Cómo automatizar el reporting semanal a clientes en una agencia de Amazon FBA

El informe semanal es el trabajo más ingrato de una agencia de Amazon FBA. No se factura aparte, no lo agradece nadie mientras las ventas suben, y sin embargo es lo primero que se echa en falta cuando bajan. Además tiene una propiedad incómoda: crece en línea recta con el número de cuentas. Diez clientes son diez informes; treinta clientes son treinta.

Haz la cuenta con tus propios números antes de seguir leyendo. Minutos que dedica tu equipo a preparar un informe, multiplicado por cuentas, multiplicado por cuatro semanas. Si el resultado se parece a una jornada laboral entera al mes, ya sabes por dónde empezar a automatizar. Y si además esa jornada la hace tu perfil más caro —normalmente el account manager, porque es quien entiende los datos—, el coste real es el doble del que dice la hoja.

Este artículo explica cómo se monta la tubería completa: de dónde salen los datos, cómo se pide cada cosa a Amazon, dónde encaja un modelo de lenguaje y, sobre todo, qué no conviene dejar en manos de una máquina.

Qué es un informe semanal que el cliente sí lee

Antes de automatizar nada hay que decidir qué se automatiza, porque el error más caro no es técnico: es mandar un volcado de métricas y llamarlo informe.

Un panel con veinte cifras no es un informe, es deberes para el cliente. El informe que se lee tiene cuatro partes y siempre las mismas:

1. El número de la semana. Ventas, unidades y margen si lo tienes. Con su variación contra la semana anterior y contra la misma semana del año pasado.
2. La causa. Qué explica ese movimiento: un ASIN concreto, una rotura de stock, una campaña que cambió de puja, un competidor que bajó de precio.
3. Lo que ha hecho la agencia. El registro de acciones de la semana. Esta es la parte que justifica la factura y casi nunca está en ningún dashboard.
4. Lo que viene. Dos o tres decisiones que hay que tomar, con el plazo.

Los tres primeros bloques se pueden generar solos. El cuarto se propone solo y lo firma una persona. Sostener esa frontera es lo que separa un sistema útil de un generador de ruido semanal.

Las cinco piezas de la tubería

Una vez está claro el formato, el sistema siempre tiene la misma forma:

1. Extracción. Llamadas programadas a las APIs de Amazon y al resto de fuentes: la hoja de acciones del equipo, el CRM, el ERP.
2. Normalización. Todo aterriza en una tabla con la misma forma: cuenta, marketplace, semana, métrica, valor. Sin esto, cada informe es un caso particular y el sistema no escala.
3. Cálculo. Variaciones, medias móviles, umbrales de alerta. Aritmética ordinaria, hecha por código, verificable y repetible.
4. Redacción. La narrativa a partir de los números ya cerrados.
5. Entrega y registro. El documento sale por el canal que use el cliente (correo, la mensajería del equipo, un enlace) y queda archivado con su fecha.

La pieza 3 es la que la gente intenta saltarse pidiéndole a un modelo de lenguaje que "analice los datos". Es exactamente donde no debe estar: los números se calculan con código.

Qué dato, de dónde sale y cada cuánto

Esta es la tabla que conviene tener escrita antes de abrir ningún editor. Es el contrato de datos del informe:

Fíjate en las dos últimas filas: no vienen de Amazon. Son las que convierten un resumen de métricas en un informe de agencia, y son las que más se olvidan al automatizar porque no tienen API. Si tu equipo apunta lo que hace en cualquier sitio estructurado, esa parte también se rellena sola.

Cómo se le piden los datos a Amazon (spoiler: no hay respuesta inmediata)

Aquí es donde se cae la mitad de los intentos caseros. Las APIs de informes de Amazon no son síncronas. No hay un endpoint que devuelva las ventas de la semana en la respuesta. El patrón es siempre el mismo: pides el informe, Amazon lo prepara, tú preguntas si está listo y luego te lo descargas de una URL temporal.

Primero se solicita:

POST https://sellingpartnerapi-eu.amazon.com/reports/2021-06-30/reports
x-amz-access-token: Atza|...
Content-Type: application/json

{
  "reportType": "GET_SALES_AND_TRAFFIC_REPORT",
  "marketplaceIds": ["A1RKKUPIHCS9HS"],
  "dataStartTime": "2026-08-10T00:00:00Z",
  "dataEndTime": "2026-08-16T23:59:59Z",
  "reportOptions": {
    "dateGranularity": "DAY",
    "asinGranularity": "SKU"
  }
}

La respuesta devuelve un reportId y poco más. A partir de ahí toca esperar:

// Patrón de espera. Los reintentos son parte del diseño, no un parche: la
// creación de informes está limitada a 0,0167 peticiones por segundo —una por
// minuto— con ráfaga de 15, y el informe tarda de segundos a bastantes minutos
// según el tipo.
async function esperarInforme(reportId, { intentos = 40, espera = 30_000 } = {}) {
  for (let i = 0; i < intentos; i++) {
    const informe = await spApi(`/reports/2021-06-30/reports/${reportId}`);

    if (informe.processingStatus === "DONE") {
      return informe.reportDocumentId;
    }
    if (["CANCELLED", "FATAL"].includes(informe.processingStatus)) {
      throw new Error(`Informe ${reportId}: ${informe.processingStatus}`);
    }
    // IN_QUEUE o IN_PROGRESS: seguimos esperando.
    await new Promise((r) => setTimeout(r, espera));
  }
  throw new Error(`Informe ${reportId} sin terminar tras la espera máxima`);
}

Con el reportDocumentId se pide el documento, que responde con una URL firmada y de vida corta. El contenido suele venir comprimido con gzip: hay que descomprimirlo antes de parsear. Un fallo clásico es guardar el binario tal cual, ver caracteres raros y culpar a la codificación.

La API de publicidad funciona igual de asíncrona pero con otra puerta: se crea el informe en POST /reporting/reports indicando el producto publicitario, las columnas y la unidad de tiempo, se consulta hasta que el estado es completado y entonces aparece la URL de descarga. Son dos autenticaciones distintas —Seller Central y Amazon Ads son mundos separados—, y esa es una de las razones por las que este trabajo se abandona a mitad y se vuelve a las capturas de pantalla.

Tres detalles operativos que ahorran disgustos:

• Los permisos importan. Los datos con información personal exigen un token restringido aparte. Si tu informe no necesita nombres ni direcciones, no los pidas: menos permisos, menos superficie de riesgo.
• Los límites de llamadas son bajos en las operaciones de creación de informes: Amazon documenta createReport a 0,0167 peticiones por segundo, una por minuto, con una ráfaga de 15. El diseño correcto es una cola con reintentos y espera creciente, no un bucle apretado que se come la cuota de todas las cuentas.
• Multi-marketplace no es multiplicar por tres. España, Alemania e Italia tienen su propia moneda de liquidación, su propio huso y sus propias tarifas. O normalizas al crear la fila, o el total del informe es una suma de peras y manzanas.

El detalle que rompe informes: los datos de la semana pasada cambian

Un informe semanal automático que se genera el lunes a las 8:00 y no se vuelve a mirar acaba mintiendo. Por dos motivos, los dos inevitables:

• Devoluciones y reembolsos se registran después de la venta. El neto de la semana pasada baja durante los días siguientes.
• La atribución de publicidad tiene ventana. Una conversión puede asignarse a un clic de días antes, así que el ACOS de la semana cerrada sigue moviéndose un tiempo después de cerrarla.

Hay dos formas honestas de resolverlo, y las dos son válidas siempre que se elija una y se escriba en el propio informe:

1. Fecha de corte fija. El informe dice "datos a 18/08 a las 6:00" y punto. Los números no cuadrarán exactamente con Seller Central si el cliente entra una semana después, y eso hay que explicarlo una vez.
2. Recálculo con retraso. El informe de la semana N se emite con los datos consolidados, aceptando un desfase de unos días.

Lo que no es una opción es que el número del informe y el de Seller Central bailen sin explicación. La primera vez que un cliente lo detecta, pierdes más credibilidad de la que ganaste automatizando.

Dónde entra la IA (y dónde no)

La parte de redacción es la que mejor encaja con un modelo de lenguaje, con una condición innegociable: el modelo no calcula, redacta. Recibe un objeto cerrado, ya calculado por código, y escribe el texto.

{
  "cuenta": "cliente-demo",
  "semana": "2026-W33",
  "moneda": "EUR",
  "ventas": { "valor": 41250.6, "variacion_semanal": -0.072 },
  "unidades": { "valor": 1180, "variacion_semanal": -0.031 },
  "acos": { "valor": 0.184, "variacion_semanal": 0.026 },
  "alertas": [
    { "tipo": "cobertura_stock", "sku": "SKU-114", "dias_restantes": 11 },
    { "tipo": "campana_sin_conversion", "campana": "SP-Auto-ES", "gasto": 312.4 }
  ],
  "acciones_agencia": [
    "Bajada de puja del 15% en 6 términos con gasto sin conversión",
    "Solicitud de reposición de SKU-114 enviada al proveedor"
  ]
}

Con ese objeto, las instrucciones al modelo son de estilo, no de análisis: escribe en español de España, tres párrafos, tono directo, sin adjetivos comerciales, no inventes ninguna cifra que no esté en el objeto y, si un campo falta, dilo en vez de estimarlo. Los valores del ejemplo son ilustrativos: en producción salen de la tubería, no del modelo.

Esa última regla es la que hay que probar antes de enseñárselo a un cliente. Genera veinte informes con datos reales y revísalos uno a uno. Si aparece una cifra que no está en el objeto, el sistema no está listo, por bien que suene el texto.

El mismo criterio se aplica a las acciones: el sistema propone —bajar esta puja, reponer este SKU, pausar esta campaña— y una persona aprueba antes de que nada se ejecute en la cuenta. Es el mismo principio que aplicamos en nuestros agentes para Amazon FBA: lectura automática, escritura sólo con autorización explícita.

Qué no automatizar nunca

• La explicación de una caída rara. Si las ventas caen un 40% sin causa en los datos, el informe debe decir que se está investigando, no fabricar una hipótesis convincente.
• La conversación difícil. Suspensión de cuenta, listado bloqueado, hijacker agresivo: eso se llama por teléfono antes de que llegue ningún PDF.
• La subida de presupuesto. Cualquier recomendación que cueste dinero al cliente pasa por una persona.
• El primer informe de un cliente nuevo. Escríbelo a mano. Es la única forma de descubrir qué le importa de verdad a ese cliente y qué campos hay que añadir a la plantilla.

Por dónde empezar el lunes que viene

No hace falta montar la tubería entera para notar el cambio. El orden que funciona es este:

1. Congela el formato. Un único informe para todos los clientes, con las mismas cuatro partes. Mientras cada account manager tenga su plantilla, no hay nada que automatizar.
2. Automatiza la extracción, sigue escribiendo a mano. Que los datos lleguen solos a una tabla ya elimina la mitad del trabajo y no cambia nada de cara al cliente.
3. Añade el cálculo y las alertas. Aquí es donde el sistema empieza a avisarte a ti antes que el cliente.
4. Deja la redacción para el final, cuando ya te fías de los números.

Ese orden también protege el activo importante: la confianza del cliente. Cada paso se puede parar sin romper el anterior.

Si quieres saber cuánto tiempo libera cada paso, el cálculo está en cuántas cuentas puede llevar un account manager; y si buscas el mapa completo de qué áreas admiten automatización y cuáles no, en qué se puede automatizar de verdad en una operación de Amazon.

Preguntas frecuentes

¿Qué son los informes de marketing automatizados?

Son informes que se generan solos a partir de los datos de origen: un sistema descarga las métricas por API, las normaliza, calcula las variaciones, redacta el texto y lo entrega por el canal del cliente. Lo automático es el proceso completo, no solo la exportación de un panel a PDF.

La distinción importa porque casi todo lo que se vende como informe automatizado es solo la última parte: un cuadro de mando con una exportación programada. Si el equipo sigue copiando cifras a mano para explicarlas, el informe no está automatizado, está maquetado.

¿Cuál es la diferencia entre los informes manuales y los automatizados?

La diferencia es cómo escalan. Un informe manual cuesta lo mismo la primera vez que la trigésima, y su coste crece en línea recta con la cartera: diez clientes son diez informes. Un informe automatizado cuesta caro una vez —montarlo— y casi nada cada semana siguiente.

Hay una segunda diferencia menos evidente y más importante: la consistencia. Cuando cada account manager tiene su plantilla y su criterio, comparar dos semanas de dos clientes no significa nada. Un informe generado por el mismo código calcula siempre la variación igual.

Y una tercera: el informe automatizado avisa a la agencia antes que al cliente. Los mismos umbrales que rellenan el documento se pueden disparar el martes, no el lunes siguiente.

¿Cómo se crean informes de marketing digital automatizados?

En cinco piezas y siempre en el mismo orden: extracción de los datos por API, normalización a una tabla única (cuenta, marketplace, semana, métrica, valor), cálculo de variaciones y alertas con código, redacción del texto sobre las cifras ya cerradas y entrega registrada por el canal del cliente.

La pieza que la gente intenta saltarse es la tercera. Pedirle a un modelo de lenguaje que analice los datos y escriba el informe mezcla el cálculo con la redacción, y el día que se equivoque en una cifra la firma tu agencia. El modelo recibe un objeto ya calculado y solo escribe.

La pieza que más se olvida es la segunda. Sin una tabla con la misma forma para todas las cuentas, cada informe es un caso particular y el sistema no pasa de los tres primeros clientes.

¿Cuánto tiempo se tarda en crear y programar un informe de marketing automatizado?

Desde que se cierra el alcance por escrito, entre dos y tres semanas: es el mismo plazo con el que trabajamos en todo lo demás. Lo que estira el calendario está antes de ese punto y no depende de nosotros: acordar un formato único para todos los clientes y conseguir los accesos.

El orden que acorta el plazo: congelar el formato antes de tocar código, automatizar solo la extracción en la primera entrega —el equipo sigue escribiendo el texto a mano y nada cambia de cara al cliente— y añadir cálculo, alertas y redacción después.

Empieza por los accesos. Seller Central y Amazon Ads son dos autenticaciones distintas y dos solicitudes distintas; dejarlo para la tercera semana es la forma más común de que el proyecto se pare.

¿Cuánto cuestan las herramientas de informes automatizados?

Hay dos modelos con precios muy distintos. Una herramienta de informes por suscripción se paga por cuenta o por conector cada mes y no toca tus datos internos. Un sistema a medida como el que montamos nosotros no tiene tarifa publicada: se presupuesta sobre el número de cuentas y de informes de cada agencia, y el importe se cierra por escrito tras un diagnóstico gratuito.

La comparación honesta no es precio contra precio, es qué cubre cada uno. Una herramienta de suscripción no sabe qué ha hecho tu equipo esta semana ni qué casos tienes abiertos con Soporte, y esas dos filas son justo las que convierten un resumen de métricas en un informe de agencia.

Al presupuestar cualquiera de las dos vías, cuenta el mantenimiento. Nuestra estimación, no un dato de sector: versiones de API, tokens que caducan y ejecuciones fallidas se llevan entre 2 y 4 horas semanales por operación.

¿Cómo elegir la mejor herramienta de automatización de informes para tu agencia de marketing?

Con cuatro preguntas, en este orden: ¿tiene conector real para tus fuentes, no solo para Google y Meta?, ¿puede incorporar datos que no vienen de ninguna API, como las acciones de tu equipo?, ¿de quién son los datos y el flujo si te vas?, y ¿qué pasa cuando una ejecución falla un lunes por la mañana?

La primera pregunta descarta a la mayoría de las herramientas generalistas: Amazon Seller Central rara vez está entre sus conectores nativos y, cuando está, cubre ventas pero no cobertura de stock, ni reembolsos, ni liquidaciones.

La tercera es la que nadie hace hasta que es tarde. Si el trabajo vive en flujos que puedes exportar y en una base de datos tuya, cambiar de proveedor es una mudanza; si vive dentro de una plataforma cerrada, es empezar de cero.

¿Cuál es la mejor herramienta de IA para generar informes de marketing?

Ninguna, si la pregunta es qué modelo elegir. El resultado no depende del modelo sino de lo que le entregas: si recibe un objeto ya calculado, con las cifras cerradas, y solo tiene que redactar, casi cualquier modelo actual sirve. Si le pasas los datos brutos para que analice, ninguno es fiable.

La prueba de aceptación es sencilla y hay que hacerla antes de enseñárselo a un cliente: genera veinte informes con datos reales y revísalos uno a uno. Si aparece una sola cifra que no está en el objeto de entrada, el sistema no está listo, por bien que suene el texto.

En las instrucciones al modelo, lo que más rinde no es pedirle un tono: es prohibirle explícitamente inventar cifras y obligarle a decir que un campo falta en lugar de estimarlo.

¿Se puede conectar Looker Studio con Amazon Seller Central?

No de forma nativa: Looker Studio no tiene conector oficial de Amazon Seller Central. Hay dos caminos reales: un conector de terceros de pago, o alimentar una tabla tuya —una base de datos o una hoja conectada— desde la Reports API de la SP-API y apuntar Looker Studio a esa tabla.

La segunda vía es más trabajo al principio y mucho menos frágil después: los datos quedan de tu lado, puedes cruzarlos con lo que no viene de Amazon (coste de mercancía, acciones del equipo, casos con Soporte) y no dependes del calendario de actualizaciones de un conector ajeno.

Con la publicidad pasa lo mismo por separado: Amazon Ads es otra autenticación y otro conjunto de informes. Si el panel mezcla las dos fuentes, hay que normalizar moneda, huso horario y ventana de atribución antes de sumar nada.

¿Cómo automatizar informes en Excel o en Power BI?

Igual que cualquier otro informe: el problema no es la herramienta de destino, es de dónde salen los datos. Si alguien sigue exportando CSV de Seller Central a mano, Power Query o una macro solo automatizan el maquetado. Automatiza primero la extracción por API; el destino es lo de menos.

Dicho eso, si tu informe vive hoy en Excel hay una mejora barata e inmediata: que el fichero se rellene solo desde una tabla única y que las fórmulas dejen de apuntar a celdas pegadas a mano. Con eso desaparece la mitad de los errores y no hace falta cambiar de herramienta.

El salto a un sistema propio se justifica cuando el informe tiene que explicar la causa y listar lo que ha hecho la agencia. Eso no sale de ningún panel: sale de cruzar los datos de Amazon con el registro de acciones de tu equipo.

¿Y si mi cliente quiere algo muy específico?

Se resuelve con un formato único más un bloque opcional, nunca con una plantilla por cliente. El informe mantiene sus cuatro partes fijas —número de la semana, causa, acciones de la agencia y decisiones pendientes— y lo específico entra como campos adicionales que el sistema rellena si existen y omite si no.

La alternativa, una plantilla por cliente, es exactamente lo que impide automatizar: con diez plantillas hay diez procesos disfrazados de uno, y cualquier cambio hay que hacerlo diez veces.

Hay una excepción que conviene mantener: el primer informe de un cliente nuevo se escribe a mano. Es la única forma de descubrir qué le importa de verdad y qué campos hay que añadir al formato común.

---

Si prefieres que esto exista sin construirlo tú, es exactamente el trabajo que hacemos: automatizamos la operación completa de agencias de Amazon FBA —investigación de producto, listings, PPC, inventario, proveedores, reporting y atención— y también la de vendedores que gestionan su propia cuenta. Puedes ver el detalle en automatizar Amazon FBA con IA, y si tu agencia además lleva marketing más allá de Amazon, en agente IA para agencias de marketing.

Se monta con la misma base que el resto de nuestros proyectos de automatización con IA y se opera como parte de Nova AI Workforce. No hay tarifa publicada: el alcance y el importe se cierran por escrito después de un diagnóstico gratuito.