¿Cómo se compite en el comercio de agentes?

Mejore sus habilidades con los conocimientos expertos semanales de Growth Memo. ¡Suscríbete gratis!

El comercio agente transforma la búsqueda orgánica de una fuente de tráfico barato en el guardián obligatorio de la verificación de IA. Muere el arbitraje de marketing; La verdad del producto gana.

Esta semana cubrimos:

• Por qué el comercio agente filtra las marcas que priorizan el marketing y recompensa los datos granulares de los productos.
• Cómo los protocolos ChatGPT, Copilot y Google remodelan la economía comercial y las relaciones con los clientes.
• Qué feeds optimizar, qué protocolos priorizar y la secuencia de implementación que importa.

El comercio agente actúa como un “gran filtro”, por así decirlo, para el arbitraje de marketing, transformando la búsqueda orgánica de una fuente de tráfico barato a un guardián obligatorio de la verificación de la IA.

La señal ya es visible en el ruido. Durante la temporada navideña de 2025, los agentes de IA generaron el 20% de las ventas minoristas. Incluso permitiendo definiciones vagas, ha llegado la era del comercio de agentes.

Todos los principales LLM ahora ofrecen pago directo y nuevos protocolos comerciales:

1. ChatGPT tiene pago instantáneo con Shopify y Etsy, y ACP (Protocolo de comercio agente).
2. Microsoft Copilot utiliza ACP y ofrece Copilot Checkout con PayPal, Shopify y Stripe.
3. Google ha integrado el pago en AI Mode y Gemini a través de su Protocolo de comercio universal (UCP).

La cuestión de la infraestructura está resuelta, pero la cuestión estratégica permanece: ¿Cómo se compite cuando los usuarios no necesitan hacer clic en sitios web para comprar?

1. El comercio agente tiene un agujero en el medio

La frase “comercio agentico” establece una expectativa equivocada. Las compras autónomas, en las que usted le da a un agente una tarjeta de crédito y una asignación mensual para comprar en su nombre, no se convertirán en una realidad en el futuro cercano.

• Las compras costosas, como boletos de avión o automóviles, son demasiado arriesgadas para delegarlas. Tiene preferencias idiosincrásicas (reglas de asientos en aerolíneas, características del automóvil) que ningún agente puede modelar de manera confiable.
• Las compras a bajo precio, como papel higiénico o detergente para ropa, ya cuentan con automatización a través de servicios de suscripción (pedidos recurrentes de Instacart, Suscríbete y ahorra). Un agente no añade ningún valor incremental.
• El término medio es más pequeño de lo que sugiere la publicidad. Si los precios altos se resisten a la delegación y los precios bajos ya están “automatizados”, ¿dónde generan realmente valor las compras autónomas?

El “comercio conversacional” es un mejor marco. En lugar de automatizar al 100% el acto de compra, los LLM comprimen el embudo al ofrecer una investigación muy superior a los motores de búsqueda clásicos y mostrar productos en la interfaz de usuario.

• Los modelos leen reseñas de expertos, especificaciones de productos, listas de ingredientes y comentarios reales de los usuarios en lugar de clasificar por ofertas de palabras clave e historial de conversiones.
• El valor radica en reducir 14 clics (el promedio revelado por Amazon antes de la compra) en uno o dos.

2. Los protocolos hacen que el comercio electrónico sea “sin cabeza”

Los nuevos protocolos comerciales permiten a los agentes de IA conectarse directamente al backend de su negocio, en lugar de rastrear su sitio para mostrarlos en una lista de resultados de búsqueda. Los protocolos hacen que el comercio sea “headless” y desacoplan el front-end del back-end:

• Los sitios web se vuelven menos importantes como destinos y más importantes como bases de datos.
• El juego pasa de optimizar el diseño de la página de destino para los ojos humanos a optimizar las fuentes de datos para la ingesta de máquinas.
• Si no se puede acceder a su velocidad de envío, estado de inventario o política de devolución a través de API, usted es invisible para el agente.

El cambio del rastreo a los protocolos colapsa el embudo heredado de 14 clics (buscar, explorar, hacer clic, pagar) en solo dos interacciones: (1) el modelo analiza la intención comparando reseñas de expertos con el inventario en tiempo real, y (2) el usuario ejecuta un solo clic para comprar utilizando las credenciales almacenadas.

Si bien ambos protocolos, ACP y UCP, permiten la misma experiencia de usuario, ofrecen términos muy diferentes para el comerciante.

ACP (Protocolo de comercio agente) de OpenAI

• La Visión: El «jardín amurallado». OpenAI tiene como objetivo manejar toda la transacción dentro de la interfaz de chat, tratando a los comerciantes de manera efectiva como proveedores.
• La compensación: Eficiencia vs LTV. Obtienes acceso a 700 millones de usuarios semanales, pero pierdes la relación directa con el cliente. Debido a que OpenAI actualmente restringe el envío de correos electrónicos de clientes para marketing, se pierde la capacidad de realizar remarketing, eliminando efectivamente el 15-20 % del valor de por vida (LTV) que normalmente proviene de los flujos de correo electrónico posteriores a la compra.

UCP (Protocolo de comercio universal) de Google

• La Visión: La «capa distribuida». Google extiende su Shopping Graph a una capa transaccional que se encuentra encima de Search, Lens y Gemini.
• La compensación: Propiedad versus competencia. A diferencia de ACP, Google permite a los comerciantes conservar el ciclo de vida completo del cliente, incluidos los derechos de correo electrónico y los datos de fidelidad. El costo es una intensidad de competencia significativamente mayor: en lugar de luchar por 10 enlaces azules, estás luchando por uno de los tres «espacios» en una descripción general de IA, lo que hace que el margen de error en los datos de tu producto sea efectivamente cero.

3. El comercio conversacional altera todo el ecosistema

El paso de la búsqueda a la conversación crea un conjunto distinto de ganadores, perdedores y dilemas estratégicos.

Compradores Obtenga una experiencia de usuario dramáticamente mejor.

• Descubrimiento: Las compras de alta consideración (por ejemplo, zapatillas específicas para correr) pasan de hacer clic en seis anuncios de listado de productos potencialmente irrelevantes a recibir recomendaciones de primer nivel basadas en reseñas de expertos.
• Carga cognitiva: El modelo se encarga de la investigación y reduce el recorrido promedio de 14 clics en una o dos interacciones.

Comerciantes enfrentan un dilema entre distribución y control.

• En ChatGPT: Obtiene acceso a los primeros usuarios, pero pierde la relación directa con el cliente y los derechos de marketing por correo electrónico. No tiene influencia sobre las tasas de comisión o la lógica de recomendación.
• En Google/Copilot: Conserva el estatus de comerciante registrado, pero a medida que el embudo se comprime, el inventario de anuncios en el sitio pierde valor. Si bien las tasas de conversión pueden aumentar, los ingresos totales por publicidad disminuyen.

Afiliados mueren cuando los LLM desintermedian el clic.

• La trampa: Si ChatGPT sintetiza reseñas sin enviar tráfico, los afiliados dejan de escribir. Esto crea un «ouroboros» donde los modelos se entrenan con su propia producción generada por IA.
• El pivote: Los editores deben pagar el contenido premium o cobrar a los comerciantes directamente por las reseñas.

Amazonas domina en precio y velocidad, pero enfrenta un conflicto de modelo de negocio.

• El conflicto: Los márgenes minoristas son reducidos (~1%); La rentabilidad proviene del negocio publicitario de 60 mil millones de dólares.
• El riesgo: La máquina publicitaria de Amazon se basa en un embudo de 14 clics. Si el comercio conversacional lo comprime a un solo clic, el inventario de productos patrocinados se evapora.
• La elección: Deben bloquear los rastreadores para proteger los ingresos publicitarios (estrategia actual) o participar y canibalizarlos. Walmart unirse a ChatGPT les obliga a hacerlo.

Google está mejor posicionado para capear el cambio.

• Paridad: Ya están monetizando las descripciones generales de IA a la par con la búsqueda heredada.
• Ciencias económicas: Una mayor relevancia conduce a tasas de conversión explosivas. Los anunciantes pagarán más por clic para compensar el menor volumen de clics, equilibrando el ecosistema.

4. El SEO pasa de optimizar los clics a optimizar la ingestión

Estamos pasando de un mundo de espacio infinito en los estantes (10 enlaces azules, paginación infinita) a un mundo de espacio limitado en los estantes (tres espacios de recomendación en una respuesta de IA).

En este entorno, El SEO pasa de optimizar para clics a optimizar para ingestión. El objetivo no es conseguir que un humano visite su página de destino; es para obtener los datos de su producto en la ventana contextual del agente con suficiente autoridad para que lo recomiende.

El nuevo “SEO técnico”: La calidad del feed en el modelo heredado significaba velocidad del sitio, capacidad de respuesta móvil y Core Web Vitals. En la era del protocolo, el SEO técnico es integridad del alimento. Los agentes no “navegan” su sitio; consultan su API. Su sitio web se vuelve menos un destino visual y más una base de datos estructurada. Los ganadores serán los comerciantes que traten su feed de productos como su escaparate principal.

El nuevo “SEO en la página”: El SEO heredado a menudo recompensaba los artículos que simplemente resumían lo que todos los demás ya decían para clasificar las palabras clave amplias. Los LLM, sin embargo, están capacitados en ese consenso. Para ser citado ahora, debe proporcionar ganancia de información, el delta entre lo que el modelo ya sabe y el valor único que proporciona además del consenso.

• No se puede “comerciar” para salir de especificaciones inferiores. Si afirmas ser la “mejor zapatilla para correr para pies planos”, el modelo no busca adjetivos; valida las medidas de soporte del arco con respecto a los estándares de podología en su conjunto de entrenamiento.
• Su contenido debe pasar del compromiso general a una «verdad del producto» estructurada. Los LLM priorizan tablas de comparación detalladas, resultados de pruebas patentados (por ejemplo, «se nos cayó este teléfono 50 veces») y desgloses de ingredientes. Si sus datos no están estructurados para una fácil ingesta/verificación, el modelo lo ignorará y buscará una fuente que sí lo esté.

El nuevo “SEO fuera de página”: Los vínculos de retroceso siguen siendo importantes, pero su función cambia. En lugar de pasar «link jugo» para la clasificación, ahora sirven como fuentes de verificación para la síntesis de reputación, junto con reseñas y menciones web.

• Los LLM buscan sitios de terceros (por ejemplo, Reddit, foros especializados, sitios de revisión de expertos) para llegar a un consenso. Un gran volumen de reseñas específicas y verificadas en plataformas de terceros confiables es la señal más fuerte que puede enviar.
• En un mundo donde una IA sugiere tres opciones, la familiaridad con la marca se convierte en un factor de desempate. La publicidad de marca y la construcción orgánica de marca regresan como una palanca crítica para garantizar que los usuarios reconozcan la recomendación que brinda la IA.

5. El fin de las “marcas de marketing”

La última década permitió a las marcas blancas arbitrar su camino hacia el crecimiento a través de la publicidad, pero el comercio agente actúa como filtro de calidad para este modelo. Mientras que los humanos se dejan llevar por marcas ingeniosas, los LLM son lectores desapasionados de datos que no recomendarán un producto «premium» cuando las especificaciones demuestran que es idéntico a una alternativa genérica.

El cambio hacia los protocolos crea una paradoja: los modelos entienden perfectamente la intención de la cola larga, pero la cumplen con un inventario de cabeza gorda.

• Sesgo de seguridad: Los modelos prefieren el consenso para evitar alucinaciones. Una marca de nicho parece ruido; una categoría rey parece verdad.
• La realidad del RAG: Las herramientas RAG normalmente solo escanean los 10 a 20 resultados de búsqueda principales. Dado que los motores de búsqueda ya favorecen a la autoridad, RAG a menudo simplemente refuerza a los titulares.

La única fuerza que anula este sesgo son los datos granulares. Su feed de comerciante actúa como reclamo, pero RAG actúa como capa de confianza para verificarlo.

El mercado se bifurca:

• Los titulares ganan la intención general a través de la “confianza” (consenso).
• Los especialistas obtienen una intención específica a través de la “granularidad” (especificaciones), pero solo si se clasifican en los primeros resultados de búsqueda.

Si expone puntos de datos que los gigantes ignoran (por ejemplo, abastecimiento exacto, análisis químico), el motor de razonamiento del modelo debe seleccionarlo para cumplir con la restricción, pero solo si se clasifica en la página 1 para ser recuperado.

La búsqueda orgánica ya no se trata del clic; es el requisito previo para la verificación agente.

Imagen publicada: Paulo Bobita/Search Engine Journal