Cómo usar una API de reseñas de Amazon para obtener información de mercado

Escrito por Evan Huang

Publicado el 12 de agosto de 2026 • 17 min de lectura

Una API de reseñas de Amazon convierte opiniones dispersas de clientes en datos estructurados que permiten investigar productos y competidores de forma repetible. En lugar de abrir páginas y leer reseñas una a una, el proceso puede solicitar reseñas de un ASIN, separarlas por estrellas, filtrar compras verificadas y conservar campos útiles como texto, fecha, votos de utilidad, medios y variante del producto.

La llamada API es solo la capa de recopilación. El valor empresarial real procede de cómo se muestrean, comparan, interpretan y validan los datos. Cien reseñas negativas de una variante antigua no demuestran automáticamente que todo un mercado tenga un problema. Del mismo modo, una valoración media alta no revela qué funciones valoran los clientes ni qué compromisos toleran.

Esta guía explica cómo convertir datos de reseñas individuales en información de mercado. Aprenderás qué campos importan, cómo diseñar una solicitud, comparar ASIN competidores y distinguir una API de lista de reseñas de Customer Feedback API oficial de Amazon. También conocerás los límites que deben declararse antes de que estos datos influyan en una decisión de producto, ficha o posicionamiento.

Fundamentos de las API de reseñas de Amazon

Una API de reseñas de Amazon es una interfaz para recuperar datos relacionados con reseñas mediante código en lugar de recopilarlos manualmente. Según el proveedor y el endpoint, puede devolver reseñas individuales, valoraciones agregadas, temas, tendencias o una combinación.

El término es amplio. No significa automáticamente una interfaz oficial de Amazon ni garantiza acceso a todas las reseñas. Antes de seleccionar un endpoint, verifica proveedor, campos, mercados, requisitos de acceso, política de actualización, paginación y usos permitidos.

Para obtener información de mercado, la distinción más útil es entre listas de reseñas e información analítica de reseñas.

Intención de búsqueda y alcance

Quienes buscan una API de reseñas de Amazon suelen tener cuatro tareas:

1. Recuperar textos y valoraciones de un ASIN conocido.
2. Supervisar opiniones recientes de su propio producto.
3. Comparar quejas y características elogiadas entre competidores.
4. Alimentar un panel, modelo o agente interno con datos estructurados de reseñas.

Estas tareas requieren evidencia individual. El vendedor necesita saber no solo que «durabilidad» es un tema negativo, sino qué variante, fecha y productos comparables respaldan el patrón.

Por eso debe definirse la pregunta de investigación antes de la solicitud. «Obtener todas las reseñas» no es una decisión. «Encontrar quejas recurrentes de durabilidad en reseñas recientes de compra verificada de cinco ASIN con precios similares» es una tarea comprobable.

Listas de reseñas frente a información analítica

Un endpoint de lista de reseñas y uno de análisis resuelven problemas relacionados pero diferentes.

Las listas dan al equipo más control sobre la clasificación. Puedes crear una taxonomía específica de categoría y volver a la reseña subyacente cuando un hallazgo parezca importante.

Los análisis agregados se consumen más rápido. Por ejemplo, Customer Feedback API oficial de Amazon ofrece temas positivos y negativos, clasificación por menciones, impacto en estrellas y tendencias mensuales para usos compatibles. No equivale a solicitar una lista personalizable de reseñas individuales completas.

Campos de datos de reseñas

La calidad del proceso depende de más que el texto. Las decisiones útiles suelen requerir tres grupos: contenido, señales de confianza e interacción y contexto del producto.

El contenido de las reseñas, las señales de confianza y el contexto del producto responden a preguntas de investigación distintas.

Contenido básico de la reseña

Nexscope proporciona una API de lista de reseñas de Amazon que documenta campos como reviewId, title, text, rating, date y userName. Juntos responden a las preguntas básicas: ¿qué dijo el cliente, cómo puntuó el producto y cuándo publicó su opinión?

reviewId permite eliminar duplicados; title y text aportan evidencia; rating permite un muestreo equilibrado; y date permite comparar actualidad. userName puede distinguir registros, pero no debe convertirse en un perfil de identidad del cliente.

El texto debe permanecer asociado a su valoración y fecha durante el análisis. Separar una frase de su contexto puede invertir su significado. «Esperaba que la batería fallara, pero duró todo el fin de semana» no debe clasificarse como fallo de batería solo porque contiene «fallara».

Señales de confianza e interacción

Otros campos pueden ayudar a priorizar o segmentar reseñas sin afirmar que una reseña individual sea verdadera o falsa.

• verified indica si la respuesta identifica la reseña como compra verificada.
• vine identifica una reseña relacionada con Vine cuando existe esa señal.
• numberOfHelpful muestra la interacción visible de votos de utilidad.
• imageUrlList y videoUrlList indican si la reseña incluye medios.

Son señales de investigación, no puntuaciones de autenticidad. Una compra verificada puede reflejar una experiencia inusual. Una reseña útil puede ser más antigua y visible, sin ser más representativa de la calidad actual.

Un proceso sólido utiliza estos campos para segmentar. Por ejemplo, compara la frecuencia de una queja en todas las reseñas con su frecuencia en compras verificadas. Después examina si fotos o vídeos respaldan el problema. La conclusión debe proceder de un patrón entre registros, no de una insignia.

Contexto de producto y variante

Los hallazgos son más aplicables cuando se conectan al contexto correcto. Los campos documentados incluyen asin, productTitle, productRating, countRatings, countReviews, variationId, variationList, domainCode y locale.

Este contexto permite responder a preguntas que el texto por sí solo no resuelve:

• ¿La queja está asociada a un ASIN o a varios competidores?
• ¿El problema aparece solo en una talla, color o modelo concreto?
• ¿La reseña es del mercado estadounidense o de otra región?
• ¿Un producto con buena valoración global tiene un problema concentrado en una variante?
• ¿Una queja poco frecuente es suficientemente grave para exigir inspección manual?

El contexto de variante es especialmente importante. Las fichas pueden agrupar productos relacionados y un problema de una variante puede generalizarse incorrectamente a toda la familia. Conserva variationId y los campos de mercado siempre que existan.

Proceso de solicitud API

Una solicitud fiable comienza con un plan preciso. Decide ASIN, mercados, franjas de estrellas, periodos y segmentos de autores antes de llamar al endpoint.

La investigación de reseñas avanza desde un conjunto definido de ASIN, mediante filtros controlados, hasta decisiones respaldadas por evidencia.

Elegir un ASIN

Empieza con un ASIN conocido y confirma el título devuelto por la API. Esto evita que un identificador copiado o mal escrito contamine la investigación.

Para analizar competidores, crea un conjunto explícito de comparación. Incluye productos con el mismo uso principal y rangos razonablemente similares de precio, tamaño, público y madurez. Comparar un producto comercial prémium con uno básico de consumo puede producir diferencias obvias que no sean oportunidades útiles.

Registra función, franja de precio, uso y mercado de cada ASIN para no tratar todos los productos como referencias idénticas.

Seleccionar un mercado

La documentación de Reviews List API ofrece valores de domainCode para 15 mercados: com, ca, co.uk, in, de, fr, it, es, co.jp, com.au, com.br, nl, se, com.mx y ae.

El mercado afecta al idioma, surtido, usos, expectativas y estacionalidad. No mezcles reseñas de Estados Unidos, Alemania, Japón y Brasil en un recuento sin conservar domainCode y locale. Una queja puede deberse a tallas regionales, clima, voltaje, condiciones de entrega o instrucciones, no al producto principal.

Si el objetivo es expansión internacional, analiza primero cada mercado por separado. Compara tasas normalizadas de temas solo después de entender los patrones locales.

Establecer filtros de valoración

La solicitud admite cantidades separadas mediante star1Num, star2Num, star3Num, star4Num y star5Num. El valor predeterminado documentado es 10 por valoración y el máximo es 100 por campo.

Esta estructura permite muestreo equilibrado. En lugar de solicitar solo las reseñas más visibles, se puede reunir deliberadamente evidencia de todas las franjas de valoración.

Una muestra inicial práctica podría solicitar 25 reseñas de una estrella, 25 de dos, 40 de tres, 25 de cuatro y 25 de cinco. La muestra mayor de tres estrellas ayuda a captar matices y contrapartidas.

Es un ejemplo de diseño, no un mínimo universal. La muestra adecuada depende de reseñas disponibles, diversidad de categoría, riesgo de decisión y consistencia de los temas.

Añadir filtros de reseñas

El endpoint también documenta tres controles que pueden hacer más relevante la solicitud:

• filterByKeyword limita resultados con una cadena de palabras clave de hasta 1,000 caracteres.
• sortBy acepta recent o helpful, con recent como valor predeterminado documentado.
• reviewerType acepta all_reviews o avp_only_reviews, con all_reviews como valor predeterminado documentado.

Utiliza el filtro de palabras clave para investigar una hipótesis conocida, pero no como único método de descubrimiento. Los clientes pueden describir un problema de muchas formas.

Usa recent para investigar calidad actual y problemas emergentes. Usa helpful para reseñas destacadas y detalladas, recordando que las antiguas han tenido más tiempo para acumular votos. Usa avp_only_reviews como segmento específico y compáralo después con all_reviews, sin suponer que sea representativo automáticamente.

Leer la respuesta

El endpoint documentado utiliza una solicitud POST y autenticación bearer. La siguiente solicitud ilustra una muestra controlada para un ASIN estadounidense:

curl --request POST \
  --url 'https://claw-callback.nexscope.ai/api/skill-api/v1/skills/amazon-reviews-list/run' \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "asin": "B0XXXXXXXXX",
    "domainCode": "com",
    "star1Num": 25,
    "star2Num": 25,
    "star3Num": 40,
    "star4Num": 25,
    "star5Num": 25,
    "filterByKeyword": "",
    "sortBy": "recent",
    "reviewerType": "avp_only_reviews"
  }'

Sustituye el ASIN y la clave de ejemplo por tus propios valores. La documentación vigente de la API debe seguir siendo la fuente definitiva sobre estructura de solicitud, autenticación, campos actuales y ejemplos de respuesta.

Al leer una respuesta, valida el producto y el contexto de la solicitud antes de analizar las reseñas. Comprueba asin, productTitle, domainCode, locale, currentPage, sortStrategy, filters, statusCode y statusMessage cuando se devuelvan esos campos. Conserva paginación y metadatos del proveedor para que los usuarios posteriores entiendan cómo se construyó el conjunto de datos.

La misma capacidad se documenta con el método MCP nexscope_amazon_reviews_list. Puede servir cuando un agente necesita una llamada controlada a herramientas en lugar de código de solicitud propio. La lógica no cambia: definir la pregunta, limitar la muestra, inspeccionar el contexto y conservar evidencia.

Procesos de información de mercado

Una vez normalizados los registros, pueden apoyar varios procesos. El enfoque más seguro combina clasificación automática e inspección manual de ejemplos representativos.

Descubrir patrones de quejas

Empieza con una taxonomía específica de categoría. En un electrodoméstico de cocina podría incluir fugas, ruido, capacidad, limpieza, controles, materiales, sobrecalentamiento, instrucciones y embalaje. En ropa incluiría ajuste, tejido, precisión del color, comodidad, costuras, encogimiento y tallaje.

Asigna uno o varios temas a cada reseña, pero separa tres mediciones:

1. Frecuencia: ¿Con qué frecuencia aparece el problema en la muestra?
2. Gravedad: ¿Genera una molestia leve, fallo del producto, riesgo de devolución o un problema de seguridad?
3. Amplitud: ¿Aparece entre valoraciones, variantes, fechas y ASIN competidores?

Es más probable que un problema represente una oportunidad cuando aparece en varios productos comparables y los clientes describen una causa resoluble. Diez quejas de un lote defectuoso pueden ser un incidente operativo. La misma queja en cinco marcas puede indicar una necesidad de categoría no cubierta.

Para un marco más amplio de señales de público, función, garantías y experiencia, consulta la guía de Nexscope para analizar reseñas de Amazon para investigar productos.

Mapa de carencias de funciones

Las reseñas negativas revelan fricciones y las positivas el valor que no debe eliminarse. Utiliza ambas para crear una matriz de carencias:

La última columna sigue siendo una hipótesis. Las reseñas pueden mostrar que existe un problema, pero no demostrar que la solución propuesta sea técnicamente viable, rentable o preferida. Valida las ideas con evidencia de proveedores, costes, demanda de búsqueda y pruebas de clientes.

Puedes conectar esta etapa con un proceso más amplio de oportunidades de producto en Amazon para contrastar problemas de reseñas con la demanda en lugar de evaluarlos aisladamente.

Señales de variantes y segmentos

Agrupa temas por variationId, mercado, fecha, valoración, compra verificada y presencia de medios. Esto puede revelar patrones ocultos por las medias agregadas.

Algunos ejemplos son:

• Una queja de tallaje concentrada en un color o lote de fabricación.
• Daños de embalaje concentrados en un mercado.
• Una función elogiada por profesionales pero criticada por principiantes.
• Quejas recientes que no aparecen en reseñas antiguas.
• Un problema de durabilidad que aparece solo tras un uso prolongado.

No supongas que un segmento detectado sea causal. Una variante puede tener más quejas simplemente porque vende más. Las API no necesariamente aportan el denominador para calcular una tasa real de defectos o quejas. Trata los recuentos segmentados como señales para investigar.

Investigación de reseñas de competidores

La investigación competitiva funciona mejor como protocolo coherente, no como colección de citas memorables. Usa el mismo muestreo y taxonomía en cada ASIN.

Conjuntos de ASIN comparables

Elige entre tres y diez competidores directos para un estudio inicial. Registra precios, número de valoraciones, madurez del lanzamiento, estructura de variantes y público principal. Excluye productos que compartan una palabra clave pero resuelvan una tarea sustancialmente distinta.

Aplica después los mismos ajustes de mercado, franjas de valoración, actualidad y tipo de autor a cada ASIN. La coherencia facilita interpretar diferencias. Si un competidor se muestrea por reseñas útiles y otro por recientes, la comparación puede reflejar la ordenación, no la calidad.

Un estudio estructurado puede alimentar las etapas de posicionamiento, producto y ficha de un análisis de competidores de Amazon.

Muestreo por franjas de valoración

No compares competidores solo por recuentos brutos de quejas. Pueden tener cantidades muy diferentes de valoraciones y reseñas disponibles. Solicita la misma muestra por franja, informa del número realmente devuelto y compara la proporción de temas en la muestra analizada.

Por ejemplo:

«La confusión de montaje apareció en 18 de 120 reseñas analizadas del producto A y en 7 de 120 del producto B».

Esta afirmación es más transparente que «el producto A tiene un problema de montaje». Describe la evidencia sin fingir que la muestra representa a todos los compradores.

Las reseñas de tres estrellas suelen ser valiosas porque describen contrapartidas en lugar de satisfacción o fallo absolutos. Las de cuatro pueden revelar pequeños problemas que impiden recomendar siempre un buen producto. Las de cinco identifican el rendimiento base que debe conservar un nuevo producto.

Actualidad y verificación

Recoge muestras recientes y útiles por separado. Si un problema histórico desaparece en reseñas recientes, el vendedor podría haber mejorado el producto. Si aparece por primera vez recientemente, puede indicar un cambio de producción, embalaje o ficha.

Compara all_reviews con avp_only_reviews cuando se admitan ambos. Indica si la conclusión se mantiene en las dos muestras. Añade controles manuales para lenguaje especialmente fuerte, frases repetidas o contexto poco claro, pero no etiquetes una reseña como falsa sin evidencia fiable.

El resultado final debe incluir evidencia representativa, ajustes de muestra y excepciones. Quienes deciden necesitan ver por qué se clasificó un tema y dónde puede no aplicarse.

Diferencias con la API oficial de Amazon

Amazon tiene una Selling Partner API oficial para Customer Feedback, pero no debe describirse como un endpoint general para descargar todas las reseñas completas.

Las listas permiten análisis personalizados por registro, mientras la interfaz oficial de Amazon aporta temas y tendencias agregados.

Customer Feedback API

Según la documentación de Customer Feedback API, la interfaz oficial recupera análisis de reseñas y devoluciones. Los análisis de reseñas están disponibles por ASIN y nodo de navegación; los de devoluciones, por nodo de navegación.

Para un ASIN, Amazon documenta temas más positivos y negativos, ordenación por menciones o impacto en estrellas y tendencias mensuales. Su tutorial describe recuperar diez temas positivos y diez negativos y seis meses de tendencias del porcentaje de aparición.

Amazon indica que los datos de Customer Feedback API se actualizan semanalmente, están disponibles solo en inglés y admiten Estados Unidos, Reino Unido, Francia, Italia, Alemania, España y Japón. Las operaciones documentadas requieren un rol elegible como Brand Analytics o Selling Partner Insights y autorización del socio vendedor.

Reseñas originales frente a temas

El mejor endpoint depende de la tarea de investigación.

No es una clasificación de calidad. Las dos interfaces exponen capas distintas de opiniones. Un equipo puede usar registros individuales para análisis propio y datos oficiales agregados como fuente separada de validación cuando tenga acceso.

Acceso y alcance de mercados

No describas un endpoint de terceros como «la API oficial de reseñas de Amazon». Usa expresiones precisas como «una API de datos de reseñas de Amazon» e identifica al proveedor.

El número de mercados también necesita contexto. Un código compatible significa que el endpoint acepta esa selección; no demuestra que todas las reseñas, productos, categorías o registros históricos estén disponibles. Conserva el mercado devuelto en cada conjunto y documenta resultados incompletos.

Para producción, consulta la documentación vigente sobre autenticación, límites de frecuencia o uso, gestión de errores y definiciones actuales de campos. Estos detalles operativos pueden cambiar y no deben copiarse permanentemente en la lógica de la aplicación sin seguimiento.

Calidad y límites de datos

Las reseñas pueden mejorar decisiones, pero son evidencia observacional. Dependen de quién compra, quién opina, qué reseñas están disponibles y cómo se configuró la solicitud.

Declaración de actualidad

La documentación pública actual de Reviews List de Nexscope no afirma una garantía de tiempo real ni un intervalo fijo de actualización. Por tanto, una implementación responsable no debe afirmar que la respuesta es «en tiempo real», «completa» o «siempre actual».

Guarda la hora de la solicitud, las fechas de las reseñas devueltas, los filtros y el contexto de paginación. Si una decisión depende de un problema emergente, repite la solicitud y compara el resultado con el contexto visible del producto u otra fuente autorizada.

Los requisitos de actualidad deben seguir la decisión. La planificación mensual de productos puede tolerar un nivel de actualización diferente al seguimiento diario de calidad.

Cobertura y paginación

La cantidad solicitada no siempre es la disponible. Algunas franjas tienen menos reseñas y los filtros de palabras clave pueden producir muestras pequeñas. Una respuesta también puede estar paginada o incluir metadatos que afecten a su interpretación.

Cada informe de análisis debe declarar:

• ASIN y mercados solicitados.
• Fecha de solicitud y filtros.
• Cantidades solicitadas y devueltas por valoración.
• Método de paginación o muestreo.
• Campos ausentes o solicitudes fallidas.
• Método de clasificación y muestra de validación manual.

Sin esta información, un panel pulido puede generar más confianza de la que respaldan los datos.

Sesgos y duplicados de reseñas

Las reseñas no son una encuesta aleatoria de todos los compradores. Quienes tienen experiencias excepcionalmente positivas o negativas pueden estar más motivados para publicar. La ordenación por utilidad favorece reseñas con interacción acumulada. Las variantes y los cambios de fichas pueden mezclar opiniones de distintas versiones.

Elimina duplicados mediante identificadores estables cuando sea posible y comprueba textos casi idénticos sin borrar automáticamente reseñas legítimas. Separa frecuencia y gravedad. Conserva evidencia contradictoria: el desacuerdo puede indicar segmentos o usos distintos, no datos malos.

La clasificación por IA también requiere validación. Revisa una muestra de cada tema principal, examina falsos positivos y ajusta la taxonomía si las categorías se solapan. El objetivo es evidencia trazable, no una puntuación opaca de sentimiento.

Límites de cumplimiento

Usa datos de reseñas para investigación, seguimiento, desarrollo de productos y decisiones de contenido legales. Respeta condiciones del proveedor, políticas aplicables de Amazon, privacidad y restricciones contractuales de almacenamiento o redistribución.

No uses una API para fabricar reseñas, manipular valoraciones, acosar a autores u ofrecer incentivos prohibidos. Las preguntas y respuestas sobre la norma de reseñas y testimonios de consumidores de la Federal Trade Commission de Estados Unidos explican obligaciones sobre reseñas falsas, engañosas e incentivadas. Los requisitos pueden variar por mercado; busca asesoramiento adecuado para implementaciones de alto riesgo.

Crea un proceso de análisis de reseñas

Una API de reseñas de Amazon crea valor al incorporarse a un proceso disciplinado de evidencia:

1. Define una decisión y una pregunta de investigación refutable.
2. Selecciona ASIN comparables y analiza los mercados por separado.
3. Solicita muestras equilibradas por estrellas con filtros coherentes.
4. Conserva el contexto de reseña, confianza, producto, variante y solicitud.
5. Clasifica temas por frecuencia, gravedad, amplitud y actualidad.
6. Inspecciona reseñas representativas y evidencia contradictoria.
7. Compara hallazgos con demanda de búsqueda, economía del producto y otros datos autorizados.
8. Convierte patrones validados en hipótesis de producto, ficha o posicionamiento.

La API no sustituye el criterio. Sustituye la recopilación repetitiva y da al equipo un cuerpo de evidencia más coherente. El mejor resultado no es «los clientes odian esta función», sino un hallazgo matizado que indique qué clientes, productos, variantes, mercados, fechas y muestras respaldan la conclusión.

Cuando esa evidencia se conecta a un agente o proceso de investigación, los equipos pueden repetir el mismo protocolo en más ASIN sin perder los registros originales de cada análisis. Nexscope ofrece capacidades de datos de comercio electrónico mediante API, MCP y Skills para procesos de vendedores y desarrolladores.

Explora endpoints de productos, palabras clave, vendedores, ofertas, reseñas y mercados de Amazon en un solo catálogo API.

Preguntas frecuentes

¿Existe una API oficial de reseñas de Amazon?

Amazon ofrece Customer Feedback API oficial mediante SP-API. Proporciona análisis de reseñas y devoluciones, incluidos temas positivos y negativos, menciones, impacto en estrellas y tendencias. No está documentada como un endpoint general para recuperar todas las reseñas individuales completas. Las API de terceros deben identificarse por proveedor en lugar de describirse como oficiales de Amazon.

¿Una API de reseñas puede devolver el texto completo?

Algunos endpoints de listas devuelven el texto individual junto con título, valoración, fecha y señales del autor. Los campos exactos, cobertura, usos permitidos y disponibilidad dependen del proveedor y de la documentación vigente.

¿Qué campos de reseñas puede devolver una API?

Reviews List API de Nexscope documenta contenido, valoración y fecha, señales de compra verificada y Vine, votos útiles, URL de medios, contexto de valoración del producto, cantidades de reseñas y valoraciones, variantes, mercado, filtros, estado y metadatos de paginación.

¿Se pueden filtrar reseñas por valoración o compra verificada?

La solicitud documentada de Nexscope admite cantidades separadas de reseñas de una a cinco estrellas. También proporciona valores de reviewerType para todas las reseñas o solo compras verificadas, además de ordenación por recientes o útiles y filtrado por palabras clave.

¿Cuántos mercados de Amazon admite Nexscope?

La documentación pública actual enumera 15 códigos de dominio: Estados Unidos, Canadá, Reino Unido, India, Alemania, Francia, Italia, España, Japón, Australia, Brasil, Países Bajos, Suecia, México y Emiratos Árabes Unidos. Consulta la documentación vigente antes de implementar, porque las opciones pueden cambiar.

¿En qué difieren las API de listas y Customer Feedback?

Una API de listas puede aportar registros individuales para clasificación propia e inspección de evidencia. Customer Feedback API oficial aporta temas y tendencias agregados para tiendas compatibles y vendedores o proveedores autorizados. Ambas pueden apoyar distintas etapas del mismo proceso de investigación.

¿Las reseñas pueden apoyar la investigación de competidores?

Sí, siempre que se usen ASIN comparables, filtros coherentes, muestras equilibradas por valoración y límites transparentes. La evidencia puede revelar quejas recurrentes, funciones elogiadas, problemas de variantes y lenguaje del cliente. Debe validarse con demanda, economía y otras pruebas del producto antes de una decisión importante.

Fuentes

1. Amazon. Customer Feedback API. Consultado el 12 de agosto de 2026.
2. Amazon. Obtener análisis de opiniones de un ASIN. Consultado el 12 de agosto de 2026.
3. Nexscope. API de lista de reseñas de Amazon. Consultado el 12 de agosto de 2026.
4. Federal Trade Commission. Norma de reseñas y testimonios de consumidores: preguntas y respuestas. Consultado el 12 de agosto de 2026.