SEO para moda y lujo
Moda y lujo combinan la complejidad técnica del eCommerce a gran escala con la peculiaridad de un producto donde la marca importa más que la utilidad. Las queries de búsqueda mezclan transaccionales puras (“comprar sneakers Nike”, “vestido de fiesta rojo”) con queries de inspiración (“outfits primavera 2026”) y queries de evaluación de marca (“Hugo Boss vs Armani”). El SEO bien hecho captura los tres journeys. Trabajé este vertical desde adentro de una marca global de moda enterprise — bajo NDA describo scope sin nombrar.
Qué hace al SEO moda distinto
Moda combina cuatro variables que se mezclan poco en otros eCommerce: temporalidad agresiva (colecciones que rotan cada 3 meses), variabilidad masiva por producto (talles + colores + materiales generan miles de combinaciones por SKU), inspiración como motor de búsqueda (no solo intent comercial), y un componente emocional/aspiracional que define cómo se busca.
Temporalidad y colecciones rotantes. “Vestido primavera 2026” tiene su propio peak SEO en septiembre. “Botas otoño 2026” en febrero. La arquitectura SEO tiene que decidir qué URLs son evergreen (categoría base “vestidos”) vs estacionales (colección primavera 2026). Manejar mal esto significa rankear bien para una temporada que ya pasó.
Variantes por talle/color sin canibalización. El mismo vestido viene en 5 colores × 8 talles = 40 SKUs. Sin schema y URLs bien manejadas, cada variante puede competir entre sí. Schema Product con isVariantOf + AggregateRating consolidado es la solución.
Inspiración como journey. “Cómo combinar pantalón beige” no es transaccional — pero el usuario que lo busca está a 1–2 clicks de comprar. Las marcas que producen este contenido (guías de styling, lookbooks, color matching) construyen autoridad de marca + capturan tráfico pre-compra. Las que no, ceden el espacio a Pinterest y blogs de fashion.
Schema Product + Fashion-specific obligatorios. Product, Offer, AggregateRating, Review, Brand, plus shipping/returns schema. En moda los return rates son altos (25–40%) — una política de devolución bien comunicada en schema es señal de confianza que Google premia.
Errores típicos que veo en moda
Variantes de producto canibalizándose
Mismo vestido en 5 colores indexado como 5 URLs distintas, todas con título “Vestido X”. Compiten entre sí, diluyen autoridad. Solución: schema Product con isVariantOf + URL maestra del producto + canonical hacia la variante por defecto.
Sin contenido de inspiración/lookbooks
Solo páginas de producto, sin guías de styling, color matching, lookbooks de temporada. Pierde frente a marcas que sí lo hacen + frente a Pinterest que captura toda esa intención visual.
Colecciones estacionales sin estrategia
“Colección primavera 2026” indexada todo el año compitiendo con “colección primavera 2027”. Sin governance de colecciones (archive vs evergreen), el sitio pierde authority hacia URLs viejas.
Schema Product genérico sin shipping/returns
Implementación que solo cumple básicos. En moda con return rates altos, el schema con shippingDetails, hasMerchantReturnPolicy es diferencial competitivo y rich results visibles en SERP.
Imágenes sin alt text descriptivo
Moda vive de imágenes. Alt text genérico (“vestido rojo”) en lugar de descriptivo (“vestido midi rojo en seda con manga larga para evento de noche”) pierde tráfico de Google Images + accesibilidad + AI Search que cada vez más usa alt text.
AI Search moda ignorado
ChatGPT y Perplexity ya responden “qué ropa me conviene para mi tipo de cuerpo”, “outfit para evento de gala con presupuesto X”, “marca de zapatos cómodos para trabajar”. Las marcas citadas ganan participación; las no citadas pierden tráfico futuro.
Mi experiencia en moda
Por restricciones contractuales no puedo nombrar la empresa específica. Lo que sí puedo describir es el scope: marca de moda multi-mercado con catálogo masivo, integración SEO con merchandising, contenido editorial y operaciones de cada mercado local.
Cómo se estructura un engagement moda
El stack que armo en proyectos moda tiene cinco etapas:
1. Discovery + audit con foco en catálogo + colecciones (4–6 semanas). Crawl con foco en variantes, audit de schema Product con shipping/returns, inventario de colecciones estacionales activas, análisis de contenido editorial de inspiración, estado de AI Search. Output: roadmap priorizado por impacto en revenue por categoría.
2. Quick wins en schema + variantes (1–2 meses). Implementación de isVariantOf, AggregateRating consolidado por producto maestro, schema shipping/returns, optimización de alt text en imágenes. Generan ganancias visibles en 8–12 semanas en queries con high intent.
3. Content editorial de inspiración (continuo). Construcción de lookbooks, guías de styling, color matching, content de temporada. Diferencia entre marca con autoridad de inspiración vs marca solo catálogo.
4. Capa AI Search (continua). Monitoreo de menciones en ChatGPT, Gemini, Perplexity para queries de styling + evaluación de marca + descubrimiento de producto. En moda la decisión cada vez más empieza con “qué me pongo para X ocasión” preguntado a un asistente IA.
5. Dashboards con revenue + return rate por categoría (mensual). Reports que conectan tráfico orgánico cualificado → revenue por categoría → return rate (señal de calidad del lead). Moda con high return rate orgánico es señal de tráfico mal cualificado — métrica que solo se ve con dashboards bien hechos.
AI Search en moda: el estilista virtual
Cuando alguien empieza a pensar en una compra de moda no urgente, cada vez más esa primera conversación pasa por ChatGPT antes de Google: “qué ropa me queda bien con mi tipo de cuerpo”, “marca de zapatos para trabajar 12 horas”, “outfit para boda de día en primavera”. El modelo cita marcas que tiene en training data + sources de RAG. Las marcas que aparecen ganan participación de mente; las que no, no son consideradas.
En el frente generativo moda, la métrica que importa es share of citations en AI Overviews + ChatGPT + Gemini + Perplexity para queries de styling, evaluación de marca y descubrimiento por ocasión/uso. Es una métrica que muy pocas marcas de moda están midiendo todavía. Detalle de la metodología en AI Search + GEO.
Si tu marca de moda está pensando en SEO en serio
El primer paso es siempre una auditoría con foco en catálogo + inspiración — diagnóstico técnico de variantes + audit de schema Product completo + análisis de content gap editorial + estado en AI Search + roadmap priorizado por revenue. De ahí decidimos si tiene sentido un retainer continuo (típico en marcas enterprise con catálogo en crecimiento) o consultoría intensiva por proyecto (típico en lanzamiento de mercado, replatforming, o pivot de positioning).