GEO sin humo: de qué depende de verdad la visibilidad en la búsqueda con IA

Cada pocos meses llega un nuevo acrónimo que promete un atajo hacia las respuestas de la IA. GEO, AEO y LLMO describen la misma ambición: ser la fuente en la que se apoya un sistema de IA cuando responde a una pregunta sobre tu sector. La ambición es razonable. Buena parte de los consejos que la acompañan, no.

Este artículo separa lo que tiene evidencia pública detrás de lo que sigue siendo una conjetura. Está escrito para empresas que están decidiendo cuánta atención, y cuánto presupuesto, merece la visibilidad en la búsqueda con IA.

Lo que dice realmente Google

La propia documentación de Google sobre las funciones de IA en la Búsqueda, que abarca AI Overviews y AI Mode, es inusualmente directa. Afirma que no hay requisitos adicionales para aparecer en estas funciones ni hace falta ninguna optimización especial más allá de los fundamentos de SEO existentes. Para poder aparecer como enlace de apoyo, una página debe estar indexada y poder mostrarse en la Búsqueda con un fragmento.

Eso no hace irrelevante la búsqueda con IA. Significa que la base es la misma que siempre ha importado: páginas que se pueden rastrear, técnicamente sólidas y que responden a las preguntas con claridad y credibilidad. Quien venda una capa aparte de “posicionamiento en IA” para Google debería poder explicar por qué las propias directrices de Google están equivocadas.

Lo que muestra la investigación

El término GEO procede de un artículo académico de Aggarwal y otros autores, publicado en KDD 2024. Los autores crearon un benchmark de consultas, aplicaron distintas estrategias de reescritura al contenido de las fuentes y midieron cuánta visibilidad ganaba ese contenido en las respuestas generadas. Añadir citas a fuentes, citas textuales de autoridades relevantes y estadísticas concretas mejoró la visibilidad en su benchmark. El relleno tradicional de palabras clave apenas ayudó.

Hay dos matices importantes. Primero, el efecto variaba según el ámbito: una estrategia que funcionaba bien para un tipo de consulta apenas servía para otro. Segundo, un benchmark es un entorno controlado, no un buscador comercial en producción cuyos sistemas cambian continuamente. El artículo es una señal útil sobre lo que suelen favorecer los sistemas generativos, es decir, contenido específico, con fuentes y citable, no una receta con resultados previsibles.

Menciones de marca: una correlación que conviene entender

Varios proveedores de software SEO han publicado estudios que comparan qué marcas aparecen en las respuestas de IA con señales como los backlinks, el volumen de búsquedas de marca y las menciones de la marca en otras webs. Un hallazgo recurrente es que las marcas mencionadas ampliamente en la web tienden a ser más visibles en las respuestas de IA, en algunos estudios con más fuerza de la que predecirían solo los backlinks.

Son correlaciones de proveedores con intereses en el tema, que usan sus propios conjuntos de datos y métodos. No demuestran que las menciones causen visibilidad. Las empresas conocidas se mencionan más y también es más probable que tengan contenido, enlaces y demanda sólidos. La lectura práctica es modesta: que se hable de una empresa con precisión y a menudo en lugares creíbles es bueno para ella, y los sistemas de IA parecen reflejarlo.

llms.txt: inofensivo, opcional, sin demostrar

llms.txt es una convención propuesta para un archivo de texto plano que resume una web para los modelos de lenguaje. Crearlo cuesta poco, y publicamos uno en nuestra propia web como cortesía. No hemos visto evidencia pública de que influya en si una web se cita o con qué frecuencia, y los principales proveedores de búsqueda con IA no han documentado que lo utilicen. Trátalo como un extra ordenado, nunca como una palanca.

Lo demostrado frente a lo especulativo

Demostrado

Las páginas deben poder rastrearse, indexarse y mostrarse con fragmento para que las usen las funciones de IA de Google (documentación de Google)

Demostrado

Las citas a fuentes, las citas textuales y las estadísticas mejoraron la visibilidad en un benchmark GEO controlado, con efectos que varían según el ámbito (Aggarwal y otros, 2024)

Correlación

Las marcas muy mencionadas tienden a aparecer más en las respuestas de IA (estudios de proveedores, sin causalidad demostrada)

Especulativo

llms.txt, marcado especial “para IA” y contenido con forma de prompt como palancas de posicionamiento

Sin respaldo

Citas o posiciones garantizadas en cualquier sistema de IA

La rastreabilidad sigue decidiendo quién se tiene en cuenta

Los sistemas de IA solo pueden citar lo que sus rastreadores pueden leer. Parece obvio hasta que miras las webs inmersivas modernas, donde a veces el texto se renderiza dentro de un canvas, se carga solo tras una interacción o queda oculto tras scripts del lado del cliente. Para un rastreador, esas páginas pueden estar casi vacías.

También conviene revisar el robots.txt. Varios proveedores de IA distinguen ya entre los rastreadores que usan para entrenar modelos y los que usan para búsqueda y recuperación. OpenAI, por ejemplo, documenta user agents distintos para cada uno. Bloquear el entrenamiento y permitir los rastreadores de búsqueda es una decisión legítima, pero debe ser una decisión, no un accidente heredado de una regla general.

Lo que hacemos en la práctica

• Claridad de entidad: cada página importante dice con claridad quién es la empresa, qué hace, para quién y dónde, con frases que pueden citarse sin contexto.
• Contenido factual y citable: afirmaciones concretas, fuentes con nombre y cifras reales cuando existen; afirmaciones cualitativas cuando no.
• Experiencias rastreables: todo el texto vive en HTML renderizado en servidor, incluso cuando la página gira en torno al 3D o al movimiento. La capa visual realza el contenido; nunca lo contiene.
• Datos de marca coherentes: el mismo nombre, la misma descripción y los mismos datos de contacto en la página visible, en los datos estructurados y en los perfiles externos.
• Medición honesta: datos de Search Console, tráfico de referencia desde asistentes de IA cuando la analítica puede identificarlo y comprobaciones manuales periódicas de cómo se describe la empresa. Contamos lo que podemos ver y decimos lo que no.

Fuentes

• Google Search Central, “AI features and your website”: developers.google.com/search/docs/appearance/ai-features
• Aggarwal y otros, “GEO: Generative Engine Optimization” (KDD 2024): arxiv.org/abs/2311.09735
• Propuesta llms.txt: llmstxt.org
• OpenAI, “Overview of OpenAI crawlers”: platform.openai.com/docs/bots