Firon Marketing, una agencia de Optimización para Motores Generativos, publicó la segunda fase de su estudio de referencia de Auditoría de Preparación para la IA el 2 de octubre de 2026, revelando que ni una sola de las 24 marcas de venta directa al consumidor auditadas contaba con el conjunto completo de señales de datos estructurados en los que se basan los asistentes de IA para obtener y verificar recomendaciones de productos. El estudio, que abarcó categorías de ropa, cuidado de la piel, suplementos, artículos para el hogar, alimentos y bebidas, y productos para bebés y familias, midió tres señales críticas: esquema FAQPage, esquema Organization con una propiedad sameAs, y esquema Product con un valor AggregateRating. Ninguna marca tenía las tres, y ninguna marca tenía ni una de las tres en todas las páginas auditadas. Esta ausencia significa que asistentes de IA como ChatGPT, Google AI Overviews, Perplexity y Claude no pueden verificar estas marcas, excluyéndolas efectivamente de las recomendaciones generadas por IA.
Las implicaciones para la industria de venta directa al consumidor son profundas. A medida que los asistentes de IA se convierten en una puerta de entrada principal para el descubrimiento de productos, las marcas sin datos estructurados corren el riesgo de ser invisibles. "Cada marca en este estudio tiene un equipo de marketing, una agencia y un presupuesto", dijo Alex Jordan, fundador y CEO de Firon Marketing. "Lo que ninguna tiene es una identidad legible por máquina. Los asistentes de IA no navegan por un sitio web como lo hace un comprador. Lo analizan. Cuando alguien le pide a un asistente de IA la mejor comida orgánica para bebés o el mejor café de hongos, el modelo lee datos estructurados para decidir qué marcas son lo suficientemente verificables como para nombrarlas. Una marca sin esquema no está perdiendo esa comparación. Nunca se ingresó en ella".
Más allá de los datos estructurados, la auditoría descubrió graves fallos en la velocidad de las páginas. De las 22 marcas con datos de laboratorio medibles, ninguna superó el umbral de 2,5 segundos de Largest Contentful Paint de Google. El LCP promedio fue de 17,4 segundos, con la página de inicio más lenta en 54,51 segundos. En el lote de agosto, el Tiempo de Bloqueo Total promedio alcanzó los 13,9 segundos frente a un estándar de 0,2 segundos, y la página de inicio promedio transfirió 26,5 megabytes. Cada marca cargó al menos 25 scripts de terceros, y tres cargaron más de 80. Además, 23 de 24 marcas tenían una etiqueta H1 faltante o duplicada. Estas deficiencias técnicas dificultan aún más la legibilidad para la IA y la experiencia del usuario.
Firon sostiene que la brecha es estructural, no competitiva. Debido a que ninguna marca en la muestra tiene las señales necesarias, la categoría carece de un líder en recomendación de IA. Las primeras marcas en publicar datos estructurados completos podrían capturar una cuota de citas en todo un vertical antes de que los competidores reconozcan el cambio. Para los lectores, esto significa que los productos que ven recomendados por la IA pueden no ser los mejores, sino simplemente los más legibles por máquina. Para las marcas, señala una necesidad urgente de invertir en datos estructurados y rendimiento del sitio para seguir siendo competitivas en un panorama de compras impulsado por la IA.
Firon Marketing, con sede en Wellington, Florida, se especializa en Optimización para Motores Generativos y SEO para marcas de venta directa al consumidor y Shopify Plus. La herramienta de Auditoría de Preparación para la IA de la firma está disponible en audit.fironmarketing.com. Para obtener más información sobre Firon Marketing, visite su sitio web.
