Un catálogo de productos listo para agentes es un catálogo que un agente de IA puede recuperar, analizar, razonar y actuar sobre él, sin necesidad de scraping, adivinanzas o inferencias. Esta página define la forma objetivo, el conjunto mínimo de atributos viables y los pasos de validación que separan un feed que "funciona" de un catálogo que interopera.
Definición de trabajo
Definición
Un catálogo de productos está listo para agentes cuando cada SKU tiene: un identificador canónico, una URL direccionable, atributos tipificados que cubren la superficie de consulta de la categoría, campos de política explícitos y un estado (precio + disponibilidad) que está actualizado dentro de un SLA de frescura bien definido.
Cinco propiedades de un catálogo listo para agentes
- Identificable. Cada SKU se resuelve en un identificador canónico (GTIN, o MPN+Marca, o un SKU interno que sea estable).
- Direccionable. Cada SKU tiene una URL permanente que devuelve datos estructurados sin necesidad de inicio de sesión o muros de consentimiento.
- Tipificado. Los atributos tienen nombres, unidades, valores enumerados, no solo prosa de marketing.
- Consciente de políticas. Las devoluciones, la garantía, el envío, las restricciones de edad/ubicación se expresan como datos estructurados, no solo como texto legal.
- Fresco. El precio y la disponibilidad tienen una ventana de frescura documentada, y los feeds coinciden con esa ventana.
Conjunto mínimo de atributos viables
La lista exacta depende de la categoría. La siguiente es la línea base que cualquier agente esperará para un bien de consumo físico.
| Campo | Ejemplo | Por qué los agentes lo necesitan |
|---|---|---|
| id | SKU-39281 | Referencia interna, deduplicación |
| gtin | 5012345678900 | Identidad entre comerciantes |
| brand | Patagonia | Filtrar, confiar, coincidir |
| title | Chaqueta impermeable Torrentshell 3L para mujer | Orientado al humano, coincidencia de consulta |
| description | (semántica, rica en atributos) | Incrustación / recuperación |
| category | Ropa > Prendas de abrigo > Chaquetas impermeables | Ubicación en la taxonomía |
| price | 129.00 EUR | Clasificación, filtrado |
| price_effective_until | 2026-04-30T23:59:59Z | Honestidad de la promoción |
| availability | in_stock / pre_order / out_of_stock | Fiabilidad |
| stock_qty | 14 | Señal de escasez |
| shipping | {region, cost, handling_time, delivery_time} | Ajuste a las restricciones del comprador |
| returns | {window, cost, method} | Confianza previa a la venta |
| warranty | 2 años de fabricante | Consideración |
| attributes | {material, waterproof_rating, weight_g, …} | Filtrado de consultas |
| variants | [{size, color, gtin, stock_qty, price}] | Resolver el SKU correcto |
| images | [{url, role, alt}] | Verificación visual |
| url | https://merchant.com/p/torrentshell | Entrega / atribución |
| locale | en-GB, fr-FR, … | Enrutamiento regional |
| updated_at | ISO 8601 timestamp | Frescura |
Anti-patrones
Patrones que vemos regularmente que degradan silenciosamente el rendimiento del agente:
- Títulos solo de marketing. "Protección definitiva contra la lluvia para aventureros de verdad", no se puede buscar. Prefiera "Chaqueta impermeable 3L para mujer, Torrentshell, Patagonia".
- Atributos dentro de la prosa de la descripción. Un agente tiene que extraerlos. Tipifíquelos.
- PDPs sensibles a la región sin configuración regional estructurada. El agente ve una página francesa con precios en EUR para un comprador estadounidense.
- Discrepancia de precios entre el feed y el PDP. Los agentes verifican; las discrepancias matan la confianza.
- Stock configurado como "disponible" cuando la ventana de pedido pendiente es de 6 semanas. Utilice estados de disponibilidad estructurados.
- Política de devoluciones como un único párrafo de texto libre. Estructúrela.
Las tres expresiones del mismo catálogo
Un catálogo listo para agentes debe ser expresable en tres formas paralelas. Cada forma sirve a un canal de recuperación diferente; las tres deben conciliarse.
- Datos estructurados en el PDP, JSON-LD usando schema.org Product, Offer, AggregateRating, MerchantReturnPolicy, ShippingRateSettings.
- Feed, Google Merchant Center XML/CSV (o equivalente), enriquecido para cubrir campos de política.
- API / herramienta MCP, punto final programático para orquestadores de agentes. Puntos finales de solo lectura para catálogo, ofertas, inventario, política.
Las tres formas deben coincidir en identificadores y precios. La conciliación es una disciplina operativa, no una exportación única.
Validación y telemetría
Cómo saber si está listo para agentes:
- Google Rich Results Test, JSON-LD se analiza como Producto y Oferta.
- Diagnósticos de Merchant Center, sin errores de alta gravedad.
- Cobertura del feed, >95% de los SKUs tienen marca + GTIN (o MPN+Marca).
- Paridad de precios, el feed y el PDP coinciden en >99% de los SKUs muestreados.
- Paridad de stock, los estados de disponibilidad coinciden con el comportamiento de compra en >98%.
- Devoluciones / envíos estructurados, JSON-LD presente en >90% de los PDPs.
- Volumen de rastreo de agentes, tráfico medible de agentes de OAI, Anthropic, Perplexity, Amazon, GoogleBot; usted lo rastrea a través de los registros del servidor.
Este conjunto es el núcleo de nuestra metodología de auditoría.
Shopify, WooCommerce, Salesforce, pilas personalizadas
Notas específicas de la plataforma:
- Shopify, los datos estructurados son parciales de forma predeterminada; los metacampos son la palanca. Exponga atributos enriquecidos a través de las API de Shop / Shopify Shopping a medida que evolucionan los puntos finales de los agentes.
- WooCommerce, los plugins como RankMath / Yoast cubren los conceptos básicos del esquema; los datos estructurados de devoluciones/envíos suelen requerir fragmentos personalizados.
- BigCommerce / Adobe Commerce / Salesforce Commerce Cloud, las API del lado del agente aparecen en las hojas de ruta de productos; siga las notas de lanzamiento del proveedor.
- Personalizado, la oportunidad es mayor y la disciplina requerida es máxima. Invierta en la paridad de esquema, feed y API desde el primer día.
Dónde ir a continuación
- Vea el juego completo del operador en mejores prácticas.
- Utilice la lista de verificación de preparación para evaluar la suya.
- Lea catálogo como API para el modelo mental más profundo.
Análisis en profundidad
- Datos estructurados de Schema.org para agentes de IA: guía completa
- Optimización GEO: aparecer en las recomendaciones de productos generadas por IA
- llms.txt: guía para comerciantes de comercio electrónico
- Catálogo de Shopify optimizado para UCP: guía para comerciantes
- Errores en los datos de productos que bloquean el descubrimiento por parte de agentes
- GEO, LLMO, AEO: las nuevas disciplinas de visibilidad de la IA