Glanbia Performance Nutrition: más de 1.200 SKU en 10 marketplaces de Amazon Europa, contrastados con la etiqueta

Cómo las comprobaciones con Python, los listings basados en keywords y las supresiones resueltas acompañaron una cartera que pasó de ~620 K€ a más de 1 M€ al día.

Gazi El Halabi ·

En resumen

En eStoreLabs gestioné el catálogo y el e-merchandising de Glanbia Performance Nutrition en 10 marketplaces europeos de Amazon, en Seller Central y Vendor Central. Construí en Python una comprobación de cada listing contra la etiqueta del producto, rehíce los listings a partir de la demanda real de búsqueda y recuperé más de 50 ASIN suprimidos. Durante mi etapa en la cuenta, los ingresos diarios de la cartera pasaron de unos 620 K€ a más de 1 M€.

El problema

Una cartera de nutrición deportiva de más de 1.200 SKU, vendida en diez marketplaces europeos de Amazon a través de Seller Central y Vendor Central a la vez. A esa escala, un error pequeño de catálogo nunca es pequeño: se repite en todos los mercados e idiomas. Y en nutrición, un listing que no coincide con la etiqueta no es una errata. Es un problema de cumplimiento.

Contexto

De marzo de 2025 a marzo de 2026 fui Digital Specialist en eStoreLabs en la cuenta de Glanbia Performance Nutrition, en remoto desde España. La cartera incluía marcas como Optimum Nutrition, BSN e Isopure, en los marketplaces EU4/EU8. Antes, en la misma agencia, gestioné el contenido del negocio de L'Oréal Iberia en Amazon.

Enfoque

Un catálogo y cuatro frentes de trabajo: que cada listing coincida con la etiqueta, rehacer los listings según cómo busca de verdad el comprador, mantener cada ASIN activo en cada mercado y lanzar productos nuevos sin introducir errores nuevos.

Herramientas

NecesidadHerramienta
Operación de seller y vendorSeller Central y Vendor Central
Gestión y sindicación del contenido de productoSalsify y Opera
Investigación de keywords y datos de mercadoHelium 10 y Keepa
Comprobación de listings contra la etiquetaScript en Python

Proceso

  1. Comprobar cada listing contra la etiqueta. Escribí un script en Python que comparaba el título, los bullet points y la descripción de cada SKU en Amazon con el PDF de la etiqueta del producto y señalaba las discrepancias de ingredientes para revisarlas. Con productos de nutrición no caben aproximaciones: lo que dice el listing tiene que ser lo que dice la etiqueta. Junto con el resto de la automatización del catálogo, los errores manuales de catálogo bajaron un 40 %.
  2. Rehacer los listings según la demanda real de búsqueda. Los listings no estaban bien optimizados, así que investigué las mejores keywords de cada SKU con Helium 10 y Keepa y reescribí el contenido a partir de ellas. También mejoré las imágenes principales y rehíce los módulos hero del contenido A+ para que se viera el producto, y no solo a una persona entrenando.
  3. Recuperar los listings suprimidos. Recuperé más de 50 ASIN suprimidos y resolví problemas complejos de variaciones. Un caso muestra por qué esto exige criterio y no solo abrir tickets: un shot energético en polvo, que se vende como polvo para preparar y no listo para beber, Amazon lo trataba como una bebida energética lista para tomar, como las latas de esa categoría, y lo había suprimido en varios marketplaces a la vez. El trabajo consistió en dejar inequívoco el formato real del producto en los datos del listing, mercado por mercado.
  4. Lanzar productos nuevos sin errores. Los lanzamientos salían con su contenido, flat files, atributos y cumplimiento revisados antes de publicarse, junto con la salud de la cuenta y el cumplimiento normativo de la UE.

Resultado

  • Los ingresos diarios de la cartera pasaron de unos 620 K€ a más de 1 M€ (+61 %) durante mi etapa en la cuenta.
  • La tasa de conversión subió un 20 % tras el trabajo de contenido y listings.
  • Los mercados crecieron entre un 25 y un 40 % tras el programa de optimización del catálogo.
  • Más de 50 ASIN suprimidos recuperados.
  • Un 40 % menos de errores manuales de catálogo gracias a la automatización.
  • Más de 1.200 SKU gestionados en 10 marketplaces, en Seller Central y Vendor Central.
“His expertise in Amazon marketplace management is outstanding, particularly when it comes to listing optimization, variation management and resolving complex listing suppressions.” Anna Hoang, E-commerce Manager, Glanbia Performance Nutrition (recomendación en su idioma original).

Lecciones

  • En categorías reguladas, la etiqueta es la fuente de verdad. Hay que contrastar el listing con ella de forma automática, no a ojo, y hacerlo con cada SKU.
  • La clasificación también es contenido. Cómo interpreta Amazon un producto decide si se puede vender o no. Muchas veces una supresión es un problema de datos, no de normas. Lo explico en listings suprimidos en Amazon.
  • Hay que enseñar el producto. La imagen principal y el módulo hero del A+ tienen que mostrar lo que el comprador se lleva.
  • Una corrección solo cuenta cuando llega a todos los mercados. Con diez marketplaces, el mismo arreglo tiene que llegar a todos. Es el modelo operativo que describo en gestión de marketplaces de Amazon en Europa.

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: Seller Central · Vendor Central · Python · Helium 10 · Keepa · Salsify · Opera · Contenido A+ / B+

¿Quieres un flujo así para tu catálogo?

Hablemos de un proyecto