Claude Code para e-commerce de moda: textos de outfit y análisis de reseñas más rápido

Fue un viernes por la tarde cuando me dijeron que querían 50 prendas nuevas publicadas en la web para el lunes.

Las fotos ya estaban hechas. Las medidas, tomadas. Pero faltaba escribir, por cada prenda, tres versiones del “texto de combinación de looks”, rescatar de las reseñas pasadas los argumentos que más venden y meterlos dentro. 50 prendas por 3 versiones son 150 textos. Y encima había que leer las quejas sobre talla y tejido para reflejarlas en la descripción de cada producto.

Esa noche, a las once, con veinte pestañas abiertas para copiar y pegar reseñas, murmuré “hoy es imposible”. En una tienda de moda online, el trabajo siempre se atasca en la parte de texto, cuando las fotos y las medidas ya están listas.

Lo que me salvó fue Claude Code. Le delegué los borradores de los textos y la clasificación de las reseñas, y yo me dediqué a corregir lo que “no suena a nuestra marca”. Así, los 150 textos quedaron listos en una sola noche. Hoy te paso ese método en un formato que puedes copiar y usar.

Puntos clave

Para los textos de looks, basta con darle a la IA “prenda, ocasión y caída de la talla” y salen los borradores de golpe. La persona solo ajusta el tono y la voz de la marca.
En el análisis de reseñas no te quedes en “contar estrellas”. Etiqueta por tres ejes (talla, tejido, envío) y conviértelo en mejoras concretas del producto.
A la IA le delegas borradores, clasificación y resúmenes. Las decisiones de descuento, los textos de stock y cualquier afirmación que roce la ley de publicidad las frena siempre una persona.
Con el nombre del producto y la referencia es suficiente. El nombre y el correo del cliente no se le dan nunca a la IA: es la regla de oro de los datos personales.
Los textos de 50 prendas pasaron de unas 4 horas de trabajo manual a unos 30 minutos. El retorno compensa incluso calculándolo por hora.

El trabajo de ficha de producto en moda: ¿dónde se atasca?

Dejemos claro a quién va dirigido. Este artículo piensa en quien crea las fichas de producto en una tienda de moda online. Coordina foto, medidas y texto, y tras publicar revisa las reseñas para mejorar. Muchas veces es un rol que lleva varias marcas a la vez en solitario.

El flujo de trabajo suele ser este:

Fotografiar y medir las prendas nuevas que llegan.
Introducir el nombre, los materiales y la tabla de tallas.
Escribir los textos de looks y de cómo combinar la prenda.
Publicar y, cuando se acumulan reseñas, leer las tendencias.
Reflejar las quejas de talla y tejido en la siguiente descripción o en las compras.

Donde se generan reprocesos es en los pasos 3 y 5. Escribir un solo texto cuesta 15 minutos, y con 50 prendas se va el día entero. El análisis de reseñas suele quedarse en “hay muchas de 3 estrellas” y llega el siguiente lote sin haber puesto en palabras el porqué de esas 3 estrellas. El resultado: la misma queja de talla se repite durante medio año. Ese es el desgaste silencioso de gestionar moda online.

Si es tu primera vez con Claude Code, prepara antes el entorno con la guía para empezar con Claude Code y los pasos de aquí funcionarán tal cual.

Caso 1: borradores de looks en 3 versiones por prenda

Lo primero que da resultado es producir los textos en serie. Le pasas referencia, categoría, material y ocasión prevista, y salen tres borradores con tonos distintos. La persona solo elige y ajusta el remate de las frases.

Separemos en una tabla qué delega la IA y qué decide siempre una persona.

Etapa	La IA se encarga	Una persona decide siempre
Ideas de combinación	Sí, propone 5 opciones	Confirmar que la combinación existe en stock
Borrador del texto	Sí, 3 por ocasión	Ajustar al tono y la voz de la marca
Descripción de material y cuidados	A medias, solo el borrador	Comprobar que no contradice la etiqueta de lavado
Afirmaciones como “lo más barato” o “seguro”	No, no dejar que las genere	Eliminar por la ley de publicidad y la normativa sanitaria

Este es el prompt listo para copiar. Está pensado para pegar en la ficha de producto, con instrucciones para evitar afirmaciones exageradas.

Eres copywriter de una tienda de moda online. Para el siguiente producto,
escribe 3 versiones de un texto que proponga cómo combinarlo.

# Datos del producto
- Referencia: KN-2026SS-014
- Categoría: jersey oversize
- Material: 60% algodón, 40% acrílico
- Color: marfil / moca
- Ocasiones previstas: ir a la oficina, una cafetería el fin de semana, recados cerca de casa

# Condiciones
- Cada versión de 120 a 160 caracteres, en un tono cercano y de usted.
- Incluye siempre una prenda o accesorio con el que combinarlo (pantalón, complemento).
- No uses afirmaciones absolutas ni claims tipo "lo más barato", "seguro" o "médico".
- No menciones la talla; céntrate en el ambiente y la ocasión.

Formato de salida:
Versión 1: texto
Versión 2: texto
Versión 3: texto

La clave es meter “no uses afirmaciones absolutas” como condición. En moda es fácil rozar la ley de publicidad, y borrar después frases como “seguro que adelgazas a la vista” pesa más de lo que parece. Si lo prohíbes desde la primera instrucción, reduces las correcciones.

Caso 2: etiquetar reseñas en 3 ejes para mejorar el producto

Lo segundo es el análisis de reseñas. Para contar estrellas basta con una hoja de cálculo. El valor aparece cuando clasificas el texto libre en tres ejes (caída de la talla, tejido/calidad, envío/embalaje) y lo conviertes en acciones de mejora concretas.

Aquí dejo una lista de comprobación para revisar la salida de la IA y reducir omisiones.

¿Las menciones de talla están clasificadas en “grande / pequeña / normal”?
¿Las quejas de tejido están con palabras concretas (“fino”, “pica”, “hace bolitas”)?
¿No se mezclan los comentarios de envío y embalaje con la valoración del producto?
¿Se ha contado cuántas veces aparece la misma queja?
¿Cada acción de mejora está asignada a “próxima compra” o a “corregir la descripción”?

Esta es la plantilla de prompt para clasificar reseñas. Le pedimos respuesta en tabla para facilitar el recuento.

A continuación van los textos de las reseñas de un producto. Etiqueta cada una
según estos 3 ejes y, al final, da 3 propuestas de mejora.

# Ejes
1. Caída de la talla: grande / pequeña / normal / sin mención
2. Tejido y calidad: bien / queja (detalle) / sin mención
3. Envío y embalaje: bien / queja (detalle) / sin mención

# Salida
| N.º | Talla | Tejido y calidad | Envío y embalaje | Resumen en una frase |
Después de la tabla, en "## Propuestas de mejora", separa qué corregir
en la próxima compra y qué adelantar ya en la descripción del producto.

# Texto de las reseñas
(pega aquí una reseña por línea)

El truco es pedirle “qué adelantar en la descripción”. Por ejemplo, si “más fino de lo que esperaba” aparece 5 veces, antes de cambiar el tejido basta con escribir en la ficha “tejido ligero con un tacto suave” para reducir la diferencia entre expectativa y realidad. No es raro que las estrellas suban sin cambiar las compras.

Caso 3: comprobar la calidad de los textos con una máquina

Lo tercero es la verificación. Si revisas 150 textos solo con la vista, siempre se cuela algún texto que pasa de los caracteres o que lleva una palabra prohibida. Eso se lo dejamos a un portero automático.

El script de abajo lee un JSON con los textos generados y comprueba la longitud y las palabras prohibidas. Con Node.js funciona tal cual. Las afirmaciones que suelen ser una mina en moda online están en NG_WORDS, así que añade las que correspondan a tus propias normas de redacción.

import { readFile } from "node:fs/promises";

// Objetivo: un JSON con un array de [{ id, text } ...]
const items = JSON.parse(await readFile("./proposals.json", "utf8"));

const NG_WORDS = ["lo más barato", "seguro", "adelgaza seguro", "médico", "N.º 1", "el mejor de España"];
const MIN = 120;
const MAX = 160;

let ng = 0;
for (const item of items) {
  const len = [...item.text].length; // cuenta cada carácter una vez
  const hits = NG_WORDS.filter((w) => item.text.includes(w));
  const problems = [];
  if (len < MIN || len > MAX) problems.push(`longitud ${len} (se espera ${MIN}-${MAX})`);
  if (hits.length) problems.push(`palabras prohibidas: ${hits.join(", ")}`);

  if (problems.length) {
    ng++;
    console.log(`NG ${item.id}: ${problems.join(" / ")}`);
  }
}

console.log(`\nDe ${items.length} textos, ${ng} necesitan corrección`);
process.exit(ng === 0 ? 0 : 1);

El proposals.json tiene esta forma. Si al generar los textos pides que salgan ya con este formato, la conexión entre pasos es mucho más cómoda.

[
  { "id": "KN-2026SS-014-A", "text": "Un jersey oversize de aire suave. ..." },
  { "id": "KN-2026SS-014-B", "text": "Una prenda pulida que encaja también en la oficina. ..." }
]

Con pasar este script una vez antes de publicar, las palabras prohibidas y los problemas de longitud se frenan antes de que salgan a la web. Si dejas estas reglas escritas en CLAUDE.md, las recogerá cada vez, así que conviene leer también cómo escribir un buen CLAUDE.md para que la operación sea estable. Y si quieres afinar un paso más los prompts, te servirá ingeniería de prompts avanzada.

Qué cambia antes y después de adoptarlo

Con números se ve el efecto claramente. Son cálculos aproximados de mi caso, pero los dejo como referencia.

Tarea	Antes	Después
50 prendas × 3 textos	unas 4 horas (parte del cálculo de 15 min por texto)	unos 30 minutos (borrador + ajuste de remate)
Leer la tendencia de 100 reseñas	unas 2 horas	unos 20 minutos
Revisar longitud y palabras prohibidas antes de publicar	a ojo, con omisiones	automático con el script, 0 omisiones

A grandes rasgos, entre textos y reseñas se liberaron unas 10 horas al mes. A 12 euros la hora son unos 120 euros mensuales. Pero poder dedicar ese tiempo a dirigir las fotos y decidir las compras fue lo que más se notó, más allá del dinero.

Hasta dónde delega la IA y dónde para siempre una persona

Si lo delegas todo porque es cómodo, en moda online se provocan accidentes. Marquemos la línea con claridad.

Lo que sí se puede delegar son borradores, clasificación, resúmenes y comprobaciones de formato. El boceto del texto, el etiquetado de reseñas, las propuestas de mejora. Ahí la IA es rápida.

Lo que para siempre una persona es esto:

La decisión final sobre descuentos y textos de rebajas (afecta directo al coste y al margen).
Las afirmaciones absolutas tipo “seguro” o “lo más barato” y los claims de efecto (riesgo legal de publicidad y normativa sanitaria).
La descripción del número de unidades o la fecha de llegada (un error se convierte en una queja por falta de stock).
Los giros que tocan el universo de la marca (un remate mecánico provoca abandono).

Si quieres compartir esta línea con un equipo sin perfil técnico, que lean Claude Code para no programadores: ayuda a igualar el criterio sobre qué trabajo se puede delegar.

Datos personales y seguridad

Aquí no se puede ir con descuido. En el análisis de reseñas, a veces el texto trae el nombre del comprador, el número de pedido o parte de la dirección. Pegar eso tal cual en la IA hay que evitarlo.

Las reglas en el trabajo real son sencillas:

A la IA solo se le da hasta esto: nombre del producto, referencia, categoría, material y el texto de reseñas ya publicadas.
Nombre, correo, teléfono, número de pedido y dirección del cliente se enmascaran antes de darlos.
Si en el texto de una reseña se cuela un nombre propio, se sustituye antes de pegarlo.
No se introducen costes confidenciales ni nombres de proveedores.

Para los nombres en las reseñas, basta con usar el buscar-y-reemplazar del editor antes de pegar y ocultar los nombres propios que llevan “Sr.” o “Sra.”. Parece un engorro, pero saltarse este paso puede hacerte perder la confianza de golpe, así que se hace siempre.

Preguntas frecuentes

P. Los textos generados me salen todos con giros parecidos. R. Indica explícitamente en el prompt “que las 3 versiones cambien de tono (pulido / casual / relajado)”. Si solo cambias la ocasión, el vocabulario se acerca; añade un eje de tono aparte para que se dispersen.

P. Tengo cientos de reseñas y no caben todas de una vez. R. No las metas todas a la vez: divídelas en grupos de 50 y pásalas con el mismo prompt, y al final unifica solo la tabla de recuento. Cuantas más reseñas, más valor tiene apoyarse en el script de verificación del Caso 3 para el recuento automático.

P. Es pesado indicar el tono de la marca cada vez. R. Si reúnes en CLAUDE.md el remate de frases, las palabras prohibidas y los giros que prefiere la marca, dejas de tener que indicarlo cada vez. Y se puede compartir con el equipo, que es otra ventaja.

P. ¿Puedo publicar el texto que sale tal cual? R. Trátalo como borrador. El remate, el tono de marca y la revisión de afirmaciones absolutas pasan siempre por una persona. El script del Caso 3 es un apoyo, no la decisión final.

Lo que confirmé al probarlo de verdad

El “50 prendas para el lunes” del principio lo saqué adelante de verdad con este método.

Los textos los generé pasando referencia, material y ocasión, tres versiones por prenda. Los 150 borradores salieron en unos 20 minutos, y lo único que hice fue unificar el remate y borrar dos “seguro que es lo que mejor te queda” que se habían colado. Al pasar el script de verificación, 7 pasaban de caracteres y 2 llevaban palabra prohibida. Poder cazar eso antes de publicar fue lo más grande.

En el análisis de reseñas descubrí que el motivo de las 3 estrellas se concentraba en “la talla es grande”, y adelanté en la descripción del producto un “el corte es holgado”. Saber que había una jugada disponible sin esperar al siguiente lote fue la mejor lección.

Al final, lo que más resultado dio fue separar desde el principio el trabajo que delego a la IA y el que paro yo. Borradores, la IA; el tono, las afirmaciones y la decisión final sobre la talla, la persona. Desde que tracé esa línea, las veces que murmuro “es imposible” a las once de la noche han bajado. Si quieres montar el mismo flujo con tu equipo, lo más rápido es diseñarlo junto a las reglas de operación con formación y consultoría.

Para repasar otras formas de ganar tiempo con Claude Code, echa un vistazo a la guía de productividad. Y sobre la base legal de la publicidad, conviene leer la guía oficial de la Comisión Europea sobre prácticas comerciales desleales: así sabrás explicar con tus palabras dónde está la línea de las afirmaciones absolutas.