Generación automatizada de descripciones de productos: textos optimizados para SEO a gran escala
Un marketplace de artículos para el hogar con 14.000 listados de productos activos tenía un problema de contenido. Aproximadamente 8.200 de esos listados utilizaban descripciones proporcionadas por el fabricante, que eran las mismas descripciones que aparecían en los sitios de todos los demás minoristas que vendían los mismos productos. Otros 3.100 listados tenían descripciones escasas o incompletas (menos de 50 palabras). Solo 2.700 productos contaban con descripciones únicas y detalladas escritas por su equipo de contenido.
Al ritmo de producción de su equipo de contenido, de unas 40 descripciones de productos pulidas por día, cubrir el trabajo pendiente llevaría aproximadamente 283 días laborables, momento en el cual se habrían añadido miles de productos nuevos. Necesitaban un enfoque diferente.
El problema SEO de las descripciones duplicadas
Usar descripciones del fabricante genera un problema directo de SEO. Cuando decenas de minoristas publican descripciones de productos idénticas, Google tiene que decidir cuál posicionar. El minorista con la mayor autoridad de dominio suele ganar, lo que significa que los minoristas más pequeños y de mercado medio quedan filtrados de los resultados de búsqueda para esos productos, incluso cuando tienen precios competitivos y mejor servicio.
Las directrices de contenido útil de Google recompensan explícitamente el contenido único y original que aporta valor. Una descripción de producto que simplemente repite las especificaciones del fabricante (material: 100% algodón, dimensiones: 12 x 8 x 4 pulgadas, peso: 1,2 libras) no aporta valor porque esa información ya está disponible en otros veinte sitios. Las descripciones que explican cómo se usa el producto, para quién es más adecuado, cómo se compara con las alternativas y qué dicen los clientes reales sobre él proporcionan el valor único que los motores de búsqueda recompensan.
El impacto en los ingresos es medible. El marketplace de artículos para el hogar analizó su tráfico de búsqueda orgánica y descubrió que los productos con descripciones únicas recibían 3,2 veces más impresiones orgánicas y 2,7 veces más clics orgánicos que los productos con descripciones del fabricante, controlando otros factores como la popularidad del producto y la autoridad de la página.
Cómo son las descripciones generadas por IA
Los modelos de lenguaje modernos (GPT-4, Claude, Gemini) pueden generar descripciones de productos sorprendentemente buenas cuando se les proporcionan los datos correctos. La clave es proporcionar datos estructurados del producto como entrada en lugar de pedirle al modelo que genere desde cero. Un buen prompt de entrada incluye el nombre del producto y la marca, especificaciones clave (material, dimensiones, peso, opciones de color), categoría del producto y uso previsto, perfil del cliente objetivo, diferenciadores clave respecto a productos de la competencia, y cualquier punto destacado de reseñas de clientes o elogios frecuentes.
Con estos datos, el modelo genera una descripción que se lee de forma natural, destaca los beneficios en lugar de solo las características e incorpora términos de búsqueda relevantes sin saturación de palabras clave. La salida para una cafetera podría ir más allá de listar características para explicar quién apreciaría la capacidad de 12 tazas (familias, personas que reciben invitados), por qué importa la jarra térmica (mantiene el café caliente durante horas sin una placa caliente que queme el café) y cómo el temporizador programable encaja en la rutina matutina.
La calidad no es idéntica a lo que produce un redactor publicitario experto. Un escritor humano aporta consistencia en la voz de marca, frases creativas y una comprensión intuitiva de lo que hace especial a un producto específico. Pero para los 11.300 productos que actualmente no tienen descripción única o tienen una escasa, una descripción generada por IA es una mejora enorme respecto al texto duplicado del fabricante.
El pipeline de producción
Generar descripciones a escala requiere un pipeline estructurado, no prompts individuales. El pipeline implica preparación de datos (extracción de atributos estructurados del producto desde tu PIM o base de datos de productos), ingeniería de prompts (creación de plantillas que produzcan resultados consistentes para cada categoría de producto), generación por lotes (procesamiento de todos los productos a través del modelo con limitación de velocidad adecuada), filtrado de calidad (verificaciones automatizadas de precisión, longitud, inclusión de palabras clave y cumplimiento de la voz de marca), y revisión humana (un editor de contenido revisa una muestra y aprueba el lote o señala problemas).
Las plantillas de prompts varían según la categoría de producto porque diferentes categorías requieren diferente énfasis. Las descripciones de ropa deben destacar el ajuste, la sensación de la tela y la versatilidad de estilismo. Las descripciones de electrónica deben enfatizar especificaciones, compatibilidad y casos de uso. Las descripciones de decoración del hogar deben pintar una imagen de cómo se ve el producto en una habitación y qué estética complementa.
Un consejo práctico: incluye un prompt negativo o una lista de exclusión para evitar que el modelo genere afirmaciones que no puedas respaldar. Excluye superlativos como "mejor" o "máxima calidad" a menos que puedas verificarlos. Excluye afirmaciones de salud o seguridad para productos donde esas afirmaciones requieren respaldo regulatorio. Excluye comparaciones con competidores que puedan crear problemas legales.
Optimización SEO dentro de la generación
El prompt de generación de descripciones debe incluir palabras clave objetivo para cada producto. Estas provienen de tu investigación de palabras clave, típicamente extraídas de herramientas como Ahrefs, SEMrush, o incluso datos de Google Search Console que muestran qué consultas ya están generando impresiones en tus páginas de producto.
Para una botella de agua de acero inoxidable, las palabras clave objetivo podrían incluir "botella de agua aislante", "botella de agua libre de BPA", "doble pared con aislamiento al vacío" y "botella de agua a prueba de fugas". El prompt instruye al modelo para incorporar estos términos de forma natural dentro de la descripción. El modelo generalmente es bueno integrando palabras clave sin que el texto se sienta forzado, aunque debes verificar la densidad de palabras clave en la salida. Apunta a que cada palabra clave objetivo aparezca 1-2 veces en una descripción de 200-300 palabras.
El marcado de datos estructurados (Schema.org Product schema) debe acompañar las descripciones generadas. El modelo también puede generar los atributos de datos estructurados: campos de description, brand, sku, offers y aggregate rating que ayudan a los motores de búsqueda a comprender y mostrar la información de tu producto en fragmentos enriquecidos.
Mantener la calidad a escala
El riesgo del contenido generado por IA a escala es la degradación de la calidad. Si generas 10.000 descripciones con la misma plantilla de prompt, algunas contendrán errores factuales (el modelo podría alucinar una característica), frases repetitivas (el modelo tiene patrones que tiende a reutilizar) o lenguaje fuera de marca (el modelo recurre por defecto a un tono comercial genérico).
Las verificaciones de calidad automatizadas deben señalar descripciones que sean demasiado cortas (menos de 100 palabras) o demasiado largas (más de 400 palabras para un producto estándar), que contengan frases que no coincidan con tu voz de marca (mantén una lista de bloqueo de frases como "no busques más" o "revolucionario"), que hagan afirmaciones específicas no respaldadas por los datos del producto proporcionados, o que tengan puntuaciones de legibilidad fuera de tu rango objetivo (nivel Flesch-Kincaid grado 6-8 para productos de consumo).
La revisión humana debe centrarse en una muestra representativa (10-15% del lote), los productos de mayor valor donde la calidad de la descripción importa más, y cualquier descripción señalada por las verificaciones de calidad automatizadas. Un editor de contenido puede revisar 200-300 descripciones generadas por IA por día, haciendo ediciones ligeras para la voz de marca y la precisión, lo que significa que un lote de 5.000 descripciones puede ser revisado y publicado en aproximadamente 3-4 semanas.
Para los minoristas de ecommerce con catálogos grandes, la elección no es entre descripciones generadas por IA y descripciones escritas por humanos. Es entre descripciones generadas por IA y no tener descripciones únicas en absoluto. Un catálogo con 14.000 productos y un equipo de contenido de tres personas nunca logrará cobertura total mediante redacción manual únicamente. La generación con IA y supervisión humana es el camino práctico hacia contenido único en todo el catálogo, y los beneficios SEO de pasar de descripciones duplicadas a únicas se acumulan con el tiempo a medida que los motores de búsqueda indexan y posicionan las páginas mejoradas.