GEO: 11 técnicas para que la IA te cite
Generative Engine Optimization (optimización para motores generativos): once formas de que ChatGPT, Perplexity, Claude y Gemini te citen, desde pasajes autónomos y entidades con nombre hasta autoridad externa y una evaluación de citas gestionada como LLMOps.
Base
Secciones autónomas
La prueba de copiar y pegar
- Cuándo ayuda
- Las secciones empiezan con «como vimos antes» o solo tienen sentido después de la anterior, y posicionar en Google no se traduce en menciones en la IA.
- Qué hacer
- Pega una sección cualquiera en un documento en blanco. Si por sí sola no tiene sentido ni responde a una pregunta clara, reescríbela hasta que lo haga.
- Por qué funciona
- Los modelos trocean la página en pasajes y puntúan cada uno por separado; un pasaje que necesita a sus vecinos se omite o pierde frente a otro de un competidor que se sostiene solo. Posicionar en Google no sirve de indicador: una investigación de 2025 citada por KIME encontró que solo un 12 % de las citas de ChatGPT coinciden con una URL de la primera página de Google.
- Ejemplo
- Antes: «Como se ha visto arriba, esto abarata el segundo paso.» Después: «La caché de prompts abarata la segunda petición, porque el prompt de sistema repetido se lee de la caché en lugar de facturarse como entrada nueva.» Pegada sola, la frase sigue diciendo qué, cómo y por qué.
Base
Nombra la entidad, no «eso»
Sin pronombres en frases citables
- Cuándo ayuda
- Las frases con más probabilidad de ser citadas dicen «esto», «ella» o «nuestra plataforma» en lugar de nombrar de quién o de qué hablan.
- Qué hacer
- Reescribe cada frase citable con su sujeto explícito: «KIME rastrea nueve motores de IA», «David Gadyan construye agentes de IA», nunca «rastrea…» o «construimos…».
- Por qué funciona
- Los pasajes se extraen literalmente o casi; fuera de contexto un pronombre no tiene referente, así que la cita pierde su sujeto.
- Ejemplo
- Antes: «Se integra con la herramienta de gráficos y mantiene al trader en el plan.» Después: «El AI Trading Assistant se integra con la herramienta de gráficos del trader y lo mantiene en el plan.» Citada por sí sola, la segunda versión sigue nombrando el producto.
Base
Frases densas en datos
Cifra, fuente, fecha
- Cuándo ayuda
- Las afirmaciones suenan a «muchos clientes mejoran» o «una amplia trayectoria».
- Qué hacer
- Da a cada afirmación comprobable su cifra, su fuente y su fecha, en la misma frase: «más de 190 proyectos desde 2018», no «mucha experiencia».
- Por qué funciona
- Los modelos prefieren pasajes con cifras concretas, entidades con nombre, fechas y fuentes, y omiten la versión vaga de la misma idea.
- Ejemplo
- Antes: «El asistente responde rápido y a los clientes les encanta.» Después: «El asistente responde en menos de 2 segundos en el percentil 95 (prueba de carga del 10 de marzo de 2026, 500 usuarios simultáneos) y obtuvo un 4,7/5 en la encuesta de clientes de abril.» Cifra, fecha y fuente en la propia frase.
Base
Pruebas junto a la afirmación
Citas, estadísticas, declaraciones
- Cuándo ayuda
- Las estadísticas viven en una página «sobre nosotros» o en una nota al pie, lejos de la frase que respaldan.
- Qué hacer
- Coloca la estadística, su fuente y cualquier cita de un experto justo al lado de la afirmación que respaldan, como texto visible, para que el bloque de pruebas se extraiga junto con la afirmación.
- Por qué funciona
- En el estudio de GEO liderado por Princeton, añadir citas de fuentes, estadísticas y declaraciones fueron las tres modificaciones que más aumentaron la visibilidad en las respuestas de los motores generativos.
- Ejemplo
- Antes: «El contenido estructurado se cita más.» (fuente en el pie de página) Después: «Las páginas con tablas comparativas se citan 4,2 veces más que la prosa, según la guía de KIME de 2026, que recoge un análisis de 2025 sobre 10.000 citas de IA.» Afirmación, cifra, fuente y fecha en una sola frase.
- Efecto reportado
- +40 % de visibilidad con citas, +37 % con estadísticas, +30 % con declaraciones (estudio publicado)
Base
Términos constantes, repetidos con claridad
Un nombre por concepto
- Cuándo ayuda
- El mismo servicio recibe tres nombres distintos en el sitio, y el mensaje central aparece una sola vez, enterrado a mitad de página.
- Qué hacer
- Elige un término por concepto y úsalo en títulos, cuerpo, texto de los enlaces y schema; repite la idea central en palabras sencillas en más de una sección de la página.
- Por qué funciona
- Repetir la idea central en varias secciones aumenta la confianza de recuperación del modelo y reduce los resúmenes parciales o inexactos; los nombres constantes hacen explícitas las relaciones entre entidades.
- Ejemplo
- Elige «agente de IA» y mantenlo: en el H1 («Agentes de IA para equipos de operaciones»), en el cuerpo, en el texto de los enlaces («ver los casos de agentes de IA») y en el schema (about: «agentes de IA»). No «flujo agéntico», «asistente autónomo» y «copiloto» en la misma página.
Base
Contenido rastreable y renderizado en el servidor
robots.txt, HTML, llms.txt
- Cuándo ayuda
- El texto clave solo aparece tras un clic, una pestaña o un renderizado en JavaScript, o robots.txt bloquea a los rastreadores de IA que quieres.
- Qué hacer
- Permite en robots.txt a los rastreadores de IA que quieres, renderiza el texto importante en el HTML, comprueba que títulos, enlaces, tablas y schema se ven sin interacción, y publica un índice llms.txt de tus páginas clave (este sitio lo hace).
- Por qué funciona
- El contenido huérfano, duplicado u oculto tras JavaScript es menos fiable para la recuperación y la cita; el acceso de los rastreadores forma parte de la capa base de GEO, y sin él nada más funciona.
- Ejemplo
- robots.txt: User-agent: GPTBot, Allow: /, y lo mismo para ClaudeBot y PerplexityBot. Un llms.txt en la raíz del sitio con las páginas clave y una línea por cada una (en este sitio: /llms.txt). Las respuestas de las FAQ están en el HTML, no se cargan al hacer clic.
Base
Frescura visible
Publicado, actualizado, con fecha
- Cuándo ayuda
- Las páginas no llevan fecha, o un consejo de 2026 aparece bajo una fecha de 2023.
- Qué hacer
- Muestra las fechas de publicación y actualización, renueva los datos y la fecha a la vez cuando algo cambie, y mantén dateModified en el schema sincronizado.
- Por qué funciona
- La frescura forma parte de la capa base de GEO. Perplexity refleja los cambios antes porque consulta la web en directo; ChatGPT va más despacio, a través de instantáneas de entrenamiento y actualizaciones del índice.
- Ejemplo
- Encima del artículo: «Publicado el 21 abr. 2026 · Actualizado el 2 nov. 2026». Schema: datePublished 2026-04-21, dateModified 2026-11-02. Cuando cambia un precio o una cifra, las dos fechas cambian el mismo día.
Base
Una página canónica por tema
Hub + anclas descriptivas
- Cuándo ayuda
- Tres páginas responden a medias a la misma pregunta, y los enlaces internos dicen «leer más».
- Qué hacer
- Da a cada tema una página canónica, enlaza a ella las páginas de apoyo con un texto de ancla que nombre el tema, y agrupa las páginas relacionadas en clústeres alrededor de un hub.
- Por qué funciona
- Los modelos aprenden qué página es la fuente canónica de un concepto a partir del grafo de enlaces y de las anclas; las páginas duplicadas dividen la señal y hacen ambigua la cita.
- Ejemplo
- Hub: /materials/geo/ es la única página sobre GEO. Los artículos de apoyo enlazan a ella como «el mapa de técnicas de GEO», y el hub enlaza de vuelta a cada artículo por su tema. Una URL canónica, sin una segunda página de «SEO para IA» que diga lo mismo.
Amplificación
Presencia fuera del sitio
Directorios, listas, reseñas, medios
- Cuándo ayuda
- Tus páginas ya son extraíbles, pero los asistentes siguen nombrando a competidores cuando se les pregunta a quién contratar.
- Qué hacer
- Consigue aparecer en los directorios y listas «los mejores de» de tu categoría, reúne reseñas públicas (Upwork, Google) y gana menciones en los medios que los modelos ya citan.
- Por qué funciona
- La amplificación es la capa 2 de GEO: hace que la marca sea de confianza. Solo rinde cuando la capa 1 da al modelo un pasaje que extraer de tu propio sitio.
- Ejemplo
- Para un ingeniero de IA freelance: un perfil de Upwork con reseñas públicas, una ficha en un directorio de desarrolladores, un puesto en una lista de «mejores desarrolladores de IA en Barcelona», la página de una charla en una conferencia que nombre los mismos servicios. Cada una es una página de terceros que un modelo puede citar sobre la misma entidad.
Medición
Mide las citas como una evaluación
Prompts fijos, semanal, con versiones
- Cuándo ayuda
- Se reestructuraron las páginas, pero nadie sabe si ChatGPT, Perplexity o Gemini las citan ahora.
- Qué hacer
- Mantén un conjunto fijo de prompts de comprador, ejecútalo cada semana en cada motor y registra qué URL se cita, la cuota de voz y el sentimiento. Trátalo como un conjunto de evaluación de LLMOps: mismos prompts, contenido con versiones, regresiones anotadas.
- Por qué funciona
- La medición es la capa 3 de GEO; sin ella no se puede saber qué reestructuración funcionó. La mayoría de las páginas muestran un cambio medible en 30–45 días.
- Ejemplo
- Una hoja con veinte prompts («¿Quién puede construir un agente de IA para una mesa de trading?», «Ingeniero de IA Expert-Vetted en Barcelona»…), una fila por motor y semana: URL citada, posición, sentimiento. Una página reestructurada que sigue sin citarse a las seis semanas vuelve a la auditoría.
- Efecto reportado
- Cambio medible en 30–45 días (estimación)
Medición
Empieza por diez páginas
Una página al día
- Cuándo ayuda
- El sitio tiene 300 páginas y el plan es reescribirlas todas antes de medir nada.
- Qué hacer
- Elige las diez páginas de mayor valor estratégico (precios, comparativas, páginas de categoría, contenido de investigación inicial), reestructura una al día durante dos semanas con la auditoría de 7 pasos, mide y después amplía al siguiente nivel.
- Por qué funciona
- La mayoría de las páginas no necesitan reescritura, solo una auditoría: pregunta por H2, párrafo que responde primero, párrafos de una idea, tablas, pasos numerados, entidades con nombre, HTML válido.
- Ejemplo
- Semana 1: la página de precios, las dos páginas comparativas, los dos casos de estudio principales. Semana 2: la página de servicios, dos páginas de categoría, dos artículos de investigación. Una página al día con la auditoría de 7 pasos, medida desde el primer día.
- Efecto reportado
- 30–60 minutos por página (estimación)
Elige una técnica en el mapa para ver cuándo ayuda, qué hacer y por qué funciona.
Fuentes: KIME, «How to Structure Content for LLM Extraction: A GEO Guide for 2026» (abr. 2026) para el marco de tres capas, la ventana de 30–45 días y la cifra del 12 %; Victoria Olsina, «Content Structure for SEO and LLMs (2026)» (act. oct. 2026) para las cifras del estudio de GEO liderado por Princeton y la lista de 8 pasos. Gestionar la medición como una evaluación de LLMOps es práctica propia de David Gadyan.
¿Cómo clasifican el contenido los LLM?
Los grandes modelos de lenguaje citan algunos formatos mucho más que otros. Tasa de cita relativa por formato de contenido, según el análisis de 2025 sobre 10.000 citas de IA que recoge la guía de GEO de KIME de 2026; un párrafo de prosa sin estructura es la referencia de 1,0×.
| Formato de contenido | Tasa de cita relativa | Ideal para |
|---|---|---|
| Tabla | 4,2× | Comparativas de varios atributos, precios, matrices de funcionalidades |
| Párrafo que responde primero | 3,1× | Preguntas de definición y conceptuales |
| Lista numerada | 2,7× | Procesos paso a paso, recomendaciones ordenadas |
| Lista con viñetas | 1,8× | Enumeración de funcionalidades, opciones sin orden |
| Párrafo de prosa (sin estructura) | 1,0× referencia | Narrativa o enfoque editorial |
Fuente: KIME, «How to Structure Content for LLM Extraction: A GEO Guide for 2026» (abr. 2026), que recoge un análisis de patrones de cita de 2025. Los multiplicadores son relativos a la prosa sin estructura con los mismos datos.