Aprende a diagnosticar, priorizar y corregir errores en tu feed de productos para mejorar el ROAS de tus campañas de Shopping y Performance Max.
Un diagnóstico rápido del feed de Google Shopping permite identificar errores que reducen impresiones y ventas, priorizándolos según impacto y esfuerzo. La prioridad se define por cuántos artículos quedan bloqueados o desindexados y por cuánto tiempo afecta al catálogo.
El panel centraliza errores y advertencias que afectan la visibilidad de los productos. Lee el resumen por tipo: problemas de cuenta, problemas del feed y problemas por artículo. Un problema de cuenta puede bloquear campañas enteras; un problema de feed suele afectar lotes completos; un problema por artículo impide que SKUs concretos se publiquen.
Ejemplo: Si el diagnóstico muestra "precio faltante" en 2.000 productos y "URL no válida" en 50, prioriza el precio faltante por volumen. Error típico: Arreglar el fallo más visible estéticamente sin cuantificar su alcance en ventas perdidas.
No todos los errores valen lo mismo para tu ROAS. Calcula el impacto estimado como el porcentaje de SKUs afectados multiplicado por su contribución al tráfico o ingresos. El esfuerzo estimado cubre tiempo de desarrollo, ajustes en PIM o mapeo de Shopify metafields y validaciones.
Ejemplo: Reparar un atributo de identificación global para 100 productos que generan el 40% de las ventas es de alto impacto y, normalmente, bajo esfuerzo si la data ya está en el PIM. Error típico: Empezar por cambios cosméticos (warnings amarillos) que no incrementan impresiones ni desbloquean productos.
La fuente del error define el scope de la corrección:
Ejemplo: Una suspensión por políticas necesita atención inmediata y desbloqueo de cuenta antes de tocar el feed. Error típico: Tratar un problema de cuenta como si fuera un error de atributo y enviar actualizaciones que no desbloquean la cuenta.
Este es el paso a paso mínimo viable para un QA que mejore el feed sin rehacer el catálogo entero:
Ejemplo: Corrige título y GTIN en PIM, reexporta y confirma reducción de errores en 24-48 horas. Error típico: Reexportar sin validar los mapeos entre el PIM y el feed final.
Nota técnica: El feed es el archivo que entrega atributos de producto a Merchant Center. El PIM es la fuente maestra de datos. Los metafields de Shopify son campos personalizados que permiten mapear atributos faltantes. El Schema Product es el marcado estructurado que ayuda a la consistencia del catálogo (más info en Schema.org) y puede influir en la calidad del feed. Para detalles oficiales consulta el centro de ayuda de Merchant Center.
En esta sección nos centramos en los atributos que más impactan la visibilidad y el rechazo en un feed de Google Shopping: GTIN, MPN y Brand. El objetivo es ofrecer pasos operativos para detectar inconsistencias y reducir rechazos.
Los identificadores únicos permiten que Merchant Center empareje tu producto con el inventario global y las reglas de Google, mejorando la elegibilidad. Revisa los informes de Merchant Center para identificar avisos relacionados con identificadores y prioriza SKUs en campañas con mayor gasto.
Ejemplo: Detectar SKUs con marca conocida pero sin identificador y agruparlos por prioridad de campaña. Error típico: No revisar los avisos (warnings) de Merchant Center y asumir que el feed es correcto porque no hay rechazos rojos. Consulta la documentación oficial sobre identificadores.
El GTIN es el identificador global preferido por Google y suele ser obligatorio cuando lo asigna el fabricante.
identifier_exists: no) y documenta la causa.El MPN ayuda a identificar variantes y sustituye al GTIN cuando este no está disponible públicamente.
REF-12345 normalizado a 12345 mediante una regla de texto en la transformación.La marca es fundamental para la elegibilidad y para evitar discrepancias que causen rechazos por "falta de información".
google_product_category y coherencia de categorizaciónLa categoría de Google afecta las reglas de impuestos y la coincidencia semántica.
Algunos productos (artesanía, marca blanca) no tienen GTIN o MPN y requieren tratamiento especial.
identifier_exists como false para los casos reales y compensa con títulos y descripciones muy detalladas, además de atributos como color y talla. Usa metafields de Shopify para almacenar evidencia.brand y mpn vacíos sin marcar identifier_exists: false, provocando rechazos automáticos.Lectura adicional: Guía práctica sobre códigos EAN y gestión de catálogo.
Este playbook operativo permite corregir y enriquecer tu feed de Google Shopping sin rehacer todo el catálogo en el ERP. Utilizaremos supplemental feeds y reglas de feed para aplicar cambios globales ágiles.
Detectar patrones de rechazo y campos faltantes permite soluciones parciales inmediatas. Exporta la lista de errores desde Merchant Center y agrupa por atributo rechazado.
Ejemplo: La lista muestra 120 SKUs con marca vacía. Puedes crear un supplemental feed que rellene la marca desde un metafield o aplicar una regla en Merchant Center que ponga un valor por defecto ("General") si está vacío. Error típico: Aplicar correcciones manuales una a una sin validar si una regla ("Si marca está vacía, usar X") podría resolverlo en bloque.
Los supplemental feeds permiten intervenir rápido en Merchant Center sin tocar el origen de datos (Shopify/PIM) ni las pipelines de integración.
id (obligatorio) y los atributos a sobrescribir (ej. custom_label_0). Sube como supplemental feed y prueba con un subconjunto.id, brand, custom_label_0 donde se actualizan 200 SKUs para una campaña de rebajas.Los metafields permiten añadir información comercial o técnica que no existe por defecto en el esquema de producto de Shopify.
short_title, material, o recommended_use. Mapea esos metafields al export del feed.short_title y mapearlo con una regla de feed para reemplazar el title principal cuando el short_title esté relleno (útil para variantes).
Los títulos y descripciones influyen en la calidad del anuncio y en el CTR (Click Through Rate).
Crea una matriz simple con eje impacto vs. esfuerzo.
brand, color o gender masivamente.Una rutina de QA continuo reduce rechazos y mejora el ROAS. Establece alertas operativas y muestreos de calidad.
Las alertas reducen el tiempo medio de reparación (MTTR) y evitan gasto publicitario en productos con datos erróneos.
Muestrear permite identificar patrones sin revisar línea a línea catálogos de 50k referencias.
Realiza revisiones post-acción semanales. Documenta las soluciones en un repositorio interno para evitar reincidencias. Usa siempre el informe de calidad de Merchant Center como fuente de verdad.
El mantenimiento manual de atributos, GTINs y descripciones a escala suele ser inabarcable para equipos pequeños. ButterflAI detecta automáticamente inconsistencias en el catálogo, genera metafields optimizados para SEO y asegura que tu feed de Google Shopping tenga la densidad de datos necesaria para maximizar el rendimiento.
Profundiza en guías y herramientas conectadas con este tema.
Respuestas rápidas a las dudas más comunes.
Deja de actualizar gráficos estáticos manualmente. Una guía basada en datos para crear tablas comparativas de productos escalables y dinámicas que aumentan la conversión y reducen las devoluciones.
13 feb 2026
Domina tu modelo de datos de producto, centraliza atributos y elimina el caos de los CSV con una estrategia de PIM ecommerce efectiva.
27 ene 2026
Domina la taxonomía de Google Shopping para evitar rechazos en Merchant Center y mejorar la relevancia de tus campañas.
26 ene 2026
