Refrescar la portada de tu tienda cada lunes con lo que se vendió

Cada semana recibes una propuesta fundamentada de qué destacar en la portada de tu tienda online: qué productos, qué promoción y qué texto, a partir de tus ventas y tu calendario. Tú apruebas y publicas.

Nivel
Poco código
Requiere una automatización simple o una llamada a la API.
Tiempo
Una tarde para armarlo, diez minutos cada lunes
Publicada

Cuánto cuesta

Cero con el plan gratuito si haces el paso manual cada lunes. Si lo automatizas con n8n y la API, el costo por semana es de centavos de dólar; el ahorro real está en las horas que deja de tomar.

modo guiado // te pregunto, tú respondes

listo para empezar

Hazla conmigo, paso a paso

Te haré 6 preguntas sobre tu negocio, con tus respuestas dejo el prompt listo para copiar, y después te acompaño en los 5 pasos, uno a la vez. Como una Thermomix: tú solo respondes y avanzas.

También desde Claude o ChatGPT con el MCP del Recetario Magistral: di «empieza la receta refrescar-la-vitrina-de-tu-tienda-cada-semana».

Para quién es

Dueños de tiendas online, en Shopify, WooCommerce o similar, que saben que la portada importa pero la cambian «cuando hay tiempo», es decir, casi nunca.

El problema

Una portada desactualizada muestra lo que ya se agotó y esconde lo que hoy se vende. Actualizarla exige mirar las ventas, elegir productos, escribir textos y editar la tienda: trabajo manual que se posterga cada semana.

Qué cambia

Una propuesta semanal con los tres a seis productos a destacar, la promoción sugerida y los textos listos, con la razón de cada elección. Según la fuente, Reactiv automatizó este tipo de gestión para tiendas Shopify con apps móviles y reporta que el trabajo sale «80 % más rápido».

Ingredientes

  • Exportación de ventas de las últimas cuatro semanas (producto, unidades, monto)
  • Tu stock actual (para no destacar lo agotado)
  • Tu calendario comercial del mes: fechas, promociones, lanzamientos
  • Cuenta en claude.ai o ChatGPT; opcional, n8n para automatizar el envío del lunes

Paso a paso

  1. 1

    Junta los tres archivos

    Ventas de cuatro semanas, stock actual y calendario del mes. Da lo mismo si son CSV de la plataforma o una planilla a mano; lo importante es que las columnas se llamen igual cada semana.

  2. 2

    Escribe las reglas de tu tienda

    Qué nunca va en portada (productos con margen bajo, lo que llega la próxima semana), cuántos productos caben, qué tono usa la marca. Estas reglas son la parte del prompt que más mejora el resultado.

  3. 3

    Pide la propuesta del lunes

    Adjunta los archivos y corre el prompt. Revisa que no proponga nada agotado y que la razón de cada elección sea de datos («subió 60 % en dos semanas»), no de gusto.

  4. 4

    Aprueba, publica y anota qué pasó

    Publica los cambios en tu tienda. La semana siguiente, agrega una línea al prompt: «la semana pasada destacamos X y pasó Y». El modelo aprende de tu propio historial sin que programes nada.

  5. 5

    Automatiza cuando el ritual funcione

    Cuando lleves un mes haciéndolo a mano y confíes en el resultado, un flujo en n8n puede exportar las ventas, llamar a la API con este prompt y mandarte la propuesta por correo el lunes a las 8. Antes de eso, no: automatizar algo que aún no funciona solo lo hace fallar más rápido.

El prompt

Reemplaza lo que va entre corchetes con los datos de tu empresa, o usa el modo guiado de arriba: te pregunta y lo rellena solo.

# Rol
Eres el encargado de merchandising de [NOMBRE DE LA TIENDA], una tienda online de [QUÉ VENDE] en Chile. Decides con datos, no con gusto, y escribes en el tono de la marca: [TONO DE LA MARCA, POR EJEMPLO «cercano y directo»].

# Contexto
Adjunto tres archivos: ventas de las últimas cuatro semanas (producto, unidades, monto), stock actual y el calendario comercial del mes. Reglas de la tienda: en portada caben [CANTIDAD DE PRODUCTOS EN PORTADA] productos; nunca va en portada nada con stock bajo cinco unidades ni [PRODUCTOS QUE NUNCA VAN EN PORTADA, O «NINGUNO»]. La semana pasada destacamos: [QUÉ DESTACAMOS LA SEMANA PASADA Y QUÉ PASÓ, O «ES LA PRIMERA VEZ»].

# Tarea
Propón la portada de esta semana: qué productos destacar y en qué orden, una promoción coherente con el calendario, y los textos del banner principal (título de máximo 6 palabras y bajada de máximo 20). Cada elección debe citar el dato que la justifica.

# Formato de salida
1) Tabla: posición · producto · dato que lo justifica · stock. 2) Promoción propuesta y por qué esta semana. 3) Textos del banner. 4) Dos cosas que NO harías esta semana y por qué. Si algún archivo falta o está incompleto, dilo antes de proponer.

# Ejemplos
Entrada: «Polera básica negra: 12 unidades semana 1, 19 semana 2, 31 semana 3, 44 semana 4; stock 120».
Salida esperada: «Posición 1 · Polera básica negra · ventas casi cuadruplicadas en cuatro semanas (12 → 44) · stock 120, alcanza».

Lo que suele salir mal

  • Darle solo las ventas sin el stock. Te propone destacar el producto estrella que se agotó ayer.
  • Cambiar el formato de los archivos cada semana. El prompt deja de entender las columnas y las propuestas pierden calidad sin que notes por qué.
  • Automatizar antes de que el ritual manual funcione. Si la propuesta del lunes aún requiere corregirla a mano, el flujo automático solo te manda propuestas malas más temprano.

Cuándo no usar esta receta

Si tu tienda vende tres productos que no cambian, no hay nada que refrescar. Y si no tienes un historial de ventas exportable, primero resuelve eso: sin datos, la propuesta es una opinión.

Fuente y caso real

Comercio electrónico · apps de tiendas Shopify

Según la fuente, Reactiv ayuda a comerciantes de Shopify a operar apps móviles donde, dice el artículo, los compradores convierten entre dos y cuatro veces más que en la web, y mantener la portada fresca era trabajo manual constante. Automatizó esa gestión con agentes que recuerdan las preferencias de cada comerciante y reporta el trabajo «80 % más rápido». La receta toma la misma lógica, sin agentes, para una tienda que empieza.

Caso real con cifras:How Reactiv automates mobile commerce 80% faster with Amazon Bedrock AgentCore · AWS Machine Learning Blog

Última verificación:Fuente leída completa desde el blog de AWS Machine Learning (22-09-2026); la URL respondió 200 en el snapshot del día. La cifra «80 % más rápido» se cita tal como la reporta la fuente.

E-commerceShopifyMerchandisingAutomatización

Compártelo

Si a alguien de tu equipo le sirve esta receta, mándasela en un clic. El texto sugerido se copia solo.

LinkedInInstagram

¿Quieres aplicarla en tu negocio? Escríbele directo a Cristián.

Telegram