.png)
Esta es una participación para el reto AI Agents Challenge powered by n8n and Bright Data
Qué construí
Vender en Amazon es una cosa; ser descubierto es otra. RankGap es un sistema de agentes IA multicomponente que detecta puntos ciegos de ranking en Amazon usando datos en tiempo real. Identifica en qué posición aparece tu producto, qué consultas estás perdiendo y cómo optimizar tu visibilidad con SEO para Amazon.
A diferencia de reportes genéricos, RankGap ofrece hallazgos accionables combinando generación inteligente de consultas, análisis de ranking y detección de brechas.
Por qué importa
La visibilidad en Amazon no es cuestión de suerte, sino de una estrategia de palabras clave y seguimiento consciente del posicionamiento. Retos comunes de los vendedores: 1) Incertidumbre sobre las palabras clave que realmente generan tráfico. 2) El seguimiento manual de rankings es lento y tedioso. 3) Las brechas de visibilidad cuestan ingresos, perder una consulta relevante puede afectar claramente las ventas. 4) La complejidad del tiempo real hace difícil rastrear y analizar sin automatización. Cerca del 60% de los descubrimientos de producto en Amazon se originan en búsquedas por palabras clave.
Demo
Puedes ver una demo en video aquí: Video de RankGap y probar la app en vivo: RankGap
Flujos n8n
El sistema se compone de tres flujos: 1) Flujo principal. 2) Descarga de datos de producto desde Amazon. 3) Análisis de los datos extraídos.
Flujo principal, pasos clave: 1) Se activa vía webhook con un payload que incluye la URL del producto, la cantidad de consultas a generar y un execution_id para correlacionar el resultado en Supabase. 2) Se extrae el producto objetivo con el flujo de descarga de productos y se obtienen sus atributos con Bright Data. 3) Un agente Generador de Consultas produce búsquedas relevantes para el producto. 4) Para cada consulta, se rastrea la página de resultados de Amazon con Bright Data Web Unlocker usando el patrón https://www.amazon.com/s?k=. 5) Se parsea el HTML y se extraen los 20 ASIN principales. 6) Se descargan los detalles de esos 20 competidores. 7) Se transforman los datos para conservar atributos relevantes. 8) Se envían el producto objetivo y los competidores al flujo de análisis. 9) El análisis final se almacena en Supabase asociado al execution_id. Total de nodos en n8n para este flujo: 19. JSON del flujo: Repositorio
Flujo de descarga de datos de producto desde Amazon: recibe una lista de URLs de productos, inicia una colección con Bright Data Verified Node, supervisa el snapshot hasta que esté listo y finalmente descarga los datos para cada URL. Total de nodos: 8. JSON del flujo: Repositorio
Flujo de análisis de datos extraídos: 1) Entrada con JSON del producto objetivo y resultados de búsqueda. 2) Agente de Análisis de Visibilidad y Presencia para evaluar ranking y presencia. 3) Agente de Análisis de Competidores y Brecha de Atributos para identificar diferenciales de características. 4) Agente de Recomendaciones y Plan de Acción con pasos concretos. Total de nodos: 18. JSON del flujo: Repositorio
Total combinado de nodos en n8n: 45.
Implementación técnica
Agentes IA involucrados: 1) Generador de Consultas de Búsqueda, crea consultas y palabras clave naturales a partir del producto. Modelo principal GPT-4o y respaldo Gemini 2.5 Pro. Prompt en: prompts L1. 2) Agente de Análisis de Visibilidad y Presencia, mide presencia del producto objetivo en resultados. Modelo GPT-5-mini y respaldo Gemini 2.5 Pro. Prompt en: prompts L20. 3) Agente de Análisis de Competidores y Brecha de Atributos, compara atributos y destaca huecos. Modelo GPT-5-mini y respaldo Gemini 2.5 Pro. Prompt en: prompts L71. 4) Agente de Recomendaciones y Plan de Acción, sugiere mejoras concretas. Modelo GPT-5-mini y respaldo Gemini 2.5 Pro. Prompt en: prompts L122
Bright Data Verified Node se usa para: extraer HTML de búsquedas en Amazon con Web Unlocker, enviar múltiples URLs de productos a scraping, monitorizar estados de snapshot y descargar datos a escala.
Aplicación
Stack: Backend con webhook de n8n cloud. Base de datos en Supabase para almacenar resultados. Frontend con React, Vite y Tailwind. Despliegue en Vercel. En la app se incluyen capturas de entrada, resultados y recomendaciones para cada consulta analizada.
Aprendizajes y retos
Fue mi primera vez con n8n y Bright Data. Aunque hubo curva de aprendizaje, la comunidad y la documentación ayudaron mucho. Dos hallazgos clave: 1) A veces un snapshot marcaba listo pero al descargar devolvía estado building; ampliar el tiempo de espera de 5 a 10 segundos estabilizó el flujo. 2) Cloudflare corta peticiones tras 100 segundos mientras que flujos n8n pueden durar hasta 3 minutos; mi pipeline suele requerir entre 3 y 5 minutos. Para resolverlo, guardo un execution_id en Supabase y el frontend hace long polling hasta que los resultados estén disponibles.
Cómo aporta RankGap
RankGap hace transparente la visibilidad SEO en Amazon, prioriza consultas con oportunidad, detecta brechas de atributos frente a competidores y convierte los hallazgos en acciones claras para mejorar CTR, relevancia y conversiones. Con agentes IA y automatizaciones, reduce horas de tareas manuales y acelera la toma de decisiones basada en datos.
Sobre Q2BSTUDIO
En Q2BSTUDIO diseñamos soluciones de alto impacto con aplicaciones a medida y software a medida, combinando inteligencia artificial, agentes IA, automatización y analítica avanzada. Ayudamos a empresas a escalar con servicios cloud AWS y Azure, ciberseguridad y pentesting, inteligencia de negocio y Power BI, y IA para empresas que se integra con tus procesos y datos. Si buscas acelerar tu time to market, estandarizar operaciones y ganar eficiencia, también podemos orquestar tus flujos con automatización de procesos aplicada de extremo a extremo.
Cierre
Si te interesa optimizar la visibilidad en Amazon, combinar agentes IA con scraping fiable y flujos reproducibles en n8n, o transformar tus operaciones con aplicaciones a medida, estaremos encantados de ayudarte. Gracias por leer y no dudes en compartir feedback o preguntas.
.jpg)
.jpg)
.jpg)
.jpg)