producto complementario. Un upsell es una versión de mayor valor del mismo artículo. Una pieza de repuesto es una relación completamente diferente. Mezclarlas produce recomendaciones irrelevantes, y las recomendaciones irrelevantes se ignoran más rápido que ninguna recomendación.

Precio y disponibilidad como datos en tiempo real

Los datos de precio en los feeds deben reflejar lo que el cliente realmente paga. Eso incluye precios promocionales con fechas de inicio y fin correctas, precios escalonados para clientes B2B y variantes de moneda para canales internacionales. Google Merchant Center rechaza productos en los que el precio del feed no coincide con el precio de la página de destino, y las discrepancias repetidas pueden resultar en la suspensión de la cuenta.

Un error habitual durante las campañas promocionales es subestimar la rapidez con que una discrepancia de precio genera daños en cascada. Un feed actualizado una vez al día durante una venta flash que cambia los precios cada pocas horas significa que el feed está incorrecto durante la mayor parte de la promoción. Los rechazos llegan después de que termina la venta. El riesgo de suspensión se acumula en silencio. Actualizar los feeds casi en tiempo real durante las promociones activas no es opcional cuando la promoción implica cambios de precio frecuentes.

El estado del stock afecta a más que a la logística:

• En los marketplaces, los productos sin stock pierden posicionamiento rápidamente.
• En Google Shopping, dejan de aparecer por completo.
• Si vende en varios almacenes o regiones, un producto en stock en un país pero no en otro necesita indicadores regionales correctos en el feed.

Los datos de disponibilidad precisos, actualizados al menos diariamente, no son opcionales si está ejecutando campañas de pago o dependiendo de la visibilidad orgánica en marketplaces.

Traduzca con precisión, no solo con fluidez

Una traducción gramaticalmente correcta puede seguir siendo incorrecta. Si su sistema de traducción no sabe que un nombre de marca específico nunca debe traducirse, o que un término técnico tiene un equivalente aprobado en el mercado objetivo, acabará con listados de productos que confunden o inducen a error de maneras difíciles de detectar sin que un hablante nativo revise cada registro.

Los glosarios resuelven esto. Un glosario de traducción es una lista controlada de términos con sus equivalentes aprobados en cada idioma de destino. Los nombres de marca, los términos de categoría de producto, las especificaciones técnicas y el lenguaje registrado pertenecen a él. Cualquier sistema de traducción que valga la pena usar, ya sea humano, automático o asistido por IA, debería aplicar el glosario antes de producir la salida, no como una verificación posterior.

Un glosario aplicado después de la traducción detecta errores. Un glosario aplicado antes los previene.

La memoria de traducción almacena traducciones previamente aprobadas para que cadenas idénticas o similares se traduzcan de forma consistente en todo el catálogo. Acelera el proceso y reduce el coste en catálogos grandes donde las mismas frases aparecen en cientos de productos. Sin ella, la misma característica de producto puede traducirse de cuatro formas diferentes en cuatro categorías, ninguna lo suficientemente incorrecta como para marcarse, pero todas lo suficientemente inconsistentes como para socavar la credibilidad de la marca en ese mercado.

La traducción es un problema de calidad de datos, no solo un problema de idioma. Un nombre de producto mal traducido en un feed causa el mismo fallo de filtro que un valor de atributo incorrecto: el producto no aparece en los resultados de búsqueda correctos o cae en la categoría incorrecta porque el término traducido apunta al nodo de taxonomía equivocado.

La traducción automática ha mejorado significativamente. Para contenido de alto volumen y menor importancia, como valores de atributos y listas de especificaciones, suele ser suficiente con soporte de glosario. Para títulos de producto, descripciones clave y cualquier contenido de cara al cliente en un mercado de altos ingresos, la revisión humana sigue importando. Aplicar traducción automática de forma uniforme a todo, o insistir en traducción humana para todo, son ambos puntos de partida incorrectos.

La IA puede ayudar, pero solo si la dirige

La IA puede generar descripciones de producto a escala. Eso es útil. También puede producir textos genéricos, inexactos o que no respetan la voz de marca a escala, lo cual es peor que no tener ningún texto, porque crea la apariencia de datos completos mientras la calidad socava la conversión y la confianza.

La calidad del resultado depende enteramente de las instrucciones que proporcione. Un prompt que dice "escribe una descripción de producto para esta silla" producirá algo aceptable y olvidable. Un prompt que especifica el canal, la audiencia, el tono, el límite de caracteres, las palabras clave a incluir, las afirmaciones a evitar y proporciona un ejemplo de resultado aprobado producirá algo utilizable.

Una estructura práctica para un prompt de descripción de producto incluye:

1. Canal
2. Audiencia
3. Tono
4. Longitud
5. Palabras clave requeridas
6. Frases prohibidas
7. Un ejemplo de resultado aprobado
8. Los atributos del producto como bloque de datos estructurado

La mayoría de las personas proporciona dos de estos ocho elementos y se pregunta por qué el resultado necesita mucha edición. Invertir tiempo en el diseño del prompt y probarlo en un lote pequeño antes de escalar al catálogo completo ahorra sustancialmente más tiempo de edición que ejecutar todo primero y corregir después.

Proporcione a la IA sus atributos de producto como entrada estructurada, no como narrativa. Dígale qué formato debe seguir el resultado. Dígale qué no debe decir. Si su marca no usa superlativos, dígalo. Si hay restricciones de cumplimiento normativo sobre ciertas afirmaciones en su categoría, inclúyalas explícitamente. La IA no tiene forma de conocer su entorno regulatorio, la voz de su marca ni la diferencia entre una afirmación legalmente segura en un mercado y una que no lo es.

Revise siempre el contenido generado por IA antes de publicarlo. La IA puede afirmar especificaciones incorrectas con total confianza. Una dimensión incorrecta, una afirmación de compatibilidad falsa o una descripción de material incorrecta generan devoluciones y erosionan la confianza. El coste no es el tiempo para corregirlo. Es la tasa de devolución y el cliente que no vuelve.

Use un sistema PIM a partir de cierta escala

Una hoja de cálculo funciona cuando tiene 50 productos y vende en un canal. Las señales de que ha dejado de funcionar son concretas:

• Dos personas editan el mismo archivo y sobreescriben los cambios del otro.
• Un canal sale en producción con los precios del mes pasado porque alguien olvidó actualizar esa pestaña.
• Un nuevo marketplace requiere un atributo que está relleno de forma inconsistente en el 40 % de su catálogo, y no hay forma limpia de corregirlo en masa.
• Pasa más tiempo gestionando la hoja de cálculo que mejorando los datos que contiene.

Ese es el punto de inflexión. No un número de productos, no un número de canales. Es cuando la gestión de datos se convierte en el trabajo en lugar de ser una herramienta para hacer el trabajo.

Un sistema de gestión de información de producto es un repositorio central para todos sus datos de producto. Almacena atributos, descripciones, medios, reglas de precios y variantes específicas por canal en un solo lugar. Se conecta a su webshop, marketplaces, herramientas de gestión de feeds y sistemas de traducción.

En nuestra experiencia en AtroPIM, la primera mejora medible tras migrar a un PIM suele ser la tasa de errores en los feeds. El simple hecho de importar datos a un sistema con reglas de validación obliga a una limpieza que las hojas de cálculo nunca impusieron. Los equipos que esperaban mejoras de contenido en los primeros meses obtuvieron mejoras de calidad de datos, que resultaron ser más valiosas porque desbloquearon la expansión de canales que llevaban meses planificando.

Lo fundamental que debe buscar en un PIM:

• Un modelo de atributos flexible que se adapte a su taxonomía sin imponer una estructura rígida
• Plantillas de salida específicas por canal
• Soporte para flujos de trabajo de traducción
• Herramientas de importación/exportación limpias para incorporar datos de proveedores

Las herramientas de incorporación importan más de lo que la mayoría de los compradores reconoce. Importará nuevos catálogos de proveedores de forma repetida. Si ese proceso es complicado, los problemas de calidad de datos comienzan en la primera importación y se acumulan desde entonces.

No compre por funcionalidades que no usará en el primer año.

Mida y mantenga

Los datos de producto no son un proyecto con fecha de fin. Se degradan continuamente. Los proveedores actualizan especificaciones sin avisarle. Los productos se descatalogan. Los marketplaces cambian sus requisitos de atributos. Un campo que era opcional el año pasado se vuelve obligatorio este año, y se entera cuando la tasa de rechazo se dispara.

Configure comprobaciones automáticas periódicas de calidad de datos. La mayoría de los sistemas PIM y herramientas de gestión de feeds pueden marcar campos obligatorios ausentes, identificar valores fuera de rangos esperados y detectar duplicados según un calendario. Ejecútelas semanalmente. No espere a que un canal le diga que algo está mal.

Las tasas de rechazo de feeds de Google Merchant Center, Amazon u otros canales son una señal directa y medible de problemas de calidad de datos. Un pico repentino en los rechazos casi siempre apunta a un campo o categoría de producto específico donde cambió un requisito o una importación por lotes introdujo datos incorrectos. Revise los informes de rechazo después de cada actualización importante del feed, no solo cuando el rendimiento de la campaña cae.

Las tasas de devolución vinculadas a las descripciones merecen un seguimiento separado de las devoluciones totales. Una tasa de devolución alta en una categoría específica donde los clientes citan "no es como se describe" es un problema de datos, no de logística. La descripción generó una expectativa incorrecta. Corregir el texto corrige la tasa de devolución. Esta es una de las conexiones directas más claras entre la calidad de los datos y los ingresos, y la mayoría de los equipos nunca la establece porque miran las devoluciones y los datos de producto en sistemas separados sin vincularlos.

Los análisis de búsqueda en su propio sitio muestran dónde filtran los clientes y qué no encuentran. Un filtro con uso intensivo pero pocos resultados apunta a datos de atributos ausentes. Una consulta con tráfico pero sin clics apunta a títulos débiles o productos ausentes. Ambos son corregibles con trabajo en los datos, y ambos son invisibles si nadie está revisando los informes.

Asigne responsabilidad. Alguien debe ser responsable de la calidad de los datos como función continua con métricas claras, no como un proyecto de limpieza que recibe recursos cuando las cosas fallan lo suficientemente mal como para notarse.

Por dónde empezar

El punto de partida correcto es el problema que más le está costando ahora mismo, y eso suele ser visible en los datos que ya tiene.

Muchas impresiones y pocos clics en Search Console significa que sus títulos y descripciones no coinciden con la intención de búsqueda. Corrija los 20 productos principales por volumen de impresiones, mida el cambio en la tasa de clics durante 4 semanas y úselo como base para el resto del catálogo.

Alta tasa de rebote en las páginas de producto significa que los clientes llegan, pero la página no responde sus preguntas. Compruebe primero el número de imágenes y la profundidad de la descripción. Ambos son corregibles sin cambios de infraestructura.

Altas tasas de rechazo de feeds significa que los datos de atributos están incompletos o mal formateados para ese canal. Descargue el informe de rechazo, identifique los 3 tipos de error más frecuentes y corrija esos campos en todo el catálogo antes de hacer cualquier otra cosa. Una corrección sistemática supera a cien correcciones manuales.

Resultados de filtros inconsistentes en su propio sitio significa que la estandarización de atributos aún no ha ocurrido. Elija su categoría con mayor tráfico, defina el conjunto de atributos correcto, limpie esa categoría por completo y mida el uso de los filtros antes de pasar a la siguiente. La mejora en el uso de filtros suele ser inmediata y fácil de demostrar a los stakeholders que no estaban convencidos de que el trabajo valía la pena.

Expandirse internacionalmente sin glosarios significa que cada proyecto de traducción añade riesgo acumulado. Configure la infraestructura de glosario antes de añadir un tercer idioma, no después de haber publicado miles de nombres de producto incorrectos en un nuevo mercado.