La forma más rápida de saber si un e-commerce transfronterizo necesita una auditoría GEO es abrir ChatGPT o Perplexity y formular una consulta con las palabras que usaría un comprador: «Recomiéndame varias marcas de un producto concreto». Después, comprueba si aparece tu tienda. Si no te menciona, no solo estás perdiendo una posición: estás quedando fuera de una nueva puerta de entrada en la que la IA ayuda al consumidor a elegir. Una auditoría SEO tradicional analiza si Google puede rastrear y posicionar tu sitio. Una auditoría GEO determina si los motores de IA entienden tus productos, confían en tu marca y utilizan tu contenido como fuente al generar respuestas. Aunque comparten algunos puntos, sus listas de comprobación están lejos de ser iguales.
Veamos qué debe analizar una auditoría GEO para e-commerce.
Una auditoría GEO completa para e-commerce debe responder tres preguntas. Primero: ¿puede el motor de IA acceder a los datos de tus productos? Aquí entran la capacidad de rastreo, el renderizado y el marcado estructurado. Segundo: ¿puede interpretar esos productos? No basta con capturar el HTML; también debe comprender de forma estructurada sus especificaciones, materiales, contexto de uso, precio e información histórica. Tercero: cuando alguien consulta sobre tu categoría, ¿la IA te recomienda o te cita? Este nivel depende de la presencia de la marca en el discurso público de la web, no solo de su propio sitio. Muchos vendedores transfronterizos concentran todo el presupuesto en los ajustes técnicos de los dos primeros niveles y dejan vacío el tercero. El resultado es un sitio técnicamente impecable del que la IA nunca habla.
Primer nivel: ¿puede la IA extraer los datos de producto?
Muchos e-commerce transfronterizos utilizan arquitecturas front-end con un renderizado intensivo en JavaScript: los nombres de producto, precios y reseñas solo aparecen después de que el navegador ejecuta JS. Googlebot puede procesar el contenido en una segunda fase de renderizado, pero la mayoría de los rastreadores de IA —como OAI-SearchBot, PerplexityBot y ClaudeBot— no ejecutan JS o lo hacen de forma limitada. El primer paso de la auditoría consiste en desactivar JavaScript y comprobar qué queda en las páginas de producto. Si solo queda la estructura vacía, eso es exactamente lo que ve la IA.
- Comprueba que el nombre del producto, el precio y las especificaciones estén presentes en el HTML inicial, no solo en el JS del front-end.
- Revisa si robots.txt bloquea por error a rastreadores de IA como GPTBot, OAI-SearchBot, PerplexityBot o ClaudeBot. En sitios transfronterizos, esto suele ocurrir al aplicar las reglas predeterminadas de un CDN externo.
- Confirma que las imágenes de producto tengan texto alternativo descriptivo, no una referencia genérica como «product-01.jpg».
- Verifica que las versiones multilingües utilicen correctamente hreflang para evitar que la IA interprete, por ejemplo, las versiones en inglés y chino como contenido duplicado.
- Asegúrate de que los productos retirados devuelvan el código de estado y el marcado schema correctos, para que la IA no responda a los consumidores con un inventario de hace tres meses.
Segundo nivel: los datos estructurados son la base del GEO para e-commerce
En un sitio de contenidos puede bastar casi siempre con el marcado Article o FAQPage. En e-commerce, la situación es muy distinta. Para elaborar recomendaciones de compra, los motores de IA dependen en gran medida de los datos estructurados de Product, Offer y AggregateRating, que les permiten comparar especificaciones, precios y valoraciones. Comprueba si Product incluye Brand, Gtin, Material, color y size; si Offer contiene Price, PriceCurrency, Availability y PriceValidUntil; y si ratingValue y reviewCount de AggregateRating coinciden con lo visible en la página. Basta una discrepancia para que la IA tenga motivos para desconfiar del conjunto de datos.
Los datos estructurados no son un complemento pensado únicamente para Google: son la traducción de tu catálogo a un formato que la IA puede citar de forma directa. Sin ellos, solo puede hacer inferencias y, por lo general, elegirá a un competidor que sí haya completado sus datos.
Los e-commerce transfronterizos son especialmente vulnerables a los errores de precio y moneda. Un mismo SKU puede venderse en USD en Estados Unidos, en JPY en Japón y en TWD en Taiwán. Si priceCurrency no cambia en el schema de cada mercado, la IA detectará precios contradictorios y no citará ninguno. La auditoría debe realizarse con un criterio de «un mercado, una moneda y una versión de la página».
Tercer nivel: conseguir que la IA te recomiende es donde se decide el resultado
Hasta aquí solo has conseguido el derecho a participar. Lo que realmente determina si la IA te recomienda es la densidad de menciones de tu marca en el discurso público de toda la web. Cuando genera una propuesta de compra, no se limita a leer tu sitio: también consulta medios, Reddit, foros, comparadores de precios, publicaciones de comunidades y YouTube. Para auditar este nivel, hay que salir del sitio corporativo y analizar cómo percibe la IA tu marca.
- Formula entre 5 y 10 consultas con el lenguaje real de un comprador y ejecútalas en ChatGPT, Perplexity y Gemini. Registra cuántas veces aparece tu marca, cómo la describen y con qué productos o atributos la asocian.
- Compara las fuentes que la IA cita para tus competidores —medios externos, listados y debates—. La diferencia revela tus carencias de relaciones públicas y contenido.
- Comprueba si el nombre de tu marca aparece mal escrito en las respuestas de la IA. Los errores y omisiones de la descripción señalan información externa que debes corregir de forma proactiva.
- Repite las mismas consultas y registra cómo cambian los resultados al cabo de unas semanas.
Este seguimiento pronto deja de ser manejable de forma manual: al combinar grupos de consultas, plataformas y periodos, la carga de trabajo se dispara. Brand Radar de Tenten busca convertirlo en un panel sostenible: define un conjunto fijo de preguntas de compradores, las ejecuta periódicamente en varias plataformas, mide la visibilidad y la evolución de tu marca en las respuestas de la IA y convierte el tercer nivel en datos, no en impresiones.
Convierte los resultados de la auditoría en un plan de acción priorizado
La auditoría GEO de un e-commerce transfronterizo no es un proyecto puntual, sino un ciclo de «medir, corregir y volver a medir». Los productos entran y salen del catálogo, los precios cambian, aparecen nuevos competidores y los modelos de IA pueden actualizarse cada pocas semanas. Cualquiera de estas variables puede alterar tu tasa de recomendación. Para consolidar esta nueva fuente de tráfico, necesitas fijar el checklist de tres niveles y ejecutarlo periódicamente.
Siguiente paso
Si no sabes en qué nivel está el problema —si la IA ni siquiera puede acceder a los productos o si los interpreta pero no los recomienda—, lo más rápido es medirlo. Podemos ejecutar una prueba multiplataforma con las consultas principales de tu categoría y reunir las brechas de los tres niveles en una sola tabla. Así verás cómo percibe la IA tus productos.
