AWS describe un sistema de Amazon Marketplace que evalúa la página completa de Amazon A+ Content: combina puntuaciones de un modelo visión-lenguaje, señales de legibilidad del texto y un clasificador CatBoost. La explicación técnica de AWS se publicó el 5 de noviembre de 2026. La evaluación tiene en cuenta cómo encajan los módulos de texto, imágenes, vídeo y diseño en la ficha de producto.
Qué evalúa en una página A+
El sistema analiza una versión renderizada de la página como una experiencia completa. Un modelo visión-lenguaje (VLM) puntúa cuatro dimensiones: relato visual, presentación de características, diseño A+ y optimización de la conversión. Cada una recibe una nota de 0 a 10, un valor de confianza y una justificación escrita.
El reconocimiento óptico de caracteres (OCR) aporta cuatro señales relacionadas con la disposición del texto: densidad de texto, densidad de caracteres, espaciado y legibilidad general. Por eso, un mismo texto puede recibir señales de legibilidad distintas si cambia su diseño en la página.
Cómo se combinan las señales
CatBoost, un clasificador, combina las cuatro puntuaciones del VLM con las cuatro señales del OCR. Se entrena con etiquetas de calidad basadas en evaluaciones humanas. AWS indica que puede reentrenar el clasificador cuando cambian las etiquetas o los criterios, manteniendo fijo el VLM y su rúbrica.
Después, SHAP atribuye a cada característica una contribución a la clasificación. Un modelo de lenguaje de gran tamaño usa las contribuciones negativas de SHAP, la categoría, las prácticas de comercio electrónico y las justificaciones del VLM para preparar recomendaciones priorizadas.
Qué resultados comunica AWS
La evaluación principal se hizo con una partición de prueba del 20 % de un conjunto de 5.478 páginas de detalle de producto distribuidas en 10 categorías. Un especialista en marketing de comercio electrónico y cuatro anotadores profesionales clasificaron las páginas como de calidad alta o baja; la etiqueta de consenso correspondió a la mayoría. El 49,6 % de las etiquetas de consenso fue de alta calidad. La concordancia de cada anotador con el consenso estuvo entre 0,845 y 0,915 según el coeficiente kappa de Cohen.
La exactitud indica qué proporción de páginas clasificó correctamente el sistema. La puntuación F1 combina precisión y exhaustividad. En la prueba reservada, AWS comunicó estos resultados:
| Configuración | Exactitud | Puntuación F1 |
| Puntuaciones VLM promediadas y umbral fijo | 0,80 | 0,84 |
| CatBoost con señales OCR | 0,82 | 0,83 |
| CatBoost con puntuaciones VLM | 0,89 | 0,90 |
| CatBoost con señales OCR y VLM | 0,94 | 0,95 |
La configuración que combina OCR y VLM obtuvo 0,14 puntos más de exactitud y 0,11 más de F1 que la referencia de puntuaciones VLM promediadas y umbral fijo. Son métricas de clasificación de páginas.
La exactitud y F1 describen la clasificación; OPS mide un resultado comercial. Cada indicador responde a una pregunta distinta.
En resultados separados, AWS comunicó un aumento medio de 1,4 puntos, sobre una escala de 10, en la puntuación de calidad después de revisiones de vendedores. También informó de una mejora estadísticamente significativa en Ordered Product Sales (OPS), las ventas de productos pedidos, durante un experimento A/B mundial que ajustó la visibilidad del contenido A+ de baja calidad.
