Redacció de fitxes de producte amb IA: del full a la botiga
Poques botigues en línia tenen aquest problema quan comencen. Amb un catàleg curt, algú de l’equip escriu les descripcions a mà, les repassa, les puja i la fitxa queda bé. L’embús arriba després, quan el proveïdor envia la col·lecció nova en un Excel amb codis, mides i un nom tècnic, i la descripció de cada producte es queda en la frase que hi va posar el fabricant o directament en blanc.
Aquesta guia explica com s’automatitza la redacció de fitxes de producte amb IA en una pime que ven en línia, des del full de productes fins a la fitxa publicada a WooCommerce, Shopify o PrestaShop. I també quan no val la pena i quanta feina demana muntar-ho.
Per què les fitxes de producte s’encallen quan creix el catàleg
Escriure bé una fitxa porta la seva estona. Cal mirar el producte o la fitxa tècnica, decidir què li importa a qui el compra, traduir les especificacions a alguna cosa que s’entengui i vigilar que el text no s’assembli massa al de la fitxa del costat. Amb un catàleg que creix cada temporada, la tasca cau en algú que també porta comandes i devolucions, i es queda per quan hi hagi temps.
El resultat es veu en qualsevol botiga que fa uns quants anys que és oberta. Fitxes antigues molt treballades conviuen amb fitxes noves que només tenen el text del fabricant, el mateix que fan servir tots els distribuïdors d’aquella marca. Google troba el mateix paràgraf en moltes webs i no té motius per triar la teva, i el client que dubta entre dos models no troba la resposta i se’n va.
El que canvia amb la IA és el cost del primer esborrany, que baixa gairebé a zero, i això desplaça la feina cap a dos llocs on sí que cal una persona: preparar bé les dades d’entrada i revisar el que en surt.
Què pot redactar la IA en una fitxa i què no ha de tocar
Una fitxa de producte típica té títol, descripció curta, descripció llarga, una llista de característiques, els atributs (talla, color, material, mides) i, per sota, el title i la meta description que veu Google. No totes aquestes peces es tracten igual.
La IA redacta bé la descripció llarga i la curta, sempre que li donis les dades. Converteix una llista d’especificacions en frases que expliquen per a què serveix cada cosa, adapta el to a la teva botiga si l’hi descrius i en treu variants quan tens productes gairebé iguals que necessiten textos diferents.
El que no ha de fer és inventar dades. Un model de llenguatge al qual li falta el material d’una funda o la capacitat d’una bateria tendeix a omplir el buit amb alguna cosa versemblant, i aquesta és la part perillosa del procés, perquè una dada inventada en una fitxa acaba en una devolució o en una reclamació. Per això els atributs tècnics, els preus, les talles, les certificacions i qualsevol promesa sobre terminis o garanties surten de la teva base de dades o del full del proveïdor. La IA els rep com a entrada i es limita a posar-los en frases.
Tampoc no li demanis que decideixi què cal destacar d’un producte que només coneixes tu. Si un article es ven perquè aguanta el rentaplats, aquesta dada ha de ser al full, perquè el model no l’endevinarà.
Pas a pas: del full de productes a la fitxa publicada
El flux que descrivim serveix per a qualsevol de les tres plataformes habituals en una pime i gira al voltant d’un full de càlcul. Al full hi entren les dades, al full hi escriu el model i al full hi revisa la persona, i és el full el que torna a la botiga al final.
1. Exporta el catàleg i marca quins productes necessiten text
WooCommerce, Shopify i PrestaShop permeten exportar els productes a CSV des del tauler d’administració. Aquesta exportació és el teu punt de partida: obre-la a Google Sheets o a Excel i afegeix-hi al final unes quantes columnes de control. Una per marcar si el producte necessita text nou, una altra per a l’estat de la fila (pendent, generat, revisat, aprovat) i les que omplirà el model, una per cada peça de la fitxa que vulguis generar.
Abans de generar res, mira quines dades té cada fila. Si el proveïdor et passa una fitxa tècnica amb més informació de la que hi ha a la botiga, aquest és el moment d’ajuntar-la al mateix full, en columnes separades. El que el model no vegi a la fila no ho pot fer servir, i el que faci servir sense haver-ho vist serà inventat.

Tampoc no cal començar per tot el catàleg. N’hi ha prou amb una categoria de productes semblants per ajustar les instruccions i veure quant s’ha de corregir abans de llançar-ho sobre la resta.
2. Genera les fitxes en lot amb n8n, Make o un script
Aquí entra l’automatització pròpiament dita. Un flux a n8n o a Make llegeix el full fila per fila, munta una instrucció amb les dades de cada producte, l’envia a un model com ChatGPT, Claude o Gemini a través de la seva API i escriu la resposta a les columnes reservades. Si algú del teu equip programa, un script en Python fa el mateix.
La qualitat depèn gairebé del tot de la instrucció, el prompt, que s’escriu una vegada i es reutilitza per a totes les files. Una plantilla que funciona raonablement bé té aquestes parts:
- qui escriu i per a qui, amb el to de la botiga i el tipus de client que compra
- les dades del producte, preses de les columnes de la fila
- què ha de retornar, amb la llargada de cada peça i el seu format
- la prohibició explícita d’afegir característiques, materials o xifres que no siguin a les dades
- què ha de fer si falta informació, que és deixar una marca per al revisor en lloc d’omplir el buit
L’última és la que més feina estalvia després. Escrita tal qual al prompt pot quedar així: «Fes servir només les dades que apareixen a continuació. Si per escriure la descripció necessites una dada que no hi és, escriu FALTA DADA seguit del nom de la dada i no la dedueixis.»
A més, convé passar al model dues o tres fitxes teves que t’agradin, com a exemple de to. Sense exemples, els textos tendeixen a sonar tots igual, amb els mateixos adjectius de catàleg a cada producte.
3. Revisa cada fitxa al mateix full abans de publicar
Res no passa a la botiga sense que ho llegeixi algú que coneix el producte. La revisió es fa al mateix full, columna per columna, i el revisor canvia l’estat de la fila quan la dona per bona.
El que es mira va per ordre de gravetat. Primer, que cada dada de la descripció sigui a la fitxa tècnica, sobretot mides, materials, compatibilitats i tot el que tingui a veure amb salut, seguretat o garantia. Després, les marques de FALTA DADA, que demanen completar el full i tornar a generar aquella fila. I al final el to i les repeticions, perquè quan es llegeixen moltes fitxes seguides es nota de seguida si el model les comença totes amb la mateixa frase.

Si la revisió troba el mateix error en moltes files, la correcció va al prompt i no a mà fila per fila. Corregir la plantilla i regenerar la categoria sol ser més ràpid que editar cada text.
4. Puja les fitxes aprovades a WooCommerce, Shopify o PrestaShop
Les files aprovades tornen a la botiga pel mateix camí per on van sortir, amb un CSV d’importació. Les tres plataformes poden actualitzar productes que ja existeixen si el fitxer conserva l’identificador de cadascun (l’ID, l’SKU o el handle, segons la plataforma), de manera que no es dupliquen. El més prudent és provar-ho abans amb un fitxer de poques files i comprovar a la botiga que el text ha anat a parar al camp correcte.
Si prefereixes no tocar CSV, el mateix flux d’n8n o Make pot escriure a la botiga per la seva API quan una fila passa a aprovada. És més còmode amb un catàleg que canvia sovint i demana més feina a l’hora de muntar-lo.
SEO de la fitxa de producte: keyword, title i meta description
Perquè una fitxa posicioni, necessita tenir una cerca al cap. En producte, la gent cerca combinant el tipus de producte amb un atribut, ja sigui el material, l’ús, la talla o la compatibilitat, i aquestes combinacions solen ser ja a les teves columnes. El prompt pot demanar al model que faci servir al títol i al primer paràgraf la manera com es cerca el producte, si l’hi dones. Les keywords no les hi demanis a ell: treu-les d’Ahrefs o de Search Console i posa-les en una columna.
El title i la meta description van a banda de la descripció. Shopify i PrestaShop tenen camps propis per a tots dos a cada producte, i a WooCommerce els afegeix un plugin SEO com Yoast o Rank Math. El title ha de cabre a la línia del resultat de Google, així que demana una llargada curta i revisa que no es talli el nom del producte. La meta description no fa posicionar per si sola, però és el que llegeix qui decideix si hi entra, i és on va l’argument de compra més clar.
Hi ha un risc propi de generar en lot: que totes les fitxes d’una categoria surtin amb titles gairebé idèntics. Afegeix al prompt que el title inclogui l’atribut que distingeix aquell producte dels seus germans, i revisa la columna ordenada alfabèticament, que és on les repeticions salten a la vista.
Quan no compensa automatitzar les fitxes de producte
Amb un catàleg petit que canvia poc, muntar el flux costa més que escriure les fitxes. Si dones d’alta un grapat de productes al mes, una persona amb ChatGPT o Claude obert en una altra pestanya, enganxant-hi les dades i una bona plantilla, aconsegueix el mateix sense automatitzar res. L’automatització comença a tenir sentit quan el volum fa que aquesta tasca manual ocupi hores cada setmana, o quan arriben col·leccions senceres de cop.
Tampoc no compensa en productes d’autor o de molt valor per unitat, on la fitxa forma part del que es ven. Una peça de ceràmica feta a mà, un vi d’una parcel·la concreta o una joia amb història es venen amb un text que només pot escriure qui coneix la peça. Aquí la IA ajuda a corregir, i el text continua sent d’una persona.
I no compensa si les dades de partida són dolentes. Si el teu catàleg no té materials, mides ni usos en cap columna, el model escriurà textos genèrics o inventarà, i la revisió es menjarà tot l’estalvi. En aquest cas, la primera feina és endreçar les dades del producte; la redacció ve després.
Quant costa muntar-ho i quant temps se’n va en revisar
Hi ha tres camins, i cadascun reparteix l’esforç de manera diferent.
El primer és una aplicació de la botiga d’apps de la teva plataforma. Shopify en té diverses que generen descripcions amb IA dins del mateix tauler, i per a WooCommerce i PrestaShop hi ha plugins i mòduls semblants. S’instal·len en una tarda i se solen pagar amb una subscripció. Van bé fitxa a fitxa i pitjor en lot amb les teves pròpies regles, perquè el prompt el controla l’aplicació.
El segon és el flux propi que hem descrit, amb un full, n8n o Make i l’API d’un model. Muntar-lo i afinar el prompt sobre una primera categoria és feina d’uns quants dies per a algú que ja fa servir aquestes eines, i bastant més si cal aprendre-les des de zero. L’ús es paga per volum de text a l’API del model, i per al catàleg d’una pime sol pesar poc al costat del temps de la persona que revisa. A canvi, controles el to, les dades que hi entren i què es publica.
El tercer és encarregar-ho: que algú munti el flux sobre el teu full i la teva botiga i te’l deixi funcionant. Pagues el muntatge i t’estalvies aprendre’l.
Amb qualsevol dels tres, la revisió és la part que no desapareix, i convé comptar-hi des del principi. Llegir una fitxa ben generada i comparar-la amb la fitxa tècnica és qüestió de pocs minuts. El que l’allarga són les dades inventades, i per això el temps invertit en el pas 1 i en el prompt es recupera aquí. Creiem que amb l’app n’hi ha prou mentre redactis fitxa a fitxa, i que el flux propi compensa tan bon punt generes en lot o el teu catàleg té regles que cap app no coneix. Per sortir de dubtes, el més assenyat és generar una categoria, cronometrar quant trigues a deixar-la publicable i comparar aquest temps amb el que et costava escriure-la a mà.
Si vols muntar aquest flux sobre el teu catàleg i no tens clar per quin dels tres camins començar, escriu-nos i ho mirem amb les teves dades al davant.