- Blog de Bruxel.AI
- Calidad de datos de producto: siete errores que cuestan ventas
Calidad de datos de producto: siete errores que cuestan ventas
Por Manuel Mattar3 min de lectura
En resumen
La calidad de datos de producto mide qué tan completos, correctos y consistentes están los datos del catálogo. Los errores más caros son pocos y se repiten: SKUs duplicados, valores sin normalizar, medidas sin unidad, especificaciones perdidas en el texto y fichas distintas en cada canal. Se evitan con reglas en el sistema, no con revisiones a mano.
La calidad se ve en la venta
Un catálogo con datos de mala calidad no se ve mal en un tablero: se ve en la operación. Productos que un canal rechaza, filtros que no encuentran nada, devoluciones porque la medida era otra, preguntas al servicio al cliente que la ficha debió contestar. Cada error parece pequeño; juntos cuestan ventas todos los días.
Estos son los siete errores que más se repiten en catálogos de cualquier giro.
1. SKUs duplicados o que cambian
Dos productos con el mismo SKU se pisan entre sí; un producto que cambia de SKU entre cargas aparece dos veces. Como el SKU es la llave que une todos los sistemas, un error aquí se propaga a la tienda, al ERP y a cada marketplace.
2. Valores sin normalizar
«Azul marino», «Marino», «Navy» y «AZUL MARINO» como cuatro colores distintos. El filtro de la tienda muestra cuatro opciones y cada una encuentra una parte de los productos. Se evita con atributos de lista y valores permitidos.
3. Medidas sin unidad
«250» no dice si son mililitros o gramos; «12» no dice si son pulgadas o centímetros. Sin la unidad, el dato no se puede comparar, filtrar ni convertir para otro mercado.
4. Especificaciones perdidas en el texto
«Fabricado en acero inoxidable de 2 mm con mango antiderrapante» dentro de un párrafo es información que la tienda no puede filtrar ni mandar a un canal. Las especificaciones van en atributos; la descripción las menciona.
5. Fichas distintas en cada canal
Cuando cada canal se edita por separado, la información se desvía: un precio, una medida o una foto distinta en cada lugar. El comprador que compara desconfía, y el que compra recibe algo que no esperaba.
6. Imágenes sin revisar
Fotos que no corresponden a la variante, imágenes sin texto alternativo, la misma foto para tres colores distintos. La imagen es lo primero que mira el comprador, y lo último que se revisa.
7. Datos sin dueño
Cuando nadie es responsable de un dato, nadie lo corrige. Un atributo que llenó un proveedor hace dos años sigue ahí aunque el producto cambió. Sin un dueño y sin un historial de cambios, no se sabe ni quién lo cambió ni cuándo.
Cómo detectarlos
No hace falta una auditoría enorme para encontrar estos errores. Unas cuantas revisiones simples bastan para empezar:
- SKUs repetidos: ordena el catálogo por SKU y busca los que aparecen dos veces.
- Valores sin normalizar: revisa la lista de valores distintos de cada atributo de lista; las variantes de escritura saltan a la vista.
- Medidas sin unidad: busca valores que sean solo un número en atributos de medida.
- Diferencias entre canales: compara la ficha de tus diez productos más vendidos en cada canal donde se publican.
- Lo que pregunta el cliente: las preguntas que llegan una y otra vez al servicio al cliente señalan el dato que falta o que está mal.
Cómo evitar que regresen
Corregir a mano funciona una vez; las reglas funcionan siempre:
- Atributos tipados con valores permitidos y unidades.
- Campos obligatorios por familia y por canal.
- Revisión antes de publicar, con un paso claro de aprobación.
- Un historial de cambios que diga qué cambió, quién y cuándo, y que permita volver atrás.
- Una sola fuente de la ficha, que se exporta a cada canal en vez de editarse en cada uno.
Cómo lo resuelve Bruxel
En Bruxel los atributos son tipados, con listas de valores y medidas con unidad, y las familias dicen qué es obligatorio. Cada ficha guarda un historial con lo que cambió en cada versión y permite volver a una anterior, y los reportes de calidad del catálogo muestran qué falta y dónde. Todo se exporta desde un solo lugar a cada canal, como muestra la guía para exportar. Si quieres medir lo que falta, sigue con completitud del catálogo.
El tutorial en video
Capítulos
Transcripción del video
En este video ves qué cambió en una ficha y cómo dejarla como estaba.
Cada vez que una ficha cambia de verdad, Bruxel guarda una versión. Aquí, cambias el color.
En «Historial» está cada versión, con su motivo, quién la hizo y cuándo.
Abre una y ves qué cambió: el valor de antes y el de ahora.
Lo que no tecleó nadie, como una importación o la detección de atributos, lo dice su motivo.
Debajo eliges dos versiones cualesquiera y ves su diferencia, aunque no sean seguidas.
Un administrador puede volver a una versión anterior: antes de escribir, te enseña cómo quedaría.
Restaurar no borra nada: la ficha vuelve a como estaba y el historial gana una versión más.
En el siguiente video traduces una ficha a otro idioma.
Preguntas frecuentes
¿Quién debe ser responsable de la calidad de los datos?
Cada dato debe tener un dueño claro: el área que lo captura y lo corrige. La calidad general es de todos, pero si nadie es dueño de un dato, nadie lo corrige.
¿Cada cuánto conviene revisar el catálogo?
Las reglas deben revisar cada cambio en el momento en que entra. Además, una revisión semanal de los productos que más venden y mensual del resto detecta lo que se cuela.
¿La IA ayuda o empeora la calidad de los datos?
Ayuda si parte de datos reales y alguien revisa lo que propone; empeora si se publica sin revisión, porque puede llenar un hueco con un dato que suena bien pero no es cierto.
Fuentes
Sobre el autor
Manuel Mattar
Fundador de Bruxel.AI
Fundó en 2014 Wolf Sellers, agencia de comercio electrónico en la Ciudad de México, y después Bruxel.AI, el PIM con IA.
Ver todas las notas de Manuel MattarPruébalo con tu catálogo
Crea tu cuenta gratis y prueba Bruxel con tus propios productos usando los créditos de bienvenida.
Sigue leyendo
· 4 min de lectura
Cómo elegir un PIM: diez preguntas antes de firmar
Guía neutral para elegir un PIM: qué preguntar sobre datos, canales, equipo, proveedores, integraciones, IA, precio y salida, y cómo probarlo con tu catálogo.
· 3 min de lectura
Completitud del catálogo: cómo medir qué le falta a cada producto
Un porcentaje de catálogo completo dice poco. Cómo medir la completitud por producto y por canal, qué hacer con la lista de faltantes y cómo priorizar.
· 3 min de lectura
De Excel a PIM: cómo migrar tu catálogo sin perder datos
Pasar el catálogo de hojas de cálculo a un PIM no exige limpiarlo antes. Cómo preparar el archivo, qué revisar en la primera carga y cómo evitar perder datos.