Reescribir 3.000 títulos por plantilla es viable con reglas; reescribir 3.000 títulos bien —con el atributo que cada producto necesita y el vocabulario que cada categoría usa— es trabajo para un modelo de lenguaje. Pero un modelo que escribe títulos sin límites inventa: atributos que el producto no tiene, promociones, adjetivos. Esta lección es el método para usar la IA en el feed con red de seguridad.
Qué puede hacer bien la IA en un feed
- Títulos: componer, para cada producto, el título por plantilla de su categoría con los atributos correctos y en el orden que usa el mercado.
- Atributos estructurados: extraer de la descripción o la ficha
técnica
material,color,pattern,product_detail(capacidad, potencia, medidas),product_highlight. - Descripciones: reescribir la del fabricante en texto propio, con sinónimos y usos.
- Clasificación: mapear productos a
google_product_categoryyproduct_typecuando la plataforma no lo hace. - Traducción con contexto de mercado (lección 1).
Lo que no: decidir precios, disponibilidad, GTIN, marca. Eso son hechos, no texto.
El contexto que necesita
Por producto: atributos actuales del feed, descripción, ficha técnica si existe, categoría, plantilla de título de la categoría, y —la pieza que diferencia— los términos de búsqueda que convirtieron para productos de esa categoría (el vocabulario real). Y las reglas (abajo) como instrucciones explícitas.
Las reglas de validación
Cada salida de la IA pasa un validador antes de entrar al feed:
| Regla | Comprobación |
|---|---|
| Longitud | Título ≤ 150 caracteres; lo esencial en los primeros 70 |
| Solo atributos existentes | Cada atributo mencionado (color, talla, material) está en el feed o en la ficha; si no, se rechaza (la IA no inventa "acero inoxidable") |
| Sin promoción ni adjetivos vacíos | Lista negra: oferta, gratis, mejor, increíble, premium… |
| Sin mayúsculas sostenidas ni símbolos | Formato |
| Marca y modelo presentes cuando existen | Obligatorios por plantilla |
| Sin repetición de palabras | Keyword stuffing |
| Idioma correcto | Detección |
| Diferente del anterior | Si la IA devuelve lo mismo, no se marca como cambio |
Lo rechazado vuelve con el motivo o se queda con el título anterior. Tasa de rechazo típica al empezar: 10-20 %; baja con el prompt ajustado.
El flujo por lotes
- Categoría piloto (cientos de productos, volumen de datos).
- Generar en lote (decenas por llamada, con el contexto de la categoría).
- Validar automáticamente.
- Revisión por muestreo humano: 30-50 títulos aleatorios por categoría; si más del 5 % tiene problemas que el validador no vio, ajustar prompt o reglas y repetir.
- Entregar como feed suplementario (
id+title+ atributos nuevos): el original no se toca. - Test por categoría (mitad A/B por etiqueta, 3-4 semanas; módulo 6 del Intermedio).
- Extender a la siguiente categoría; registro de versiones de título por producto.
Coste: céntimos por producto con modelos actuales; una categoría de 500 productos cuesta menos que una hora de redactor y se revisa en media hora.
Medir el efecto
Por categoría y versión de título: impresiones, CTR, conversiones, ROAS antes/después y frente al grupo de control. Señales de éxito: más impresiones (más búsquedas cubiertas) con CTR igual o mejor; señales de alarma: impresiones que suben y CTR que cae (título que promete lo que la ficha no es) o términos irrelevantes nuevos (atributo mal puesto).
Gobierno: quién aprueba qué
- Plantillas y reglas: marketing, con el validador como ley.
- Salida de la IA: nunca directa al feed; siempre validador + muestreo + suplementario reversible.
- Versiones: cada título con fecha y versión; reversión por lote si el test falla.
💡 Truco ninja: el Shopping Ninja genera títulos con IA con exactamente este contexto (atributos, plantilla, términos que convirtieron) y este validador, y los entrega como hoja suplementaria con casilla de aprobación por producto. La IA escribe; el validador vigila; tú apruebas; el feed original no cambia. Es el mismo patrón de "propuesta con memoria + veto humano" del RSA Optimizer, aplicado al catálogo.
Qué debes recordar
- La IA sirve para títulos, atributos, descripciones, clasificación, traducción; nunca para hechos (precio, stock, GTIN).
- Contexto = atributos + plantilla + términos que convirtieron.
- Validador obligatorio: longitud, solo atributos existentes, sin promos ni adjetivos, formato, marca/modelo, sin repetición.
- Lotes por categoría, muestreo humano, suplementario reversible, test A/B, registro de versiones.