La texto descriptivo de un libro en Amazon es uno de los campos de marketing con más peso para el algoritmo de Amazon. La actualización de la versión A9 a la versión A10 (la explico en este artículo de Actualidad Editorial) ha tenido consecuencias importantes respecto a la valoración que hace Amazon de la descripción larga.
Mientras que la A9 se limitaba a comprobar si en el texto había palabras que coincidieran exactamente con las usadas por el lector en el campo de búsqueda, el A10 añade una capa de comprensión semántica para evaluar si el significado de las palabra de la descripción se corresponde con lo que el lector busca. Para ello utiliza el procesamiento de lenguaje natural: evalúa la descripción como texto, entiende las relaciones entre las palabras, reconoce las convenciones de categoría de materia a partir de señales contextuales y valora si el significado global de la descripción es coherente y relevante para las búsquedas en las que aparece.
El resultado práctico es que, por ejemplo, una descripción que dice…
«Cuando una bibliotecaria jubilada encuentra un cadáver en la tienda de té del pueblo inglés donde lleva doce años viviendo, la comunidad que creía conocer empieza a parecerle muy distinta.»
…comunica al algoritmo las categorías Thema «cozy mystery o misterio amable» (FFJ), «entorno rural» (FFJ), «detective aficionado» (FFD) e «Inglaterra» (1DDU-GB-E) sin que ninguna de ellas aparezca de forma explícita. Esto no implica no usar códigos Thema, sino el uso de las categorías en otro campo de metadatos, dentro de un contexto y de forma natural, lo que las refuerza.
Lo que el algoritmo A10 lee
Desde el punto de vista de la forma:
El campo de descripción de Amazon admite hasta 4.000 caracteres, pero ese límite incluye las etiquetas HTML, no solo el texto visible. La propia documentación de KDP lo ilustra con un ejemplo: La palabra test cuenta como 4 caracteres, pero en negrita pasa a contar 11, porque se suman las etiquetas <b></b>. Un formateo HTML puede consumir entre 350 y 600 caracteres solo en marcado, lo que deja el espacio útil real bastante por debajo del límite nominal.
Además, Amazon corta el texto de descripción en un punto que varía según el dispositivo y el formato, y genera un enlace «Leer más» para acceder al resto. En un móvil, el fragmento visible puede reducirse a apenas las primeras líneas. De ahí que esas primeras líneas sean las más importantes, pues han de motivar en el lector el deseo de «Leer más», un interés que premia el algoritmo A10.
Desde el punto de vista algorítmico:
La descripción tiene menos peso algorítmico que el título y las palabras clave del backend (lo que está, pero no se ve). No posiciona el libro por sí sola, pero si convierte bien, si genera clics en la ficha o en «Leer más», genera para el algoritmo señales de comportamiento del lector que sí influyen en el ranking.
La versión A9 aceptaba el relleno del texto de la descripción con palabras clave (el llamado keyword stuffing), una táctica de poco rendimiento, pues aportaba aportaba menos de lo que las editoriales creían. Pero con el A10, atiborrar el texto de palabras clave hasta casi hacerle perder el significado tiene consecuencias negativas. Perlas como ésta, descabelladas pero habituales, ya no son admitidas:
«Esta novela de misterio rural es un misterio rural para fans del misterio ambientado en entornos rurales.»
En este caso, el sistema A10 reconocería los patrones de lenguaje no natural y la evaluaría la descripción como texto optimizado para palabras clave en lugar de orientado al lector, y lo penalizaría.
En esta infografía que he creado con herramientas de IA se resume bien la relevancia de la descripción en Amazon.
Rufus, el asistente de compras de Amazon
La gran novedad del algoritmo A10 de Amazon es que incorpora inteligencia artificial. Su parte visible es Rufus, un súper chatbot (combina cinco sistemas de IA distintos) que está integrado como funcionalidad estándar en la cuenta de los clientes para potenciar la experiencia de descubrimiento.
Rufus es un asistente conversacional, puede atender consultas en lenguaje natural. Por ejemplo:
«Si me gustó el libro La mente bien ajardinada, ¿qué libro sobre jardinería me aconsejas?»
Y responde también en lenguaje natural, al estilo de Claude o ChatGPT. Para formular sus respuestas no busca palabras clave, sino que establece correspondencias entre la descripción, las reseñas y las valoraciones de los clientes.
Puesto que Rufus valora calidad semántica, es conveniente aportar una descripción específica, precisa y escrita con naturalidad, que describa el tono, el ritmo, el registro emocional y las categorías de materia. Una descripción construida en torno a cadenas de palabras clave le da muy poco material con el que satisfacer los requerimientos del lector.
Sin embargo, Rufus considera que las reseñas son una prueba más fiable del carácter del libro que el texto de la descripción, de ahí que busque coherencia entre ellas. Si la descripción dice que el libro es un «thriller trepidante», pero las reseñas lo describen sistemáticamente como de «ritmo lento» y «narración pausada», Rufus dará prevalencia a las reseñas sobre la descripción en sus recomendaciones.
En conclusión, lo que más me gusta del algoritmo de Amazon es premia el trabajo bien hecho: textos descriptivos bien construidos y honestos (aunque siempre habrá quien sea capaz de vender humo incluso al algoritmo)
