¿Qué es una auditoría de catálogo de productos?

«Auditoría» se usa para muchas cosas en una tienda online. Aquí no es la auditoría SEO de la web, que rastrea páginas y mira enlaces, velocidad o redirecciones, ni el recuento de existencias del almacén. Es la revisión de los datos de cada producto: el título, la marca, los identificadores, los atributos, el precio, la disponibilidad, tal como los tienes en tu catálogo de productos y tal como salen hacia fuera. Te importa porque esos datos los leen a la vez tu ficha de producto, Google Merchant Center, el feed que mandas a ChatGPT y los asistentes que recomiendan productos, y un error en una plantilla o en una importación se repite en cientos de productos a la vez.

Qué revisa

Una auditoría de catálogo responde a cuatro preguntas, en este orden, porque cada una supone la anterior.

¿Está el dato? Es la parte que se puede contar: la cobertura de datos del catálogo, campos con valor entre campos que ese producto debería tener. La lista de campos la pone el destino. La especificación de Merchant Center los divide en obligatorios (si no los envías, el producto no puede salir en anuncios ni en fichas gratuitas), «depende» (según el producto o los países donde se muestra) y opcionales.⁠^{[1]Ayuda de Google Merchant Center. Product data specification} El feed de OpenAI para ChatGPT pide nueve campos obligatorios por fila, y otros solo para usos concretos.⁠^{[2]OpenAI, documentación de comercio. Product feed specification: products}

¿Sirve el valor? Un campo relleno puede estar igual de vacío que uno en blanco. Merchant Center pide que un producto que de verdad no tiene marca deje el campo vacío, y no aceptar valores como «N/A», «Genérico» o «Sin marca».⁠^{[1]Ayuda de Google Merchant Center. Product data specification} OpenAI pide no usar textos de relleno como null, unknown o n/a, salvo donde unknown está permitido expresamente.⁠^{[2]OpenAI, documentación de comercio. Product feed specification: products} Y los identificadores tienen formato: un código EAN es un GTIN de 13 cifras.⁠^{[1]Ayuda de Google Merchant Center. Product data specification} Esta parte necesita reglas por campo, y es donde una auditoría se separa de un simple recuento.

¿Coincide en todos los sitios? El mismo hecho, el precio por ejemplo, vive en el panel de la tienda, en la página, en los datos estructurados y en cada feed. Google lo comprueba: su rastreador visita tus páginas de producto y compara el precio de tu feed con el de la página o el del marcado; si no coinciden, el producto puede ser rechazado, y demasiados desajustes pueden llevar a la suspensión de la cuenta.⁠^{[3]Ayuda de Google Merchant Center. How to fix: Mismatched product price} En el marcado, Google pide además que represente el contenido principal de la página, que no describa lo que el lector no ve y que esté al día.⁠^{[4]Google Search Central. General structured data guidelines}

¿Llega a la página publicada? Un dato correcto en el catálogo puede no aparecer en la página por el tema, por una aplicación o porque se añade con JavaScript después de cargar. Comprobarlo es la verificación de publicación, y una auditoría que no la incluye audita una copia, no lo que leen los demás.

Google resume bien dónde suelen estar los fallos. En la especificación de Merchant Center enumera como problemas habituales la categoría de producto de Google o el GTIN incorrectos, los atributos de variante que faltan o están mal (el identificador de grupo, el color, la talla), las imágenes de baja calidad y los datos que no coinciden entre el feed y la web, y avisa de que pueden impedir que tus productos salgan en anuncios y fichas gratuitas.⁠^{[1]Ayuda de Google Merchant Center. Product data specification} Es un buen índice para empezar las reglas.

Muestra, reglas y límites

Lo que hace que dos auditorías se puedan comparar no es la herramienta, sino tres cosas que se escriben antes de mirar.

Las reglas. Cada regla dice qué se comprueba, en qué campo, a qué productos se aplica y de dónde sale: de la especificación de un destino o de un criterio propio, dicho así. «La marca no puede ser "N/A"» es una regla con fuente; «las descripciones tienen que ser buenas» no es una regla hasta que dice qué es bueno.

La muestra. Las reglas mecánicas (si un campo está, si un GTIN tiene las cifras que tocan, si el precio del feed es el de la página) se pueden pasar sobre todo el catálogo. Las que piden juicio, como si una descripción describe el producto o si una foto lo enseña, se pasan sobre una muestra. La muestra tiene que poder repetirse: cuántos productos, de qué categorías, cómo se eligieron. Si solo entran los más vendidos, el resultado habla de los más vendidos.

Los límites. La fecha de la exportación, el número de productos, qué destinos se miraron y qué quedó fuera. Una auditoría hecha sobre una exportación del lunes no dice nada de lo que cambió el martes; para eso está la deriva de datos.

El punto de partida suele ser una exportación. En Shopify, desde la sección de productos del panel, puedes exportar a CSV todos los productos o solo los que coinciden con tu búsqueda y tus filtros.⁠^{[5]Ayuda de Shopify. Exporting products}

En una tienda

Una tienda de material de montaña con 1.200 productos pasa cinco reglas sobre su exportación completa. Es un ejemplo ficticio: la tienda, los recuentos y los fallos están inventados para enseñar cómo se presenta el resultado.

Tres cosas que enseña la tabla. Cada fila tiene una fuente, así que cualquiera puede repetirla. La gravedad sale de lo que dice el destino, no de una impresión: la disponibilidad que falta o no se reconoce hace que OpenAI rechace la fila entera,⁠^{[2]OpenAI, documentación de comercio. Product feed specification: products} y el precio que no coincide puede hacer que Google rechace el producto.⁠^{[3]Ayuda de Google Merchant Center. How to fix: Mismatched product price} Y no hay una nota final: setenta y seis fallos en cinco reglas dicen exactamente qué arreglar primero, mientras que un «72 sobre 100» no dice nada de eso.

Cómo comprobarlo

1. Exporta el catálogo a CSV desde el panel de tu tienda y apunta la fecha.⁠^{[5]Ayuda de Shopify. Exporting products}
2. Elige los destinos y copia sus listas de campos: la especificación de Merchant Center y la del feed de OpenAI, cada una con su nivel de requisito.⁠^{[1]Ayuda de Google Merchant Center. Product data specification}⁠^{[2]OpenAI, documentación de comercio. Product feed specification: products}
3. Escribe las reglas antes de mirar los datos, una por línea, con su fuente y su gravedad. Empieza por los problemas que Google enumera como habituales.⁠^{[1]Ayuda de Google Merchant Center. Product data specification}
4. Pasa las reglas mecánicas sobre todo el catálogo y las de juicio sobre una muestra que puedas repetir.
5. Abre la página publicada de unos cuantos productos con fallo y sin fallo y compara el precio, la disponibilidad y el marcado con la exportación.⁠^{[3]Ayuda de Google Merchant Center. How to fix: Mismatched product price}⁠^{[4]Google Search Central. General structured data guidelines}

Concepto cercano: cobertura de datos del catálogo

La cobertura de datos del catálogo es una cifra: qué parte de los campos aplicables tiene un valor válido. La auditoría de catálogo es el ejercicio completo, y la cobertura es solo su primera pregunta. Una tienda puede tener una cobertura alta y una mala auditoría, por ejemplo con todos los precios rellenos y seis que no coinciden con la página. La cobertura dice cuánto falta; la auditoría dice qué está mal, dónde y qué arreglar primero. Y ninguna de las dos te dice si después de arreglarlo te citan más: eso se mide fuera de la tienda, con una tasa de cita en un panel o con los informes de los buscadores.

Para seguir, la guía para auditar una ficha de producto baja al detalle de una sola ficha, y la ruta de lectura de medición y verificación ordena el resto de términos.