Descripciones de producto con IA: problemas, posibles soluciones y herramientas

Los grandes ecommerce no pueden generar descripciones de producto de calidad de manera masiva. En keytrends tras 1 año trabajando en ello tenemos varias experiencias que compartir.

Los problemas que se encuentran los ecommerce al generar sus descripciones de producto son:

❌ Se necesitan demasiadas manos, tiempo y dinero para escribirlas y revisarlas
❌ Se hace imposible mantener la consistencia en la voz y el tono de marca
❌ Los requisitos de optimización SEO no se aplican por igual
❌ La entrada de nuevos productos supera a la capacidad de redacción
❌ No es un proceso eficiente, ni mucho menos escalable

La llegada de la IA abre la puerta a poder automatizar la redacción de descripciones de producto y de categorías, incluso mediante procesos en bulk, pero todavía hay muchas dudas al respecto:

→ ¿El contenido será original y posicionará en buscadores?
→ ¿Los contenidos tendrán errores y alucinaciones si uso la IA?
→ ¿Aportaré valor a mis posibles compradores y los convertiré en clientes?
→ ¿El precio va acorde a lo que obtengo? ¿Podré escalar más rápido?→

La respuesta depende de la solución de IA que escojas. Para ello tienes que conocer cuáles existen a día de hoy y qué es lo que te ofrecen, pero también cuáles son los problemas más comunes a la hora de generar este tipo de contenido para ecommerce: la optimización SEO, el enfoque estratégico, la calidad de los textos de la inteligencia artificial…

La herramienta o servicio que elijas ha de poder solucionarlos con tecnología que evite los inconvenientes más comunes de la IA generativa. No solo está en juego la calidad de tu contenido, sino que afecta de forma directa a tus objetivos de negocio.

Todo esto es lo que vas a poder leer en esta guía. Nosotros podemos contártelo de primera mano porque llevamos tiempo trabajando en ello. Hemos hecho prompt engineering, fine tuning, embbedings y solo a base de prueba y error hemos logrado generar contenido original, optimizado y de calidad para tiendas online como la tuya.

Por supuesto, te contaremos qué hemos probado, qué otras opciones barajamos y cómo hemos llegado a una solución que funciona y por qué 😉

Problemas comunes en ecommerce con las descripciones de producto y de categoría 

Hay dos cuestiones fundamentales que nos llevan dando algún que otro dolor de cabeza desde mucho antes de la irrupción de la IA, y que conviene tener en cuenta antes de generar cualquier contenido en bulk: los procesos de posicionamiento SEO del contenido y la estrategia a seguir para priorizar el contenido y conseguir mejores resultados.

Problemas de posicionamiento SEO que afectan a tu visibilidad

1. Diferenciación del contenido con respecto a tu competencia

Uno de los grandes problemas de contenido en ecommerce es el contenido duplicado derivado de una mala práctica: el copia-pega de las especificaciones del fabricante o el distribuidor. Aunque no es penalizado ese contenido si que genera 2 problemas:

• Menor posicionamiento web debido a la ausencia de contenido original y de información útil para el usuario
• Poca credibilidad y autoridad a los ojos de Google y de cara a la decisión de compra de los clientes potenciales

Dos aspectos que han pasado a un primer plano con la irrupción de la IA y el énfasis que está haciendo Google en el E-E-A-T (Experience, Expertise, Authoritativeness y Trustworthiness) y en el contenido útil.

¿El problema? Los chats y generadores de texto con IA son propensos a producir textos duplicados si no tienen los suficientes recursos tecnológicos y un enfoque AI data-driven para generar contenido SEO para las personas. 

2. La calidad en los textos de producto y de categoría

El crear contenido original, y no similar o igual al de otras páginas es uno de los aspectos que premia Google, incluidas las tiendas online. Para saber si creas contenido de calidad basta ir a la documentación del motor de búsqueda y hacerte estas pocas preguntas:

• ¿Proporciona el contenido una descripción sustancial, completa o exhaustiva del tema que trata?
• ¿Proporciona el contenido información valiosa si se compara con otras páginas que aparecen en los resultados de búsqueda?
• ¿El contenido tiene errores ortográficos o de estilo?
• ¿Se nota que se ha dedicado tiempo y esfuerzo a crear el contenido o, por el contrario, parece descuidado o que se ha creado de forma apresurada?
• ¿Se ha comprobado que no haya errores en el contenido que sean fáciles de verificar?

A la vista está que utilizar las especificaciones del fabricante no es suficiente. Muchas veces, la información es muy escueta, no aporta valor y no contesta a las preguntas del usuario sobre los usos, características, beneficios y otras propiedades de un producto.

¿Puede una IA hacer esto por ti? Con la tecnología, el acceso a los datos de búsquedas de usuario y el entrenamiento adecuado para tu marca y tipo de producto, sí. Lo veremos.

3. Detección de posibles canibalizaciones SEO

La canibalización SEO es algo muy común en ecommerce por lo que no hay que alarmarse excepto en casos en lo que identifiquemos que:

1. Una o varias páginas de producto o de categoría relevantes están perdiendo autoridad y bajando de posiciones.
2. Una o varias páginas de producto o de categoría relevantes no están siendo indexadas por el motor de búsqueda por posible contenido duplicado y consecuente gasto del crawl budget.

Aquí es importante re-ajustar la optimización de la página o páginas que están robando protagonismo a otras que son clave, e incorporar en tu flujo de trabajo procesos de detección (por esto decidimos incorporar una función para comprobar canibalizaciones en nuestra plataforma 😉).

❕Antes de empezar a crear los textos de tus páginas de producto y de categoría con una IA para ecommerce es importante que audites tu tienda online en busca de casos graves de canibalización para no perjudicar la visibilidad de tu tienda online.

4. Control del proceso completo de indexación

Aunque esto es algo que puedes hacer con Google Search Console, las Webmaster tools de Bing o una herramienta de monitorización de la indexación como la nuestra, tienes que hacerte esta pregunta para asegurarte de que el contenido de tu ecommerce es indexable:

→ ¿Estás creando el contenido diferenciador, útil y de calidad para tus potenciales clientes que Google espera?

Ahora más que nunca, Google impulsa el contenido creado para las personas que no se limite a resumir lo que ya existe en otras fuentes. Éste no será considerado de calidad y podría o no ser indexado, o ser desindexado en algún momento cuando sea detectado por las actualizaciones de algoritmo.

Así lo dejaba claro John Mueller en unas Google SEO office-hours de hace 3 años (pero que sigue 100% vigente a día de hoy):

¿Por qué decimos que esto es un tema tan candente? Fácil: la irrupción de la IA ha hecho que internet se llene de una “avalancha de contenido sin precedentes”, tal y como señalan desde USEO. El resultado: “Google no puede ni quiere indexar todo internet”.

Más que texto: problemas de estrategia que afectan a tus objetivos de negocio

Confiar la creación del contenido más comercial de tu tienda online a una herramienta o servicio de IA en bulk no es la única forma que tienes de ahorrar en recursos y tiempo. De hecho, es el segundo paso que has de dar.

Antes, pregúntate si tienes una estrategia para priorizar y dirigir la creación de contenido. Es fundamental para priorizar los productos y categorías que te interesa lanzar y posicionar antes porque van a contribuir a los números de tu negocio. 

Lo que dicta esa estrategia son:

• Las tendencias en producto y otras novedades en tu sector 
• Las demandas de los usuarios en producto, recursos e información
• El margen de beneficio que te dan tus productos según el crecimiento y la penetración que tienen el mercado

De nuevo, tienes dos vías para hacerlo:

🅰️ Con una herramienta que detecte esas tendencias, palabras en crecimiento y consultas de los usuario relacionadas (puedes hacerlo, por ejemplo, con Google Trends).

🅱️ Con la ayuda de la herramienta o servicio que contrates para crear en bulk tus fichas de producto y tus categorías con IA. Nosotros lo hacemos en el acompañamiento a todos nuestros clientes.

Por cierto, para evitar todos los problemas puedes poner en práctica el proceso de creación y de optimización que trabajamos con otros más de 40 ecommerce. Lo tienes en esta guía descargable:

Posibles inconvenientes de la generación de textos de producto y de categorías con IA

Chatbots, generadores de texto, plataformas de content marketing con IA… Todas permiten que cualquier negocio de ecommerce pueda escribir su contenido de forma automática. Sin embargo, no todo el que se genera es válido:

➡️ ¿Cumple con las exigencias de calidad de motores de búsqueda como Google?

➡️ ¿Está optimizado para la intención de búsqueda del usuario y ofrece ayuda y valor reales?

➡️ ¿Está impregnado del estilo, tono y toda la identidad verbal del ecommerce?

La respuesta es que no, porque los modelos de lenguaje de los que disponemos hoy en día (entre ellos, GPT) no han sido entrenados para ello y, además, son prompt-dependientes. 

Esto significa que la calidad de sus respuestas depende de la información y el contexto que reciban a través de las preguntas, órdenes o prompts que se utilicen para obtenerlas, pero también del corpus de datos del que haya aprendido o tenga a su disposición (por ejemplo mediante la conexión con distintas bases de datos, documentos o APIs)

👉 Exacto: cuanta más información tenga la IA y más relevante sea para el sector y el objetivo con el que crea contenido, mejores serán los textos. 
Conseguirlo queda en manos de cada herramienta o plataforma, y aquí es donde surgen gran parte de los problemas de calidad del contenido para ecommerce generado con IA. Entre los motivos, están:

1. Mal uso de prompts y técnicas de prompt engineering inadecuadas

El problema de la mayoría de las herramientas de IA para la redacción de contenidos (Ryrt, Quopywriter, Jasper.ai) es que están basadas en ChatGPT y en su modelo de lenguaje base, entrenado con un corpus cerrado de documentos y de información, no adaptado al sector de cada negocio o tienda online.

Por tanto, excepto que haya un refinamiento posterior de los prompts para poder darle a la IA una mayor información contextual, el contenido y la información que arrojen estas herramientas será genérica y no estará optimizada para la search intent del usuario ni personalizada a las características de cada ecommerce.

Elegir la técnica o técnicas de prompt-engineering adecuadas puede mejorar, y mucho, las respuestas de la IA:

• Zero-shot prompt: el LLM recibirá una tarea o pregunta sin haber sido entrenado de forma específica en ese tema, por lo que su respuesta se basará en su capacidad de razonamiento a partir de un conocimiento muy general. Esta es la técnica base de la que parten todas las herramientas de contenido con IA basadas en ChatGPT.
  
• Few-shot prompt: se proporciona una tarea o pregunta a un LLM junto con algunos ejemplos de respuestas esperadas (varias descripciones de producto). Siguiendo ese patrón y adaptándose al contexto, el LLM intenta generar una respuesta.
  
• Chain of thought: técnica que proporciona una serie de instrucciones paso a paso que ayudan a los LLM a crear contenido mucho más coherente y adaptado al contexto que se le proporciona. Por ejemplo: detallarle cada una de las tareas de optimización SEO que ha de llevar a cabo con ejemplos de competidores en SERPs.
  
• RAG (retrieval augmented generation): método en el que además de un prompt, el LLM recibe información adicional de una base de conocimientos con ejemplos de textos relacionados. De esta forma se consigue un contenido más personalizado adaptado al tipo de negocio (ecommerce), al proyecto (una tienda online específica) y a su sector (tipo de producto).

Otras, como Backpropagation o los árboles de decisión, discriminan por ellas mismas entre prompts que dan un buen o mal resultado para la órden dada.

❗Nuevos modelos y últimas novedades de OpenAI para desarrolladores

Hacemos un incido aquí porque en el pasado OpenDev Day de 2023 OpenAI anunció novedades que pueden suponer un salto en la generación de contenido. No solo facilitan el entrenamiento de los modelos, sino que abren la puerta a una mayor personalización. Las más importantes, son:

• GPT-4 Turbo: una nueva versión del modelo de lenguaje generativo con un conocimiento actualizado hasta abril de 2023 y una ventana de contexto de 128k, lo que le permite procesar más de 300 páginas de texto en una sola entrada. Al disponer de más información, aumenta de forma notable la calidad y la coherencia en los textos.
• Agentes GPTs: la gran novedad y revolución. Los agentes GPTs son versiones personalizadas de ChatGPT que cada desarrollador o usuario puede crear para un propósito específico (por ejemplo, analizar el contenido de un sitio web y sugerir mejoras para optimizar el SEO). Se crean fácilmente iniciando una conversación y aportando páginas web, documentos, bases de datos o cualquier instrucción y conocimiento adicional al del modelo pre-entrenado. Un agente GPT podría mejorar la calidad de las descripciones de producto al adaptarse al tono, estilo y vocabulario de la marca, al evitar la repetición y el plagio, y al incorporar feedback de los clientes y las tendencias del mercado.
• Assistants API: una nueva API que permite llamar a modelos y herramientas y que facilita a los desarrolladores crear sus propias aplicaciones. Ofrece además nuevas capacidades: Code interpreter, Retrieval y Function calling. 

💻 Code interpreter permite escribir y ejecutar código Python, generar gráficos y tablas, y procesar archivos con datos y formatos diversos. Esto podría ser útil para automatizar tareas como la extracción de datos de productos de bases de datos o la generación de descripciones basadas en plantillas de código.

🔃 Retrieval amplia el conocimiento de ChatGPT con información externa, como datos específicos de un dominio, información de productos o documentos proporcionados por los desarrolladores. Esto significa que ya no es necesario calcular y almacenar embeddings, ni que implementar algoritmos de fragmentación y búsqueda. La propia API será la que decida qué técnica de recuperación es más óptima utilizar. En el contexto de la generación de descripciones de producto, se podría utilizar para buscar información sobre productos similares o tendencias del mercado para informar la generación de descripciones.

📣 Function calling sirve para llamar a funciones predefinidas para realizar tareas específicas. Por ejemplo, el análisis de sentimientos de las reseñas de los productos o la generación de descripciones optimizadas para SEO.

Pero hay que pensar que surge un nuevo problema. Y es que muchos ecommerce capan el acceso a ChatGPT desde su robots.txt y no se podrá leer, ni entrenar o afinar ningún modelo porque no podremos scrapear ese contenido. Amazon ya lo capa y a él le seguirán muchos otros marketplaces y tiendas online de todos los tamaños.

Google ha hecho una jugada maestra en este aspecto ya que su bot de scraping de IA es Googlebot. Por lo tanto si un ecommerce capa a Googlebot, estará impidiendo que Google rastree e indexe la web. Con esto, es más que probable que la mayoría de ecommerce opten por no caparlo (y que pueda hacerse scraping libremente).

De todas formas, la generación de descripciones de producto con IA puede cambiar por completo si añadimos a la ecuación todas estas novedades. Y es que podemos conseguir una alta calidad, valor y personalización para cada proyecto o tienda online con procesos de desarrollo menos complejos. Además, este refinamiento o entrenamiento extra cada vez más sofisticado tiene una ventaja añadida: mitigar las alucinaciones tan inherentes a la IA generativa.

2. Presencia de alucinaciones: técnicas que se pueden aplicar para mitigarlas

Uno de los grandes handicaps de la IA y el mayor peligro de generar el contenido para cualquier negocio son las alucinaciones, respuestas que contienen información que parece cierta, pero que no lo es. Otras veces, ese contenido no tiene ningún sentido o es infiel a la fuente proporcionada. La buena noticia es que las alucinaciones pueden mitigarse aplicando una serie de mejoras y técnicas. Xavier Amatriain reúne en su guía sobre alucinaciones las más recientes:

• Aprendizaje reforzado a partir de la retroalimentación humana (RLHF): Esta técnica implica entrenar el modelo de IA utilizando una señal de recompensa derivada de evaluaciones humanas de las respuestas generadas, tal y como señala Xabier Amatrian. Este otro paper de la universidad de Cambridge, estudia y analiza la efectividad de RLHF para mejorar las respuestas de la IA.
• REACT prompting: modelo para generar razonamientos previos en el LLM. Esto significa que el modelo genera una explicación verbal de su razonamiento y toma decisiones o acciones basadas en ese razonamiento, alternando entre estos dos procesos. Esta alternancia permite al modelo realizar un razonamiento dinámico, es decir, adaptar su razonamiento y acciones a medida que recibe nueva información o feedback. En otras palabras, permite que el modelo de IA “piense” y actúe de manera más similar a cómo lo haría un humano.
• COVE o Chain of Verification: método desarrollado para reducir las alucinaciones que permite que los modelos de lenguaje deliberen sobre las respuestas que dan con el fin de corregir sus errores. Lo hacen a través de preguntas de verificación auto-formuladas para comprobar que las respuestas contienen información correcta y libres de alucinaciones. Investigadores de Meta AI recogen sus experimentos y verificaciones con esta técnica en este estudio.
• DERA (Dialog-Enabled Resolving Agents): técnica que mejora la precisión de los LLms utilizando agentes con distintos roles encargados de resolver (o mejorar) la salida a través del diálogo. Un rol de agente, el “Investigador”, trabaja para identificar información relevante para el problema y sugerir áreas de enfoque al otro agente. Otro rol de agente, el “Decisor”, tiene la autonomía para reaccionar a esa información y tomar decisiones finales sobre la salida. Esta interacción permite que los modelos de lenguaje mejoren sus respuestas de manera iterativa.
• Ajuste de la temperatura del modelo: o, lo que es lo mismo, equilibrar el nivel de aleatoriedad al predecir los tokens subsiguientes. Las temperaturas más altas hacen que la salida del modelo sea más diversa (tokens de baja probabilidad), pero puede comprometer la coherencia y la precisión. Por el contrario, una temperatura más baja promueve una mayor adherencia a los tokens de alta probabilidad, lo que hace que el modelo se incline hacia las opciones más seguras y predecibles.

El resto de técnicas de refinamiento de prompts para mejorar los outputs de la IA que hemos visto antes, en especial RAG. Según este estudio, el método RAG que funciona mejor para mitigar las alucinaciones es el “Post-hoc retrieval”, que consiste en recuperar documentos relevantes después de generar el texto y luego editar el texto para corregir los errores factuales. Es más preciso que el “On-time retrieval”, que recupera documentos antes de generar el texto, y el “Iterative retrieval”, que recupera documentos durante la generación del texto.

¿Lo ideal? Combinar varias técnicas de prompt-engineering o de mitigación de alucinaciones para adaptar las respuestas lo máximo posible al tipo de contenido concreto, al proyecto y tipo de producto concreto:

💡 Puedes ampliar la información sobre por qué se producen en nuestra guía sobre generación de contenido con IA data-driven.

IA data-driven: cómo crear contenidos con IA para personas

Recomendaciones para generar descripciones para ecommerce con IA de calidad

Una cosa está clara: el modelo pre-entrenado de ChatGPT no es suficiente para generar descripciones de producto y de categoría con IA. La aplicación de técnicas de prompt-engineering y otras para mitigar las alucinaciones mejora los resultados, pero no los personaliza al caso concreto (tipo de contenido, producto, y proyecto concretos).

Para esto, existen soluciones avanzadas que enriquecen el modelo de inicio con nuevos datos:

1️⃣ Fine-tuning o re-entrenamiento con base de datos adicional

Esta técnica permite personalizar el modelo pre-entrenado de ChatGPT añadiendo una capa adicional de entrenamiento con datos del proyecto. En el caso de las tiendas online, la base de datos de productos. Éstas incluyen todos los atributos necesarios para generar el contenido y el vocabulario y la jerga técnica adecuada.

Un dato: según OpenAI, el fine-tuning reduce en un 50% los errores en las respuestas de la IA. Esto supone que hasta un 95% de sus respuestas sean correctas. 

Además, la gran ventaja del fine-tuning es que evita entrenar un LLM de 0 (donde prescindiríamos de toda la información que el modelo GPT ya conoce de base), y permite ofrecerle al modelo ejemplos relevantes del tipo de contenido que ha de crear. Esto no solo garantiza fichas de producto o páginas de categoría de calidad, sino también adaptadas a la marca y a su personalidad.

2️⃣ Pipelines avanzados con scrapeo de datos y limpieza de respuestas

Mediante un proceso automatizado se recopila y procesa información de productos desde diversas fuentes, como la web (a través de scraping) o directamente desde las bases de datos del fabricante. Esto puede incluir la extracción de características del producto, especificaciones, imágenes, precios y otros.

El scrapeo no solo nos permite obtener datos de cualquier web, sino que también podemos analizar el tono y voz empleados en cuentas de redes sociales o en otros documentos para replicarlo en el contenido a generar. En este sentido, ¡se nos abre una puerta enorme a la personalización del contenido!

¿Y qué hay de la generación del texto? Para esto no le damos total libertad a la IA sino que creamos una secuencia de prompts que guíe al modelo paso a paso. Por ejemplo, que primero describa las características generales del producto, luego sus especificaciones técnicas, y finalmente sus beneficios.

Además, la respuesta no la daríamos por válida a la primera: limpiaríamos y corregiríamos los datos incorrectos, incompletos, irrelevantes o mal formateados. Todo, supone un salto de calidad enorme con respuesta a las respuestas del modelo pre-entrenado (ChatGPT).

3️⃣ Embeddings sectoriales

Con los embeddings podríamos ir más allá y no solo dotar al modelo de información específica de tus productos mediante una base de datos (empleando, por ejemplo, fine-tuning), sino de todo el sector de tu proyecto.

Esto requiere entrenar al modelo con un grandísimo corpus de texto pero tienen una gran ventaja: que elimina (casi) por completo la probabilidad en los textos. ¿El motivo? Que la IA identifica de forma más exacta el contexto y el significado semántico de las palabras, y que gracias a esto reconoce mejor el lenguaje específico del sector.

En la actualidad todas estas técnicas y estrategias de mejora del contenido generado por IA están siendo probadas por muchas herramientas y plataformas, incluida la nuestra (ya te hablamos sobre las medidas que tomamos contra las alucinaciones). Sin embargo, para mitigar todos estos problemas ya hay una solución disponible: la IA data-driven.

La IA data-driven como solución para generar contenido con IA de calidad y útil para las personas

Cuando nos subimos a la ola de la inteligencia artificial apenas había alternativas para generar textos con IA más allá de los writers genéricos basados en el modelo pre-entrenado de ChatGPT (Simplified, Jounce o Copymatic).

Sin un entrenamiento adicional y sin un buen contexto el contenido para ecommerce generado por estas herramientas no tenía la calidad ni la optimización suficiente para posicionar en buscadores; tampoco estaba impregnado de la identidad verbal del proyecto. 

Para ir más allá de todo eso hacían falta datos, y que estuvieran presentes en cada uno de los procesos que se llevan a cabo para crear contenido. Así es como abordamos desde Keytrends un enfoque AI data-driven, basado en:

• Datos de búsquedas de los usuarios: para identificar temáticas potenciales y necesidades informativas de los usuarios.
• Datos de tendencias de Google Trends: para detectar productos demandados y oportunidades de contenido nuevas, sin competencia y en crecimiento.
• Datos de las SERPs: para analizar y definir la intención de búsqueda correcta a través del contenido que ya posiciona en Google. Imprescindibles, también, para optimizar para SEO el contenido.
• Datos internos de proyecto: para saber qué keywords se atacan, qué tendencias se cubre, qué contenidos hay ya creados y cómo están funcionando. El objetivo: no crear por crear, sino construir una estrategia (y evitar, de paso, duplicar o canibalizar contenido).

En definitiva, todo lo necesario para crear un contenido user-centered, y con estrategia. A esto le hemos sumado, poco a poco, mejoras en la respuesta de la IA a través del refinamiento de prompts y fine-tuning. ¡Pero en esto profundizamos luego!

Cómo creamos páginas de producto y de categoría con IA data-driven en Keytrends

Vayamos a lo que te interesa: ¿cómo puedes generar las páginas de tus productos y de tus categorías con Keytrends? A día de hoy apoyamos la generación de contenido para ecommerce en 2 pilares:

» Nuestra plataforma de contenido con IA y datos de Trends

Desarrollamos Keytrends para que cualquier proyecto o negocio (también de ecommerce) pudiera destacar a través de contenidos optimizados y creados con estrategia en base a oportunidades de contenido, keywords y (sobre todo) tendencias nuevas de su sector. ¿Cómo?

1. Detectando tendencias y temas en crecimiento ✔️

En ecommerce, las tendencias son una fuente de datos valiosísima para detectar productos demandados, pero también para definir su estacionalidad y priorizar la generación de contenidos de los más rentables para cada época del año. Ayudarte a hacerlo forma parte del setup que siempre hacemos contigo cuando empiezas a usar la herramienta.

2. Optimizando la estrategia actual y planificando los nuevos contenidos ✔️

No pocas veces se descubre un tema o una tendencia y resulta que ya hay un contenido creado. Detectar esto es necesario para evitar contenido duplicado y, en muchos casos, mejorar un contenido va a acelerar el posicionamiento para una keyword más que generar uno nuevo. 

Por eso le hemos dado tanta importancia a incluir en la plataforma funciones que ayuden tanto a detectar canibalizaciones, como a poder identificar oportunidades en tu propio contenido. 

3. Redactando con IA y haciendo el research SEO automático ✔️

En nuestro Asistente de contenido con IA hemos integrado una gran parte de nuestros datos: las búsquedas de usuario, los datos de SERPs y los contenidos de competidores. 

Incluirlos dentro de la ficha de producto o de la página de categoría es la única forma de cubrir la intención de búsqueda, y los tienes a tu alcance dentro del Copilot para generar y optimizar cualquier briefing o contenido.

» Nuestro stack tecnológico para crear contenido en bulk

Como te contamos más arriba, nosotros también estamos probando e implementando nuevas técnicas para mejorar las respuestas de la IA a la hora de crear contenido. 

No solo para nuestra propia propia plataforma, desde donde ahora mismo puedes crear product descriptions con ayuda del Copilot, sino para nuestro servicio de generación de contenido para ecommerce.

Lo que estamos testeando:

• Prompt engineering: few shot learning y chain of though 
• Fine-tuning: con modelos de OpenAI (GPT-4).
• In context learning: otro método de entrenamiento que salva las carencias que puedan tener las otras técnicas. Lo descubrimos a partir de este estudio de varios investigadores de Google Research.
• Nuevos modelos alternativos: LLaMA, gran modelo de lenguaje lanzado por Meta AI en febrero de 2023.
• Scraping: para la extracción de todo tipo de datos.

» Futuras funcionalidades

Nuestro roadmap va creciendo en función de la demanda en ecommerce y los avances de la IA. A día de hoy contemplamos ampliar la generación de contenido automático desde la plataforma a las categorías (por ahora contamos con un prompt para product descriptions) e incorporar la generación de imágenes para acompañar artículos SEO, fichas de producto y otros tipos de contenido.

Pero sobre todo, nos obsesiona poder automatizar la priorización de los productos en base a las tendencias (algo en lo que hoy acompañamos de forma personalizada a los proyectos) y el enlazado interno, y poder conectarnos al feed de productos para disponer de todos los datos para generar el contenido y que cualquier cambio sea visible en un clic.

Como siempre, te mantendremos al día de todo en nuestras releases notes. Pero puedes empezar a crear y optimizar tus descripciones de producto con IA tal y como lo hacen +40 grandes ecommerce, desde aquí abajo:

5 opciones más del mercado para crear el contenido comercial de tu ecommerce

Como nosotros, el resto de herramientas y plataformas de contenidos con IA también han ido evolucionando. Algunas de ellas tienen la opción de crear las fichas de productos o textos de categorías uno por uno a partir de tus instrucciones.

Pero otras ya son capaces de crearlas en bulk a partir de un archivo de especificaciones para cada producto, incluso de conectarse a tu CMS para subirlas de forma automática. Eso sí: tendrás que trabajar y tener muy clara la parte estratégica por tu cuenta. Aún así, veamos qué opciones tienes:

1️⃣ Copy.ai

En este AI writer puedes elegir lo que más te convenga: bien utilizar para cada ficha que quieras generar la plantilla específica para ecommerce e insertar las instrucciones para la IA (incluyendo las características del producto); o bien conectarte a la API de la herramienta para generar varias fichas de producto a la vez.

Necesitarás crear un documento con todos los productos y sus datos, pero gracias a las integraciones con Amazon, Shopify y otras, las tendrás subidas en segundos. Uno de sus inconvenientes es que no detecta keywords ni tiene opciones de optimización SEO integradas en la generación de fichas de producto en bulk, sino que ha de utilizarse otra función por separado.

❕Ten en cuenta que Copy.ai siempre recomienda que revises, edites y complementes los contenidos generados con su IA, por lo que debes contar con un proceso de edición y con una persona de tu equipo que pueda hacerlo: “We always recommend using AI writing tools as supplements to your writing process (rather than a complete replacement for it)”. 

(De hecho, ninguna herramienta de este tipo, tampoco nosotros, podemos garantizar un IA content sin fallos a pesar de todos los ajustes y mejoras que hagamos).

2️⃣ Hypotenuse.ai

La alternativa a Copy.ai para la generación en bulk de descripciones de producto, con un sistema idéntico, integraciones a plataformas de ecommerce y marketplaces (incluidos eBay y Walmart) y CMS como WordPress, y la posibilidad de desarrollo a medida por parte del equipo de la herramienta. 

La funcionalidad es intuitiva, fácil de utilizar y permite subir imágenes de producto (puedes echarle un ojo al tutorial que tienen publicado):

Como Copy.ai, no incluye keyword research ni permite optimizar para SEO al crear el contenido en bulk, sino que es el propio usuario el que debe introducir a conciencia las keywords y optimizar las fichas con un editor.

Dos ventajas: en Hypotenuse se puede gestionar más de un catálogo y la herramienta asegura que su generador ha sido entrenado con datasets específicos de ecommerce, por lo que daría mejores resultados y, en teoría, nunca duplicados.

3️⃣ Junia.ai

Junia es un generador de contenido mediante plantillas que se apoya en un editor de texto con IA muy potente y creado teniendo en mente el proceso de research y de optimización SEO.

Para ello combina las funciones de keyword research, generación de briefings en base a los artículos de competidores posicionados en SERPs y opciones avanzadas como el marcado de datos estructurados, las referencias E-E-A-T o la definición de la brand voice.

Primero se utiliza la plantilla de product description, luego se edita y mejora. Aunque puede integrarse con Shopify, WooCommerce o Magento, no existe la opción de generar varios contenidos en bloque.

4️⃣ Narrato.io

A la altura de Junia en el research y en la optimización SEO de los contenidos, Narrato sí te da la posibilidad de crear varias fichas de producto en bulk, aunque con una funcionalidad bastante más reducida que la de Hypotenuse.

Lo que puedes hacer es subir un archivo CSV con tus productos y sus características para que la IA de la plataforma genere una descripción básica. Luego, tendrás que editarla con el asistente de contenido integrado para añadir encabezados (si los necesitas), bullet points, keywords e imágenes.

Para pasarlas a tu tienda online puedes exportar el contenido generado o bien conectarte mediante API o Zapier con casi cualquier plataforma, marketplace o CMS. 

➕ ¿La ventaja añadida? Narrato se acerca algo más al enfoque estratégico de los contenidos y permite gestionar, planificar y trabajar con tu equipo dentro de la propia herramienta. Pero, como estás viendo, todas exigen la implicación del usuario para crear los textos de producto.

5️⃣ Describely.ai

Esto último tampoco cambia con esta última herramienta, pero el proceso de generación de páginas de producto (sean sueltas o en bulk) y la posterior edición se hace desde la misma plataforma y las funcionalidades adicionales a utilizar están integradas.

No hay que saltar de la plantilla al editor, del editor a la función de keyword research para optimizar, y de aquí a la creación en bulk. Describely lo tiene todo a mano y tanto el proceso de importación como de exportación de productos se hace a un clic gracias a las integraciones. Puedes, incluso, publicar los cambios directamente en tu tienda:

❓¿Crea su IA un texto definitivo que puedas publicar con los ojos cerrados? No: tendrás que adaptarla a la plataforma o marketplace (por ejemplo, añadiendo títulos y bullet points) y deberás revisar y añadir keywords, ya que sus funcionalidades SEO son muy básica y no permiten profundizar en la search intent. Como decimos, la ventaja es que tendrás el editor y el chatbot de la herramienta ahí mismo para ampliar la información o parafrasear.

Qué solución elegir: tabla comparativa entre las 6 principales herramientas

Ya hemos visto las herramientas que a día de hoy te permiten generar tus descripciones de producto con IA y las funcionalidades más interesantes con las que cuentan para optimizar el contenido, mitigar las alucinaciones, subirlo a tu CMS y más. Para que te sea más fácil escoger las hemos recopilado todas en una tabla (incluyendo nuestra plataforma):

FUNCTION	Copy.ai	Hypotenuse.ai	Keytrends.ai	Junia.ai	Narrato.io	Describely.ai
Detección de tendencias	❌	❌	✔	❌	❌	❌
Priorización de productos	❌	❌	❌	❌	❌	❌
Medidas anti-alucinaciones	❌	✔	✔	❌	❌	❌
Intención de búsqueda	❌	❌	✔	✔	✔	❌
Optimización SEO	❌	✔	✔	✔	✔	❌
Análisis de SERPs	❌	✔	✔	✔	✔	✔
Importación y exportación de archivos	❌	✔	✔	❌	✔	✔
Gestión de catálogos	❌	✔	Coming soon	❌	❌	✔
Integraciones	✔	✔	❌	✔	✔	✔
Bulk content	✔	✔	✔	❌	✔	✔
API	✔	✔	✔	❌	✔	❌

Lo que depara el futuro: avances en la generación de fichas de producto y páginas de categoría con IA

Lo que está por venir promete revolucionar aún más la generación de contenido para ecommerce. Pista: todo va a ser aún más automático e instantáneo. Aquí unas pinceladas:

🖌️ Herramientas all-in-one para crear fichas automáticas completas en marketplaces

Los principales marketplaces están siendo los primeros en trabajar e implementar esta posibilidad, empezando por Amazon. Y es que desde el Seller Center los vendedores podrán generar los textos de sus productos a partir de una descripción sencilla. La IA se encargaría de rellenar el título, el texto principal y los bullet points, que podrían editarse después. 

En complemento, Amazon estaría trabajando junto con una plataforma de visualización 3D + IA para que los vendedores puedan crear imágenes 3D de sus productos y que los usuarios puedan probarlos de forma virtual. Además, pronto podría existir la posibilidad de crear imágenes de productos en contexto:

🖌️ Creación de descripciones de producto instantáneas a partir de una imagen: GPT4 Vision

Los modelos LLM con generación de texto a partir de imágenes ya son una realidad, y uno de los casos de uso es la creación de los textos comerciales para tiendas online. En la captura de ejemplo de SEJ ChatGPT arroja las especificaciones de producto de forma automática:

Otra opción es complementar la imagen con un prompt, como en la prueba que hace Álvaro Peña de iSocialWeb:

➡️ Puedes leer aquí el prompt que utilizó (solo para usuarios de GPT Plus), y suscribirte a su newsletter de IA (¡es brutal!) para estar al tanto de más novedades y experimentos.

A día de hoy esto solo está disponible para usuarios de pago de la herramienta, aunque plataformas como eBay ya lo están testeando para ofrecerlo a sus vendedores.

🖌️ Servicios adhoc de pipelines o workflows para tiendas online

Nuestra experiencia y el feedback de grandes ecommerce nos dice que el camino a seguir serán los servicios personalizados de pipelines o workflows con procesos automatizados para crear y gestionar todo el contenido ecommerce.

En esos procesos se manejarían una gran cantidad de datos, como la información de productos, imágenes, descripciones, precios, inventario, reseñas de clientes, ventas y márgenes de beneficio… Nosotros, por ejemplo, añadimos los datos de tendencias para establecer semana a semana los objetivos de contenido. De esta forma se priorizan las categorías de producto más demandadas y, por lo tanto, más rentables.

Pero la automatización podría ir más allá de la generación del contenido, y optimizar la forma en la que se sube y se actualiza en la tienda online. Esto no ha hecho más que empezar 🚀

Como siempre, para dar por terminada esta guíate te dejamos con un mapa mental que resume todo lo que hemos visto 👇

❗Antes, te dejamos acceso directo a nuestro servicio para generar el contenido de tu ecommerce con IA. Allí te contamos cómo lo hacemos, qué puedes esperar y los pasos a seguir.

📃 Esto es todo lo que hemos visto en esta guía…

---

Referencias

• Search Engine Journal. (n.d.). What is Keyword Cannibalization? Retrieved November 14, 2023, from https://www.searchenginejournal.com/on-page-seo/keyword-cannibalization
• Google Developers. (n.d.). Creating helpful content. Retrieved November 14, 2023, from https://developers.google.com/search/docs/fundamentals/creating-helpful-content?hl=es
• uSeo. (n.d.). Problemas de indexación en Google: causas y soluciones. Retrieved November 14, 2023, from https://useo.es/problemas-indexacion-google/
• TELUS International. (2023, July 6). Generative AI Hallucinations: Explanation and Prevention. Retrieved November 14, 2023, from [TELUS International]
• Amatriain, X. (n.d.). Mitigating LLM Hallucinations: a multifaceted approach. Retrieved November 14, 2023, from [Amatriain.net].
• Dhuliawala, S., Komeili, M., Xu, J., Raileanu, R., Li, X., Celikyilmaz, A., & Weston, J. (2023, September 25). Chain-of-Verification Reduces Hallucination in Large Language Models. arXiv preprint arXiv:2309.11495. Retrieved November 14, 2023, from [arXiv.org]
• Nair, V., Schumacher, E., Tso, G., & Kannan, A. (2023, March 30). DERA: Enhancing Large Language Model Completions with Dialog-Enabled Resolving Agents. arXiv preprint arXiv:2303.17071. Retrieved November 14, 2023, from [arXiv.org].
• Prompting Guide. (n.d.). Introduction: LLM Settings. Retrieved November 14, 2023, from [Prompting Guide].
• Prompting Guide. (n.d.). Techniques. Retrieved November 14, 2023, from [Prompting Guide]
• Prompt Engineering. (2023, May 20). An Insightful Journey into LLM Embedding and Fine-Tuning Techniques. Retrieved November 14, 2023, from [Prompt Engineering]
• Carrasco, D. (2023, September 14). Amazon implementa una IA generativa para crear fichas de producto a partir de una descripción. Retrieved November 14, 2023, from [Marketing 4 Ecommerce]
• Amazon Staff. (2023, October 25). Amazon rolls out AI-powered image generation to help advertisers deliver a better ad experience for customers. Retrieved November 14, 2023, from [About Amazon]
• Hines, K. (2023, September 27). GPT-4 With Vision: Examples, Limitations, And Potential Risks. Retrieved November 14, 2023, from [Search Engine Journal]
• Raad, E. (n.d.). E-Commerce Product Descriptions Using GPT-3: From Generation To Fine-Tuning. Retrieved November 14, 2023, from [WordLift Blog]
• React-lm. (n.d.). React-lm. Retrieved November 14, 2023, from https://react-lm.github.io/
• OpenAI. (2021, julio 15). Customizing GPT-3 with your own neural modules. Recuperado el 14 de noviembre de 2023, de https://openai.com/blog/customizing-gpt-3
• OpenAI. (2023, noviembre 6). New models and developer products announced at DevDay. Recuperado el 19 de noviembre de 2023, de New models and developer products announced at DevDay (openai.com)
• OpenAI. (2023, noviembre 6). Introducing GPTs. Recuperado el 19 de noviembre de 2023, de Introducing GPTs (openai.com)