Cada vez más gente le pregunta a la IA en lugar de buscar en Google. Si la IA no te nombra cuando alguien pregunta por lo tuyo, para ese cliente no existes. Aquí te explico cómo se consigue aparecer —se llama GEO— y te dejo el diccionario de los 40 conceptos que necesitas conocer.
Aparecer en ChatGPT se llama GEO (Generative Engine Optimization): consiste en trabajar tu contenido, tus datos y tu autoridad para que la IA te mencione y te cite cuando alguien pregunta por lo tuyo. El SEO te hacía clicar; el GEO te hace citar. No es suerte ni es pagar: son señales concretas que puedes trabajar y, sobre todo, medir.
No hay un botón mágico. La IA cita a quien se lo pone fácil. Estas son las cinco palancas que más mueven la aguja, en orden. Cada una enlaza al concepto del diccionario que la explica a fondo.
Que ChatGPT sepa quién eres, a qué te dedicas y por qué eres fiable. Nombre coherente en toda la web, schema y una página de autor de verdad.
Cómo funciona →La IA cita lo concreto. Añadir estadísticas, citas textuales y referencias a fuentes subió la visibilidad hasta un 30-40% relativo en el único estudio académico que lo ha medido (Aggarwal et al., KDD 2024 · arXiv:2311.09735).
Cómo funciona →Que hablen de ti fuera: Reddit, YouTube, reseñas, prensa. Si solo existes en tu web, para la IA eres una sola voz, y parte interesada. Cuando varias fuentes independientes coinciden, deja de ser tu afirmación y pasa a ser un hecho.
Cómo funciona →Los motores premian lo reciente. Actualizar y publicar cada 7-14 días le dice a la IA que sigues vivo y relevante.
Cómo funciona →Lo que no se mide no mejora. Mide tu Share of Answer, detecta tus huecos de cita y actúa. Luego comprueba que la cita llega. Ese bucle es todo.
Cómo funciona →De lo más básico a lo más avanzado, en cuatro niveles. Cada definición está pensada para entenderse a la primera —y para que la propia IA pueda citarla.
La IA que en vez de darte enlaces te escribe la respuesta, y por eso decide quién aparece y quién no.
La IA generativa es un tipo de inteligencia artificial que responde con un texto redactado en lugar de una lista de enlaces. En la práctica, cambia la búsqueda: la respuesta menciona pocas marcas, así que aparecer en ella —y no solo en Google— pasa a ser el objetivo de cualquier negocio.
Un LLM no sabe cosas: predice la siguiente palabra a partir de patrones. Por eso conversa tan bien, y por eso a veces se inventa cosas.
Un LLM (Large Language Model o modelo de lenguaje grande) es un modelo de inteligencia artificial entrenado con enormes cantidades de texto que genera sus respuestas prediciendo la siguiente palabra más probable. No "sabe" en el sentido humano: reconoce patrones del lenguaje. Es la tecnología que hay detrás de ChatGPT, Gemini o Claude. Entender que trabaja por probabilidad explica dos cosas: por qué conversa con tanta naturalidad y por qué a veces "alucina", es decir, rellena con información plausible pero falsa cuando no tiene el dato.
No hay "la IA": hay cuatro motores distintos que citan fuentes distintas. Ganar en uno no te da los otros.
Los principales buscadores de IA son cuatro y funcionan de forma distinta. ChatGPT (OpenAI) es el más utilizado y, al buscar en la web, se apoya en el índice de Bing; tiene un corte de entrenamiento, por lo que no conoce el contenido más reciente. Gemini (Google) está integrado en su propio buscador. Perplexity es un buscador de IA que cita sus fuentes en tiempo real, lo que lo convierte en la vía más rápida para ser citado (a veces en un día). Copilot (Microsoft) opera sobre Bing. Cada motor cita fuentes diferentes: entre ChatGPT y Perplexity solo coincide alrededor del 11% de los dominios citados. La conclusión práctica es que no basta con tener visibilidad en un motor; hay que trabajarlos por separado.
Google ya te responde con IA antes de los enlaces de siempre. Y su respuesta casi no coincide con la de ChatGPT, así que se trabaja aparte.
AI Overviews es el recuadro de respuesta generada por IA que Google muestra en la parte superior de sus resultados, por encima de los enlaces tradicionales. AI Mode es el modo conversacional de Google, donde el usuario pregunta y repregunta como en un chat. Ambos restan clics a los resultados orgánicos de siempre, porque muchos usuarios se quedan con la respuesta y no bajan a los enlaces. Además, su solape con lo que cita ChatGPT es bajo (en torno al 13,7% entre AI Overviews y AI Mode), de modo que estar en un motor no garantiza estar en el otro: cada superficie se optimiza por separado.
GEO es optimizar para que la IA te mencione y te cite en sus respuestas. El SEO te hace clicar; el GEO te hace citar.
El GEO (Generative Engine Optimization, u optimización para motores generativos) es la disciplina de optimizar la presencia de una marca o profesional para aparecer y ser citado en las respuestas de los buscadores de inteligencia artificial, como ChatGPT, Perplexity, Gemini o Google AI Mode. Se resume en una idea: el SEO busca que hagan clic en tu enlace; el GEO busca que la IA te cite dentro de su respuesta. Como en cada respuesta generada caben pocas marcas, estar presente en ella se convierte en el objetivo. El primer estudio empírico de GEO en España (76 empresas, más de 20 sectores y más de 2.280 prompts) analizó por qué la IA cita a unas fuentes y no a otras.
SEO es que hagan clic en tu enlace; GEO es que la IA te cite. No compiten: se complementan. Y no hace falta ser el número 1 de Google.
El SEO (Search Engine Optimization) busca posicionar tus enlaces en Google para que los usuarios hagan clic y visiten tu web. El GEO (Generative Engine Optimization) busca que los buscadores de IA te mencionen o te citen dentro de su respuesta. No son excluyentes: se complementan, y buena parte del trabajo de contenido sirve para ambos. Una diferencia clave: para que la IA te cite no necesitas ser el primer resultado de Google. Los sistemas de recuperación (RAG) seleccionan fuentes de posiciones intermedias —a menudo entre la 4 y la 20— en función de la calidad del pasaje para responder la pregunta, no solo del ranking. Eso abre la puerta a marcas que aún no lideran la búsqueda tradicional.
AEO es optimizar para motores de respuesta (snippets, voz, respuestas directas). GEO es su evolución para la IA generativa. Solapan tanto que casi son sinónimos.
El AEO (Answer Engine Optimization, u optimización para motores de respuesta) consiste en optimizar el contenido para aparecer en las respuestas directas: los fragmentos destacados (featured snippets), los asistentes de voz y otras respuestas sin lista de enlaces. El GEO es la evolución de esa misma idea aplicada a la IA generativa y los grandes modelos de lenguaje. Ambos se solapan mucho y a menudo se usan casi como sinónimos; el matiz es de origen: el AEO nace con las respuestas directas y los snippets, y el GEO con los LLM. Más que la sigla, lo que cuenta es el objetivo común: ser la respuesta que da el motor.
La IA responde y el usuario no visita ninguna web. Hay menos clics que repartir, así que aparecer en la respuesta vale más y hay que medir eso, no solo las visitas.
La búsqueda sin clic (o zero-click) ocurre cuando el usuario obtiene la respuesta directamente en el buscador o en el chat de IA y no visita ninguna web. Su consecuencia es doble: hay menos clics que repartir entre las páginas, y a la vez aparecer dentro de la respuesta —ser mencionado o citado— gana valor, porque es el lugar donde el usuario realmente ve la información. En la práctica, esto obliga a cambiar la forma de medir: seguir solo las visitas ya no basta; hay que medir la visibilidad dentro de las propias respuestas de la IA.
Ya nadie busca "abogado Madrid": la gente pregunta en frases largas y naturales. Optimizas por las preguntas reales de tu cliente, no por palabras sueltas.
Un prompt es la pregunta que un usuario le formula a un buscador de IA, escrita en lenguaje natural, con frases largas y conversacionales. En la búsqueda tradicional se optimizaba para keywords (palabras clave cortas como "fontanero Sevilla"); en la búsqueda con IA se optimiza para las preguntas reales que hace el cliente ("necesito un fontanero de confianza en Sevilla que pueda venir hoy"). Por eso se dice que el prompt es la nueva keyword. Medir la visibilidad en IA implica identificar esas preguntas: en nuestro sistema medimos alrededor de 90 prompts por cliente —las consultas que de verdad haría su cliente ideal— y comprobamos en cuántas aparece la marca.
Mención es que la IA te nombre; citación es que además te enlace con tu URL. La cita es más difícil y más valiosa, y son dos métricas distintas.
Una mención es cuando la IA nombra a una marca dentro del texto de su respuesta. Una citación va un paso más allá: además de nombrarla, la enlaza como fuente con su URL, de modo que el usuario puede hacer clic y visitarla. La citación con enlace es más difícil de conseguir —la IA debe confiar en la página lo suficiente para dirigir tráfico hacia ella— y, por eso, más valiosa. Son dos indicadores distintos: en el dashboard se miden por separado como menciones (Share of Answer) y citación con URL (Citation Rate), y cada uno se calcula y se mejora en el Nivel 3 del diccionario.
La fecha hasta la que un modelo "estudió" internet; lo posterior no lo sabe de memoria.
El corte de entrenamiento es la fecha hasta la que un modelo de lenguaje se entrenó con datos de internet. El contenido publicado después no forma parte de su conocimiento base, por lo que las webs nuevas tardan en aparecer en motores como ChatGPT (3-6 meses), salvo que el motor haga búsqueda en tiempo real, como Perplexity.
Antes de responder, el modelo busca documentos actuales y contesta apoyándose en ellos.
RAG (Retrieval-Augmented Generation) es la técnica por la que un modelo de IA, antes de responder, recupera documentos actuales de internet y genera la respuesta apoyándose en ellos. Le permite superar el corte de entrenamiento y citar fuentes recientes. Motores como Perplexity y Google AI Mode lo usan; por eso pueden mencionar una página pocos días después de su publicación.
Anclar la respuesta en fuentes reales en vez de solo en la memoria del modelo.
El grounding es la práctica por la que un motor de IA ancla su respuesta en fuentes reales y verificables en lugar de generarla solo desde la memoria del modelo. Reduce las alucinaciones (datos inventados) y hace la respuesta trazable. Las páginas concretas en las que se apoya se denominan grounding sources, y saber cuáles son indica dónde conviene publicar o conseguir menciones para que la IA te cite.
Los dominios y URLs concretas que la IA usa como fuente al responder.
Las fuentes citadas (Grounding Source Prominence, GSP) son los dominios y URLs concretas que un motor de IA utiliza como fuente al responder a una consulta. Analizarlas revela qué sitios de terceros influyen en las respuestas de un sector, lo que permite priorizar con precisión dónde publicar contenido o conseguir menciones para aumentar la probabilidad de ser citado.
Algo identificable —una persona, una empresa— con atributos, no texto suelto.
Una entidad es un objeto identificable de forma única —una persona, empresa, producto o lugar— con atributos y relaciones asociados, frente a una simple cadena de texto. Que un motor de IA reconozca a una marca o profesional como entidad le permite recomendarlo con confianza. Las páginas con 15 o más entidades reconocidas tienen 4,8× más probabilidad de ser seleccionadas. La entidad se consolida enlazando la identidad con `sameAs` hacia perfiles verificados (LinkedIn, Wikidata, etc.).
Experiencia, Pericia, Autoridad y Confianza: por qué la IA se fía de una fuente.
E-E-A-T (Experiencia, Pericia/Expertise, Autoridad y Confianza/Trust) es el marco por el que los motores de IA evalúan la fiabilidad de una fuente. Se demuestra con un autor de credenciales verificables, datos y estudios propios, y coherencia entre lo que la web afirma y lo que terceros dicen de ella. El 96% de las citas en los AI Overviews de Google proceden de fuentes con E-E-A-T fuerte, lo que lo convierte en un factor central de citabilidad.
Datos estructurados que le dicen a la IA qué es cada cosa de tu web.
El schema (datos estructurados, habitualmente en formato JSON-LD) es un código que se añade a una página para indicar de forma explícita qué representa cada elemento: una Organización, una Persona, un Servicio o una FAQPage. Ayuda a los motores de IA a interpretar el contenido sin ambigüedad. El caso de la FAQPage es el más claro: entrega al modelo la unidad que ya necesita —una pregunta y su respuesta, delimitadas—, en lugar de obligarle a extraerla de un texto corrido. Conviene ser preciso sobre lo que se sabe y lo que no: no existe ningún estudio público que cuantifique cuánto aumenta la citación por marcar una FAQPage. El «×3» que circula por el sector no tiene respaldo publicado, y quien lo repite no suele poder enseñar la fuente. El mecanismo (formato extraíble, entidades enlazadas con `@graph` para dar coherencia semántica al sitio) se sostiene por sí solo; el multiplicador, no.
Un archivo en la raíz de tu dominio con un índice curado de tu contenido para la IA.
llms.txt es un archivo de texto que se coloca en la raíz de un dominio (por ejemplo, `dominio.com/llms.txt`) para ofrecer a los modelos de IA un índice curado del contenido más relevante del sitio y cómo interpretarlo. Sigue la lógica del `robots.txt`, pero orientado a guiar, no a bloquear. Es un estándar emergente, aún de adopción parcial, sencillo de crear y sin coste, lo que lo convierte en una mejora de bajo riesgo.
La IA prioriza lo reciente; lo que no actualizas va perdiendo citas.
La frescura de contenido es la preferencia de los motores de IA por la información reciente. El mecanismo es directo: los motores con búsqueda en vivo —Perplexity, Google AI Mode— resuelven la consulta en el momento y eligen entre lo que encuentran, de modo que una página de hace dos años compite contra otra actualizada la semana pasada. Una web que se publica y se abandona va perdiendo presencia frente a competidores que sí mantienen su contenido. Un ciclo de revisión de 7 a 14 días es una práctica recomendada, no una cifra medida. La fecha de modificación (`dateModified`) debe corresponder a cambios reales del contenido para que la señal sea legítima.
Si solo existes en tu propia web, para la IA eres una sola voz, y parte interesada.
Las señales de consenso son las menciones y confirmaciones de una marca en plataformas de terceros —Reddit, YouTube, G2, Trustpilot, Wikipedia, foros— ajenas a su propio dominio. Los motores de IA las usan para contrastar lo que una marca dice de sí misma con lo que dicen los demás. La lógica es la de cualquiera que va a contratar a alguien: no se fía solo de su web, mira qué se dice fuera. Si una marca solo existe en su propio dominio, para el modelo es una sola voz, y parte interesada. Cuando varias fuentes independientes coinciden, la afirmación deja de pertenecer a la marca y pasa a ser un hecho contrastado del mundo: eso es lo que un motor puede citar sin arriesgarse. Ser citado exige, por tanto, existir de forma verificable más allá de la web propia. No hay ningún estudio público que cuantifique cuánto aumenta la citación por hacerlo; el mecanismo, en cambio, es directo y observable.
El porcentaje de respuestas de IA en las que aparece tu marca. Tu visibilidad de verdad.
El Share of Answer (SOA) es el porcentaje de respuestas de IA —sobre un conjunto fijo de prompts medidos— en las que aparece una marca. Mide la visibilidad real en buscadores generativos: cuántas veces la IA te incluye al responder a un cliente potencial. Ejemplo: aparecer en 9 de 90 prompts equivale a un SOA del 10%.
Un índice de 0 a 100 que mide no solo si la IA te menciona, sino en qué posición y con cuánta fuerza.
El LLM Visibility Index (LVI) es un índice de 0 a 100 que mide el reconocimiento de una marca en los buscadores de IA según la posición en que la mencionan (100 = primera mención). A diferencia del Share of Answer, que solo cuenta si apareces, el LVI valora en qué lugar y con cuánta fuerza te nombra la IA. Un LVI alto indica que el modelo te trata como fuente relevante; un LVI bajo con SOA alto significa que apareces, pero siempre en último lugar.
Tu cuota de menciones frente al total del nicho. Cuánto del espacio de conversación de la IA ocupas tú y cuánto tus competidores.
El Share of Mentions es la cuota de menciones de una marca sobre el total del nicho (la marca más sus competidores) dentro de las respuestas de IA. Mide cuánto del espacio de conversación ocupa cada actor: es la cuota de voz aplicada a los buscadores generativos. A diferencia del Share of Answer, es una métrica relativa: subir tu visibilidad no garantiza subir tu cuota si un competidor crece más rápido.
El porcentaje de prompts donde la IA te recomienda activamente, no solo te menciona. El paso de aparecer a ser la opción elegida.
El Share of Recommendation es el porcentaje de prompts en los que la IA recomienda activamente a una marca —con lenguaje de recomendación explícita— en lugar de solo mencionarla. Es el paso final de la visibilidad: pasar de aparecer a ser la opción que el modelo pone por delante. Una brecha grande entre menciones y recomendaciones señala el llamado Efecto Biblioteca: la IA te informa, pero no te propone.
El porcentaje de respuestas que incluyen tu URL como fuente citada. El KPI más difícil de mover, y el más valioso.
El Citation Rate es el porcentaje de respuestas de IA que incluyen la URL de un dominio como fuente citada. No debe confundirse con la mención, que solo nombra la marca sin enlazarla. Es el KPI más difícil de mover, porque los modelos citan fuentes de forma muy selectiva. Perplexity, al buscar en tiempo real, es la vía más rápida para ganar citación con URL; ChatGPT requiere meses de acumulación de autoridad.
Los dominios que la IA cita donde sale tu competencia y tú no. Tu lista de acción directa. Dinero sobre la mesa.
El Citation Gap es el conjunto de dominios que la IA cita como fuente donde aparece la competencia de una marca pero no la marca en cuestión. Funciona como lista de acción directa: señala exactamente dónde crear contenido o conseguir presencia para ganar esas citaciones. En el dashboard se muestra como la vista de Oportunidades, con los dominios, las URLs y los prompts que los disparan.
Tu presencia en las plataformas donde la IA contrasta opiniones: los sitios donde hablan de ti otros, no tú.
El Consensus Score mide la presencia de una marca en las plataformas donde la IA contrasta opiniones de terceros —Reddit, YouTube, G2, Trustpilot, Wikipedia y similares—. Son fuentes que el modelo trata como neutrales, a diferencia de la web de la propia marca, donde todo el mundo dice ser el mejor. El razonamiento del motor es el mismo que el de una persona que va a elegir restaurante: no se cree el cartel de la puerta, mira las reseñas. Conviene decirlo con claridad: no existe ningún estudio público que cuantifique el efecto de estar presente en esas plataformas, y el «×3» que circula por el sector no tiene respaldo. Lo que sí es comprobable, cliente a cliente, es qué fuentes cita realmente la IA en un sector determinado y en cuáles de ellas la marca no aparece.
Cómo te describe la IA cuando te menciona —positivo, neutral o negativo— y con qué palabras. Aparecer no basta: importa qué dice de ti.
El Sentiment de marca en IA analiza cómo describe la IA a una marca cuando la menciona: si el tono es positivo, neutral o negativo, y con qué palabras concretas. No basta con aparecer en las respuestas; importa si el modelo te presenta como "líder" o como "caro". Sirve para detectar riesgos reputacionales antes de que hagan daño y corregir el relato en su fuente. Es una métrica disponible con el motor propio de medición.
La nota técnica de tu web para ser citada por IA: robots, llms.txt, schema, contenido y autoridad. ¿Está tu casa lista para recibir a la IA?
El AI Readiness es la nota técnica que evalúa cómo de preparada está una web para ser citada por la IA, sobre cinco factores: robots.txt, llms.txt, schema (datos estructurados), calidad del contenido y autoridad. Si la web no está preparada técnicamente, ninguna estrategia de contenido rinde al máximo: es la base sobre la que se apoyan el resto de métricas de visibilidad en buscadores generativos.
La estimación de leads y euros que tu visibilidad en IA puede generar. Traduce aparecer en la respuesta a dinero en la cuenta.
El ROI de la visibilidad en IA estima los leads y los ingresos que la presencia de una marca en los buscadores generativos puede generar. Conviene desmontar un mito extendido: la afirmación de que el tráfico de ChatGPT convierte unas nueve veces mejor que el orgánico procede de un caso de estudio de un único sitio y no resiste el contraste. La evidencia publicada apunta a que el tráfico de IA convierte aproximadamente igual que la búsqueda orgánica: el estudio más riguroso, revisado por pares en Marketing Science sobre 973 sitios de comercio electrónico ([Kaiser & Schulze, 2026](https://pubsonline.informs.org/doi/10.1287/mksc.2025.0489)), encuentra que convierte un 13% peor, mientras que otros análisis lo sitúan hasta un 31% por encima. El argumento real de inversión no es la tasa de conversión, sino el crecimiento del canal: la búsqueda generativa representa hoy una fracción mínima del tráfico y crece a ritmos de tres dígitos, de modo que la visibilidad se construye antes de que el canal madure. Una estimación honesta parte de la conversión real del sitio y ofrece una horquilla, no una cifra cerrada.
Cuando la IA te menciona mucho como información pero casi no te recomienda como opción.
El Efecto Biblioteca describe a una marca que la IA menciona con frecuencia como información, pero que rara vez recomienda como opción de compra. Se mide como la diferencia entre visibilidad (menciones) y recomendación; una brecha amplia (por encima de ~20 puntos) indica autoridad sin conversión, y se corrige con contenido orientado a la decisión: casos, comparativas y lenguaje de recomendación.
Medir tu visibilidad en IA sin engañarte: fuera los prompts de marca, enseña el tamaño de muestra y da un intervalo, no un número solo.
La honestidad estadística en medición de visibilidad en IA consiste en tres correcciones: excluir los prompts de marca (preguntas por el propio nombre, que inflan artificialmente la presencia), mostrar siempre el tamaño de muestra (n) y reportar un intervalo de confianza —el de Wilson al 95%— en lugar de un porcentaje aislado. Ejemplo real: joseredondo.es obtuvo un Share of Answer honesto del 2,1% (intervalo del 1% al 4,6%) sobre 281 prompts neutrales, por debajo del cálculo naive sin depurar. El principio: un número incómodo pero verdadero vale más que uno alto y engañoso.
La IA no responde igual dos veces; por eso lanzo cada pregunta 2-3 veces y promedio, para pasar de estimación a métrica defendible.
El multi-run es la práctica de lanzar cada prompt de medición dos o tres veces y promediar los resultados, en lugar de medir una sola vez. Los modelos de lenguaje incorporan variabilidad por diseño: la misma pregunta puede producir respuestas distintas, así que una única medición captura un instante y no el comportamiento real. Promediar varias pasadas reduce ese ruido y convierte un porcentaje de estimación en una métrica defendible, a cambio de un coste de medición ligeramente mayor.
Ganar en un motor no significa ganar en todos; las fuentes que cita cada IA casi no coinciden, así que hay que optimizar motor por motor.
El solape entre motores mide cuánto coinciden las fuentes que cita un motor de IA con las que cita otro. Es bajo: solo el 11% de los dominios citados por ChatGPT aparecen también en Perplexity, y el solape entre los AI Overviews y el AI Mode de Google es del 13,7%. La implicación estratégica es que cada motor es una superficie independiente con su propia lógica de citación: una victoria en uno no se transfiere automáticamente al resto, por lo que la optimización debe hacerse motor por motor.
Aggarwal et al. (KDD 2024, arXiv:2311.09735) midieron qué hace que la IA te cite más: datos con cifra, fuentes autoritativas y citas de expertos, hasta +30-40% relativo.
Statistics, Cite y Quote son los tres métodos de escritura que más aumentan la citación en motores de IA según el único estudio académico que lo ha medido: Aggarwal et al., «GEO: Generative Engine Optimization», KDD 2024 ([arXiv:2311.09735](https://arxiv.org/abs/2311.09735)). Añadir estadísticas con cifra concreta, citas de fuentes autoritativas y citas textuales de expertos elevó la visibilidad hasta un 30-40% relativo en su banco de pruebas. En contraste, el keyword stuffing —repetir palabras clave— no mejoró la visibilidad. Es la única cifra de efectividad GEO que uso, y va siempre con su fuente: el resto de multiplicadores que circulan por el sector (el «×3» del schema, el del consenso, el de la frescura) no tienen ningún estudio detrás.
Hay formas de escribir que la IA extrae mucho mejor: definición, pregunta→respuesta, tabla, proceso, dato destacado.
Las estructuras citeables son formatos de contenido que los motores de IA extraen con más facilidad. Las cinco principales: el bloque de definición (25-50 palabras que empiezan por el término), el par pregunta→respuesta (la pregunta como titular y la respuesta directa debajo), la tabla comparativa con fila "mejor para", el proceso numerado y el dato destacado. El mecanismo es sencillo: un motor generativo cita fragmentos autocontenidos, los que puede copiar tal cual sin arrastrar contexto. Una respuesta enterrada en un párrafo largo obliga al modelo a reconstruirla, y muchas veces no lo hace. Lo relacionado sí está medido: añadir estadísticas, citas textuales y referencias a fuentes elevó la visibilidad hasta un 30-40% relativo en el estudio de Aggarwal et al. (KDD 2024, [arXiv:2311.09735](https://arxiv.org/abs/2311.09735)); el efecto del formato en sí no se ha cuantificado públicamente.
La IA no busca tu pregunta tal cual: la parte en varias subpreguntas, busca cada una por separado y junta la respuesta; por eso hay que cubrir también las derivadas.
El query fan-out es el mecanismo por el que un motor de IA descompone una consulta en varias subpreguntas, busca cada una por separado y sintetiza la respuesta final juntando los resultados. Por eso no basta con responder a la pregunta principal: hay que cubrir también sus derivadas (completitud semántica). La táctica recomendada son bloques de contenido autocontenidos de 134 a 167 palabras, cada uno con una respuesta completa a una subpregunta concreta, extraíble sin depender del resto de la página.
Cuando varias URLs tuyas compiten por la misma cita reparten la fuerza en vez de sumarla, y la IA no sabe a cuál dar prioridad.
La canibalización de contenido ocurre cuando varias URLs de un mismo sitio compiten por la misma cita en la IA y reparten la fuerza en lugar de sumarla, dejando al motor sin una señal clara de a cuál priorizar. Ejemplo real: en joseredondo.es, la consulta "¿qué sabes de joseredondo.es?" distribuía la citación entre seis URLs propias distintas. La solución es consolidar el contenido en una única página de referencia fuerte y hacer que las demás apunten a ella, en vez de mantener varias páginas débiles compitiendo entre sí.
La visibilidad en IA por ciudad o zona ("mejor X en [ciudad]"), donde suelen mandar los competidores locales y se mide con tu zona de servicio real.
El GEO local es la visibilidad de una marca en los motores de IA ante consultas con componente geográfico ("mejor X en [ciudad]"). En este terreno suelen dominar los competidores locales por encima de las marcas grandes, lo que abre oportunidad a negocios pequeños con radio de acción definido. Se mide sobre la zona de servicio real del cliente —no ubicaciones genéricas como Madrid o Barcelona—: se expanden los prompts por ciudades, se mide cada una y se detecta dónde la marca está débil para actuar con prioridad.
El sistema completo —medir dónde no apareces, actuar, probar que la cita llegó y traducirlo a euros— que convierte un panel de datos en una máquina de resultados.
El bucle cerrado o Autopilot es el sistema completo de visibilidad en IA en cuatro pasos: (1) MEDIR dónde la marca no aparece y en qué prompts pierde; (2) ACTUAR creando el contenido o consiguiendo la mención que falta; (3) PROBAR que la cita llegó, volviendo a consultar la IA para verificar que ahora sí cita a la marca; y (4) traducirlo a euros vía Google Analytics, midiendo el tráfico real que llega desde la IA. Es lo que convierte un panel de datos en una máquina de resultados: el paso de verificación de la cita es el que distingue el sistema de una simple recomendación de "crear contenido".
Lo que más me preguntan sobre aparecer en ChatGPT y en el resto de buscadores de IA.
Aparecer en ChatGPT no es cuestión de suerte ni de pagar. Se trabaja: haz que la IA sepa quién eres (una entidad clara, con schema y una página de autor sólida), dale datos que pueda citar (estadísticas y definiciones directas), consigue que otros hablen de ti (Reddit, YouTube, reseñas) y mantén tu contenido fresco. Eso es GEO. Y sobre todo: mídelo, porque lo que no se mide no se mejora.
GEO son las siglas de Generative Engine Optimization: optimización para motores generativos. Es la disciplina de trabajar tu contenido, tus datos y tu autoridad para que ChatGPT, Perplexity, Gemini o Google AI Mode te mencionen y te citen cuando alguien pregunta por lo tuyo. El SEO te hacía clicar; el GEO te hace citar.
No, aunque se apoyan. El SEO pelea por una posición en una lista de enlaces azules. El GEO pelea por estar dentro de la respuesta que da la IA, que es donde ahora se decide la partida. En una respuesta caben dos o tres nombres; si el tuyo no está, para ese cliente no existes. Un buen SEO ayuda al GEO, pero no basta.
Depende del motor. Perplexity busca en tiempo real y puede citarte en cuestión de días si tienes la página bien montada. ChatGPT, en cambio, arrastra su corte de entrenamiento y suele tardar meses en incorporarte de forma estable. Por eso la estrategia mezcla victorias rápidas (Perplexity, Google AI Mode) con el trabajo de fondo que acaba entrando en ChatGPT.
Sí, y deberías. La métrica base es el Share of Answer: el porcentaje de respuestas de IA, sobre un conjunto fijo de preguntas de tu cliente ideal, en las que apareces. Si sales en 9 de 90, tu SOA es 10%. Se ve semana a semana. Puedes empezar gratis con la auditoría: te dice si la IA ya te menciona y quién aparece en tu lugar.
Por señales concretas: que seas una entidad reconocible, que ofrezcas datos citeables, que tengas consenso externo (te mencionan en foros, vídeos, reseñas) y que tu contenido esté fresco. No me lo invento: lo saqué del primer estudio empírico de GEO en España —76 empresas, más de 20 sectores y más de 2.280 prompts— analizando por qué la IA cita a unas fuentes y no a otras.
La teoría está bien, pero lo que cuenta es tu caso. Analiza tu web gratis y te digo si ChatGPT, Perplexity o Google AI Mode ya te citan, y quién aparece en tu lugar.