Una situación que se repite en las primeras llamadas con clientes desde hace meses: "Hemos notado que nos llegan leads que dicen que nos encontró ChatGPT. No sabemos por qué, ni cómo hacer que pase más". La versión mala también existe: "ChatGPT recomienda siempre a nuestra competencia y a nosotros ni nos menciona".
Eso — conseguir que los sistemas de IA te citen y te recomienden — tiene nombre: GEO, Generative Engine Optimization. Y aunque comparte ADN con el SEO de toda la vida, juega con reglas propias que conviene entender antes de gastar un euro en ello.
El cambio de fondo: de rankear a ser citado
El SEO clásico compite por posiciones en una lista de enlaces. El GEO compite por algo más escaso: ser una de las 3–5 fuentes que un modelo cita al componer una respuesta.
La diferencia estructural es brutal. Una SERP de Google tiene 10 posiciones orgánicas por página y el usuario ve varias; una respuesta de ChatGPT o Perplexity cita un puñado de fuentes y el usuario no suele mirar más allá de la respuesta. El que está dentro, existe; el que no, no existe. No hay página 2.
Y el volumen ya justifica tomárselo en serio: una parte creciente de las búsquedas comerciales — especialmente las de ciclo B2B, "mejor X para Y", comparativas y precios — empiezan hoy en un asistente de IA, no en Google.
Cómo decide un LLM a quién citar
No hay un "algoritmo de ranking" público, pero la mecánica observable es bastante consistente. Cuando un sistema con búsqueda (ChatGPT Search, Perplexity, AI Overviews, Copilot) responde, hace tres cosas: busca, lee las páginas candidatas y extrae pasajes que respondan la pregunta. Tu trabajo en GEO es ganar en las tres fases:
Fase 1 — Que te encuentre: aquí manda el SEO clásico. Los buscadores de IA se apoyan en índices tradicionales (Bing para ChatGPT y Copilot, Google para AI Overviews, índice propio para Perplexity). Sin indexación y autoridad básicas, no hay partido. El GEO no sustituye al SEO: lo necesita.
Fase 2 — Que pueda leerte: y aquí empieza lo nuevo. ¿Tu robots.txt permite a GPTBot, ClaudeBot, PerplexityBot? ¿Tu contenido está renderizado en servidor o escondido detrás de JavaScript? ¿Cuántos tokens cuesta leer tu página? Un llms.txt bien hecho y versiones markdown de tus páginas reducen la fricción de lectura en un orden de magnitud.
Fase 3 — Que valga la pena citarte: los modelos citan pasajes que responden preguntas de forma completa y autocontenida. Aquí es donde el contenido manda.
Las tácticas que funcionan (y las que no)
Lo que vemos funcionar, ordenado por impacto:
Respuestas primero, contexto después. Cada página importante debería poder responder su pregunta principal en un párrafo extraíble: qué es, cuánto cuesta, cuánto se tarda, para quién es. Los bloques tipo TL;DR al principio del contenido no son una moda — son el pasaje que el modelo extrae. Escríbelos como si fueran a ser citados literalmente, porque lo serán.
Hechos con nombre y apellido. Los LLMs citan afirmaciones concretas y atribuibles: "un agente de soporte que redujo la resolución de tickets de 4 horas a 8 segundos" es citable; "soluciones innovadoras de IA" no. Cifras, fechas, casos, comparativas honestas con pros y contras.
FAQ con schema. Las preguntas frecuentes marcadas con FAQPage en JSON-LD le dan al modelo pares pregunta-respuesta listos para usar — literalmente el formato en el que él mismo trabaja.
Autoridad de entidad. Los modelos "saben" quién eres por las menciones consistentes de tu marca en fuentes que consideran fiables: directorios sectoriales, prensa, perfiles verificables, schema Organization coherente en todo el sitio. La incoherencia (nombres distintos, datos contradictorios entre tu web y tus perfiles) diluye la entidad.
Lo que no funciona: keyword stuffing reciclado del SEO de 2015, contenido generado en masa sin información propia (los modelos son sorprendentemente buenos ignorando contenido que no aporta nada que no sepan ya) y cualquier intento de manipular al modelo con texto oculto — que además envejece fatal cuando se descubre.
Cómo medirlo sin engañarte
El GEO tiene un problema honesto: la medición es inmadura. Lo que sí se puede hacer hoy:
- Logs de servidor: trackea las visitas de GPTBot, ClaudeBot, PerplexityBot, Google-Extended. Si no te crawlean, no existes para ellos. Es tu "indexación" agéntica.
- Test de menciones: pregunta periódicamente a ChatGPT, Perplexity y Gemini las queries comerciales que te importan ("mejor agencia de X en España", "cuánto cuesta Y") y registra si apareces, cómo te describen y a quién citan. Hazlo con método — mismas preguntas, intervalos regulares.
- Tráfico de referencia: ChatGPT, Perplexity y Copilot envían referrers identificables. Crea un segmento en tu analítica y míralo crecer (o no).
- Leads que lo confiesan: añade "¿cómo nos has conocido?" donde puedas. El dato cualitativo de "me lo recomendó ChatGPT" vale oro para justificar la inversión.
El siguiente nivel: de ser citado a ser usado
Todo lo anterior optimiza para que la IA hable de ti. La frontera siguiente es que la IA actúe contigo: agentes que no solo te recomiendan sino que reservan, presupuestan y compran en tu web directamente. Eso requiere la capa de acción — WebMCP — y es la diferencia entre estar en la respuesta y cerrar la venta dentro de ella.
Esa progresión completa — legible, citable, operable — es lo que llamamos web agéntica. El GEO es la mitad del viaje; si vas a hacerlo, plantéate hacer el viaje entero.
