Cómo ChatGPT, Perplexity & Google AI eligen realmente qué productos recomendar

TL;DR: ChatGPT, Perplexity y Google AI Overviews usan cada uno métodos distintos para decidir qué productos recomendar. ChatGPT se apoya en gran medida en los feeds de productos y los datos estructurados. Perplexity prioriza las citas web y la autoridad de las fuentes. Google AI Overviews aprovecha su índice de búsqueda existente más la síntesis de IA. Los tres premian la especificidad factual, los datos estructurados completos y las menciones de marca en fuentes con autoridad. Naridon rastrea su visibilidad en los tres (más otros 5 motores) y usa más de 19 agentes de corrección para mejorar las señales que impulsan las recomendaciones.

Cuando un cliente le pregunta a un motor de IA “cuál es el mejor sérum de vitamina C para piel sensible,” la IA no lanza una moneda. No muestra anuncios. No devuelve 10 enlaces azules y deja que el usuario decida.

Ella elige un producto para recomendar. A veces dos o tres. Y esos productos consiguen el clic, la compra y el cliente recurrente. Todos los demás no consiguen nada — ni siquiera un enlace de consolación al final de la página.

La pregunta que todo comerciante de Shopify debería hacerse es: ¿Qué determina si mi producto es elegido?

La respuesta varía según el motor. ChatGPT, Perplexity y Google AI Overviews funcionan de forma distinta por dentro. Esta guía desglosa la mecánica de cada uno, con base en pruebas reales a lo largo de miles de consultas de productos.

Instale Naridon en Shopify — inicio gratuito, configuración en menos de 2 minutos.

---

Cómo recomienda productos ChatGPT

ChatGPT es el mayor motor de IA por número de usuarios, con más de 400 millones de usuarios activos semanales. Su sistema de recomendación de productos ha evolucionado significativamente desde el lanzamiento de ChatGPT Shopping en 2025.

El proceso de recuperación de ChatGPT

Cuando un usuario hace una pregunta de compra, ChatGPT extrae de múltiples fuentes:

1. Feeds de productos: ChatGPT Shopping usa feeds de productos estructurados (similares a Google Merchant Center) como fuente de datos principal. Los productos con datos de feed completos se muestran como tarjetas de producto con imágenes, precios y enlaces de compra.
2. Datos de entrenamiento: El modelo base de ChatGPT contiene conocimiento de su corpus de entrenamiento, que incluye reseñas de productos, sitios web de marcas y contenido editorial indexados antes del corte de entrenamiento.
3. Navegación web: En modo Browse, ChatGPT busca en la web en tiempo real y puede extraer información de productos, precios y disponibilidad actuales.
4. Datos estructurados en las páginas de producto: El esquema JSON-LD Product de su tienda Shopify se analiza y se usa para las tarjetas de producto y el contexto de recomendación.

Qué prioriza ChatGPT

Con base en pruebas exhaustivas, las recomendaciones de productos de ChatGPT ponderan con más fuerza estos factores:

• Completitud del feed de productos: Los productos con GTIN, marca, precio, disponibilidad, imágenes y descripciones en el feed aparecen con más frecuencia.
• Señales de reseñas: Los productos con calificaciones más altas y más reseñas aparecen con más frecuencia. ChatGPT puede acceder a datos de calificación agregada del marcado de esquema.
• Títulos de producto descriptivos: “Retinol 0.5% Anti-Aging Night Serum — 1 oz” supera a “Midnight Renewal Serum” porque ChatGPT puede emparejarlo con la consulta del usuario.
• Menciones de marca en sitios con autoridad: Si se habla de su marca de forma positiva en Wirecutter, Allure o Reddit, es más probable que ChatGPT lo recomiende desde los datos de entrenamiento.
• Especificidad factual: Las listas de ingredientes, las composiciones de materiales, el peso/las dimensiones y los beneficios medibles le dan a ChatGPT datos concretos para emparejar con las consultas.

Qué hace que ChatGPT ignore su producto

Errores comunes que llevan a cero recomendaciones:

• Nombres de producto creativos/abstractos sin palabras clave descriptivas
• Identificadores GTIN o MPN faltantes (ChatGPT no puede emparejar su producto con su índice de feed)
• Descripciones de producto que son puro texto de marketing sin especificaciones
• Esquema Product incompleto o faltante en sus páginas de Shopify
• Sin reseñas o con un número de reseñas muy bajo (menos de 10)

---

Cómo recomienda productos Perplexity

Perplexity es el motor de búsqueda de IA de más rápido crecimiento, y su enfoque de las recomendaciones de productos difiere notablemente del de ChatGPT. Perplexity prioriza la cita — cada afirmación que hace enlaza de vuelta a una fuente.

El proceso de recuperación de Perplexity

El sistema de Perplexity funciona en una secuencia clara:

1. Análisis de la consulta: Perplexity interpreta la pregunta del usuario e identifica la intención (descubrimiento de producto, comparación, reseña, información específica de producto).
2. Búsqueda web en vivo: A diferencia del enfoque de ChatGPT centrado en los datos de entrenamiento, Perplexity busca en la web en vivo para cada consulta. Obtiene y lee páginas web reales en tiempo real.
3. Evaluación de fuentes: Perplexity evalúa la autoridad y relevancia de cada fuente que encuentra. Las fuentes de alta autoridad (grandes publicaciones, sitios de reseñas de expertos, minoristas consolidados) reciben mayor ponderación.
4. Síntesis con citas: Perplexity genera una respuesta que sintetiza información de múltiples fuentes, con citas en línea que enlazan a cada fuente.
5. Tarjetas de producto: Para las consultas de compra, Perplexity muestra tarjetas de producto extraídas de sitios de comerciantes y bases de datos de productos.

Qué prioriza Perplexity

Las señales de recomendación de Perplexity se ponderan de forma distinta a las de ChatGPT:

• Autoridad de la fuente: Esta es la señal n.º 1 de Perplexity. Ser mencionado en sitios web reconocidos y con autoridad aumenta drásticamente sus probabilidades de ser recomendado. Una mención en Wirecutter o en un hilo top 10 de Reddit importa enormemente.
• Facilidad de cita del contenido: Perplexity prefiere el contenido fácil de citar — afirmaciones claras, puntos de datos específicos, organizado con encabezados y viñetas. Si su página de producto tiene una sección de especificaciones limpia, Perplexity puede tomarla directamente.
• Frescura: Como Perplexity busca en la web en vivo, el contenido publicado o actualizado recientemente tiene prioridad. Un artículo de 2024 pierde frente a uno de 2026.
• Corroboración multifuente: Si varias fuentes con autoridad mencionan su producto de forma positiva, Perplexity gana confianza para recomendarlo. Una mención está bien; menciones en 3+ fuentes es significativamente mejor.
• Contenido comparativo detallado: A Perplexity le encantan las comparaciones estructuradas. Si su producto aparece en una lista “best of” o en una tabla comparativa, es más fácil de citar para Perplexity.

Qué hace que Perplexity ignore su producto

• Sin menciones en sitios de terceros con autoridad (Perplexity no recomienda basándose solo en su página de producto)
• Páginas de producto detrás de renderizado JavaScript que el rastreador de Perplexity no puede procesar
• Contenido desactualizado — si las únicas menciones de su marca son de 2023, Perplexity puede omitirlo en favor de alternativas más nuevas
• Afirmaciones vagas o sin fundamento, sin datos específicos que citar

---

Cómo recomienda productos Google AI Overviews

Google AI Overviews (antes SGE) es el cuadro de respuesta generado por IA que aparece en la parte superior de los resultados de búsqueda de Google para un número creciente de consultas. Es el puente más importante entre el SEO tradicional y el GEO.

El proceso de recuperación de Google AI Overviews

Google AI Overviews tiene una ventaja única: acceso a todo el índice de búsqueda de Google, más su grafo de conocimiento de productos, los datos de Google Shopping y los feeds de comerciantes.

1. Índice de búsqueda de Google: AI Overviews parte del mismo índice que Google usa para los resultados de búsqueda tradicionales. Las páginas que se posicionan bien de forma orgánica tienen mejor oportunidad de aparecer en AI Overviews.
2. Datos de Google Shopping: Para las consultas de producto, AI Overviews extrae de los feeds de Google Merchant Center, incluidos precios, disponibilidad, imágenes y reseñas.
3. Knowledge Graph: La base de datos de entidades de Google proporciona información de marca, especificaciones de producto y relaciones entre productos y categorías.
4. Síntesis de IA: El modelo Gemini de Google sintetiza todas estas fuentes en una respuesta conversacional, a menudo con recomendaciones de productos, puntos de comparación y enlaces directos.

Qué prioriza Google AI Overviews

• Posicionamiento existente en Google: Las páginas que ya se posicionan bien en los resultados tradicionales de Google tienen más probabilidad de ser citadas en AI Overviews. Su inversión en SEO paga el doble aquí.
• Datos de Google Merchant Center: Los productos en Google Shopping con feeds completos y precisos aparecen como recomendaciones de productos dentro de AI Overviews.
• Datos estructurados (esquema): Google usa su esquema Product para poblar las tarjetas de producto de AI Overview. Los campos de datos faltantes significan presentaciones menos completas.
• Contenido que responde directamente a la consulta: AI Overviews extrae oraciones y párrafos específicos que responden a la pregunta del usuario. El contenido estructurado como Q&A o con oraciones temáticas claras es el que mejor rinde.
• Señales E-E-A-T: El marco de Experience, Expertise, Authoritativeness y Trustworthiness de Google se traslada a AI Overviews. Las credenciales del autor, la autoridad del sitio y la experiencia temática importan todas.

Qué hace que Google AI Overviews ignore su producto

• Mal posicionamiento orgánico en la búsqueda tradicional de Google (AI Overviews rara vez cita páginas que no se posicionan ya bien)
• Feed de Google Merchant Center faltante o datos de producto incompletos
• Contenido pobre que no responde directamente a las preguntas comunes de su categoría
• Categorías YMYL (Your Money or Your Life) con señales E-E-A-T insuficientes

---

Comparación: en qué difiere cada motor

Así se comparan los tres grandes motores de IA en las dimensiones clave:

Señal	ChatGPT	Perplexity	Google AI Overviews
Fuente de datos principal	Feeds de productos + datos de entrenamiento	Búsqueda web en vivo	Índice de Google + Merchant Center
Datos en tiempo real	Sí (modo Browse) / No (base)	Siempre en tiempo real	Sí (aprovecha el índice de Google)
Citas mostradas	A veces (tarjetas de producto)	Siempre (citas en línea)	A veces (enlaces de fuentes bajo el resumen)
Tarjetas de producto	Sí (ChatGPT Shopping)	Sí (para consultas de compra)	Sí (de datos de Shopping)
Señal más importante	Completitud de los datos del feed	Autoridad de fuentes & citas	Posicionamiento existente en Google
Importancia de las reseñas	Muy alta	Media (vía fuentes citadas)	Alta (integración con Google Reviews)
Importancia de GTIN/MPN	Crítica para el emparejamiento de productos	Baja (no se usa directamente)	Alta (para la integración con Shopping)
Frescura del contenido	Media (importa el corte de entrenamiento)	Muy alta (búsqueda en vivo)	Alta (la frescura es una señal de posicionamiento)
Reconocimiento del nombre de marca	Alta (de los datos de entrenamiento)	Media (depende de las fuentes encontradas)	Alta (entidad del Knowledge Graph)
Mejor punto de entrada para marcas nuevas	Feed de productos completo + esquema	Ser citado en sitios con autoridad	SEO orgánico fuerte + Merchant Center

Instale Naridon en Shopify — inicio gratuito, configuración en menos de 2 minutos.

---

Qué hace que un producto sea “citable” por la IA

En los tres motores, ciertas cualidades hacen que un producto sea más probable de ser recomendado. Considérelas las señales universales que aumentan su “citabilidad.”

Señales de datos estructurados

Los datos estructurados son el factor más controlable en las recomendaciones de IA. Esto es lo que sus páginas de producto de Shopify necesitan en su esquema JSON-LD:

• Nombre del producto: Descriptivo, que incluya la categoría, ni creativo ni abstracto
• Marca: Debe coincidir exactamente con el nombre de su marca en todas las plataformas
• Price y priceCurrency: Actuales, precisos, incluidos los precios de oferta cuando corresponda
• Disponibilidad: InStock, OutOfStock o PreOrder — debe ser precisa en tiempo real
• GTIN o MPN: Identificadores universales de producto que permiten a los motores de IA emparejar su producto entre bases de datos
• AggregateRating: Valor de calificación y número de reseñas de una plataforma de reseñas legítima
• Descripción: Descripción factual, centrada en especificaciones (no texto de marketing)
• Imagen: Imágenes de producto de alta calidad con texto alternativo descriptivo
• Material/ingredientes: Para los productos aplicables, listas explícitas de materiales o ingredientes
• Peso, dimensiones: Especificaciones físicas del producto cuando sean relevantes

Los agentes de corrección de Naridon incluyen una optimización de esquema que completa automáticamente los campos de datos estructurados faltantes en todo su catálogo de Shopify. Los más de 19 tipos de agentes operan en 3 niveles de riesgo (Safe, Moderate, Advanced) para que pueda controlar con qué agresividad se aplican los cambios.

Señales de contenido

Más allá de los datos estructurados, el contenido de sus páginas afecta a la citabilidad:

• Descripciones centradas en especificaciones: Comience con hechos medibles (dimensiones, peso, material, capacidad, ingredientes) antes del lenguaje de marketing.
• Formato apto para comparación: Use tablas, viñetas y encabezados claros que la IA pueda analizar y extraer.
• Secciones de FAQ: Responda las preguntas comunes sobre su producto directamente en la página. A los motores de IA les encanta tomar del contenido de FAQ.
• Mapeo de casos de uso: Indique explícitamente para quién es el producto y qué problemas resuelve. “Designed for long-distance runners with wide feet” le da a la IA un criterio de emparejamiento específico.
• Contenido actualizado: Las modificaciones recientes de la página señalan que la información está al día. Los motores de IA despriorizan el contenido obsoleto.

Señales de autoridad

Las señales de autoridad provienen de fuera de su propio sitio web:

• Menciones editoriales: Apariciones en Wirecutter, publicaciones del sector, blogs de nicho con audiencia establecida.
• Discusiones comunitarias: Menciones genuinas en Reddit, foros de nicho y plataformas de Q&A. Los motores de IA — especialmente Perplexity — ponderan Reddit con fuerza.
• Presencia en plataformas de reseñas: Fichas en Trustpilot, G2 o plataformas de reseñas específicas de categoría con reseñas reales.
• Coherencia en la prueba social: El mismo nombre de marca, nombres de producto y afirmaciones en su sitio web, Amazon, redes sociales y plataformas de reseñas.
• Cobertura de prensa: Artículos de noticias, notas de prensa en servicios de cable reputados y cobertura del sector.

Construir autoridad lleva tiempo, pero es la señal más correlacionada con recomendaciones de IA consistentes en los tres motores. Un producto mencionado en 5 fuentes con autoridad casi siempre vencerá a un producto mencionado en ninguna, sin importar lo perfecta que sea la optimización on-site.

---

Lo que los comerciantes pueden controlar realmente

No todas las señales de recomendación están bajo su control. Aquí un desglose práctico:

Directamente controlable (haga esto primero)

• Completitud y precisión del esquema Product
• Títulos y descripciones de producto (factuales, descriptivos, centrados en especificaciones)
• Calidad del feed de Google Merchant Center
• Creación y mantenimiento de LLMs.txt
• Estructura del contenido on-page (FAQ, tablas comparativas, secciones de especificaciones)
• Calidad de las imágenes y texto alternativo
• Recopilación y visualización de reseñas (con marcado de esquema)

Indirectamente controlable (constrúyalo con el tiempo)

• Menciones editoriales y cobertura de prensa (proponga, no pague)
• Presencia en Reddit y en la comunidad (participe con autenticidad, no haga spam)
• Perfil de backlinks y autoridad de dominio
• Coherencia de marca entre plataformas
• Calidad de las reseñas de clientes (fomente reseñas detalladas, no solo calificaciones con estrellas)

No controlable (pero conviene entenderlo)

• Cortes de datos de entrenamiento de los modelos de IA y sus actualizaciones
• Cambios de algoritmo en cómo los motores de IA ponderan las distintas señales
• Acciones y optimizaciones de la competencia
• Patrones de consulta y formulación de los usuarios

Los 3 modos Autopilot de Naridon se corresponden con esta jerarquía. El modo WATCH monitorea todas las señales. El modo ASSIST sugiere correcciones para los factores directamente controlables. El modo AUTOPILOT implementa las correcciones automáticamente, manteniendo sus datos continuamente optimizados a medida que evolucionan los motores de IA.

---

La estrategia multimotor

El mayor error que cometen los comerciantes es optimizar para un solo motor de IA. ChatGPT podría ser el más grande, pero sus clientes usan varios motores. Aquí está el enfoque multimotor:

Para ChatGPT: perfeccione sus datos de producto

Asegúrese de que su feed de Google Merchant Center esté completo y de que sus páginas de producto de Shopify tengan un esquema JSON-LD completo. Concéntrese en el volumen de reseñas, los títulos de producto descriptivos y los identificadores GTIN. ChatGPT Shopping es un canal de ventas directo — trátelo como un problema de optimización de feed de productos.

Para Perplexity: construya su red de citas

Consiga que sus productos sean mencionados en sitios en los que Perplexity confía. Apunte a recopilaciones editoriales, discusiones de Reddit y sitios de reseñas de nicho. Mantenga su contenido fresco — Perplexity busca en la web en vivo y penaliza el contenido obsoleto. Haga que sus páginas de producto sean fáciles de citar con secciones de especificaciones claras y datos estructurados.

Para Google AI Overviews: redoble la apuesta en SEO + Schema

AI Overviews usa su posicionamiento existente en Google, por lo que un SEO sólido es su punto de entrada. Superponga un esquema Product completo y datos de Google Merchant Center encima. Cree contenido que responda directamente a las preguntas comunes de su categoría — a AI Overviews le encanta tomar de contenido tipo Q&A. Para más sobre la relación SEO/GEO, consulte nuestra guía GEO vs SEO.

Para todos los motores: monitoree de forma continua

El comportamiento de los motores de IA cambia con frecuencia. Un prompt que el mes pasado devolvía su marca podría no devolverla este mes. El Monitor de Naridon rastrea su visibilidad en ChatGPT, Perplexity, Google AI Overviews, Claude, Bing Copilot, DeepSeek, Grok y Brave Search — con 7 pestañas que cubren Visibility, Position, Sentiment, Citations, Mentions, Brands y Share — para que detecte caídas antes de que le cuesten ingresos.

---

Preguntas frecuentes

¿Los motores de IA usan las mismas fuentes de datos que Google?

Parcialmente. Google AI Overviews usa el índice existente de Google y los datos de Shopping, por lo que hay una superposición significativa con la búsqueda tradicional de Google. ChatGPT usa feeds de productos (similares a Google Merchant Center) más sus propios datos de entrenamiento. Perplexity realiza búsquedas web en vivo, por lo que puede encontrar cualquier página de acceso público — pero evalúa la autoridad de las fuentes de forma independiente en lugar de usar las señales de posicionamiento de Google.

¿Con qué frecuencia los motores de IA vuelven a rastrear las páginas de producto?

Varía según el motor. Perplexity busca en la web en vivo para cada consulta, por lo que siempre ve su contenido más reciente. Los datos de entrenamiento de ChatGPT tienen una fecha de corte, pero el modo Browse accede a las páginas actuales. Google AI Overviews usa la frecuencia de rastreo existente de Google, que va de diaria (para sitios populares) a mensual (para tiendas más pequeñas). Mantener su LLMs.txt actualizado y su sitemap al día ayuda a todos los motores a acceder a datos frescos.

¿Es posible pagar por una posición en las recomendaciones de IA?

No directamente, a fecha de abril de 2026. No hay ubicaciones publicitarias pagadas dentro de las respuestas de ChatGPT, las respuestas de Perplexity ni los Google AI Overviews (aunque Google está probando resultados patrocinados en AI Overviews). Las recomendaciones se generan algorítmicamente a partir de las señales descritas arriba. Esto hace de la optimización GEO orgánica la única forma de influir en las recomendaciones.

¿Las reseñas de producto en Amazon afectan a las recomendaciones de IA?

Sí, especialmente para ChatGPT. Los motores de IA pueden acceder a los datos de producto de Amazon, y un número alto de reseñas en Amazon contribuye a la autoridad percibida de un producto. Sin embargo, los propios datos de reseñas de su tienda Shopify (vía marcado de esquema) también importan de forma significativa. La mejor estrategia es tener reseñas sólidas en varias plataformas, no solo en Amazon.

¿Cómo rastrea Naridon la visibilidad en los distintos motores de IA?

Naridon monitorea activamente ChatGPT, Perplexity y Google AI Overviews en todos los planes. También monitorea Claude, Bing Copilot, DeepSeek, Grok y Brave Search. El Monitor envía consultas reales a cada motor para sus términos de marca y de categoría, y luego analiza si su marca aparece en la respuesta, dónde se posiciona, cómo se describe (sentiment), si se cita o solo se menciona, y cómo se compara su cuota con la de los competidores.

¿Puedo optimizar para los tres motores a la vez, o necesito estrategias separadas?

Puede optimizar para los tres simultáneamente porque las señales fundamentales se superponen: los datos estructurados completos, las descripciones de producto factuales y las reseñas sólidas ayudan en todos los motores. Las tácticas específicas de cada motor (feeds de productos para ChatGPT, construcción de citas para Perplexity, SEO orgánico para Google AI Overviews) son aditivas, no contradictorias. Los agentes de corrección de Naridon abordan primero las señales universales y luego superponen las optimizaciones específicas de cada motor.

¿Cuál es el mínimo que necesito hacer para empezar a obtener recomendaciones de IA?

Empiece con tres cosas: (1) Complete su esquema Product en cada página de producto de Shopify — como mínimo, añada GTIN, marca, precio, disponibilidad y calificaciones agregadas. (2) Reescriba sus 10 mejores descripciones de producto para que comiencen con especificaciones y hechos. (3) Cree un archivo LLMs.txt para su tienda. Estos tres pasos abordan las señales directamente controlables en todos los motores. Naridon puede automatizar los tres — instálelo desde el Shopify App Store y ejecute su primer escaneo en menos de 2 minutos.

¿Cuánto tardaré en ver resultados tras optimizar?

Perplexity puede reflejar los cambios casi de inmediato, ya que busca en la web en vivo. ChatGPT Shopping se actualiza en 1 a 2 semanas a medida que se reindexan los feeds de productos. Google AI Overviews depende del calendario de rastreo de Google, normalmente de 2 a 6 semanas para que aparezcan los cambios de posicionamiento. Las señales de autoridad (menciones editoriales, presencia comunitaria) tardan de 1 a 3 meses en construirse, pero tienen el impacto más duradero en todos los motores.

Instale Naridon en Shopify — inicio gratuito, configuración en menos de 2 minutos.