AEO para ChatGPT Search Shopping: JSON‑LD, señales de confianza y respuestas que ganan carruseles orgánicos

Contexto y objetivo

ChatGPT Search Shopping prioriza respuestas útiles y comparables. El objetivo de este playbook es capturar intención transaccional y aparecer en carruseles orgánicos sin depender de SERP tradicionales, combinando datos estructurados limpios, señales de confianza y contenido en formato respuesta.

Cómo rankean los motores de respuesta

• Estructura y normalización superan al adorno. Atributos comparables y señales verificables facilitan la selección del modelo.
• Brevidad y claridad conversacional aumentan la probabilidad de ser citado como respuesta.
• Frescura e inventario cubierto reducen fricción de compra y elevan relevancia.

Fundamentos de datos con JSON‑LD

Tipos clave: Product, ProductModel, ProductGroup, Offer, AggregateRating, Review, Brand, MerchantReturnPolicy.

Atributos de comparabilidad estandarizados en Product y Offer:

• Identificadores: sku, gtin13 o gtin14, mpn, brand.
• Variantes: isVariantOf y hasVariant o ProductGroup con variesBy para talla, color, material.
• Especificaciones comparables: material, talla o size, color, weight, dimensions, warranty o hasWarrantyPromise, careInstructions mediante additionalProperty con PropertyValue normalizado.
• Oferta y logística: price, priceCurrency, priceValidUntil, availability, inventoryLevel, shippingDetails, deliveryLeadTime, itemCondition.
• Confianza y reseñas: aggregateRating con ratingValue y reviewCount; Review con datePublished, reviewBody y reviewRating.
• Devoluciones: hasMerchantReturnPolicy con MerchantReturnPolicy indicando returnPolicyCategory, merchantReturnDays, refundType y returnFees.

Guías prácticas:

• Unidades y vocabulario controlado. Material en lista cerrada cuero, algodón, poliéster. Talla en escalas S M L XL y equivalencias numéricas.
• Mapeo de atributos libres a additionalProperty con name, value y unitCode cuando aplique.
• Frescura: mantener dateModified en página y en cada bloque JSON‑LD.
• Consulta la página de schema Product y la documentación de schema MerchantReturnPolicy para campos válidos y ejemplos.

Ejemplo mínimo de JSON‑LD listo para carrusel

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Cama ortopédica para perro talla M",
  "sku": "PET-ORTHO-M",
  "gtin13": "1234567890123",
  "brand": {"@type": "Brand", "name": "SleepPet"},
  "isVariantOf": {"@type": "ProductModel", "name": "Cama ortopédica SleepPet"},
  "additionalProperty": [
    {"@type": "PropertyValue", "name": "material", "value": "espuma viscoelástica"},
    {"@type": "PropertyValue", "name": "size", "value": "M"}
  ],
  "aggregateRating": {"@type": "AggregateRating", "ratingValue": 4.6, "reviewCount": 128},
  "offers": {
    "@type": "Offer",
    "price": 79.90,
    "priceCurrency": "USD",
    "priceValidUntil": "2025-10-31",
    "availability": "https://schema.org/InStock",
    "inventoryLevel": {"@type": "QuantitativeValue", "value": 42},
    "shippingDetails": {"@type": "OfferShippingDetails", "shippingRate": {"@type": "MonetaryAmount", "value": 0, "currency": "USD"}},
    "deliveryLeadTime": {"@type": "QuantitativeValue", "minValue": 2, "maxValue": 4, "unitCode": "d"},
    "hasMerchantReturnPolicy": {
      "@type": "MerchantReturnPolicy",
      "returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
      "merchantReturnDays": 30,
      "returnFees": "https://schema.org/FreeReturn",
      "refundType": "https://schema.org/FullRefund"
    }
  },
  "dateModified": "2025-09-16"
}

Señales de confianza que el modelo puede leer

• Política de devoluciones clara y breve con días, costes y excepciones.
• Stock en tiempo real con availability e inventoryLevel actualizados por feed incremental y TTL corto.
• Densidad y frescura de reseñas. Objetivo mínimo 20 reseñas por SKU y al menos 30 por ciento de los últimos 90 días.
• Garantía explícita con duraciones estandarizadas y resumen visible.
• Envío y tiempos de entrega estimados por región con shippingDetails y deliveryLeadTime.
• Refuerza la capa legal y de licencias con estrategias como RSL First para AEO para aportar permisos machine readable que los agentes puedan verificar.

Respuestas de compra conversacionales

Crea bloques de 220 a 320 caracteres que respondan intenciones comunes y resuman 2 o 3 atributos diferenciales más una señal de confianza.

• Estilo: directo, comparativo y útil. Evita adjetivos vacíos.
• Plantilla base: necesidad del usuario, 2 comparadores normalizados, disponibilidad o devolución, cierre orientado a acción.
• Ejemplo para consulta necesito disfraces para dos perros: Disfraces para perro en tallas S a XL con cierres seguros y material lavable. Para dos perros de razas distintas, combina talla S y M. Envío en 48 h y devoluciones en 30 días. Opciones con capucha y reflectantes.

Potencia la generación y orquestación de estas respuestas con tu stack de ecommerce. Si usas Shopify, aplica el enfoque de AEO en Shopify con Sidekick para acelerar flujos editoriales y de datos.

Arquitectura de contenidos

• Categoría: resumen comparativo y FAQ conversacional. Cada FAQ se apoya en datos estructurados y enlaza a variantes.
• Fichas de producto: primer párrafo en formato respuesta de compra y especificaciones normalizadas debajo.
• Bloques How to choose por categoría para explicar criterios comparables material, talla, garantía en menos de 120 palabras.
• Integra memoria de marca y preferencias del usuario con tácticas de AEO Memory‑First para agentes.

Medición y experimentación

• Métrica principal: Share of Answer (SoA). Definición: apariciones de la marca en respuestas top o tarjetas del carrusel dividido por el total de ejecuciones de consulta en una muestra controlada.
• Banco de consultas por categoría: 100 a 200 queries con intención detectable comprar, mejor para, presupuesto, envío hoy, devolución.
• Anotaciones por ejecución: posición de tarjeta, presencia de precio, atributos citados y mención de política de devoluciones.

Test A B prioritarios para 2 semanas

1. Nombre de SKU conversacional vs técnico en los primeros 60 caracteres.
2. Primer párrafo en formato respuesta de compra vs descripción genérica.
3. Inclusión de MerchantReturnPolicy y deliveryLeadTime en JSON‑LD vs sin ellos.
4. Actualización de inventoryLevel cada 15 minutos vs cada 24 horas.
5. Resumen de reseñas recientes 90 días visible vs solo aggregateRating.

Umbrales de éxito: delta de SoA mayor o igual a 10 por ciento y mejora en citación de atributos comparables por consulta.

Priorización de categorías con alta intención detectable

• Alta comparabilidad objetiva y vocabulario estable. Ejemplos: pequeños electrodomésticos, colchones, portátiles, accesorios para móvil, productos para mascotas, juguetes de temporada.
• Señales estacionales claras: disfraces de Halloween, regalos de fin de año, vuelta al cole. Preparar respuestas y feeds con 4 a 6 semanas de antelación.
• Volatilidad de inventario: categorías con rotación rápida se benefician de disponibilidad en tiempo real.

Implementación técnica paso a paso

1. Extraer del PIM y OMS una tabla de atributos canonizados y diccionarios de equivalencias para talla y material.
2. Generar JSON‑LD server side para Product, Offer y MerchantReturnPolicy con sellos de dateModified y priceValidUntil.
3. Publicar feed incremental de inventario y precios con caducidad corta y reconciliación horaria.
4. Automatizar respuestas de compra con plantillas y revisión editorial humana. Mantener un corpus de 20 a 40 respuestas por categoría que cubran intenciones principales.
5. Añadir sitemap dedicado a productos y FAQs conversacionales. Actualizar al crear nuevas variantes o cambios críticos de stock.

Riesgos y mitigaciones

• Inconsistencias entre texto y datos estructurados. Solución: auditoría diaria y tests de esquema.
• Contenido redundante entre variantes. Solución: usar ProductModel y ProductGroup para evitar canibalización.
• Reseñas desactualizadas. Solución: incentivar reseñas post compra y destacar las recientes.

Plan de 4 semanas

• Semana 1: Descubrimiento y normalización de atributos, diccionarios y mapeos PIM.
• Semana 2: Implementación de JSON‑LD completo, retorno y logística, feed de inventario, primer lote de respuestas de compra.
• Semana 3: A B de títulos y primeros párrafos, activación de FAQ conversacionales y bloques How to choose.
• Semana 4: Banco de consultas, medición de SoA, iteraciones sobre categorías ganadoras y extensión a long tail.

KPIs y gobernanza

• Share of Answer por categoría y por consulta principal.
• Tasa de citación de atributos comparables material, talla, garantía en respuestas.
• Frescura media de reseñas y cobertura de inventario con disponibilidad confirmada.
• Latencia de actualización de inventario y precios.
• Crecimiento de clics atribuidos a chat frente a orgánico clásico cuando se disponga de etiquetado de referencia.

Checklist operativo

• JSON‑LD válido con Product, Offer, AggregateRating y MerchantReturnPolicy.
• Atributos comparables normalizados y publicados en todas las variantes.
• Respuestas de compra cortas por intención prioritaria.
• Feed de stock en tiempo real y políticas de devolución claras.
• Banco de queries y rig de pruebas para medir SoA y ejecutar A B continuos.