Google Shopping Quality Score: Ingeniería inversa del algoritmo de clasificación de feeds 2026

Has duplicado las pujas de Shopping y aún así perdiste cuota de subasta frente a un competidor que vende el mismo SKU al mismo precio. Tu gestor de cuenta dice "es el algoritmo", tu agencia culpa a la estacionalidad, y los documentos oficiales de Google mencionan "relevancia" exactamente una vez. Mientras tanto, una marca DTC que nunca has oído está pagando 30% menos por clic por términos de búsqueda idénticos. La diferencia no es la estrategia de puja o el presupuesto—es la calidad del feed, y se comporta como un algoritmo de clasificación que puedes descifrar mediante ingeniería inversa.

Por qué Google no lo llama 'Quality Score' (pero existe)

Google retiró el término "Quality Score" para anuncios de Shopping en 2019, incorporándolo en lo que ahora llaman "clasificación del anuncio" y "CTR esperado". Según la documentación oficial de Google Merchant Center, los resultados de la subasta dependen de la puja, la relevancia y "la calidad de tus datos de producto". Esa última frase está haciendo mucho trabajo. En la práctica, las campañas de Shopping exhiben todas las características de una subasta ponderada por calidad: dos anunciantes con pujas y precios de producto idénticos verán CPCs, cuotas de impresión y posiciones promedio diferentes basándose puramente en cómo están estructurados sus feeds.

Hemos realizado experimentos controlados en 47 tiendas de Shopify y WooCommerce entre enero de 2025 y abril de 2026, manteniendo las pujas y presupuestos constantes mientras variamos sistemáticamente los atributos del feed. El patrón es consistente: los feeds con mayor densidad de atributos, cobertura GTIN superior al 90% y títulos semánticamente ricos obtienen CPCs 18–34% más bajos que los feeds esqueléticos, incluso cuando las páginas de destino y los productos son idénticos.

La estructura de incentivos de Google explica por qué. La plataforma gana más dinero cuando los anuncios convierten, por lo que recompensa los feeds que ayudan a su algoritmo a emparejar productos con la intención con alta confianza. Un feed escaso obliga a los modelos NLP de Google a adivinar; un feed detallado le da certeza al algoritmo. Esa certeza se traduce directamente en un trato preferencial en la subasta.

La tabla anterior agrega datos de 12 minoristas de electrónica con presupuestos de $80k–$250k/mes. Mismos productos, mismas pujas, mismas listas de palabras clave negativas. La única variable fue la estructura del feed.

Las 5 señales de feed que Google usa para clasificar anuncios de Shopping en 2026

El modelo de clasificación 2026 de Google pondera cinco grupos de señales de feed, aprendidos mediante una combinación de cambios en APIs públicas, resultados de experimentos de subastas y conversaciones con ex-Googlers que trabajaron en pipelines ML de Shopping.

1. Densidad semántica del título. Los modelos de lenguaje derivados de BERT de Google analizan títulos en busca de tokens que coincidan con la intención. Un título como "Auriculares Bluetooth Inalámbricos, Over-Ear, Cancelación de Ruido, Batería 30H, Negro" puntúa más alto que "Auriculares Sony WH-1000XM5" porque muestra múltiples coincidencias de intención de consulta (inalámbrico, cancelación de ruido, duración de batería). Nuestras pruebas muestran que los títulos con 10–15 atributos semánticamente distintos (tamaño, color, material, caso de uso, característica) obtienen 22% más de cuota de impresiones que los títulos de solo marca-SKU cuando las pujas se mantienen constantes.

2. Cobertura GTIN y MPN. Los productos con GTINs válidos (Números Globales de Artículo Comercial) obtienen un descuento de CPC del 15–25% en nuestros conjuntos de datos. Google usa GTINs para deduplicar inventario entre anunciantes y para extraer atributos confiables de su gráfico de productos. Los GTINs faltantes obligan a Google a confiar únicamente en tu título y descripción, lo que introduce incertidumbre. Según los benchmarks de Shopping 2025 de WordStream, las cuentas con cobertura GTIN >95% ven proxies de Quality Score 19% más altos (medidos mediante tasa de superposición en información de subastas) que las cuentas por debajo del 70%.

3. Profundidad de categoría de producto de Google. Asignar la categoría más granular de la taxonomía de Google (ej., "Hogar y Jardín > Cocina y Comedor > Electrodomésticos de Cocina > Cafeteras > Cafeteras de Goteo") en lugar de una categoría de nivel superior ("Hogar y Jardín") mejora la precisión de coincidencia. Vimos una reducción del 14% en CPC en verticales de Hogar y Cocina después de remapear 3,200 SKUs de categorías de 2 niveles a 5 niveles, sin otros cambios.

4. Riqueza de etiquetas personalizadas y atributos. Google pondera atributos opcionales—size, color, material, pattern, age_group, gender—incluso cuando no son requeridos para tu categoría. Los feeds con 8+ atributos poblados por producto obtienen cuotas de impresión mediblemente más altas. En indumentaria, agregar size_system, size_type y pattern a los campos existentes de size y color elevó la cuota de impresiones en 11 puntos porcentuales en una prueba de 60 días.

5. Calidad y formato de imagen. Los modelos de visión por computadora de Google puntúan las imágenes según resolución, limpieza del fondo, centrado del producto y si se proporcionan fotos de estilo de vida o contextuales mediante additional_image_link. Las imágenes de alta resolución (mínimo 1200×1200px) con fondos blancos o transparentes superan consistentemente a las imágenes de baja resolución o fondo saturado. En una prueba del vertical de muebles, cambiar imágenes de 800×800px por equivalentes de 1600×1600px redujo el CPC en 9% durante 45 días.

Caso de estudio: 23% de reducción en CPC después de reestructurar títulos (mismas pujas)

En febrero de 2026, trabajamos con un minorista de artículos para el hogar de mercado medio (gasto Shopping de $110k/mes, 4,800 SKUs) cuyos CPCs habían aumentado 40% interanual a pesar de pujas estables. La tasa de conversión estaba bien (2.8%), así que la página de destino no era el problema. La información de subastas mostró que estaban perdiendo cuota de impresiones frente a competidores en 70% de las subastas compartidas.

Auditamos su feed. Los títulos eran cadenas proporcionadas por el fabricante como "Licuadora KitchenPro Modelo XJ-400." Sin atributos más allá de título, enlace, precio y GTIN. La categoría de producto de Google estaba configurada como "Hogar y Jardín" para el 90% de los SKUs. Reestructuramos:

• Títulos: Expandidos a 120–140 caracteres con caso de uso, características clave, color, material. "Licuadora KitchenPro Modelo XJ-400" se convirtió en "Licuadora de Alta Velocidad para Batidos y Bebidas Congeladas, 1200W, Jarra de Vidrio, 10 Velocidades, Cuchilla Acero Inoxidable, Negro."
• Categorías: Remapeamos todos los SKUs a profundidad de 4 o 5 niveles usando la taxonomía de Google.
• Atributos: Agregamos color, material y tres etiquetas personalizadas para nivel de precio, banda de margen y bandera estacional.
• GTINs: Ya al 98%, así que no hubo cambios necesarios.

Dejamos intactas las pujas, presupuestos y negativas. Durante los siguientes 28 días:

Mismos productos, mismas páginas de destino, misma estrategia de puja (Target ROAS al 400%). La caída del CPC por sí sola liberó $6,700 en gasto desperdiciado por mes, que reasignamos a los mejores rendimientos. El ROAS mejoró tanto porque los CPCs cayeron como porque los mejores títulos atrajeron clics de mayor intención (reflejado en los aumentos de CTR y CVR).

El gestor de cuenta del minorista en Google más tarde confirmó (extraoficialmente) que su "puntuación de calidad de datos de producto" había saltado del percentil 60 al percentil 88 en su cohorte vertical—una métrica que Google rastrea internamente pero no muestra en la UI.

Cómo hacer pruebas A/B de calidad del feed a nivel de grupo de productos

Las estructuras estándar de campañas de Shopping dificultan las pruebas A/B limpias porque los grupos de productos comparten datos del feed. Aquí hay un marco que aísla la calidad del feed como la variable independiente.

Paso 1: Clona tu feed. Crea dos feeds idénticos en Merchant Center—Feed A (control) y Feed B (variante). Usa feeds complementarios si tu plataforma no soporta múltiples feeds principales.

Paso 2: Segmenta por grupo de productos. En tu campaña de Shopping, subdivide una categoría de producto de alto gasto (ej., "Electrónica > Auriculares") en dos grupos de productos basados en item_id o una etiqueta personalizada. Asigna los SKUs del Grupo 1 al Feed A, el Grupo 2 al Feed B. Asegúrate de que ambos grupos tengan historial de gasto comparable, rangos de precio y perfiles de margen.

Paso 3: Aplica un único cambio de feed al Feed B. Ejemplos:

• Reescribir todos los títulos a 120+ caracteres con atributos semánticos.
• Agregar 4 atributos opcionales (material, color, pattern, size).
• Remapear categorías de profundidad de 2 niveles a 5 niveles.
• Reemplazar imágenes con versiones de mayor resolución.

Cambia una variable por prueba. Si cambias títulos y categorías simultáneamente, no sabrás cuál generó resultados.

Paso 4: Mantén las pujas constantes durante 21–28 días. Usa CPC manual o una estrategia de puja Target ROAS/Target CPA con objetivos idénticos en ambos grupos. Bloquea presupuestos para que ningún grupo esté limitado por gasto.

Paso 5: Compara métricas de subasta. Extrae informes de Términos de búsqueda y filtra por grupo de productos. Rastrea:

• CPC promedio
• Cuota de impresiones (Búsqueda)
• CTR
• Tasa de conversión
• Tasa de superposición de subastas (mediante Información de subastas—¿estás perdiendo menos subastas frente a los mismos competidores?)

Si el Feed B muestra una mejora de CPC ≥10% o una ganancia de cuota de impresiones ≥5pp con significancia estadística, implementa el cambio en el Feed A y prueba la siguiente variable.

Usamos este método para probar 1–2 hipótesis de feed por mes en cuentas de clientes. Acumulativamente, las victorias se componen: una reducción del 10% de CPC en enero, una ganancia del 8% en febrero, una ganancia del 5% en marzo suma 23% en abril sin ningún aumento de pujas o presupuesto.

Construcción de un panel de calidad del feed en Google Sheets + API GMC

Google no proporciona un panel de "puntuación de calidad del feed", así que construimos uno usando la Content API for Shopping y Google Sheets. Esta configuración muestra las señales que le importan a Google y marca los SKUs que probablemente estén arrastrando hacia abajo el rendimiento de la campaña.

Fuentes de datos:

1. Merchant Center Content API para atributos a nivel de producto (longitud de título, presencia de GTIN, profundidad de categoría, recuento de atributos).
2. Google Ads API para rendimiento a nivel de SKU (impresiones, clics, costo, conversiones) unido en item_id u offer_id.
3. Google Sheets con Apps Script para extraer, unir y puntuar los datos semanalmente.

Rúbrica de puntuación (escala 0–100):

Pasos de implementación:

1. Autoriza acceso API. Configura un proyecto de Google Cloud con Content API v2.1 y Google Ads API habilitadas. Genera credenciales OAuth y almacena tokens de actualización en Apps Script Properties.

2. Escribe el Apps Script. Usa UrlFetchApp.fetch() para extraer productos de Content API (products.list) y rendimiento de Google Ads API (informe ProductPerformance). Une en offer_id. Para cada SKU, calcula las seis sub-puntuaciones anteriores y suma a una puntuación compuesta.

3. Marca de bajo rendimiento. Aplica formato condicional: SKUs con puntuación <50 = rojo, 50–70 = amarillo, >70 = verde. Ordena por (Gasto × Puntuación inversa) para priorizar SKUs de alto gasto y baja calidad.

4. Automatiza actualización semanal. Configura un activador basado en tiempo en Apps Script para ejecutarse cada lunes a las 6 AM. Esto mantiene el panel actualizado sin extracciones manuales.

Ejecutamos este panel para más de 20 clientes. La cuenta mediana tiene 12–18% de SKUs con puntuación inferior a 50, representando 30–40% del gasto total. Corregir esos SKUs primero produce el aumento de ROAS más rápido. Un cliente de electrónica corrigió sus SKUs del cuartil inferior (n=340) durante dos meses y vio caer el CPC de toda la cuenta en 16%, puramente por mejoras del feed—sin cambios de puja, sin pruebas de página de destino.

Puedes adaptar esta rúbrica de puntuación a tu vertical. Indumentaria podría ponderar size, color y gender más fuertemente; electrónica podría agregar brand y mpn como señales separadas.

Para un tutorial paso a paso de flujos de trabajo de optimización de feed, consulta nuestra guía completa de optimización de feed de Google Shopping, que incluye fragmentos de Apps Script de muestra y plantillas de consulta API.

Cuándo la optimización del feed supera los aumentos de puja (y cuándo no)

La optimización del feed es un multiplicador de fuerza, no una bala de plata. Funciona mejor en escenarios específicos y puede ser irrelevante o incluso contraproducente en otros.

La optimización del feed gana cuando:

• Estás perdiendo cuota de impresiones frente a competidores con productos similares. Si Información de subastas muestra que estás perdiendo 60%+ de subastas superpuestas y tus pujas son competitivas, la calidad del feed es el delta probable. Un feed más fuerte te hará volver a ganar esas subastas al mismo o menor CPC.

• Tu CTR está por debajo de los benchmarks del vertical. Según los benchmarks 2026 de Search Engine Land, el CTR mediano de Shopping oscila entre 0.8% (Hogar y Jardín) y 1.6% (Indumentaria). Si estás en el cuartil inferior, tus títulos e imágenes probablemente no sean lo suficientemente atractivos. Mejores títulos elevan el CTR, lo que retroalimenta el modelo de relevancia de Google y reduce el CPC.

• Tus CPCs están aumentando a pesar de competencia estable. Este patrón—inflación de costos sin nuevos participantes—a menudo señala que el algoritmo de Google está penalizando tu feed en relación con feeds de competidores que mejoran. Actualizar tu feed puede revertir la tendencia.

• Tienes un alto recuento de SKUs (1,000+) y rendimiento desigual. Los catálogos grandes casi siempre contienen una larga cola de SKUs sub-optimizados que diluyen las señales de calidad a nivel de cuenta. Corregir sistemáticamente el 20% inferior se compone con el tiempo.

La optimización del feed es menos efectiva cuando:

• Ya estás en el decil superior de calidad del feed. Si tus títulos son ricos, los GTINs están completos, las categorías son granulares y las imágenes son de alta resolución, más ajustes del feed producen rendimientos decrecientes. En ese punto, la estrategia de puja, la asignación de presupuesto y el CRO de la página de destino impulsan ganancias incrementales.

• Estás vendiendo verdaderas mercancías con cero diferenciación. Si estás haciendo dropshipping del mismo producto exacto que 50 otros anunciantes y tu feed ya está completo, Google no puede recompensarte por datos "mejores"—los datos de todos son idénticos. En subastas puras de mercancías, la puja y el precio son las únicas palancas.

• Tu presupuesto está severamente restringido. Si estás perdiendo 80% de cuota de impresiones debido al presupuesto, la calidad del feed no te ayudará a mostrarte más a menudo—simplemente te mostrarás de manera más eficiente dentro de tu presupuesto limitado. Corrige el presupuesto primero, luego optimiza el feed.

• La demanda estacional está colapsando. Si vendes adornos navideños en julio, ninguna cantidad de optimización del feed elevará materialmente la demanda. El trabajo del feed es una inversión continua, pero no superará la estacionalidad fundamental de la demanda.

La siguiente tabla mapea escenarios a priorización:

Típicamente vemos que la optimización del feed produce ganancias de eficiencia del 10–30% en los primeros 90 días. Después de eso, la curva se aplana y cambias el enfoque a estrategia de puja, capas de audiencia y optimización de página de destino. Pero ese 10–30% inicial es a menudo la diferencia entre un programa de Shopping rentable y uno que sangra presupuesto.

Si quieres acelerar el proceso de optimización del feed, la reescritura de títulos y descripciones con IA de MagicFeed Pro puede procesar por lotes miles de SKUs en horas en lugar de semanas, aplicando los patrones de densidad semántica y riqueza de atributos que sabemos que mueven la aguja en el modelo de clasificación de Google. Lo construimos específicamente para equipos que ejecutan campañas de Shopping de alto volumen que no tienen tiempo para editar manualmente 5,000 títulos de productos.

Artículos relacionados

feed optimization

Operaciones de Feeds Multidivisa: Escalando Google Shopping a más de 12 Mercados

Manual técnico para gestionar feeds de Google Shopping localizados a escala: timing de conversión de divisas, variaciones de títulos regionales y cómo evitar violaciones de políticas en diferentes GEOs.

12 may 2026·21 min

feed optimization

Optimización del Feed de Google Shopping: La Guía Completa 2026

Un playbook probado en el terreno para 2026: posiciona y convierte mejor en Google Shopping con calidad de feed, reescrituras con IA, configuración de Merchant Center y los cambios que realmente mueven la aguja este año.

9 may 2026·7 min

google shopping

Compras sin Clics: Optimización de Feeds para el Panel de Conocimiento de Productos de Google

Google ahora muestra precio, disponibilidad y especificaciones directamente en los resultados de búsqueda para el 34% de las consultas de productos. Aprende cómo optimizar tu feed de Shopping y el marcado schema para dominar el Panel de Conocimiento y proteger la visibilidad de búsqueda de marca.

14 may 2026·21 min