Amazon vs. Perplexity por Comet: límites para agentes de compra y Answer Engine Optimization

Qué pasó y por qué importa a growth y marketing\n\nAmazon envió un requerimiento legal a Perplexity por las prácticas de su navegador Comet y su agente de compras, alegando acceso no autorizado a cuentas y actividad automatizada que se hacía pasar por navegación humana. Es una de las primeras colisiones públicas entre un marketplace y un agente orientado a cerrar compras, no solo a responder preguntas. La noticia no es solo legal, es un aviso operativo para cualquier equipo que vende en plataformas o que ya trabaja Answer Engine Optimization (AEO), la optimización para motores de respuesta.\n\nSegún Reuters, Amazon acusa a Comet de ocultar su naturaleza automatizada y de degradar la experiencia personalizada del retailer, mientras Perplexity lo niega y argumenta que las credenciales permanecen locales y que Amazon intenta frenar la innovación. Lee el reporte de Reuters sobre Comet. TechCrunch detalla el intercambio de cartas y el requisito de que el agente se identifique, clave para cualquier integración futura; consulta la carta de cese y desistimiento.\n\n## Qué se disputa técnicamente, en términos simples\n\nEl núcleo del caso está en tres puntos que todos los equipos de crecimiento deberían entender:\n\n- Identidad del agente. Amazon sostiene que un software que actúa por el usuario debe identificarse claramente y respetar decisiones de participación de la plataforma. Perplexity argumenta que el agente hereda permisos del usuario porque actúa por encargo del mismo.\n- Acceso y automatización. Se describen patrones de navegación camuflados como humanos, desde el user agent hasta la cadencia de clics, para buscar, añadir al carrito y comprar.\n- Efecto en la experiencia. Amazon afirma que Comet interfiere con la personalización y la integridad de su experiencia de compra, algo tan crítico como el ranking en un buscador.\n\nEste cruce no ocurre en el vacío. Ya hemos visto tensiones por cómo agentes y crawlers interactúan con servicios comerciales. Para entender el papel de los grandes canales pagados, revisa también lo último de retail media en Amazon Ads en unBoxed 2025.\n\n## Por qué anticipa límites a los agentes de compra\n\nMás allá del desenlace del caso, el mercado se mueve por lo que un actor dominante tolera o bloquea. Tres límites prácticos se asoman:\n\n1) Identificación obligatoria. Las plataformas exigirán que un agente se anuncie desde el primer request y negocie permisos. Eso implica listas blancas, APIs pagadas o bloqueo en retail media y checkout.\n\n2) Controles de fricción. Espere CAPTCHAs más sofisticados, challenge‑response en login, límites de frecuencia y señales anti‑automatización en carrito y pago.\n\n3) Ámbitos de acción. Incluso si un agente puede comparar y recomendar, el cierre de compra podría quedar reservado a apps y navegadores certificados. Esto cambia qué optimizamos y dónde invertimos.\n\nPara growth, el mensaje es claro: la ventana de tácticas grises con agentes que “navegan como humanos” se está cerrando. El camino serán integraciones sancionadas, datos de catálogo estructurados y un AEO que impulse respuestas correctas y con permiso. Para profundizar en visibilidad en motores de respuesta, consulta la guía AEO en Copilot.\n\n## AEO bajo presión: del SEO al motor de respuesta\n\nAEO no es solo influir el snippet que lee un asistente. En comercio implica cuatro capas: datos de producto legibles, autoridad de la marca como entidad, experiencia post clic y capacidad de cierre en el canal elegido por el usuario. Si ese canal es un agente, su capacidad de operar dependerá de las reglas de la plataforma. Sin API o permiso, la respuesta podrá informar pero no ejecutar.\n\nAcciones inmediatas para tu AEO:\n\n- Publica datos de producto con atributos completos, variantes, precios y stock consistentes. Toda discrepancia rompe confianza de agentes y usuarios.\n- Estructura respuestas a preguntas frecuentes transaccionales con lenguaje claro y especificaciones exactas: compatibilidad, medidas, tiempos y costes de envío, política de devoluciones.\n- Genera respuestas accionables, textos breves que incluyan el paso siguiente válido según canal: comprar en web propia, reservar en retail partner o hablar con ventas.\n\n## Haz una auditoría de dependencia en 48 horas\n\nAntes de experimentar, entiende tu exposición actual a plataformas y a motores de respuesta. Un checklist rápido:\n\n- Participación de ingresos por canal. Directo, marketplaces, afiliados, retail media, AEO y chatbots. Cuantifica la cuota de cada uno y la tendencia a 90 días.\n- Atracción por respuesta. Identifica sesiones que llegan desde respuestas de motores, asistentes o cajas de IA en buscadores. Etiqueta estas sesiones con fuente y medio diferenciados.\n- Riesgo de automatización. Revisa logs y WAF para detectar picos de navegación con patrones no humanos en búsqueda interna, carrito y checkout.\n- Dependencia de Amazon. Calcula cuántas unidades y cuánto margen dependen de listados que podrían verse afectados por nuevas políticas de agentes.\n\nSi el 30 por ciento de tu volumen neto depende de dos marketplaces y tu AEO impulsa el 10 por ciento del tráfico, necesitas instrumentar ya un nuevo KPI.\n\n## Define el KPI clave: pedidos asistidos por agente\n\n“Pedidos asistidos por agente” es el número de pedidos en los que un agente realizó, verificablemente, al menos una de estas acciones antes del pago:\n\n- Apertura de ficha o categoría mediante un deep link etiquetado por el agente.\n- Inclusión en carrito o wishlist a través de un request identificado como agente.\n- Aplicación de un cupón, recomendación o bundle sugerido por el agente.\n\nCómo instrumentarlo sin invadir la privacidad:\n\n- A nivel de evento, crea un campo booleano agente_presente en pageview, add_to_cart y checkout_start alimentado por una lista de user agents y tokens autorizados por agentes con relación vigente.\n- A nivel de enlace, usa parámetros UTM específicos de agentes y firma server‑side para evitar spoofing. No guardes contenido sensible, solo señales de procedencia y permisos.\n- A nivel de pedido, almacena un campo origen_agente con valores controlados: agente_certificado, agente_desconocido, sin_agente.\n\nObjetivo a 60 días: un dashboard que muestre participación de pedidos asistidos por agente, con tasa de conversión y margen, frente a pedidos sin agente.\n\n## Diseña un test de 14 días para decidir inversión\n\nNo esperes al desenlace. Puedes aprender en dos semanas si tu negocio gana o pierde con los agentes actuales. Si buscas una metodología ágil, apóyate en el playbook de 14 días con Pomelli.\n\nDiseño del experimento:\n\n- Alcance. Catálogo de 50 a 200 SKUs con suficiente tráfico y margen saludable. Excluye liquidaciones que distorsionen la señal.\n- Grupos. Control sin cambios y Tratamiento con tres tácticas: 1) endurecer fricción anti‑automatización en checkout, 2) exponer páginas de producto con bloques de respuestas accionables y 3) negociar con al menos un agente certificado para etiquetar tráfico.\n- Métricas principales. Pedidos asistidos por agente, tasa de conversión, margen por pedido, coste por sesión de agente, lead time desde primera respuesta hasta compra.\n- Salvaguardas. Limita el tratamiento a ciertos horarios o regiones si temes impacto en SLA o stock.\n\nCalendario sugerido:\n\n- Días 1 a 3: línea base. Congela cambios de precio, captura métricas y valida tracking. Revisa calidad de datos de producto.\n- Días 4 a 10: aplica tratamiento. Activa reglas de WAF inteligentes, añade módulos de respuesta accionable y establece credenciales con un agente que se identifique.\n- Días 11 a 12: análisis interino. Si sube la tasa de pedidos asistidos sin deteriorar margen, prepara escalado. Si baja la conversión, revisa la fricción aplicada.\n- Días 13 a 14: cierre y decisión. Ajusta inversión en AEO, retail media o afiliados según el KPI y el margen.\n\nReglas de decisión simples:\n\n- Si pedidos asistidos por agente ≥ 8 por ciento del total con margen igual o mayor, incrementa inversión en AEO y acuerdos con agentes certificados.\n- Si ≤ 3 por ciento y cae margen, redirige presupuesto a SEO clásico y retail media mientras fortaleces datos de producto y permisos.\n\n## Ajusta tu mix: AEO, retail media y web propia\n\nCon lo aprendido del test, redefine inversión por canal:\n\n- AEO orientado a entidades. Trabaja autoridad de marca y producto como entidades con atributos verificables. Cuanta más precisión y consistencia, más probable que un agente te elija.\n- Retail media con señales de agente. Negocia placements y medición que diferencien sesiones asistidas por agente. Si el marketplace no lo ofrece, presiónalo con datos.\n- Web propia con rutas claras para asistentes. Implementa deep links predecibles y endpoints ligeros para crear y recuperar carritos. Ese trabajo beneficia tanto a humanos como a agentes.\n\n## Gobernanza y cumplimiento que no puedes posponer\n\nLos equipos legales y de seguridad deben moverse en paralelo:\n\n- Términos de servicio claros. Explicita si permites automatización y bajo qué condiciones. Define límites, responsabilidades y procesos de revocación.\n- Permisos y listas blancas. Mantén un registro de agentes permitidos con claves rotatorias y scopes mínimos. Desconfía de agentes sin proceso de identificación.\n- Antifraude adaptativo. Usa señales de comportamiento para diferenciar ayuda legítima de abuso. Evita bloqueos duros a usuarios reales, sobre todo en móvil.\n\n## Cómo preparar a tu equipo de datos y martech\n\nPara medir pedidos asistidos por agente y escalar AEO, necesitarás cambios en tu tubería de datos y en tus herramientas:\n\n- Esquema de eventos. Añade campos para presencia de agente, método de identificación y permisos. Documenta los valores en tu catálogo de datos.\n- Modelos y dashboards. Crea vistas que crucen origen de sesión, presencia de agente y rentabilidad. Añade alertas cuando suba la fricción o caiga el margen asistido.\n- Catálogo impecable. Sin datos de producto consistentes, ni el mejor AEO ni el mejor agente te salvarán. Prioriza calidad de atributos y disponibilidad en casi tiempo real.\n\nEquipos de marketing que ya operan con Upcite.ai combinan auditoría de visibilidad en motores de respuesta con tracking de pedidos asistidos por agente para decidir cuánto presupuesto mover del SEO clásico al AEO de producto. La clave es ver entidad, respuesta y conversión en una sola hoja.\n\n## Qué observar en los próximos 90 días\n\n- Estandarización de señales. Si los grandes retailers publican guías para agentes, emergerá un esquema de identificación y permisos casi estándar.\n- APIs comerciales. Veremos más catálogos, carritos y pagos expuestos por API con controles estrictos. Menos scraping y más integración oficial.\n- Políticas de marketplaces. Prepárate para cláusulas explícitas sobre agentes, tanto en acceso a datos como en cierre de compra y atribución.\n\n## Conclusión: tu plan de 3 pasos\n\nEl choque entre Amazon y Perplexity formaliza un cambio que ya sentimos: los agentes de compra serán parte del embudo, pero bajo reglas. No esperes al desenlace para actuar. Haz esto ahora:\n\n1) Audita dependencia. Mide exposición por canal, identifica sesiones provenientes de motores de respuesta y estima sensibilidad a cambios en marketplaces.\n2) Define y mide el KPI. Instrumenta pedidos asistidos por agente con eventos, UTMs y firma server‑side. Ponlo en tu tablero ejecutivo.\n3) Corre el test de 14 días. Ajusta fricción, añade respuestas accionables y negocia al menos un agente certificado. Usa el resultado para redistribuir inversión entre AEO, retail media y web propia.\n\nSi ejecutas este plan, cuando lleguen nuevas políticas o integraciones oficiales, llegarás con datos y no con suposiciones. Eso te permitirá defender margen, negociar mejor y escalar lo que funcione.