Elegido
El agente recomendó tu producto como lo único que comprar. La parte alta de la estantería, y el único resultado sobre el que la mayoría de los compradores actúa.
Función · Agent Shelf
La estantería que lee el agente es ahora la única que importa.
Los compradores ya no navegan: le dicen a un asistente «cómprame el mejor por menos de 150 €» y el agente decide. Agent Shelf rastrea si los agentes de IA eligen tus productos, nombra al competidor que ganó, cita el motivo y te indica la corrección de feed exacta que te devuelve al carrito.
Los prompts
Decisiones de compra, no búsquedas.
Un agente convierte el objetivo del comprador en un prompt de intención de compra, evalúa un puñado de productos y devuelve una sola elección. Agent Shelf ejecuta estos prompts en cada modelo y puntúa dónde aterriza tu producto.
- › mejores zapatillas de trail por menos de 150 €, entrega antes del viernes
- › una cafetera espresso silenciosa para una cocina pequeña
- › ¿merece la pena [tu producto] frente a [competidor]?
- › maleta de cabina más resistente para quienes vuelan a menudo
- › mejor regalo para padres primerizos por menos de 60 €
Cuatro veredictos. Una puntuación de 0 a 100.
Para cada prompt de intención de compra, Agent Shelf lee la respuesta del agente y califica tu producto, y luego reúne los veredictos en un único Agent Pick Score que ves moverse a medida que corriges tu feed.
Preseleccionado
Nombrado como una buena opción entre otras dos o tres. En el conjunto considerado, pero el agente orientó hacia otro lado para la decisión final.
Rechazado
Mencionado y luego descartado explícitamente: «pero X es más barato / mejor valorado / está en stock». Capturamos el motivo declarado para que puedas responderlo.
Ausente
No apareció en absoluto. El agente no sabía que existías para esta decisión. El suelo de visibilidad, y el punto de partida más común.
Qué rastrea Agent Shelf por producto.
No solo si te mencionaron, sino si te eligieron, por qué ganó el ganador y si el agente está leyendo siquiera bien tus datos.
Tasa de elección por agente
Con qué frecuencia cada modelo elige, preselecciona, rechaza o nunca muestra tu producto, por agente, para ver dónde te adora ChatGPT y te ignora Gemini.
Quién ganó y por qué
El producto competidor que el agente recomendó en su lugar, más la razón que dio: «más barato», «mejor valorado», «en stock». Exactamente la objeción a resolver.
Exactitud de los datos
Si el agente cita el precio, la disponibilidad y las especificaciones correctos. Los agentes repiten constantemente datos de producto obsoletos o erróneos; señalamos la discrepancia con tu verdad.
Preparación de tus datos para agentes
Cuando extraemos una URL de producto, calificamos su legibilidad para máquinas: esquema limpio, parcial o por scraping. Una mala nota es la primera razón por la que los agentes te omiten.
Tendencia del Agent Pick Score
Una puntuación de 0 a 100 por producto, guardada a diario, para que puedas demostrar que un cambio de feed movió la cifra en lugar de adivinar.
La estantería citada
De qué minoristas, reseñas y feeds tomó el agente la decisión: las fuentes que necesitas ganar para cambiar el resultado.
Las jugadas que te devuelven a la estantería.
La palanca del comercio agéntico son tus datos, no una entrada de blog. Cada corrección está ligada a un prompt perdido concreto y al motivo declarado por el agente.
Esquema Product y Offer completo
Publica schema.org Product / Offer / AggregateRating válido en cada PDP. Los agentes los leen literalmente: un esquema ausente o parcial es la razón más común para una nota de «scraping» y para que te omitan.
Corregir la exactitud de precio y stock
Cuando el agente cita un precio equivocado o «agotado», deja de recomendarte. Corrige el feed y los datos estructurados para que los hechos del agente coincidan con los tuyos.
Publicar un llms.txt
Da a los agentes un resumen limpio y legible por máquina de tu catálogo y tus datos clave, para que no te reconstruyan a partir de suposiciones de terceros.
Ganar las fuentes citadas
Los agentes se apoyan en un grupo pequeño de minoristas e hilos de reseñas. Agent Shelf nombra los que deciden tu categoría, para que sepas exactamente dónde conseguir presencia.
Estructurar las especificaciones decisivas
La especificación que tenía el ganador y tú no suele ser toda la razón. Muéstrala como datos estructurados y en el texto para que el agente pueda citarla.
Vigilar la deriva
Las respuestas de los agentes cambian a medida que la web se reindexa. Las puntuaciones diarias señalan el día en que el cambio de un competidor te sacó de la estantería, mientras aún puedes reaccionar.
Comprueba si los agentes te compran.
Añade un producto por URL, añade un prompt de intención de compra y obtén tu primer Agent Pick Score en ChatGPT, Claude, Gemini y Perplexity. Plan gratuito disponible.