Kiwop Labs · Estudio
IA en el ecommerce español 2026: lo que las tiendas le enseñan a la IA
Medimos 300 tiendas online españolas entre el 1 y el 2 de septiembre de 2026 y volvimos a comprobar cada dato el 5 de septiembre de 2026. No es una encuesta: es lo que cualquier crawler o agente de IA se encuentra al entrar. Método, dataset y scripts, abiertos.
Cinco cosas que dicen los datos
- El ecommerce español no le cierra la puerta a la IA. Solo el 10,7 % bloquea algún crawler de IA en su robots.txt y el 5 % bloquea a GPTBot. Cuando una tienda bloquea, bloquea sobre todo a CCBot, ClaudeBot, Bytespider y al agente de Meta.
- Pero tampoco le habla. De las 216 fichas de producto que pudimos localizar, solo el 27,8 % expone el producto con schema Product. La IA entra, pero en siete de cada diez fichas no encuentra un precio, un stock o una referencia que pueda leer sin adivinar.
- El llms.txt ha pasado de anécdota a norma en dos meses, y la mitad de las tiendas no lo decidió. En el piloto de julio lo tenía 1 de 20. Hoy lo sirven el 26 % de las 300, pero el 13 % es la plantilla automática que Shopify pone a todas sus tiendas. El 13 % lo ha escrito la propia tienda.
- El tamaño lo explica casi todo, en dos direcciones. Las grandes exponen más producto con schema (34,4 % frente al 17,7 % de las pequeñas) y las pequeñas tienen más llms.txt (36,6 % frente al 17,3 %), porque son las que van en Shopify.
- La atención automatizada sigue siendo minoritaria: el 23,2 % tiene un chatbot detectable en la home (Oct8ne, Zendesk y Salesforce, por ese orden) y el 30,6 % un buscador con personalización. Ninguna de las dos cosas es IA generativa por sí misma.
El dato del llms.txt, con la letra pequeña
Detectamos un llms.txt en 86 tiendas y volvimos a leer cada uno. 78 son ficheros de texto reales. De ellos, 39 empiezan por «Agent Instructions» y son la plantilla que Shopify sirve a todas sus tiendas sin que nadie la pida (de las 44 tiendas de la muestra que identificamos en Shopify, 39 la tienen). Los otros 39 los ha escrito la tienda. El resto eran una página normal con código 200 o dejaron de responder, y se descuentan. Publicar «el 29 % ya habla con la IA» sin esta distinción sería falso: la cifra honesta es 13 % por decisión propia y 13 % por defecto de la plataforma.
Entre los que lo han escrito ellos: MediaMarkt, SHEIN, Samsung, Casa del Libro, PlayStation, Sprinter, Tradeinn, ManoMano, LG, General Optica.
Por tamaño
Tres tramos de unas cien tiendas cada uno, por tráfico estimado del marco muestral. Porcentajes sobre el total del tramo; schema Product, chatbot y buscador sobre las tiendas donde se pudo medir.
| Tramo | n | Medibles | Bloquean algún crawler IA | Bloquean GPTBot | llms.txt verificado | llms.txt propio | Schema Product (fichas) | Chatbot | Buscador personalizado |
|---|---|---|---|---|---|---|---|---|---|
| Grandes | 98 | 86 | 11,2 % | 8,2 % | 17,3 % | 13,3 % | 34,4 % | 22,1 % | 25,6 % |
| Medianas | 101 | 89 | 8,9 % | 2 % | 23,8 % | 13,9 % | 32,9 % | 28,1 % | 39,3 % |
| Pequeñas | 101 | 96 | 11,9 % | 5 % | 36,6 % | 11,9 % | 17,7 % | 19,8 % | 27,1 % |
| Total | 300 | 271 | 10,7 % | 5 % | 26 % | 13 % | 27,8 % | 23,2 % | 30,6 % |
Por sector
Diez sectores. Las celdas con menos de 25 tiendas son indicativas, y lo decimos: sirven para ver dirección, no para afirmar diferencias finas.
| Sector | n | Bloquean algún crawler IA | llms.txt verificado | llms.txt propio | Schema Product (fichas) | Chatbot |
|---|---|---|---|---|---|---|
| Generalista y marketplaces | 62 | 12,9 % | 14,5 % | 14,5 % | 29,3 % | 16,7 % |
| Hogar | 35 | 20 % | 42,9 % | 22,9 % | 30,8 % | 38,2 % |
| Moda | 33 | 6,1 % | 33,3 % | 9,1 % | 40,9 % | 25 % |
| Deporte | 28 | 14,3 % | 17,9 % | 10,7 % | 45,5 % | 30,8 % |
| Electrónica | 28 | 10,7 % | 28,6 % | 25 % | 21,1 % | 16,7 % |
| Joyería y lujo | 28 | 7,1 % | 53,6 % | 14,3 % | 27,8 % | 33,3 % |
| Belleza * | 24 | 0 % | 20,8 % | 0 % | 17,6 % | 35 % |
| Salud y parafarmacia * | 24 | 16,7 % | 12,5 % | 8,3 % | 31,6 % | 8,7 % |
| Vinos y bebidas * | 23 | 8,7 % | 26,1 % | 13 % | 10 % | 0 % |
| Alimentación * | 15 | 0 % | 6,7 % | 0 % | 8,3 % | 33,3 % |
* n < 25
A quién se bloquea
Los crawlers de IA que más aparecen bloqueados en los robots.txt de la muestra: CCBot (20), ClaudeBot (18), Bytespider (18), meta-externalagent (18), GPTBot (15), Google-Extended (14). GPTBot no encabeza la lista: el bloqueo se concentra en los rastreadores de entrenamiento (CCBot, Bytespider) y en los agentes de Anthropic y Meta.
Quién atiende
Proveedores de chatbot detectados en la home: Oct8ne (27), Zendesk (17), Salesforce Chat (12), Gorgias (6), Genesys (2), Tidio (2). Es una detección por firma de script, así que un chatbot cargado tras la primera interacción no aparece.
Qué hacer con esto si tienes una tienda
- Deja entrar a quien quieras que te recomiende. Revisa el robots.txt: bloquear a GPTBot, ClaudeBot o PerplexityBot te saca de las respuestas de compra de esos asistentes, y no te protege de los rastreadores de entrenamiento si no los nombras.
- Explícale el producto en un idioma que lea la máquina. Schema Product con precio, disponibilidad, marca y referencia en cada ficha, y un feed coherente con lo que ve el usuario. Es lo que separa «me han citado» de «me han vendido».
- Comprueba qué le estás diciendo ya. Si tu tienda va en Shopify, tienes un llms.txt que no has escrito: léelo. Y si no lo tienes, escribe uno corto y verdadero antes que uno largo y de plantilla.
Método
- Muestra: 300 tiendas online con operación en España, elegidas por regla pública sector × tamaño sobre el marco de Semrush Trending Websites España (junio de 2026), con criba y rescate documentados. 53 dominios quedaron fuera por no ser medibles (marketplaces globales sin ficha localizable, apps, etc.).
- Doble pasada: una petición HTTP identificada como KiwopResearchBot y una sesión de Chromium headless con el user-agent de Chrome normalizado y navigator.webdriver honesto, sin evasión de fingerprinting. Se une por señal: una tienda cuenta como accesible si respondió a cualquiera de las dos.
- Qué se mide: existencia y reglas del robots.txt para 14 crawlers de IA, existencia de llms.txt, tipos de JSON-LD en la home, localización de una ficha de producto y presencia de schema Product en ella, firmas de chatbot y de buscador con personalización en la home.
- Verificación posterior: cada llms.txt detectado se volvió a leer y se clasificó (propio, plantilla de plataforma, falso positivo, sin respuesta). La plataforma de cada tienda se detecta por firmas en la home con un fetch identificado, y solo es indicativa.
- No se compró nada, no se creó ninguna cuenta y no se resolvió ningún CAPTCHA. Un bloqueo anti-bot es un resultado, no un obstáculo a sortear.
Límites
- Mide lo que la tienda expone, no lo que consigue: que una ficha tenga schema Product no garantiza que un asistente la cite, y que no lo tenga no lo impide.
- Es una foto de dos días. Una tienda con la CDN en modo desafío ese día sale como no medible; por eso publicamos el dato de accesibilidad y no lo escondemos en los porcentajes.
- La detección de chatbot y buscador es por firma de script conocida: infraestima lo hecho a medida.
- La detección de plataforma no responde en un tercio de las tiendas (bloquean el fetch identificado) y no se adivina: se publica como «sin respuesta».
Lo que viene
La segunda parte es la que nadie ha publicado para España: ¿puede un agente de IA con navegador llegar al carrito con un producto concreto? El protocolo está escrito y preregistrado antes de medir (40 tiendas, tarea idéntica, categorías de resultado cerradas, sin evadir ningún anti-bot). Se publica en el cuarto trimestre de 2026, y el nivel 1 se repite cada trimestre para tener serie.
Dataset y scripts
- Dataset de esta edición (JSON, una fila por tienda con todas las señales) ·
2026-09.json - Índice de ediciones (JSON)
- Scripts de medición, verificación y protocolo agéntico (GitHub)
Cómo citar
Kiwop Labs (2026). IA en el ecommerce español 2026: lo que las tiendas le enseñan a la IA. https://www.kiwop.com/labs/ia-ecommerce-espana
Datos y textos bajo licencia CC BY 4.0: puedes usarlos y citarlos, con enlace a esta página.