Delegar la investigación de producto a un agente de IA: de la palabra semilla a una lista de ASIN

La investigación de producto no es difícil en ningún paso concreto; simplemente es larga. Expandir términos, dimensionar la categoría, filtrar productos, estimar ventas y volver atrás para descartar. Hacerlo a mano implica varias interfaces, y después cuesta reconstruir con qué criterios filtraste.

La ventaja de delegar la cadena a un agente no es que sea más listo, sino que el proceso queda escrito: qué endpoint, qué parámetros y qué se descartó están en la conversación.

Esto da por hecho que el Skill o el MCP ya están conectados. Si no, empieza por Consultar datos de Amazon en Claude Code sin escribir código.

La estructura

Cuatro pasos, cada uno estrecha el campo:

1. Expandir — convertir una semilla en consultas relacionadas con cifras de demanda (Keyword Miner)
2. Dimensionar — valorar el tamaño y la concentración del nicho (Market Research)
3. Filtrar — extraer candidatos por precio, valoración y número de vendedores (Product Research)
4. Estimar — ordenar candidatos por orden de magnitud (BSR Sales Estimate)

El guion listo para copiar

Entrega la tarea completa, pero exige un informe de coste entre pasos:

Haz una ronda de investigación de producto en Amazon España con el término semilla "alfombra de baño". Hazlo en cuatro pasos. Antes de cada paso, dime qué endpoint elegiste y el número esperado de llamadas, y espera mi confirmación.

Paso 1: Expande el término semilla en términos de búsqueda relacionados. Toma los 10 primeros por demanda y lista el término, su métrica de demanda y su métrica de competencia.

Paso 2: Para los dos términos más prometedores, consulta la categoría del nicho: tamaño de mercado, concentración de productos y concentración de marcas. Dime si unas pocas marcas ya lo dominan.

Paso 3: En las categorías que pasaron el paso 2, filtra productos entre 20 y 80 euros, con valoración de 4,0 o superior y menos de 500 reseñas. Toma los 20 primeros ASIN.

Paso 4: Estima la magnitud de ventas de esos 20 ASIN y ordénalos por ella.

Al final genera una tabla: ASIN, título, precio, valoración, número de reseñas, vendedores, unidades mensuales estimadas y una línea con el motivo por el que lo mantuviste o lo descartaste.

Restricciones:
- Solo consultas de lectura. No reintentes repetidamente para rellenar la tabla.
- Marca con claridad qué campos son estimaciones.
- Si falta un parámetro como un ID de categoría, pregúntame. No lo adivines.
- Si algún paso falla, detente y dame el código de error y el request_id.

Por qué confirmar paso a paso

Pedir a un agente que «haga la investigación» falla de dos formas: llama al mismo endpoint repetidamente para rellenar una tabla, o continúa tras un paso fallido con valores inventados. Informar del coste por paso controla el volumen de llamadas y te permite detectar una dirección equivocada en el paso 2 en lugar del 4.

Cómo leer el resultado

En esa tabla hay tres tipos de campo que merecen trato distinto:

• Visibles en la plataforma — precio, valoración, número de reseñas, vendedores. Una foto del momento: cambia, pero se puede verificar.
• Estimados — unidades mensuales, ingresos, demanda de búsqueda. Estimaciones de modelo. Útiles como orden de magnitud, no como cifras absolutas.
• Métricas de concentración — la concentración de productos y de marcas describe cuánto acumula la cabeza de la categoría. Responden a si puedes entrar, no a cuánto ganarías.

Límites

• Las estimaciones se revisan. El mismo ASIN una semana después puede leerse distinto.
• Los árboles de categoría y los ID de nodo cambian por marketplace; confirma que las definiciones coinciden antes de comparar entre ellos. Ver primeros pasos.
• Este flujo responde a «¿vale la pena?». No dice nada sobre cadena de suministro, coste logístico ni cumplimiento normativo.
• Cada petición facturable correcta consume una llamada por defecto; el total real de los cuatro pasos depende del tamaño de página.

El paso siguiente habitual es construir el conjunto de palabras clave de los supervivientes — ver Construir tu propia biblioteca de palabras clave — o convertir esto en un script programado, en Investigación de producto masiva con tres endpoints.