Ingeniería para IA: optimización de su tienda para LLM (LLMO)

En 2024, los usuarios buscaron en Google: “Mejores zapatillas para correr 2024”. En 2026, los usuarios preguntarán a ChatGPT: “Necesito zapatillas para correr de calce ancho para entrenar maratones por menos de $150. ¿Qué debo comprar?” Si su sitio web está optimizado para palabras clave (SEO), es posible que aparezca en Google. Pero si tus datos no están optimizados para el razonamiento (LLMO), ChatGPT te ignorará.

La teoría: de las palabras clave a los vectores

El SEO tradicional hace coincidir la cadena “zapatillas para correr” con la cadena “zapatillas para correr”. Los LLM coinciden con Contexto y Atributos. Necesitan “comprender” el producto, no sólo indexarlo.

El eslabón perdido: llms.txt

Así como robots.txt le dice a un rastreador adónde ir, la IA necesita un mapa semántico. Implementamos una capa de datos robusta y estructurada.

Implementación: JSON-LD con esteroides

La mayoría de los temas de Shopify tienen marcado básico de Schema.org. Es insuficiente. Inyectamos “Atributos de Razonamiento” en la cabeza de cada PDP.

<tipo de script="aplicación/ld+json">
{
  "@context": "https://schema.org/",
  "@tipo": "Producto",
  "nombre": "Velocity Runner X",
  "description": "Diseñado para entrenamiento de maratón con soporte para el arco alto.",
  "marca": {
    "@tipo": "Marca",
    "nombre": "Casa Deporte"
  },
  "ofertas": {
    "@type": "Oferta",
    "precioCurrency": "USD",
    "precio": "140,00",
    "disponibilidad": "https://schema.org/InStock"
  },
  "Propiedad adicional": [
    {
      "@type": "ValorPropiedad",
      "nombre": "Caso de uso",
      "value": "Entrenamiento para maratón"
    },
    {
      "@type": "ValorPropiedad",
      "nombre": "Ajustar",
      "value": "Puntera ancha"
    },
    {
      "@type": "ValorPropiedad",
      "nombre": "Soltar",
      "valor": "8 mm"
    }
  ]
}
</script>

La arquitectura del descubrimiento

gráfico LR
    P[Página del producto] -->|Contiene| JSON[JSON-LD enriquecido]
    Rastreador[PerplexityBot] -->|Raspones| JSON
    Rastreador -->|Almacena en| VectorDB[Base de datos de vectores]
    
    Usuario[Usuario] -->|Preguntar| LLM[ChatGPT]
    LLM -->|Recupera| VectorDB
    LLM -->|Recomienda| Producto[Su producto]

Estrategia de contenidos para agentes

Los agentes no leen tonterías. Leen hechos. Vuelva a escribir sus descripciones.

• Malo: “Corre como el viento con estos increíbles zapatos que se sienten como nubes”. (Tonterías de marketing).
• Bueno: “La entresuela de EVA CloudFoam absorbe un 40% más de impacto que el caucho estándar. Peso: 220 g. Drop del talón a la punta: 8 mm”. (Hechos).

Densidad de hechos es la nueva densidad de palabras clave.

ROI de LLMO

Realizamos una prueba con un cliente del sector de la electrónica. Después de enriquecer su JSON-LD con especificaciones técnicas (voltaje, compatibilidad):

• Referencias de perplejidad: Aumento del 400 %.
• Tasa de conversión: los visitantes de agentes de IA realizaron una conversión del 8 % (frente al 2 % de Google Ads).

---

---

¿Tu tienda es invisible para la IA?

Podemos generar esquemas enriquecidos para todo su catálogo mediante programación. Contrate a nuestros arquitectos.