Prepara tu catálogo de moda para GEO

La búsqueda se está dividiendo en dos. Los compradores todavía escriben consultas en Google, pero una parte que crece rápido ahora le pide a un asistente de IA (ChatGPT, Perplexity, las AI Overviews de Google o un copiloto de compra en tienda) que busque y compare productos por ellos. Cuando el 50 % de los directivos de moda señalan el descubrimiento y la búsqueda de productos por parte del consumidor como su mayor caso de uso de la IA generativa (McKinsey y Business of Fashion, 2024), la pregunta ya no es si la IA mediará en el descubrimiento. Es si tu catálogo le resulta legible.

La optimización para motores generativos, o GEO (generative engine optimization), es la práctica de asegurarte de que así sea. La mayor parte de la conversación sobre GEO gira en torno al texto y al SEO tradicional. En moda eso no da en el clavo: un catálogo es sobre todo imágenes, y las marcas que ganen en el descubrimiento por IA serán aquellas cuyo catálogo visual esté tan estructurado y sea tan legible por máquinas como su feed de productos.

Qué significa que un catálogo de moda esté "listo para GEO"

Un catálogo listo para GEO es uno que un motor de compra con IA puede encontrar, entender y recomendar con confianza. Eso se apoya en dos capas que funcionan juntas:

1. Datos de producto estructurados para que el motor sepa qué es cada artículo: títulos limpios, atributos completos (tejido, corte, color, temporada), categorías correctas, precio y disponibilidad.
2. Imágenes completas y coherentes para que el motor, y el comprador al que responde, pueda ver de verdad el producto sobre un cuerpo, desde los ángulos adecuados y con fidelidad.

El SEO de texto cubre la primera capa. La moda se juega la vida en la segunda, que es justo la que la mayoría de los catálogos descuida.

Cómo leen un catálogo los motores de compra con IA

Los motores de compra modernos son multimodales: analizan tu feed de productos y leen tus imágenes. Premian la exhaustividad y la coherencia, porque ambas hacen que un producto sea más fácil de asociar con la intención de un comprador. Un producto con atributos ricos, una entrada de feed limpia e imágenes on-model nítidas es fácil de mostrar y recomendar. Un producto con atributos pobres, imágenes ausentes o un modelo distinto en cada toma es ruido que el motor tiene que adivinar.

Por eso la optimización del feed de productos es lo mínimo imprescindible para el descubrimiento de productos por IA: los atributos estructurados, el marcado Product de schema.org, el texto alternativo descriptivo y una cobertura completa de imágenes le dan al motor señales inequívocas con las que trabajar.

Las imágenes on-model coherentes son la capa visual de GEO

Esta es la parte que los consejos de GEO centrados en el texto no dejan de pasar por alto. El descubrimiento de productos por IA es visual, así que tus imágenes son datos. Un catálogo donde cada producto se muestra on-model, de forma coherente y con la prenda fiel al original, le entrega al motor una señal visual completa de cada SKU. Los huecos y las incoherencias hacen lo contrario.

La coherencia es la parte difícil a escala de catálogo, y es exactamente para lo que se creó On-Model. Las identidades de modelo con IA reutilizables hacen que las mismas caras aparezcan en toda tu gama, Flat-to-Model convierte las fotos de producto que ya tienes en imágenes on-model para cada SKU, y Model Swap mantiene la coherencia de un look cuando localizas o renuevas una campaña. El resultado es un catálogo visual completo y coherente por diseño, que es justo lo que un motor de compra con IA (y un comprador humano) interpreta como fiable.

"Todo el mundo está optimizando el texto para la búsqueda con IA. En moda el catálogo es visual, así que la verdadera ventaja es una capa de imágenes completa y coherente en todos los productos. Eso es lo que hace que un catálogo sea legible para un motor de compra con IA, no solo para Google."

— Nunzio Alexandro Letizia, cofundador de PiktID y creador de On-Model

El trabajo de base que sí puedes ganar: feed, estructura, cobertura

No necesitas un proyecto imposible para empezar. Las acciones de mayor impacto son poco glamurosas:

• Completa el feed de productos. Rellena todos los atributos por los que un motor (y un comprador) filtra: material, corte, silueta, color, ocasión, cuidado, rango de tallas.
• Añade datos estructurados. Marcado Product, Offer e imágenes de schema.org en cada PDP para que el artículo sea legible por máquinas.
• Cierra los huecos de imágenes. Cada SKU on-model, varios ángulos, identidades coherentes, prendas fieles. Un ai catalog cubierto al 90 % sigue leyéndose como incompleto.
• Escribe texto alternativo de verdad. Describe la prenda y cómo se lleva, no "IMG_2043".

Dónde encaja la prueba virtual de Google Shopping

La compra con IA ya está anticipando el ajuste. Google Shopping ya muestra la prueba virtual en las fichas de ropa, y los asistentes enseñan cada vez más a los compradores cómo queda puesta una prenda antes de hacer clic. Las marcas con imágenes on-model limpias y coherentes son las que están en posición de alimentar esas experiencias. Cubrimos ese cambio en detalle en la prueba virtual para marcas de moda.

Una lista de comprobación para estar listo para GEO

• Feed de productos estructurado y completo (atributos, categorías, precio, disponibilidad)
• Datos estructurados Product más imágenes de schema.org en cada PDP
• Imágenes on-model para cada SKU, con identidades coherentes
• Prendas fieles píxel a píxel, para que la imagen coincida con lo que se envía
• Varios ángulos y un estilo visual coherente en toda la gama
• Texto alternativo descriptivo y páginas de producto rápidas e indexables

GEO no es un proyecto de una sola vez. Es higiene de catálogo para una era en la que un motor de IA, y no solo una caja de búsqueda, decide si tu producto aparece. Las marcas que traten su catálogo visual como datos estructurados serán las que la IA recomiende.

Qué sigue

Audita tu catálogo como lo haría un motor: elige diez productos y comprueba si cada uno tiene atributos completos, datos estructurados e imágenes on-model coherentes desde varios ángulos. Los huecos son tu hoja de ruta. Para las cifras que hay detrás de la adopción de la IA y las imágenes en moda, consulta nuestras estadísticas de e-commerce de moda, y cuando estés listo para cerrar la brecha de imágenes en todo un catálogo, empieza gratis.

---

Fuentes:

1. McKinsey & Company and Business of Fashion. (2025). The State of Fashion 2025. mckinsey.com
2. Baymard Institute. Product Page UX Research. baymard.com
3. Google. AI-powered shopping and the Shopping Graph. blog.google