De 200 a 600 SKU en España y tres nuevos marketplaces europeos: catálogo maestro y localización con IA

Cómo un catálogo maestro en Python y un flujo de localización con IA llevaron una marca de Amazon.es a 600 SKU por mercado en Alemania, Francia e Italia.

Gazi El Halabi ·

En resumen

Como Amazon Country Manager en Dnipro-M Spain amplié el catálogo de la marca en Amazon.es de 200 a 600 SKU, construí en Python un catálogo maestro a partir de los listings publicados y lo usé para localizar y publicar esos 600 SKU en Amazon DE, FR e IT con IA (Claude, OpenAI, Gemini) y revisión nativa. La producción de listings pasó de unos pocos productos al día a cientos.

De 200 SKUs en un país a 600 SKUs en 10 tiendas.

Fase 1 de 4

Punto de partida: 200 SKUs, una tienda

Cuando llegué, Dnipro-M vendía 200 SKUs, solo en Amazon.es.

Como Amazon Country Manager de Dnipro-M Spain llevé el catálogo de una tienda de Amazon a diez tiendas en cuatro idiomas, desde un único catálogo maestro.

SKUs
200
Tiendas
1
Idiomas
1
Listings publicados
200

Dnipro-M Spain, marzo–septiembre de 2026. Listings = SKUs × tiendas.

El problema

La marca tenía un catálogo para vender en Europa, pero su contenido de producto vivía dentro del propio marketplace, listing a listing. Cada mercado nuevo suponía reescribir a mano, en otro idioma y desde cero. Eso no escala a cientos de SKU y varios países.

Contexto

Fui Amazon Country Manager de Dnipro-M Spain de marzo a septiembre de 2026, responsable de la cuenta de Amazon y de su expansión. Cuando llegué, la marca tenía 200 SKU, solo en Amazon.es. El trabajo empezó ahí y se extendió a Alemania, Francia e Italia, y fuera de Amazon a ManoMano, Leroy Merlin y Carrefour en España y Francia: las mismas 600 SKUs en diez tiendas.

Enfoque

Tratar el catálogo como datos, no como listings. Construir un catálogo maestro independiente de cualquier marketplace, contrastarlo con la información oficial de la marca y generar desde él el contenido de cada mercado.

Herramientas

NecesidadHerramienta
Extraer el contenido de los listings publicadosScraper en Python
Una única fuente de verdad del productoCatálogo maestro (estructura PIM)
Contenido nativo ES / IT / FR / DEClaude, OpenAI y Gemini
PublicaciónFlat files listos para cada marketplace
Imágenes con textoLocalizador de texto en imágenes por lotes (Python + IA)

Proceso

  1. Hacer crecer el mercado base. El catálogo de Amazon.es pasó de 200 a 600 SKU.
  2. Extraer. Un scraper en Python llevó el contenido de los listings publicados a un catálogo maestro estructurado.
  3. Verificar. Cada SKU se contrastó con la web oficial de la marca para detectar discrepancias antes de publicar en otros mercados.
  4. Localizar. Un flujo con IA generó contenido nativo en español, italiano, francés y alemán desde el catálogo (escrito a partir de los datos, nunca más allá) con revisión humana. El enfoque está explicado en localizar listings de Amazon para Europa.
  5. Publicar. El contenido se exportó en flat files listos para cada tienda.
  6. Localizar imágenes. El texto de las imágenes de producto se localizó por lotes, manteniendo diseño y maquetación.

Resultado

  • Catálogo de Amazon.es ampliado de 200 a 600 SKU: 400 listings nuevos.
  • Los mismos 600 SKU publicados por mercado en Amazon DE, FR e IT desde el catálogo maestro.
  • La producción de listings pasó de unos pocos productos al día a cientos.
  • Las discrepancias del catálogo se detectaron antes de publicar, no después.
  • La expansión llegó también fuera de Amazon: las mismas 600 SKUs en ManoMano, Leroy Merlin y Carrefour, en España y Francia.

Aprendizajes

  • El catálogo es el producto. Con los datos estructurados y verificados, cada mercado nuevo es una exportación, no una reescritura.
  • La IA redacta, no es la fuente. Solo es tan buena como los atributos que recibe, y necesita revisión nativa.
  • Las reglas van dentro del flujo. Límites como los títulos de 75 caracteres se aplican al generar y se validan otra vez antes de subir; el comprobador de títulos de Amazon hace esas mismas comprobaciones.
  • Contrasta con los datos de la marca. Los marketplaces se desvían; la información oficial de la marca es la referencia.

Desde septiembre de 2026 trabajo como consultor independiente de Amazon y marketplaces, y estoy abierto a puestos sénior: mira mi perfil como Amazon Marketplace Manager.

Herramientas: Python · Web scraping · Catálogo maestro / PIM · Claude · OpenAI · Gemini · Flat files · Seller Central

¿Quieres un flujo así para tu catálogo?

Hablemos de un proyecto