Una revisión se ejecuta bajo demanda y analiza los productos que elijas. Las dimensiones de visión (que comparan las imágenes con tus datos) usan créditos de AI, por lo que el coste escala con el tamaño del catálogo y las dimensiones que selecciones. Los resultados se ponen en cola y suelen estar listos en unos minutos; nunca caducan, así que puedes volver a cualquier ejecución pasada.
Ejecutar una revisión
Abre la Revisión de calidad con AI
Encuéntrala en la barra lateral de Analíticas, en la sección de calidad, o actívala directamente desde una selección de productos en la tabla de Productos.
Elige qué revisar
Revisa tu selección actual o todo lo que coincida con tus filtros activos. Empieza con poco (una familia o categoría) si solo quieres una lectura de un área específica.
Elige un preset de intención
Prelanzamiento (todas las dimensiones de texto), SEO, Imagen (activa la visión) o Conversión. Cada preset selecciona las dimensiones que importan para ese objetivo. Personalizado te permite elegir tú mismo las dimensiones.
Añade contexto opcional
Establece un sector para expectativas específicas del vertical, añade hasta tres perfiles de comprador para simular cómo reaccionan distintos clientes, o añade una instrucción libre para cualquier cosa concreta que te importe.
Las 12 dimensiones
Cada producto se puntúa en estas dimensiones. Las dos dimensiones de imagen requieren visión y usan créditos de AI adicionales.| Dimensión | Qué comprueba |
|---|---|
| Completitud | ¿Están rellenos los campos requeridos (nombre, descripción, atributos, imágenes)? |
| Calidad del contenido | ¿Se lee bien el texto, con tono, longitud y estructura apropiados? |
| Imagen vs datos (visión) | ¿Concuerdan las imágenes con los atributos (color, tipo, cantidad)? |
| Imagen vs descripción (visión) | ¿Muestra la imagen lo que afirman la descripción y la categoría? |
| Cobertura de atributos | ¿Están los atributos relevantes de la familia rellenos a una profundidad útil? |
| Matemática entre campos | ¿Son consistentes internamente las tallas, el peso, el volumen y las unidades? |
| Consistencia semántica | ¿Concuerdan las afirmaciones entre campos (material vs descripción, categoría vs departamento)? |
| Cordura de precios | ¿Están los precios y los valores de stock dentro de un rango razonable para la familia? |
| Cumplimiento SEO | ¿Se ajustan los meta títulos y descripciones a los rangos de caracteres recomendados? |
| Consistencia | ¿Son consistentes la ortografía de la marca, las unidades y el formato en todo el catálogo? |
| Casi duplicados | ¿Hay productos que parecen el mismo SKU variando en un solo atributo? |
| Preparación para conversión | ¿Están presentes las señales de conversión esperadas para esta categoría (guías de tallas, contenido de la caja, certificaciones)? |
Qué significan las puntuaciones
| Puntuación | Estado | Cómo interpretarla |
|---|---|---|
| 4.0 – 5.0 | Buena | Sólida. Haz una revisión puntual y sigue adelante. |
| 3.0 – 3.9 | Aceptable | Vale la pena mejorarla. Hay margen aquí. |
| Por debajo de 3.0 | Necesita trabajo | Actúa primero. Estos productos probablemente están perdiendo ventas. |
Cómo leer los resultados
- El radar de dimensiones muestra tu forma de un vistazo. Un radio tirado hacia el centro es la dimensión que hay que corregir primero.
- La lista de problemas por corregir es el corazón de la página: cada problema se prioriza según cuántos productos afecta y qué tan grave es, con un título en lenguaje claro y la cantidad de afectados.
- Los chips de confianza y consenso te dicen qué tan segura está la AI. Una sugerencia marcada para revisión (desacuerdo de consenso) se incluye igualmente, pero merece una mirada humana antes de aplicarla en bloque.
- Las pestañas de Insights añaden profundidad: desglose por prioridad, tendencias de puntuación entre ejecuciones pasadas, una lista de comprobación de preparación para conversión, hallazgos por perfil de comprador y observaciones abiertas que la AI detectó fuera de las dimensiones fijas.
- La tabla de hallazgos por producto te permite profundizar en cualquier producto individual para ver sus puntuaciones por dimensión y los hallazgos exactos que las respaldan.
Corrígelo o protégete de ello
Cada problema ofrece dos acciones, y la diferencia importa:- Corregir aplica la sugerencia ahora. Según el problema, eso puede crear una regla de Quality Guard, ajustar un parámetro de puntuación, añadir un atributo faltante a una familia o rellenar un valor que la AI dedujo de una imagen.
- Añadir regla de protección crea una regla de Quality Guard (que se deja inactiva para que la revises y la actives), de modo que el mismo problema se detecte automáticamente en cada importación y edición futura.
Actúa sobre lo que encuentres
Tu puntuación general está por debajo de 3
Tu puntuación general está por debajo de 3
Abre el radar de dimensiones y encuentra el radio más bajo, luego filtra la lista de problemas a esa dimensión y trabaja de arriba abajo por cantidad de afectados. Aplica primero las correcciones de mayor impacto y observa cómo sube la puntuación proyectada. Resultado: la mejora más rápida posible, porque estás corrigiendo los problemas que afectan a más productos.
Una sola dimensión arrastra toda la puntuación hacia abajo
Una sola dimensión arrastra toda la puntuación hacia abajo
Una sola dimensión débil (a menudo Cumplimiento SEO o Cobertura de atributos) suele ser una brecha sistémica, no mil problemas únicos. Aplica la sugerencia correspondiente (por ejemplo, subir la longitud mínima de la descripción o añadir un atributo faltante a una familia) para corregirla en todo el catálogo de una vez. Resultado: un salto amplio de calidad a partir de una sola acción.
El mismo problema sigue apareciendo entre ejecuciones
El mismo problema sigue apareciendo entre ejecuciones
Los problemas recurrentes son un problema de disciplina de datos, no algo puntual. Usa Añadir regla de protección para crear una regla de Quality Guard que lo bloquee en el momento de la importación y la edición, y luego actívala. Resultado: el problema deja de reaparecer, así que cada revisión futura parte de una línea base más limpia.
Una sugerencia está marcada para revisión
Una sugerencia está marcada para revisión
Cuando la pasada de consenso no concuerda consigo misma, la sugerencia se incluye igualmente, pero queda marcada. Abre los productos afectados y confirma antes de aplicar en bloque. Estos son los casos en los que la AI está menos segura y donde más merece la pena un ojo humano. Resultado: mantienes la velocidad de la automatización sin aplicar una corrección equivocada a gran escala.
La visión encontró discrepancias entre imagen y datos
La visión encontró discrepancias entre imagen y datos
Los hallazgos de imagen vs datos (un producto rojo fotografiado en azul, tres artículos mostrados para un listado de una sola unidad) son habituales tras las importaciones de proveedores. Corrige el atributo o la imagen, o rellena el valor deducido por la AI donde tenga confianza. Resultado: las imágenes y los datos por fin concuerdan, lo que reduce las devoluciones y los rechazos de canal.
La Preparación para conversión es baja
La Preparación para conversión es baja
La pestaña de Preparación para conversión enumera las señales que los compradores esperan para tu vertical (guías de tallas, contenido de la caja, certificaciones) y cuántos productos carecen de cada una. Añade los atributos faltantes, empezando por las señales marcadas como críticas. Resultado: los listados llevan la información que convierte una visita en una compra.
Cómo se relaciona con las otras herramientas de calidad
- Data Quality es el monitor de salud basado en reglas y siempre activo: te dice qué falta. La Revisión de calidad con AI es el motor de mejora que va encima: te dice qué está mal o débil y cómo corregirlo.
- Quality Guard es la capa de aplicación. La Revisión de calidad con AI descubre las reglas que vale la pena tener; Quality Guard las mantiene aplicadas.
- Revisión lingüística es la contraparte de calidad de idioma, centrada en la calidad de la traducción en lugar de los datos de producto.
Relacionado
Data Quality
La puntuación de completitud basada en reglas que se ejecuta de forma continua en todo tu catálogo.
Quality Guard
Convierte los hallazgos de la revisión en reglas que bloquean los datos malos antes de que aterricen.
Revisión lingüística
La misma idea aplicada a la calidad de la traducción en todos tus locales.
Enriquecer Productos
Corrige el contenido que la revisión marca con enriquecimiento con AI dirigido.