eBay Vision Search 2026: qué tienes que mostrar en tu vídeo para que la IA te encuentre

Desde hace diez años, los vendedores de eBay optimizan sus etiquetas de título, sus Item Specifics y sus descripciones para Best Match. Eso era y sigue siendo lo correcto. Pero mientras todos miraban con aún más detalle el orden de las palabras clave en los últimos años, eBay construyó en silencio un segundo motor de búsqueda que ya no pregunta por palabras: Vision Search.

El comprador hace una foto. La IA reconoce qué hay en ella, de qué color es, qué forma tiene, de qué material es — y la coteja con millones de anuncios del catálogo de eBay. Quien posiciona gana tráfico que surge de forma totalmente independiente de si tus etiquetas de título están bien puestas o no. Esa puerta en 2023 estaba todavía entreabierta; en 2026 es una segunda puerta de entrada a tu anuncio.

Cómo reconoce la IA realmente un producto

La búsqueda basada en imágenes es, en esencia, reconocimiento de patrones. El modelo extrae de cada fotograma una serie de propiedades: forma, color, textura del material, contornos, contexto. Esas propiedades se condensan en un vector — una especie de huella digital matemática del producto. Quien muestra una huella similar en la foto de la consulta se empareja con ella.

Lo que significa en la práctica:

• El reconocimiento de la forma funciona mejor con contornos nítidos sobre fondo neutro — nada de caos sobre la mesa, nada de set lifestyle
• El reconocimiento del color es relativamente robusto, pero sufre con luz extrema o filtros fuertes
• El reconocimiento del material necesita primeros planos — la IA solo ve la veta de la madera, la estructura del cuero, el brillo del metal en tomas cercanas
• El contexto ayuda de forma secundaria — cuando el producto se sostiene visiblemente en la mano, la IA aprende algo sobre la escala y el uso

Vision Search no trabaja directamente con tu vídeo — indexa las imágenes que subes como medios en el anuncio. Pero cada vídeo se descompone internamente en fotogramas, y los fotogramas seleccionados se usan para la indexación de imágenes. ¿Qué fotogramas? Los que parecen fotos de producto.

Qué tienes que mostrar en el vídeo

Quien construye su vídeo solo como un «golpe de vista» optimiza para la percepción humana, no para la de la máquina. Ambas importan — pero quien en 2026 quiere que lo encuentren en la búsqueda visual también tiene que darle a la máquina algo que ver.

La estrategia en la práctica:

• Toma del producto solo en los primeros tres segundos — producto completo en el encuadre, sobre fondo neutro, sin manos, sin contexto. Es el fotograma que se indexa uno a uno como «foto de producto»
• Al menos tres ángulos en los primeros diez segundos — de frente, en tres cuartos, de lado o desde arriba. La IA compara las consultas fotográficas desde todos los ángulos posibles, y cuantas más perspectivas le des, mayor es la probabilidad de coincidencia
• Primer plano del material durante tres a cinco fotogramas — la toma cercana de la superficie, el tejido, el acabado, la veta. Es el fotograma que distingue «producto idéntico» de «producto similar»
• El contexto solo después — la escena lifestyle, el uso, el modelo con el producto — todo importante para el comprador, pero en la estructura del vídeo viene después de los fotogramas de indexación

Lo que no ayuda a la IA:

• desenfoque de movimiento fuerte en los primeros segundos
• iluminación elaborada con sombras duras y filtros de ambiente
• varios productos a la vez en el encuadre
• producto demasiado pequeño o cortado en el borde de la imagen
• fondos generativos que no se corresponden con el producto real — la IA aprende patrones que pueden perjudicar a tu producto auténtico

Por qué esto se vuelve relevante para el posicionamiento, aunque Best Match domine

Es tentador decir: «Mientras Best Match haga subir mis anuncios, no necesito pensar en Vision Search.» Eso quizás siga siendo cierto durante los próximos doce meses. Pero tres tendencias cambian el panorama:

Primero, eBay integra cada vez más Vision Search en la búsqueda principal. Quien busca una silla en la app móvil y tiene fotos en su galería recibe una mezcla de resultados clásicos y resultados visuales. Quien no posiciona ahí pierde visibilidad sin darse cuenta.

Segundo, el flujo de trabajo del comprador está cambiando. Sobre todo los compradores más jóvenes fotografían cada vez más en lugar de teclear — ven un producto en la cafetería, en un escaparate, en casa de un amigo, y buscan directamente por foto. Quien no aparece ahí no ha alcanzado la intención de compra, aunque estuviera ahí.

Tercero, el reconocimiento automático también influye en los posicionamientos clásicos. Cuando la IA identifica limpiamente tu producto como «silla de madera, roble, moderna», las etiquetas que se derivan también ayudan a tus resultados de Best Match, aunque no las hayas puesto explícitamente en los Item Specifics. Los dos sistemas se hablan entre sí.

La estrategia de fotogramas en doce segundos

Quien se lo toma en serio ya no construye su vídeo con pura lógica de golpe de vista, sino según un esquema híbrido:

• Segundo 0 a 1 — toma del producto solo de frente, fondo neutro
• Segundo 1 a 3 — rotación del producto, tres ángulos visibles
• Segundo 3 a 5 — primer plano del material, toma de detalle
• Segundo 5 a 8 — primer fotograma lifestyle, producto en uso
• Segundo 8 a 12 — contexto, ambiente, llamada a la compra
• Segundo 12 hasta el final — todo lo que transmite la marca, lo que retiene al comprador

Los primeros cinco segundos hacen el trabajo de Vision Search. Los últimos segundos hacen el trabajo de conversión sobre el ser humano. Ambos en un mismo vídeo — y es precisamente esa construcción la que gana por partida doble en 2026.

Qué significa esto para tu catálogo existente

Quien ya tiene vídeos debería hacer un repaso honesto: ¿cómo es la primera toma del producto solo? ¿Está el producto aislado de forma reconocible, o está incrustado en una composición de bodegón? ¿Hay un primer plano del material? ¿Hay tres ángulos?

Si la respuesta a dos de esas preguntas es no, tu estrategia de vídeo actual está dejando escapar tráfico de Vision Search. Eso no tiene por qué significar empezar de cero — a menudo basta con volver a montar el mismo material en un orden distinto.

Quien todavía no tiene vídeos debería pensar desde el principio con esta lógica de fotogramas en lugar de añadirla después. Un vídeo concebido desde el primer día para la conversión humana y el reconocimiento automático dura cinco años — uno hecho solo para el ojo dura únicamente hasta la próxima ampliación del algoritmo de eBay.

Cómo resolver esto a gran escala

Con diez anuncios, el montaje manual es viable. Con trescientos ya no. Es exactamente aquí donde la mayoría de los vendedores fracasa, en la brecha entre «entendí lo que haría falta» y «en realidad lo hice».

Con Buust generas vídeos de producto para todo tu catálogo de eBay que respetan exactamente esta lógica de fotogramas: tomas del producto solo en los primeros segundos, varios ángulos, primeros planos del material, contexto lifestyle después. Los vídeos se incrustan directamente en tus anuncios — sin gestión manual por artículo, sin confusión de formato entre la vista previa y la pantalla completa.

Empieza gratis y mira cómo se vería uno de tus mejores anuncios con un vídeo apto para Vision Search. La IA no necesita imágenes bonitas. Necesita imágenes nítidas. Quien construye bien la imagen en movimiento gana en ambos frentes — y tráfico nuevo de paso.