🧩 Atributos conversacionales en Google Merchant Center: cómo preparar tu feed para AI Mode y Gemini

Actualizado el 23 de septiembre de 2026. El feed de producto ya no sirve únicamente para decirle a Google que una camiseta cuesta 49 euros, está disponible y es de color azul. En las experiencias de compra con inteligencia artificial, el sistema necesita entender preguntas mucho más humanas: ¿sirve para lluvia?, ¿qué accesorio necesito?, ¿qué diferencia hay entre esta versión y la otra?, ¿puedo consultar el manual?, ¿es uno de los productos más populares de la tienda?

Google ha creado para eso los atributos conversacionales de Merchant Center. Son campos opcionales que complementan los datos tradicionales del catálogo y ayudan a los sistemas de IA y a los agentes conversacionales a comprender mejor los matices de cada producto. Google confirma que están pensados para superficies como AI Mode en Search y otras experiencias impulsadas por IA.

La oportunidad es importante para ecommerce: el catálogo deja de ser solo una base para Shopping y empieza a funcionar como una fuente estructurada de respuestas para la IA.

Qué son exactamente los atributos conversacionales

Son datos adicionales que describen un producto de una forma que una conversación necesita. No sustituyen título, precio, disponibilidad, GTIN, marca o imagen. Los complementan.

Google documenta actualmente campos específicos para preguntas y respuestas, documentación, relaciones entre productos, grupos de variantes, opciones de variante y popularidad. Además, los conocidos product highlight y product detail aportan contexto útil sobre ventajas y especificaciones.

Por qué importa también para publicidad

A primera vista parece una mejora orgánica de Merchant Center, pero tiene una consecuencia publicitaria clara. Google está conectando cada vez más el feed con sus sistemas de anuncios basados en IA. AI Max for Shopping, por ejemplo, utiliza el contexto del feed para entender los productos y responder mejor a consultas conversacionales; puede generar texto adaptado a la intención, seleccionar formatos y encontrar páginas relevantes.

Esto cambia el trabajo del anunciante. Una puja excelente no compensa un catálogo que no explica qué resuelve cada producto. Cuando la búsqueda pasa de “zapatillas trail hombre” a “necesito unas zapatillas para correr por caminos mojados y tengo el pie ancho”, los datos estructurados tienen que dar al sistema material suficiente para razonar.

No significa que rellenar estos campos garantice que un producto aparezca en AI Mode ni que mejore automáticamente el ROAS. Significa que Google dispone de señales más precisas para entenderlo y presentarlo cuando sean pertinentes.

1. Question and answer: convierte las dudas reales en datos

question_and_answer permite enviar preguntas frecuentes y sus respuestas. Google indica que está pensado principalmente para experiencias conversacionales como AI Mode y admite hasta 30 pares de pregunta-respuesta por producto, con límites de longitud definidos.

La clave no es inventar treinta preguntas para llenar el campo. Es utilizar las dudas que realmente frenan una compra.

Ese dato es mucho más útil para una conversación que repetir “cafetera automática premium”. Conviene extraer preguntas del soporte, fichas de producto, devoluciones, chat comercial y consultas previas a la venta. Las respuestas deben coincidir con la información de la landing y no contener afirmaciones que no puedas demostrar.

2. Document link: deja que Google consulte documentación oficial

document_link permite enlazar PDFs relevantes: manuales, guías de usuario, instrucciones de montaje o documentación del producto. Google explica que estos documentos pueden utilizarse principalmente en experiencias conversacionales para responder preguntas detalladas y ayudar en la decisión de compra.

Para productos técnicos es especialmente valioso. Una ficha puede decir “compatible con Wi-Fi”, mientras el manual explica bandas, configuración, conectores y limitaciones. En vez de intentar meter cien especificaciones en la descripción comercial, puedes aportar una fuente autorizada.

Revisa antes los PDF: que correspondan exactamente al modelo, que sean accesibles públicamente, que no estén desactualizados y que no contradigan la ficha.

3. Related product: enseña accesorios, repuestos y alternativas

related_product describe relaciones entre artículos del catálogo. Google cita casos como accesorios, piezas necesarias y sustitutos. Esto responde a una de las preguntas más frecuentes en una compra conversacional: “¿qué más necesito?”.

Imagina una cámara. No basta con que Google entienda la cámara; puede ser útil identificar una batería compatible, una lente o un sustituto de precio similar. En lugar de dejar esa relación escondida en una página web, el catálogo la expresa de forma estructurada.

Google señala que este atributo puede utilizarse en todos los países y exige identificar correctamente el tipo de relación y el producto relacionado.

4. Variant option: evita que la IA mezcle versiones

Las variantes se vuelven especialmente delicadas cuando una conversación incluye varias condiciones a la vez. Un portátil puede variar por memoria, almacenamiento, procesador y pantalla. variant_option sirve para describir las propiedades que identifican cada versión.

Google recomienda utilizarlo junto con item_group_id e item_group_title. Además, las dimensiones utilizadas deben ser coherentes dentro del grupo y la combinación de valores debe distinguir de forma única cada variante.

Esto reduce una situación muy mala para ecommerce: que la IA describa las características de la versión superior mientras enlaza a la versión básica.

5. Popularity rank: expresa qué funciona dentro de tu catálogo

popularity_rank permite indicar la popularidad relativa de un producto como porcentaje del inventario. No es una reseña ni una valoración inventada. Es una señal relativa sobre cómo se comporta ese artículo dentro de tu catálogo.

Puede ser útil cuando el comprador pregunta por opciones populares, pero hay que mantener el dato actualizado. No convertiría este campo en una etiqueta comercial manual del tipo “95 porque queremos venderlo más”. La calidad del feed depende de que los datos representen la realidad.

Cómo empezar sin rehacer todo el catálogo

No intentaría completar todos los campos de miles de SKU el primer día. Empezaría por los productos que combinan volumen, margen y preguntas complejas.

Paso 1: selecciona 20 productos

Escoge una muestra suficientemente pequeña para revisarla a mano. Busca artículos con ventas reales y preguntas que una IA pueda necesitar responder.

Paso 2: recopila lenguaje de clientes

Revisa FAQs, emails de soporte, chats, devoluciones y preguntas comerciales. No copies datos personales. Extrae patrones: compatibilidad, medidas, instalación, uso, materiales, mantenimiento, garantías o diferencias entre modelos.

Paso 3: separa hechos de marketing

“Ideal para todo el mundo” aporta poco. “Admite usuarios de hasta 120 kg” es verificable. Los agentes necesitan datos que puedan utilizar para resolver restricciones concretas.

Paso 4: añade relaciones y documentación

Conecta accesorios y repuestos correctos. Enlaza el manual exacto. Comprueba variantes. La intención es crear una pequeña red de conocimiento alrededor del producto.

Paso 5: valida antes de escalar

Comprueba errores en Merchant Center y compara la información enviada con la landing. Cuando el modelo funcione, amplíalo por familias.

Un ejemplo completo: vender una mochila en una conversación

Supongamos que una tienda vende una mochila de cabina. La ficha clásica contiene título, precio, color, imagen y dimensiones. Un usuario de AI Mode pregunta: “Viajo tres días con Ryanair, llevo un portátil de 15 pulgadas y quiero algo que pueda poner debajo del asiento. ¿Qué me conviene?”.

Un catálogo enriquecido puede aportar mucho más contexto: una pregunta y respuesta sobre portátiles compatibles; detalles exactos de medidas; variantes de capacidad; un PDF con instrucciones o especificaciones; accesorios relacionados; y una relación con una versión más pequeña.

La diferencia no está en repetir más veces la palabra “mochila”. Está en proporcionar respuestas estructuradas a las condiciones de la compra.

Qué no debes hacer

No inventes FAQs. Si no sabes si un producto es compatible, no conviertas una suposición en dato estructurado.

No contradigas la landing. Google exige coherencia en los datos de producto, y una IA tampoco puede dar una buena respuesta si recibe dos versiones distintas.

No abandones los atributos básicos. Los conversacionales complementan el feed principal. Precio, disponibilidad, identificadores, imágenes y demás datos siguen siendo fundamentales.

No confundas visibilidad con publicidad. Estos atributos pueden ayudar a que Google entienda tus productos en experiencias de IA; no son una compra de posición patrocinada. Los anuncios continúan sujetos a campañas, elegibilidad, relevancia y sistemas publicitarios.

Cómo conecta esto con AI Max y los anuncios de Google

Google ha explicado que AI Max for Shopping aprovecha el feed de Merchant Center para comprender mejor el contexto de los productos. Esto hace que la calidad del catálogo sea una parte cada vez más importante de la optimización publicitaria.

El proceso que aplicaría sería: primero sanear el feed base; después añadir información conversacional a los productos prioritarios; revisar las consultas e intenciones que llegan; y finalmente utilizar ese aprendizaje para campañas, creatividades y landings.

Si utilizas Google Ads, también merece la pena revisar nuestra guía sobre AI Max y el cambio de las campañas de búsqueda y el análisis de Business Agent dentro de YouTube Ads. Son piezas distintas del mismo cambio: Google intenta entender mejor la intención y convertir la publicidad en una experiencia más conversacional.

¿Y si vendes con Shopify?

El movimiento es especialmente relevante para tiendas que ya sincronizan catálogos. Esta semana Google y Shopify han acelerado además el checkout en experiencias de IA. Lo explicamos paso a paso en Shopify + Google AI Mode y Gemini.

Pero tener una integración técnica no significa que el catálogo esté bien preparado. La conexión puede transportar los datos; la calidad de esos datos sigue siendo responsabilidad del comercio.

Checklist antes de enviar atributos conversacionales

Conclusión

La optimización de catálogo está entrando en una etapa distinta. Durante años el objetivo era que Google supiera qué producto es. Ahora también necesita saber qué preguntas puede responder sobre él, con qué se combina, qué versión necesita cada comprador y dónde encontrar documentación fiable.

Los atributos conversacionales son una forma concreta de preparar el ecommerce para ese cambio. No son una fórmula mágica de posicionamiento y no sustituyen una buena campaña. Sí convierten el feed en una fuente de conocimiento mucho más útil para AI Mode, Gemini y las experiencias comerciales que Google está construyendo alrededor de sus modelos.

Fuentes oficiales consultadas: documentación de Google Merchant Center sobre atributos conversacionales, question and answer, document link, related product y variant option; Google Ads & Commerce, actualizaciones de comercio agéntico de mayo y septiembre de 2026.

Continúa leyendo