mayo 20, 2026
BrightonSEO, abril de 2026, el día antes de la conferencia principal de Malte Landwehr. Diantha van Surksum y Martijn Hoving se sentaron con él en la cabina de podcast entre sesiones. Su charla del día siguiente trataba sobre las compras en Chat GPT: cómo funcionan los carruseles de productos, dónde encuentra Chat GPT los productos que muestra y cómo influir realmente en lo que aparece en ellos. Su propia respuesta a esta última pregunta contradice casi todo por lo que la industria del SEO para comercio electrónico (e-commerce) está apostando actualmente.
La narrativa dominante en el sector es que las compras en Chat GPT se están moviendo hacia integraciones personalizadas: proyectos piloto con Shopify, conexiones de fuentes de productos con Etsy y Walmart, o alianzas directas con OpenAI donde las marcas suben datos estructurados a un grafo gestionado. Sin embargo, la investigación de Malte, publicada en Search Engine Land en marzo de 2026 junto a su colega de Peec AI, Tom Wells, dice algo muy diferente. La cifra del estudio formal, basada en 43.000 productos únicos y 10 categorías de comercio minorista, es del 83%. Este es un número que debería reconfigurar la forma en que cualquier equipo de SEO para e-commerce asigna su tiempo y presupuesto para los próximos doce meses.
His talk the next day was about ChatGPT shopping: how the product carousels work, where ChatGPT finds the products it shows, and how to actually influence what ends up in them. His own answer to that last question contradicts almost everything the e-commerce SEO industry is currently betting on.
The dominant industry narrative is that ChatGPT shopping is moving toward custom integrations. Shopify pilots. Etsy and Walmart product feed connections. Direct OpenAI partnerships where brands upload structured data into a managed graph. Malte’s research, published in Search Engine Land in March 2026 with his Peec AI colleague Tom Wells, says something different.
The formal study figure, across 43,000 unique products and 10 retail categories, is 83%. That’s still a number that should reshape how any e-commerce SEO team allocates time and budget for the next twelve months.
¿Cómo construye Chat GPT realmente sus carruseles de compra?
El estudio de Wells y Landwehr en Peec AI analizó más de 5.000 carruseles de Chat GPT, 43.000 productos en carrusel, 200.000 resultados de búsqueda orgánica de compras y 1,1 millones de consultas derivadas de compras (shopping fan-out queries).
Decodificaron campos en base64 dentro del código fuente de Chat GPT que contenían parámetros de Google Shopping: IDs de productos, IDs de ofertas e información de ubicación. A partir de ahí, pudieron reconstruir las URLs a las que Chat GPT estaba accediendo.
El mecanismo es sencillo una vez que se entiende. El usuario introduce una consulta con intención de compra en Chat GPT. El modelo genera una consulta derivada (fan-out) más corta y dirigida que sus búsquedas contextuales estándar (con un promedio de 7 palabras frente a las 12 de las búsquedas estándar, y solo 1,16 por consulta frente a 2,4). Esa consulta derivada llega a un proveedor de rastreo (scraping) de terceros que extrae los resultados orgánicos de Google Shopping. Los resultados principales regresan y nutren el carrusel.
El 83% de los productos que llegan al carrusel coinciden con los 40 principales resultados orgánicos de Google Shopping. El 60% de las coincidencias provienen de los 10 primeros resultados, y el 84% se encuentra dentro de los 20 primeros.
Malte demostró la velocidad de esto por sí mismo. Añadió una tienda en línea que antes no existía a Google Merchant Center. Al día siguiente apareció en Google Shopping, y desde ahí, saltó a Chat GPT.
Los precios, las reseñas y los datos de disponibilidad: todo coincidía con los resultados orgánicos rastreados de Google Shopping, no con un grafo de productos gestionado de forma independiente.
¿Por qué OpenAI no construyó su propio grafo de productos?
La respuesta intuitiva es que lo harían, eventualmente. La respuesta honesta es que construir un grafo de productos es mucho más difícil de lo que parece. Google lleva años construyendo el suyo y todavía no está completo.
Malte repasó los casos límite que hacen que un grafo de productos útil sea un problema de ingeniería inasumible:
- Variantes: El "iPhone 16" no existe como un único producto. Existe como iPhone 16 en azul con 256GB, iPhone 16 en negro con 1TB, y cualquier otra combinación. Para algunos productos, las variantes son fundamentales para la decisión de compra; para otros, son solo ruido. Construir un grafo que gestione esto requiere un ajuste manual por categoría.
- Plataformas de venta (Marketplaces) y reputación: Walmart, eBay, Kaufland, Amazon. Cada uno es un entorno multivendedor donde algunos comerciantes mienten sobre lo que venden. Un producto listado como "Dyson" por un vendedor de eBay podría ser en realidad una imitación barata que utiliza el ASIN auténtico. Construir un sistema de reputación para detectar esto dentro de una sola plataforma es difícil. Hacerlo en cientos de plataformas es un proyecto de ingeniería que requiere años.
- Incoherencias de marcado (schemas) según la categoría: Los cuadros de bicicleta se miden en pulgadas de cuadro en algunas tiendas y en pulgadas de rueda en otras. El mismo producto físico aparece bajo diferentes especificaciones según el vendedor. Mapear esto requiere una lógica específica para bicicletas. Las lentes de contacto tienen 300 variantes por SKU (diferente grosor, diferente curvatura). Cada una es técnicamente un producto separado, pero funcionalmente intercambiable para muchos compradores.
Rastrear Google Shopping era el camino de menor resistencia. Google ya había hecho el trabajo (mal que bien) durante más de una década. ¿Por qué volver a hacerlo?
¿Listo para empezar a escalar tu negocio?
Comencemos
¿Qué problemas causa esto en tu atribución?
Aquí está la parte que la mayoría de los equipos de comercio electrónico aún no han interiorizado. Debido a que Chat GPT está rastreando las URLs de Google Shopping directamente, los parámetros UTM viajan con el rastreo.
Eso significa que un clic que se originó en Chat GPT, en un producto que el usuario descubrió dentro de un carrusel de compras de Chat GPT, aparecerá en tus analíticas con un parámetro UTM que indica que provino de los resultados orgánicos de Google Shopping.
La solución es técnica. Dos condiciones deciden a dónde atribuir el clic:
- Si el referente HTTP (referrer) es google.com y la URL tiene la UTM de Google Shopping, atribúyelo a Google Shopping orgánico.
- Si el referente HTTP es chatgpt.com o está vacío, y la URL sigue teniendo la UTM de Google Shopping, atribúyelo a las compras de Chat GPT.
El primer paso antes de que esa solución importe: muchos sitios de e-commerce ni siquiera tienen un parámetro de seguimiento UTM en su fuente de datos de Google Merchant Center. Sin eso, estás a ciegas en ambas plataformas.
Entonces, ¿cuál es el verdadero manual de estrategia para las compras en Chat GPT?
La estrategia se reduce a un punto de partida y a dos tácticas estructuradas por capas.
Empieza con Google Merchant Center. Conecta la fuente de datos. Corrige los errores. Marca la casilla para fichas de producto gratuitas (free organic listings). La mayor parte del trabajo para aparecer en los carruseles de compra de Chat GPT consiste en estar bien posicionado en el SEO orgánico de Google Shopping. El hallazgo del 83% es el dato clave que debe guiar las decisiones de presupuesto y de la hoja de ruta en el SEO para e-commerce durante, al menos, el próximo año.
- Capa uno: minar las consultas derivadas de compras (shopping fan-out queries). Estas son las consultas que Chat GPT genera internamente y que el usuario nunca llegó a escribir. Hacen emerger palabras de atributos específicos de la categoría (por ejemplo, afirmaciones sobre durabilidad, comodidad o adecuación para un propósito) que no aparecen en la consulta original del usuario, pero que guían lo que Chat GPT busca en los resultados rastreados de Google Shopping. La mayoría de las herramientas de SEO aún no muestran las consultas derivadas de compras de forma distinta a las estándar. Peec AI sí lo hace, y unos pocos competidores están empezando a ponerse al día.
- Capa dos: redactar declaraciones de atributos afirmativas. Cuando Chat GPT genera un carrusel de productos, a menudo califica los productos basándose en un pequeño conjunto de atributos de la categoría (durabilidad, comodidad, relación calidad-precio, idoneidad para X caso de uso). La receta de Malte para el contenido que Chat GPT utilizará para reclasificar los resultados rastreados es la siguiente: cada declaración debe cubrir un atributo, nombrar el caso de uso e, idealmente, citar a un validador externo ("como demuestran las reseñas de Business Insider y Forbes"). Utiliza la misma declaración en la página del producto y la misma declaración en la fuente de datos del producto.
El 17% de las colocaciones en carruseles que no se rastrean claramente hasta Google Shopping parecen provenir de la capa de reclasificación (re-ranking) de Chat GPT. Esta reclasificación utiliza tanto los datos rastreados como el contenido que Chat GPT extrajo de las páginas de detalles del producto durante el proceso de consulta derivada. El trabajo con declaraciones de atributos alimenta directamente esta capa de reclasificación.
¿Listo para empezar a escalar tu negocio?
Comencemos
¿Cómo encaja esto en el cambio más amplio del SEO?
A lo largo de la entrevista surgió otro hilo conductor que vale la pena destacar: el tipo de líder de SEO que prospera en este entorno está cambiando.
La observación de Malte: los directores de SEO (Heads of SEO) que antes esperaban semanas para una reunión con el CEO ahora tienen reuniones ejecutivas mensuales. De repente, a las juntas directivas les preocupa la visibilidad en las búsquedas con IA. A los líderes de SEO se les pide que elaboren modelos de atribución, justifiquen los recursos y expliquen su influencia en los ingresos sin los datos de clics en los que solían apoyarse. La disciplina empieza a parecerse más al marketing de resultados o de pago (paid search) que nunca.
El cambio mental, según el planteamiento de Malte, consiste en pasar de gestionar un canal con un alto ROI que nadie cuestionaba, a tener que modelar el impacto global en todos los canales donde los datos de clics son parciales o inexistentes.
Para los profesionales del SEO que lo aceptan, la atención de la junta directiva se traduce en presupuesto y alcance. Para los que preferían trabajar sin tanta supervisión, no es un gran momento.
La historia de las compras en Chat GPT es un caso específico de este cambio más amplio. Las habilidades necesarias para ganar en este terreno (dominio de Google Merchant Center, modelos de atribución, análisis de consultas derivadas y redacción de atributos afirmativos) abarcan el SEO, el tráfico de pago y el contenido. El equipo que lo gestiona también debe ser transversal.
La historia de los dominios .org alemanes que Malte todavía recuerda
Cada episodio de SEO Cast termina con la misma pregunta: ¿cuál ha sido tu mayor metedura de pata?
La de Malte es una de las respuestas más peculiares que ha registrado el pódcast. Años atrás, se dio cuenta de que muchas ciudades alemanas no habían registrado sus dominios .org. Registró una larga lista de ellos con la intención de monetizarlos más adelante.
Gastó miles de euros en dominios que nunca utilizó, y la situación de las marcas registradas los hizo inservibles. En el mundo de los dominios, un nombre libre suele significar que otra persona ya ha calculado el coste legal de registrarlo.
Recursos
- Search Engine Land: ChatGPT sources 83% of its carousel products from Google Shopping: el estudio de Wells/Peec AI, marzo de 2026
- Peec AI: la plataforma de seguimiento de visibilidad en búsquedas con IA donde Malte es CPO/CMO y Tom Wells es investigador de GEO
- Malte Landwehr on LinkedIn: sus publicaciones actuales sobre búsquedas con IA y SEO para comercio electrónico
- Tom Wells on LinkedIn: el investigador de GEO detrás del estudio de los carruseles
- Semrush: ChatGPT searches Google Shopping to create recommendations: corroboración independiente del mecanismo de rastreo (o scraping)
Escucha la conversación completa
-
La entrevista completa de SEO Cast con Malte Landwehr se grabó en BrightonSEO en abril de 2026, el día antes de su conferencia principal. En ella profundiza en el estudio de los carruseles de Wells/Peec AI, las mecánicas de atribución, las tácticas de optimización y la observación general sobre cómo está cambiando el papel del director de SEO en las reuniones de la junta directiva. La historia de los dominios .org alemanes aparece al final y es uno de los momentos de cierre más memorables del recorrido del pódcast de BrightonSEO.
Head of SEO
As Head of SEO at Seeders, Hans helps companies scale smarter by combining search behaviour, paid performance, and conversion insights into systems that drive real growth. Recognised as a Top 20 Content Marketer by Small Business Trends, he brings a lean, experimental approach focused on building what actually works. Rather than relying on reports or one-off strategies, Hans focuses on creating marketing systems and tools that turn visibility into measurable business impact. His goal is simple: help clients move from scattered efforts to structured growth.
