Hemos asesorado a compañías de 2M a 15M€ de facturación que tenían webs técnicamente sólidas, buenos contenidos y autoridad de dominio razonable. Y, sin embargo, cuando preguntabas a ChatGPT, Gemini o Perplexity por su categoría, no aparecían. Es lo que llamamos internamente el «problema del muro de cristal»: tu información está ahí, pero las IAs no la reciben en un formato que puedan procesar con confianza.

Los motores de búsqueda clásicos rastrean e indexan el HTML de tu web sistemáticamente. Los LLMs funcionan de otra forma. Un modelo como GPT-5 o Gemini 2.5 no «lee» tu web entera: recupera fragmentos bajo demanda, en tiempo real, y los procesa según lo fácilmente interpretable que sea su contenido. Si tu web depende mucho de JavaScript, tiene navegación compleja o datos enterrados en PDFs, esos fragmentos pueden no llegar.

Una revisión sistemática de 63 estudios publicada en Applied Sciences (diciembre 2025) confirma que más del 80% de las implementaciones RAG empresariales dependen de frameworks estándar de recuperación como FAISS o Elasticsearch, y que uno de los principales cuellos de botella sigue siendo la calidad y accesibilidad de los datos de origen. No es el modelo lo que suele fallar. Es la capa de datos que lo alimenta.

Fragmento clave: Los LLMs no indexan tu web como un buscador clásico. Recuperan fragmentos bajo demanda y solo procesan lo que es directamente interpretable. Si tus datos no están formateados para ellos, la probabilidad de que tu empresa aparezca en respuestas generadas por IA se reduce significativamente.

¿Qué significa «first-party data para LLMs» en la práctica?

Cuando hablo de first-party data para LLMs no me refiero a compartir tu CRM con OpenAI. Me refiero a construir una capa de datos que tú controlas, en formatos que los modelos de lenguaje pueden consumir de forma fiable, y que actualizas tú —no un crawler—.

Esto incluye cuatro mecanismos que ya están operativos o en fase de adopción acelerada:

Mi lectura: estamos ante un cambio parecido al que supuso el sitemap.xml para el SEO clásico. Quien construya esta capa con criterio y antes que su competencia tendrá una ventaja difícil de replicar, porque no es solo tecnología: son datos propios, actualizados y verificables. Y eso lleva tiempo.

Traducción a GEO: Para una empresa B2B de servicios, implementar schema Organization + Person + sameAs en sus plataformas principales y añadir llms.txt a la raíz de su web puede mover la aguja en visibilidad ante LLMs con un esfuerzo razonable. No es un megaproyecto, pero sí requiere criterio sobre qué datos exponer y cómo estructurarlos.

¿Cómo funciona llms.txt y merece la pena implementarlo ya?

El estándar llms.txt fue propuesto por Jeremy Howard (cofundador de Answer.AI) en septiembre de 2024. La idea es directa: un archivo Markdown en la raíz de tu web (/llms.txt) que ofrece a los LLMs un mapa curado de tu contenido más relevante, con contexto de interpretación.

A diferencia de un sitemap.xml —que lista todas las URLs para crawlers—, llms.txt selecciona lo importante y lo presenta en un formato que un modelo de lenguaje puede procesar directamente, sin tener que parsear HTML complejo, sidebars, banners de cookies o JavaScript dinámico.

Según datos de BuiltWith (octubre 2025), más de 844.000 sitios web ya lo han implementado. Empresas como Anthropic, Cloudflare, Stripe y Vercel lo usan en su documentación. LangChain realizó benchmarks internos comparando cuatro formas de dar acceso a documentación a agentes de código, y la versión optimizada con llms.txt superó al resto con claridad.

Ahora, un matiz necesario. Un estudio de SE Ranking sobre 300.000 dominios (noviembre 2025) no encontró correlación estadística entre tener llms.txt y ser citado más por LLMs. Y ningún proveedor de IA mayor ha confirmado oficialmente que usa este archivo en sus pipelines de inferencia. Esto no invalida el estándar; lo contextualiza. Estamos en una fase de adopción temprana, similar a la del sitemap.xml antes de que Google lo adoptara formalmente.

Mi posición: implementar llms.txt cuesta menos de una hora y tiene un upside asimétrico. Si mañana un LLM empieza a buscar este archivo, tú ya lo tienes. Si no lo busca, no has perdido nada relevante. Es el tipo de apuesta que un CEO debería aprobar sin pensarlo mucho.

Fragmento clave: llms.txt es un archivo Markdown en tu raíz web que ofrece a los modelos de lenguaje un mapa curado de tu contenido más relevante. Más de 844.000 webs ya lo tienen. Hoy no hay evidencia de impacto directo en citaciones, pero el coste de implementarlo es tan bajo que la relación riesgo-beneficio es claramente favorable.

Si vendes productos: feeds dinámicos para ChatGPT y Google

Esta sección es especialmente relevante si tienes e-commerce, marketplace o vendes productos físicos/digitales online. Si tu modelo es puramente B2B/servicios, puedes saltar a la siguiente sección.

OpenAI ya tiene una especificación de product feed operativa que permite a los comerciantes enviar datos estructurados directamente a ChatGPT: títulos, precios, stock, imágenes, variantes, logística, valoraciones. La documentación está pública en developers.openai.com/commerce/specs/feed.

Esto ya funciona. ChatGPT lanzó su asistente de compras en noviembre de 2025, y desde septiembre permite Instant Checkout con Shopify, Etsy y Stripe a través del Agentic Commerce Protocol (ACP). El modelo no rastrea tu tienda: tú le envías un feed vía HTTPS, y puedes actualizarlo cada 15 minutos para mantener precios e inventario en tiempo real. No es vaporware.

Un dato que me parece relevante: según OpenAI, el modelo especializado de GPT-5 mini para consultas de compra alcanza un 52% de precisión en búsquedas con múltiples restricciones, frente al 37% de ChatGPT Search estándar. La diferencia la hacen, en buena medida, los datos estructurados que recibe del feed. Cuanto más completa y precisa es la información, mejor responde.

Google va en la misma dirección. Su Universal Commerce Protocol (UCP) funciona a través del Google Merchant Center existente y está diseñado para que los productos puedan aparecer con opción de compra directa en Google AI Mode y Gemini. Si ya tienes Merchant Center, preparar tu feed para estas superficies de IA es una extensión natural de lo que ya haces.

Patrón operativo que observamos en Elevam: entre los clientes de e-commerce con los que trabajamos, los que mantienen feeds de producto limpios, actualizados y con schema Product + Offer + AggregateRating consistente entre su web y sus plataformas de venta tienden a recibir un tratamiento sensiblemente mejor por parte de los LLMs en consultas transaccionales. Los que tienen feeds desactualizados o inconsistentes simplemente no aparecen en esas respuestas. No tenemos un experimento controlado para afirmar causalidad, pero el patrón es lo suficientemente claro y repetido como para tomarlo en serio.

Para todas las empresas: desambiguación de entidad, el problema que nadie ve

Esto aplica tanto a B2B como a e-commerce, servicios, SaaS o cualquier empresa que quiera que la IA la identifique correctamente.

Puedes tener el mejor producto, el mejor contenido y la mejor web del sector. Pero si la IA no tiene señales claras de quién eres como entidad, tiende a no citarte. No por mala voluntad, sino por prudencia: los modelos evitan afirmar cosas de las que no están seguros.

La desambiguación de entidad es el proceso por el que un LLM decide a qué «cosa» del mundo real se refiere un nombre. Cuando alguien pregunta a ChatGPT por «Apollo», el modelo decide si habla del programa espacial, del dios griego o de la plataforma de ventas. Lo resuelve por probabilidad, con las señales disponibles.

Gartner ha estimado que el volumen de búsqueda tradicional podría caer en torno a un 25% en 2026 a medida que los compradores —especialmente en B2B— migren hacia asistentes de IA. Si esa estimación se acerca a la realidad, las marcas que no estén claramente identificadas como entidades en los Knowledge Graphs van a perder visibilidad progresivamente, por muy bien que rankeen en SEO clásico.

Lo que necesitas para que la IA te identifique sin ambigüedad:

• Schema Organization con tantas propiedades recomendadas como apliquen a tu caso: founder, slogan, areaServed, numberOfEmployees, foundingDate. Google no establece un mínimo obligatorio, pero su documentación recomienda ser lo más completo posible dentro de lo que sea real y verificable.
• La propiedad sameAs apuntando a LinkedIn, Crunchbase, Wikipedia (si tienes artículo), perfiles sociales verificados. Cada URL en sameAs actúa como una señal de confirmación de identidad para el Knowledge Graph.
• Consistencia léxica: el mismo nombre de marca, dirección y descripción corporativa en todas las plataformas. Si en tu web pone «Elevam», en LinkedIn «Elevam Digital» y en Crunchbase «Elevam S.L.», la IA puede tratarlos como entidades distintas. Parece un detalle menor, pero fractura la señal.
• Knowledge Panel verificado en Google, con una descripción alineada con tu posicionamiento real.

Como apunta Gianluca Fiorelli en su análisis de las actualizaciones de Google Search Console de 2025: Google está utilizando activamente su Knowledge Graph para mapear perfiles sociales a una única entidad corporativa. Si Search Console detecta automáticamente tus canales sociales, es una señal de que Google ha desambiguado tu marca con éxito. Eso es verificable y accionable.

Fragmento clave: La desambiguación de entidad condiciona si un LLM te cita o te omite. Para resolverla necesitas schema Organization completo, sameAs en múltiples plataformas, consistencia léxica total y un Knowledge Panel verificado. Sin estas señales, tu marca es una URL entre muchas, no una entidad reconocida.

Si tienes sistemas internos complejos: qué es MCP y cuándo tiene sentido

Esta sección es relevante si tu empresa tiene bases de datos internas, APIs propias o procesos operativos que podrían beneficiarse de que un agente de IA acceda a ellos. Si tu caso es más sencillo, pasa directamente al orden de implementación.

El Model Context Protocol (MCP) fue lanzado por Anthropic en noviembre de 2024 como estándar abierto, y en diciembre de 2025 fue donado a la Agentic AI Foundation bajo la Linux Foundation, con el respaldo de OpenAI, Block y otras compañías. Según Gartner, se espera que el 75% de los proveedores de gateway tengan capacidades MCP en 2026.

El protocolo permite que un agente de IA se conecte de forma estandarizada a tus sistemas: bases de datos, APIs, herramientas de negocio. A diferencia de RAG —que es esencialmente unidireccional: recupera datos para alimentar al modelo—, MCP es bidireccional. El agente puede consultar inventario, actualizar estados de pedido, leer tickets de soporte o asignar prioridades. Esto cambia la naturaleza de lo que puede hacer un agente en un contexto empresarial.

Pero la adopción no es trivial. En la RSA Conference 2026 se presentaron múltiples sesiones sobre riesgos de seguridad de MCP: sobrepermisos, inyección de prompts a través de herramientas, fuga de datos por controles de acceso débiles. Hay valor real, pero también riesgo real si no se gobierna bien.

Mi lectura estratégica: MCP no es para todas las empresas hoy. Si facturas 2M€ y tienes un equipo técnico pequeño, tu prioridad es schema + llms.txt + feeds de producto. Pero si estás en el rango 10M–20M€ con sistemas internos distribuidos, deberías estar evaluando MCP ahora —no necesariamente implementando, pero sí entendiendo qué datos internos podría necesitar un agente de IA y con qué gobernanza—. La ventaja competitiva no está solo en tener agentes de IA; está en que operen con tus datos, en tiempo real, con control real.

Traducción a GEO: Dentro del Protocolo HSA que aplicamos en Elevam, la evaluación de madurez de datos para IA es uno de los primeros puntos de diagnóstico. Antes de decidir qué protocolo implementar, necesitas saber qué datos tienes, en qué estado están y cuáles son estratégicos para la IA.

¿Cuál es el orden correcto de implementación?

Esto es lo que recomendamos a los clientes que asesoramos en GEO, ordenado por impacto y esfuerzo. No es una receta universal, pero funciona como punto de partida razonable para la mayoría de empresas del rango 1M–20M€:

Dentro de la metodología CREF© de Elevam, esta secuencia encaja en el pilar de Contenido (datos como contenido estructurado para IA) y en el pilar de Reputación/Entidad (señales de desambiguación como activo de autoridad). No son acciones sueltas: forman parte de un sistema.

Conclusión estratégica

Lo que está ocurriendo con los datos propios y la IA tiene un parecido razonable con lo que pasó con el mobile en 2012. Todo el mundo sabía que venía, pero la mayoría esperaba a que «se estabilizara» para moverse. Los que se anticiparon no solo ganaron tráfico: construyeron una ventaja estructural que otros tardaron años en cerrar. No digo que la analogía sea exacta, pero la dinámica es parecida: herramientas disponibles, estándares en formación y adopción masiva que aún no ha ocurrido.

La pregunta para un CEO o CMO no es si esto va a importar. Es cuánto tiempo quiere darle de ventaja a su competencia. Cada trimestre sin schema completo, sin llms.txt, sin feeds estructurados, sin una entidad limpia en los Knowledge Graphs, es un trimestre en el que los LLMs aprenden a trabajar con los datos de otros. Y es más fácil ser el primero en la memoria de una IA que desplazar al que ya está ahí.

Fragmento clave: La capa de first-party data para LLMs no es un proyecto técnico puntual. Es una infraestructura estratégica que influye directamente en si la IA te incluye en sus respuestas o te omite. Las empresas que la construyan con criterio antes de que sea obvio para todos tendrán una ventaja difícil de cerrar.

Siguiente lectura

Si quieres entender cómo medir tu visibilidad actual ante las IAs y qué datos propios tienen más impacto, empieza por revisar el Glosario GEO de Elevam para alinear terminología, y consulta nuestro enfoque en el hub de IA y GEO. Si necesitas una valoración concreta del estado de tus datos y tu entidad frente a la IA, el Protocolo HSA es el punto de partida.

La explicación más sólida la ofrece el paper Why Language Models Hallucinate de Kalai, Nachum, Vempala y Zhang (OpenAI/Georgia Tech, septiembre 2025): los modelos de lenguaje funcionan como estudiantes frente a un examen que penaliza dejar respuestas en blanco. Cuando no saben, adivinan. Y los sistemas de evaluación actuales —los benchmarks que determinan qué modelo es “mejor”— recompensan esa conjetura por encima de la honestidad.

Esto no parece que vaya a resolverse pronto. Una demostración matemática incluida en el mismo paper y reforzada por trabajos teóricos posteriores (Kalavasis et al., 2025; Kleinberg y Mullainathan, 2024) sugiere que, bajo las arquitecturas LLM actuales, existe un trade-off estructural: cualquier modelo que generalice más allá de sus datos de entrenamiento producirá inevitablemente salidas inválidas o sufrirá colapso de modo. Es decir: el modelo genera la respuesta estadísticamente más probable, no necesariamente la verdadera.

Un estudio de MIT (enero 2025) añade un matiz especialmente relevante para quien gestiona una marca: cuando un modelo alucina, tiende a usar lenguaje más asertivo que cuando acierta. Los modelos resultaban un 34% más propensos a emplear expresiones de alta confianza al generar información incorrecta. Cuanto más se equivoca el modelo, más seguro suena. Y eso es exactamente lo que hace peligrosa una alucinación sobre tu marca: no llega envuelta en dudas, llega con la convicción de un hecho.

Si tu estrategia de visibilidad en IA asume que los modelos “saben” lo que eres, tienes un problema. Tu marca necesita una huella digital lo bastante robusta como para que el modelo no tenga que adivinar. Eso es parte de lo que aborda la capa de Reputación dentro del framework CREF©.

De-biasing de marca: qué es y qué no es

En el contexto académico, de-biasing se refiere a un conjunto de técnicas para reducir sesgos y alucinaciones en modelos de lenguaje. Un review publicado en Artificial Intelligence Review (Springer, 2024) categoriza estas técnicas en métodos basados en datos, ajuste fino, RLHF y control de generación.

Pero cuando hablamos de de-biasing aplicado a marca —lo que aquí llamamos “limpieza de alucinaciones”— nos referimos a algo diferente: monitorizar qué dicen los LLMs sobre tu empresa, detectar errores factuales (alucinaciones) y sesgos (información desactualizada, atribuciones incorrectas, competidores mal comparados), y corregirlos a través de una estrategia coordinada de contenido, datos estructurados y presencia en fuentes que los modelos rastrean.

Tú no puedes reentrenar GPT-5. Pero sí puedes influir en lo que el modelo lee, cita y prioriza cuando responde sobre tu sector. Si controlas las fuentes que alimentan al modelo, reduces la probabilidad de que invente. No es una garantía —los modelos siguen teniendo sus propias dinámicas—, pero es la palanca más directa que tienes. Para entender las distinciones entre alucinación factual, sesgo y otros conceptos relacionados, el Glosario GEO de Elevam los desarrolla con detalle.

El de-biasing de marca no es reentrenar un modelo. Es construir una huella digital tan clara, estructurada y verificable que el LLM no necesite inventar cuando un usuario pregunta por ti.

¿Cuánto alucinan los modelos? Dimensionando el riesgo

Las cifras dependen del modelo, la tarea y el benchmark. Pero hay patrones que ayudan a dimensionar de qué estamos hablando.

El leaderboard de Vectara (HHEM 2.3, diciembre 2025) mide con qué frecuencia un LLM introduce información falsa al resumir un documento que se le ha proporcionado explícitamente. En esa tarea controlada, los mejores modelos se sitúan en torno al 0,7% (Gemini 2.0 Flash), la media ronda el 2-5%, y los peores superan el 25%.

Pero esas son tareas de resumen con documento fuente delante. Cuando el modelo responde a preguntas abiertas sin documento de referencia —como cuando un usuario pregunta “¿qué opinas de [tu marca]?”— las tasas cambian radicalmente. El benchmark SimpleQA de OpenAI muestra que algunos modelos alcanzan tasas de error del 75% con apenas un 1% de abstenciones. Casi nunca dicen “no sé”.

Hay además un dato contraintuitivo sobre los modelos de razonamiento. Los modelos optimizados para cadenas de pensamiento (o3 y o4-mini de OpenAI) alucinan más en preguntas factuales concretas: o3 alcanzó un 33% en PersonQA, el doble que su predecesor o1. Optimizar para razonamiento complejo parece empujar al modelo a rellenar huecos factuales con conjeturas plausibles en vez de abstenerse.

Para un CEO preocupado por cómo su marca aparece en respuestas de IA, esto tiene una implicación incómoda: que el modelo sea más sofisticado no significa que sea más preciso cuando habla de ti. Si tu información no está en sus fuentes, la sofisticación lo hará mejor inventando, no mejor absteniéndose.

Cómo se traduce una alucinación en un problema de negocio

Las cifras macro sobre pérdidas por alucinaciones de IA son vistosas, pero demasiado grandes para ser útiles. Lo que importa es entender los mecanismos por los que una alucinación afecta a tu operación.

El competidor fantasma. Un LLM recomienda tu producto pero añade un competidor que no existe o que ya no opera. El usuario compara, no encuentra al competidor y pierde confianza en toda la respuesta. Incluida tu mención.

La feature inventada. Alguien pregunta “¿[tu marca] tiene integración con Salesforce?”. El modelo dice que sí. No la tienes. El lead llega con una expectativa imposible. El daño no es solo la oportunidad perdida: es que alguien concluye que tu marca promete lo que no cumple.

El precio mal atribuido. El LLM indica que tu servicio cuesta 500€/mes cuando en realidad empieza en 2.000€. Atraes leads descualificados. Tu equipo comercial filtra más. Tu CAC sube y nadie identifica la causa.

Estos no son escenarios teóricos. En clientes con los que hemos trabajado, el síntoma suele ser el mismo antes de que nadie mire lo que dicen los LLMs: leads que llegan con expectativas extrañas, objeciones que no encajan con la oferta real, comparativas contra competidores que no son los habituales. Cuando se rastrea el origen, la fuente es muchas veces una respuesta generativa. Pero como nadie monitoriza esas respuestas, el problema permanece invisible.

Una alucinación sobre tu marca en un LLM no se queda en el LLM. Se convierte en la expectativa del lead, la objeción del comercial y una oportunidad perdida que nunca sabrás atribuir.

¿Cómo se corrige? Cuatro capas

No hay bala de plata. Lo que sí hay es un enfoque por capas que la investigación reciente y la práctica van validando:

Monitorización activa

Antes de corregir nada, necesitas saber qué están diciendo los modelos. Eso implica hacer prompts sistemáticos a los principales LLMs con las consultas típicas de tu ICP y registrar las respuestas. Existen herramientas que empiezan a automatizar esto (Goodie AI, Scrunch AI, Semrush Enterprise AIO, entre otras), pero el punto de partida puede ser manual: preguntar a ChatGPT, Claude, Gemini y Perplexity qué saben de tu marca, y documentar lo que dicen. Si encuentras datos inventados, ya has detectado una alucinación que probablemente está llegando a tus potenciales clientes.

Refuerzo de la huella digital verificable

Los LLMs priorizan fuentes con lo que el ecosistema GEO llama “autoridad de entidad”: información verificable, estructurada, consistente y presente en múltiples fuentes de confianza. Cuanto más débil sea tu presencia en esas fuentes, más margen tiene el modelo para inventar.

Esto conecta con lo que en el framework CREF© llamamos la capa de Reputación: presencia verificada en directorios, medios especializados, bases de datos sectoriales, reseñas cualificadas y contenido propietario bien estructurado. No es branding aspiracional. Es ingeniería de señales de confianza para que los modelos no tengan que adivinar.

Contenido diseñado para extracción

Tu contenido necesita estar optimizado no solo para que Google lo indexe, sino para que un LLM pueda extraer respuestas factuales sin ambigüedad. Fragmentos autónomos, datos estructurados con schema, preguntas como encabezados, y una arquitectura de información que un modelo pueda recorrer sin perder contexto. Nuestra página de IA + GEO desarrolla cómo estructurar contenido para motores generativos.

RAG y fuentes primarias

RAG (Retrieval-Augmented Generation) permite a los LLMs consultar fuentes externas antes de generar una respuesta, en lugar de depender solo de su entrenamiento. Es la técnica de mitigación más efectiva documentada hasta ahora, con reducciones de alucinaciones significativas cuando se implementa bien.

Pero RAG no es infalible. Un estudio de Stanford sobre RAG en contexto legal encontró que incluso con pipelines de recuperación bien curados, los modelos podían seguir fabricando citas. Y un paper presentado en ICLR 2025 (ReDeEP) demostró que las alucinaciones en RAG ocurren cuando los Knowledge FFNs del modelo sobrepesan el conocimiento interno frente a la información externa recuperada. Es decir: a veces el modelo “prefiere” su memoria a lo que acaba de leer.

Punto crítico: si tu contenido no está entre las fuentes que el modelo consulta, RAG no te ayuda. Y si está pero es ambiguo, el modelo puede distorsionarlo. La lógica de “si rankeo bien en Google, estoy cubierto” ya no es suficiente por sí sola.

Lo que vemos en empresas que descubren esto

Hay un patrón que se repite. No lo presentamos como baseline con metodología cerrada, sino como algo que hemos observado de forma recurrente en clientes del segmento 3M–15M€ con presencia digital razonable y procesos comerciales estructurados:

El equipo comercial empieza a notar algo raro: llegan leads con expectativas que no encajan con la oferta. Objeciones que parecen referirse a otra empresa. Comparativas contra competidores que no son los habituales. Nadie sabe de dónde salen.

Cuando auditamos lo que los principales LLMs dicen sobre la marca —un ejercicio que forma parte de lo que hacemos en el Protocolo HSA— aparecen alucinaciones activas. Precios incorrectos, features inexistentes, posicionamiento equivocado frente a competidores. En un caso, un modelo atribuía los servicios de un cliente a otra empresa con el mismo nombre en otro país.

La intervención pasa por reforzar la capa de Reputación dentro de CREF©: contenido propietario estructurado con fragmentos extractables, schema markup actualizado, presencia reforzada en fuentes de autoridad sectorial, y monitorización periódica de respuestas LLM. En los casos donde se ha ejecutado el proceso completo, las alucinaciones detectadas han disminuido en los meses siguientes y, sobre todo, la alineación entre la expectativa del lead y la oferta real ha mejorado. No tenemos aún métricas lo bastante aisladas como para presentarlo como baseline formal, pero el patrón es consistente.

Reputación en IA: lo que cambia respecto a SEO clásico

Hay un debate abierto sobre si GEO es una disciplina nueva o una extensión de SEO. Un análisis reciente de Digiday (marzo 2026) recoge la posición de veteranos del sector: muchas tácticas de GEO son, en el fondo, las mismas de siempre —autoridad, contenido claro, señales de confianza.

Es una lectura válida pero incompleta. Lo que cambia no es tanto la táctica como la consecuencia del error. En SEO clásico, si la información sobre tu marca está mal en alguna fuente, el usuario la contrasta al visitar tu web. En GEO, si el LLM tiene información incorrecta, la presenta como verdad dentro de la propia respuesta. No hay enlace que el usuario contraste. No hay segunda opinión en la SERP. La alucinación puede ser la única versión que recibe.

Eso convierte la limpieza de alucinaciones en una capa híbrida: parte GEO (optimización para motores generativos), parte gestión de reputación (protección de la percepción de marca en canales que no controlas). Si quieres ver cómo estructuramos esa conexión, la página de GEO desarrolla el puente entre SEO y visibilidad en IA.

En SEO, la información incorrecta sobre tu marca se descarta al visitar tu web. En GEO, se presenta como verdad por el LLM. Sin enlace de contraste. Sin segunda opinión. La alucinación puede ser la única versión que recibe el usuario.

Creo que la limpieza de alucinaciones va a convertirse en una categoría de gasto reconocible en marketing digital. No sé cuánto tardará —puede que un año, puede que tres—, pero la lógica es la misma que con las reseñas online hace una década: primero las ignorabas, luego las monitorizabas, y ahora son parte del sistema. La pregunta no es si llegará. Es quién se moverá antes.

Conclusión: un coste de adquisición que no aparece en tu dashboard

El de-biasing de marca no es un problema técnico que resolverán los ingenieros de OpenAI, Google o Anthropic. Es un problema de reputación que resolverá (o no) tu equipo de marketing y crecimiento.

Cada alucinación no corregida es un lead peor cualificado, una expectativa que no encaja, una comparativa que te perjudica. Y a diferencia de un problema clásico de reputación, este es invisible: no sale en Google Alerts, no aparece en menciones sociales, no lo detecta tu herramienta de escucha. Solo lo ves si preguntas directamente a los modelos.

La recomendación es simple: empieza por auditar. Pregunta a ChatGPT, Claude, Gemini y Perplexity qué saben de tu marca. Compara con la realidad. Si hay discrepancias, tienes un problema que probablemente ya está afectando a tu captación. Si quieres un diagnóstico estructurado, el Protocolo HSA incluye esta auditoría de visibilidad en IA.

Construir una huella digital que los LLMs no necesiten adivinar se está convirtiendo en infraestructura básica de captación. No va a sustituir a tener una buena web ni un buen SEO. Pero va a complementarlos de una forma que, si la ignoras, pagarás sin saber dónde.

SIGUIENTE LECTURA

Si esto te ha hecho pensar que deberías revisar lo que la IA dice de tu marca:

• Glosario GEO — Conceptos clave: hallucination, Entity Authority, RAG, citabilidad.
• Framework CREF© — Marco sistémico de crecimiento. La capa de Reputación aborda directamente este problema.
• Protocolo HSA — Diagnóstico con auditoría de visibilidad en motores generativos.

Consultoría de crecimiento — Para mirarlo contigo con visión de P&L.

La pregunta parece obvia, pero la mayoría de las estrategias GEO la ignoran por completo. Los modelos de lenguaje no funcionan como un motor de búsqueda clásico que devuelve una lista estática de resultados. Funcionan como sistemas probabilísticos que generan respuestas condicionadas por múltiples variables: el texto del prompt, el idioma, la localización geográfica, el historial de conversación y, en plataformas como ChatGPT, la memoria persistente del usuario.

Un estudio de SparkToro y Gumshoe.ai (enero 2026) lo cuantificó: 600 voluntarios ejecutaron 2.961 prompts idénticos en ChatGPT, Claude y Google AI. Según sus datos, la probabilidad de obtener la misma lista de marcas en dos ejecuciones del mismo prompt fue inferior al 1%. Las listas variaban en composición, orden y número de elementos. Es un estudio con limitaciones (ventana temporal de dos meses, voluntarios no representativos), pero la magnitud de la variabilidad es difícil de ignorar.

Esa variabilidad no es ruido. Es arquitectura. Los LLMs están diseñados para generar respuestas diversas, no deterministas. Cada ejecución recorre caminos probabilísticos ligeramente distintos. Y cuando añades variables de usuario — localización, idioma, contexto previo — la divergencia se amplifica.

Lo hemos comprobado con clientes. Cuando introduces variables de perfil (idioma, contexto de viaje, localización) en los prompts de un audit GEO, las listas de recomendaciones cambian por completo. No es teoría. Es algo que cualquier marca puede verificar en 30 minutos.

Los LLMs generan respuestas probabilísticas condicionadas al perfil del usuario. La misma pregunta produce recomendaciones distintas según quién la formule, desde qué ubicación y con qué historial. Tratar la visibilidad GEO como una métrica única es ignorar cómo funcionan estos sistemas.

¿Qué variables cambian lo que la IA recomienda?

No todas las variables pesan igual. Hay tres que hemos identificado como las más determinantes en la práctica:

1. Localización geográfica y contexto regional

La ubicación del usuario influye directamente en las respuestas, incluso cuando el prompt no menciona ningún lugar. Otterly.ai documentó que ChatGPT localiza sus respuestas según la ubicación del usuario a través de dos mecanismos: el contexto de navegación web (cuando activa búsqueda) y la información inferida de conversaciones previas. Esto significa que la misma pregunta desde Madrid y desde Múnich genera respuestas distintas sin que el usuario haga nada explícito.

Para marcas con componente local o regional (turismo, hostelería, servicios profesionales), esto es crítico. Tu contenido puede estar optimizado para un mercado y ser completamente invisible para otro.

2. Perfil de usuario y memoria conversacional

ChatGPT ya opera con un sistema de memoria de dos capas: memorias explícitas (que el usuario aprueba) e insights implícitos de conversaciones anteriores. Un usuario que ha hablado repetidamente de viajes con niños recibirá recomendaciones distintas de alguien que ha explorado opciones de aventura en solitario. El modelo no parte de cero: parte de lo que sabe de ti.

Y no es solo ChatGPT. Gemini, Copilot y otros modelos avanzan en la misma dirección: respuestas cada vez más condicionadas al perfil acumulado del usuario.

3. Formulación del prompt y segmento implícito

La investigación de SparkToro encontró algo revelador: cuando 142 participantes escribieron sus propios prompts sobre auriculares, la similitud semántica media fue de solo 0,081. Es decir, usuarios con la misma intención formulan la pregunta de formas radicalmente diferentes. Y cada formulación activa caminos distintos del modelo.

Un CEO que pregunta «qué consultoría de crecimiento digital necesito» no escribe lo mismo que un CMO que busca «herramientas para optimizar visibilidad en AI Overviews». Mismo territorio, mismo problema, respuestas completamente distintas.

Las tres variables que más condicionan la respuesta de un LLM son la ubicación geográfica del usuario, su perfil acumulado en la plataforma y la formulación específica del prompt. Una estrategia GEO que no contempla estas tres capas trabaja con un modelo incompleto.

¿Qué datos confirman que la visibilidad en IA está fragmentada?

La intuición de que «la IA cambia lo que dice según quién pregunta» necesita evidencia sólida. Y la hay.

El análisis de Ahrefs sobre 730.000 pares de consultas (septiembre 2025) mostró que AI Mode y AI Overviews de Google — dos superficies del mismo ecosistema — citan URLs distintas en torno al 87% de las veces para la misma búsqueda. Solo comparten alrededor del 14% de las fuentes citadas. Y sin embargo, llegan a conclusiones semánticamente similares en el 86% de los casos. Misma respuesta, fuentes radicalmente distintas.

En el lado del usuario, la investigación de McKinsey (agosto 2025, n=1.927 consumidores en EE.UU.) encontró que aproximadamente la mitad de los encuestados usa intencionalmente búsqueda impulsada por IA para tomar decisiones de compra. Los datos sugieren uso a lo largo del embudo: el 73% para investigar categorías, el 61% para comparar productos, el 57% para obtener recomendaciones personalizadas. Cada una de esas interacciones está potencialmente condicionada por el perfil del usuario.

La fragmentación no para ahí. Datos recientes de Ahrefs (febrero 2026) muestran que los AI Overviews reducen el CTR de la primera posición orgánica en un 58%. Y que solo el 38% de las URLs citadas en AI Overviews aparecen también en el top 10 orgánico, frente al 76% de mediados de 2025. El sistema de citación de la IA se está desacoplando activamente del ranking clásico.

Opinión de Asier: Cuando ves estos números juntos, la conclusión es incómoda pero clara: la «visibilidad GEO» como métrica única es una ficción útil. Lo que realmente tienes es visibilidad fragmentada por plataforma, por superficie, por perfil de usuario y por formulación del prompt. Si solo mides «cuántas veces aparece mi marca en ChatGPT» sin segmentar por persona, estás midiendo una media que no representa a nadie.

Traducción GEO: si tu marca aparece en el 60% de las respuestas para un prompt genérico en inglés pero en el 8% para un prompt en español con contexto de familia, tienes un problema de segmentación, no de visibilidad global.

La visibilidad en IA está fragmentada por plataforma, superficie, localización y perfil. Según Ahrefs, las fuentes citadas divergen en torno al 87% entre AI Mode y AI Overviews para la misma query. Según SparkToro, las listas de marcas recomendadas se repiten menos del 1% de las veces en su muestra. La métrica de visibilidad única es insuficiente.

¿Qué implica esto para tu estrategia GEO?

Si la IA personaliza por perfil, tu estrategia de contenido tiene que hacerlo también. No se trata de crear una página por cada tipo de usuario (eso es inviable y contraproducente). Se trata de algo más quirúrgico: entender qué perfiles de usuario generan los prompts que importan para tu negocio y asegurarte de que tu contenido responde a cada uno de ellos.

Hay tres movimientos concretos:

Mapear tus prompts por persona, no solo por keyword

El research de keywords tradicional asume que la intención es estática. En GEO, la intención es dinámica y condicionada. La misma necesidad («mejorar mi visibilidad digital») genera prompts completamente distintos según quién la formule. Un CEO pedirá «consultoría de crecimiento digital para empresa mediana». Un CMO preguntará «herramientas GEO para optimizar presencia en AI Overviews». Un director de marketing digital buscará «comparativa de plataformas de tracking de visibilidad IA».

Cada uno de esos prompts activa fuentes, tonos y recomendaciones distintas. Si tu contenido solo cubre uno de esos ángulos, eres invisible para los otros dos.

Segmentar por localización e idioma

Herramientas como Scrunch y Gumshoe.ai ya permiten segmentar el tracking GEO por región y persona. Y los datos muestran que la divergencia regional es significativa. Un prompt idéntico ejecutado desde Alemania y desde España puede generar listas de recomendaciones sin ninguna marca en común.

Para marcas con mercados internacionales o con dependencia del turismo, esto no es un matiz: es la variable que explica por qué la inversión en contenido no se traduce en visibilidad en los mercados que importan.

Optimizar para el «query fan-out», no solo para el prompt literal

Google ha confirmado que tanto AI Mode como AI Overviews utilizan una técnica llamada query fan-out: cuando un usuario hace una pregunta, el sistema la descompone en múltiples sub-consultas y busca fuentes para cada una por separado. Datos recientes de Ahrefs sugieren que este mecanismo está ganando peso en la selección de fuentes, especialmente desde la adopción de Gemini 3 como modelo por defecto en AI Overviews (enero 2026).

Esto significa que tu contenido no solo necesita responder al prompt principal, sino cubrir las adyacencias semánticas que el modelo va a explorar. Y esas adyacencias varían según el perfil del usuario.

Una estrategia GEO efectiva en 2026 mapea prompts por persona (no solo por keyword), segmenta visibilidad por localización e idioma, y optimiza para el query fan-out que los modelos ejecutan internamente al procesar cada consulta.

¿Cómo se ve esto en la práctica?
Patrón operativo: visibilidad asimétrica por perfil

En los últimos meses hemos observado un patrón recurrente en al menos tres clientes del sector servicios B2B y turismo experiencial. Lo llamamos internamente «visibilidad asimétrica por perfil». No es un caso aislado: es un patrón que se repite con suficiente regularidad como para considerarlo estructural.

Cómo se manifiesta: la marca tiene presencia razonable en respuestas de IA para prompts genéricos en inglés o español neutro. Pero cuando introduces variables de perfil — idioma específico del mercado objetivo, contexto familiar, presupuesto medio-alto, búsqueda desde una localización concreta — la marca desaparece. No baja de posición: desaparece.

Mini-baseline anonimizado (turismo experiencial, Canarias, Q4 2025): ejecutamos el mismo prompt en tres idiomas (español, inglés, alemán) con y sin contexto de perfil (viaje en pareja vs. familia con niños) en ChatGPT y Perplexity, 20 ejecuciones por combinación. La marca del cliente aparecía en el 65% de las ejecuciones para el prompt genérico en inglés. En alemán con contexto de viaje familiar, la frecuencia de aparición caía al 5%. En Perplexity, directamente no aparecía en ninguna ejecución en alemán. El segmento de turismo familiar alemán era, según sus propios datos de venta, el que mayor ticket medio generaba.

Diagnóstico: el contenido estaba optimizado para un perfil de usuario (el más genérico, en el idioma del equipo de marketing) pero no cubría los ángulos semánticos que activan respuestas para otros perfiles. Faltaba cobertura en alemán con vocabulario de viaje familiar, faltaban señales de autoridad en plataformas que los LLMs consultan para el mercado DACH, y faltaba contenido que respondiera a las sub-consultas (query fan-out) que genera ese tipo de prompt.

Acción: se crearon tres piezas de contenido específicas para el perfil familiar DACH, se optimizaron fichas en plataformas de reseñas con presencia en el mercado alemán, y se ajustó el schema para reflejar la oferta familiar. A las 8 semanas, la frecuencia de aparición en prompts en alemán con contexto familiar había subido del 5% al 35%. No es un éxito absoluto, pero confirma que el problema era de segmentación de contenido, no de autoridad general de la marca.

Mi opinión: El error más común que veo es asumir que «si aparezco en ChatGPT, ya estoy cubierto». No. Apareces para un tipo de usuario, con un tipo de prompt, desde una localización. Para tu cliente ideal real — el que paga y repite — puede que seas completamente invisible. Y no lo sabrás hasta que midas segmentado.

Este patrón conecta directamente con lo que en Elevam trabajamos a través de la Matriz Prompts x Modelos (Elevam Labs): una herramienta que cruza los prompts reales de tu ICP con las respuestas de los principales LLMs, segmentados por perfil, idioma y plataforma. No mide «visibilidad media». Mide visibilidad para quien importa.

El patrón de «visibilidad asimétrica por perfil» aparece de forma recurrente en marcas con mercados internacionales o segmentos diversos: presencia razonable para prompts genéricos, invisibilidad para los perfiles que realmente generan negocio. El caso anonimizado de turismo en Canarias lo ilustra: del 65% al 5% de aparición al cambiar de inglés genérico a alemán con contexto familiar.

¿Cuál es la escala de esta oportunidad (y de este riesgo)?

Los números de contexto ayudan a dimensionar lo que está en juego. ChatGPT superó los 800 millones de usuarios activos semanales en febrero de 2026. Google AI Overviews aparece ya en un porcentaje significativo de las búsquedas (en torno al 50% según estimaciones de análisis de tendencias), con proyección de superar el 75% en 2028. McKinsey estima que hasta 750.000 millones de dólares en gasto de consumo podrían canalizarse a través de búsqueda IA en 2028.

Y sin embargo, según el mismo informe de McKinsey, solo el 16% de las marcas hace seguimiento sistemático de su rendimiento en búsqueda IA. El 84% restante no sabe si aparece, para quién aparece ni qué dice la IA sobre ellas.

Ahora añade la capa de personalización: de ese 16% que sí mide, ¿cuántos segmentan por perfil de usuario? La respuesta honesta es: casi ninguno. La mayoría mide visibilidad media, que es como medir la temperatura media de un hospital y concluir que todos los pacientes están bien.

Investigación de McKinsey sobre personalización con IA señala que más del 75% de los consumidores rechazan contenido que no sienten relevante para ellos. Si la IA recomienda tu marca a un perfil equivocado o no te recomienda al perfil correcto, no estás en el juego.

McKinsey proyecta 750.000M$ en gasto a través de búsqueda IA en 2028, pero solo el 16% de las marcas mide su visibilidad en IA y prácticamente ninguna segmenta por perfil de usuario. El gap entre la escala de la oportunidad y la sofisticación de la medición es enorme.

¿Cómo empezar a segmentar tu visibilidad GEO por perfiles?

No hace falta una herramienta enterprise para dar el primer paso. Pero sí hace falta un cambio de mentalidad: dejar de pensar en «mi visibilidad en IA» como una métrica única y empezar a tratarla como una matriz.

Un enfoque operativo que aplicamos en Elevam:

Paso 1: Define 2-3 personas reales de tu ICP. No arquetipos genéricos. Personas con idioma, localización, nivel de sofisticación y tipo de pregunta específicos. El CEO de una empresa de 5M€ en Barcelona que busca crecer digitalmente no escribe igual que el Head of Digital de una multinacional en Frankfurt.

Paso 2: Genera 5-8 prompts realistas para cada persona. No keywords SEO disfrazadas de prompts. Preguntas reales, formuladas como las escribiría cada perfil. En su idioma. Con su contexto. Si tu mercado incluye turistas alemanes, esos prompts tienen que estar en alemán.

Paso 3: Ejecuta cada prompt en al menos 3 plataformas (ChatGPT, Gemini, Perplexity) y 10+ veces por plataforma. Registra: ¿aparece tu marca? ¿Con qué frecuencia? ¿En qué contexto? ¿Qué competidores aparecen? ¿Qué fuentes se citan?

Paso 4: Cruza los resultados en una matriz Persona x Plataforma x Visibilidad. Ahí verás dónde tienes cobertura y dónde tienes puntos ciegos. Esos puntos ciegos son oportunidades de contenido muy concretas.

Este proceso es, en esencia, la versión simplificada de lo que ejecutamos a través del Protocolo HSA de Elevam cuando diagnosticamos la presencia en IA de un cliente. La diferencia es que el HSA lo sistematiza, lo cruza con datos de negocio y genera un plan de acción priorizado. Pero el principio es el mismo: no midas visibilidad media; mide visibilidad segmentada.

Para segmentar visibilidad GEO, define 2-3 personas reales de tu ICP, genera prompts realistas para cada una, ejecútalos 10+ veces en 3+ plataformas y cruza los resultados en una matriz Persona x Plataforma x Visibilidad. Los puntos ciegos que emerjan son oportunidades de contenido concretas.

Conclusión: el GEO genérico ya no es suficiente

Durante los primeros años de GEO, la pregunta era binaria: ¿apareces o no apareces en respuestas de IA? Esa pregunta ya no es útil. La pregunta relevante ahora es: ¿para quién apareces?

La personalización de las respuestas de IA no es una hipótesis: es un hecho documentado por SparkToro, Ahrefs, McKinsey y por la propia arquitectura de los modelos. Tu marca no tiene «una visibilidad en IA»: tiene múltiples visibilidades condicionadas por perfil, idioma, localización y plataforma.

Opinión de Asier: Creo que estamos en un punto de inflexión. Las marcas que entiendan que el GEO es inherentemente segmentado — y actúen en consecuencia — van a ganar una ventaja desproporcionada. No porque la técnica sea difícil, sino porque casi nadie la está ejecutando. Es el equivalente a los primeros años del SEO: quien se mueva antes, gana más.

Si quieres entender dónde está tu marca en este nuevo mapa, el punto de partida es un diagnóstico que segmente por perfiles reales. Es lo que hacemos a través del enfoque CREF© de Elevam: un sistema que conecta visibilidad, contenido, conversión y negocio. No como piezas sueltas, sino como arquitectura.

La pregunta GEO relevante ya no es «si apareces en IA», sino «para quién apareces». Las marcas que segmenten su visibilidad por perfil de usuario, idioma y plataforma capturarán una ventaja competitiva desproporcionada en un mercado donde el 84% aún no mide su presencia en búsqueda IA.

Siguiente lectura:

Si tu empresa depende de la visibilidad digital para captar clientes, necesitas saber cómo te ve la IA. Explora cómo funciona nuestro servicio de GEO e IA aplicada o consulta el Glosario GEO para familiarizarte con los conceptos clave.

Voy a ser directo: si tu estrategia de captación depende del tráfico orgánico de Google, tienes un problema serio. Y no lo digo por sensacionalismo. Lo digo porque llevo meses midiendo lo que está pasando en las cuentas de nuestros clientes, cruzando esos datos con los estudios más rigurosos del sector, y la conclusión es ineludible: Google se está quedando con tus clics.

El fenómeno se llama zero-click (búsquedas sin clic) y no es nuevo. Pero en 2025 ha alcanzado una magnitud que lo convierte en una amenaza real para el P&L de cualquier empresa que dependa de la visibilidad orgánica. Según el estudio de SparkToro y Datos (Semrush) de julio 2024, de cada 1.000 búsquedas en Google, solo 360 clics llegan a la web abierta en EE.UU. En Europa, 374. El resto se lo queda Google.

Y lo peor: con el despliegue masivo de AI Overviews (las respuestas generadas por IA que Google coloca por encima de todos los resultados orgánicos), la situación se ha acelerado drásticamente. Datos de Similarweb muestran que las búsquedas zero-click han pasado del 56% al 69% entre mayo de 2024 y mayo de 2025. Trece puntos porcentuales en doce meses. Eso no es una tendencia. Es un cambio estructural.

Lo que nadie está contando, y que para mí es la lectura estratégica más importante de todo esto, es que el volumen de búsquedas sigue creciendo. Google procesó entre 9.100 y 13.600 millones de búsquedas diarias en 2025, un 21% más que en 2024. Más gente busca que nunca. Pero cada vez menos gente hace clic. Eso no es una crisis de demanda. Es una crisis de distribución. Y la diferencia importa muchísimo a la hora de decidir qué hacer.

¿De dónde sale el dato del 69% y cómo hemos llegado hasta aquí?

El concepto de zero-click lo popularizó Rand Fishkin, fundador de SparkToro, en 2019. Su primer estudio con datos de Jumpshot reveló que el 50,33% de las búsquedas en Google terminaban sin ningún clic a una web externa. Era la primera vez que se cruzaba el umbral del 50%. La industria se alarmó, pero no lo suficiente.

En 2020, usando datos más amplios de SimilarWeb (incluyendo móvil e iOS), la cifra saltó al 64,82% a nivel mundial. En móvil, el dato era demoledor: un 77,2% de búsquedas sin clic. Según publicó Search Engine Land, Google estaba convirtiendo sus resultados en destinos finales en lugar de intermediarios.

El estudio más riguroso hasta la fecha llegó en julio de 2024, cuando SparkToro se asoció con Datos (una compañía de Semrush) para analizar decenas de millones de usuarios. Los resultados: el 58,5% de las búsquedas en EE.UU. y el 59,7% en Europa terminan sin clic. Casi un 30% de los clics que sí se producen van a propiedades de Google (YouTube, Maps, Imágenes).

En el primer trimestre de 2025, los datos se agravaron: el CTR orgánico cayó del 44,2% al 40,3% en EE.UU., según el informe State of Search de SparkToro/Datos. Casi cuatro puntos menos en solo doce meses. En Europa, la caída fue del 47,1% al 43,5%.

Y luego está el dato de Bain & Company (sí, Bain, no un blog de SEO): el 80% de los consumidores ya confían en los resultados zero-click en al menos el 40% de sus búsquedas. Su estimación es que el tráfico web orgánico se ha reducido entre un 15% y un 25% como consecuencia directa.

Entre 2019 y 2025, el porcentaje de búsquedas en Google que terminan sin clic ha crecido del 50% al 69%. De cada 1.000 búsquedas, solo 360 clics alcanzan la web abierta. El crecimiento del 21% en volumen de búsquedas no compensa la caída en distribución: más gente busca, menos gente hace clic.

Un caso que lo ilustra perfectamente: teníamos un cliente en el sector de seguros, liderado por Nerea Forján, que dependía en un 72% de su captación de leads del tráfico orgánico informacional. Queries tipo “mejor seguro de vida para autónomos”, “comparativa seguros de salud”. En seis meses, el tráfico a esas páginas cayó un 41%. Los leads, un 38%. Pero lo interesante es que su posicionamiento no había caído: seguían en posición 1-3 para esas keywords. El problema no era el ranking. El problema era que Google estaba respondiendo directamente y el usuario no necesitaba hacer clic.

Para nosotros, la lectura estratégica fue clara: ya no basta con posicionar. Si posicionas en una query que Google responde directamente, estás ganando una batalla que ya no importa. Lo que importa es estar en la respuesta. O, mejor aún, ser la respuesta.

Traducción a GEO: No luches por clics en queries que Google ya resuelve sin clic. Lucha por ser la fuente que Google cita cuando da esa respuesta. Eso es GEO.

¿Cuánto tráfico está destruyendo realmente AI Overviews?

Google lanzó AI Overviews (antes SGE) en Estados Unidos el 14 de mayo de 2024. Para mayo de 2025, la funcionalidad estaba activa en más de 200 países y 40 idiomas, con 1.500 millones de usuarios mensuales. En España se activó el 26 de marzo de 2025, bajo el nombre “Vistas creadas con IA”. Y España lidera Europa en penetración: entre el 14% y el 16% de las búsquedas ya disparan una respuesta de IA, frente al 1% de Alemania.

El impacto en el CTR está documentado por múltiples estudios independientes, y todos apuntan en la misma dirección. El más completo es el de Seer Interactive (3.119 queries informacionales, 42 organizaciones, 25,1 millones de impresiones orgánicas): el CTR orgánico en queries con AI Overview cayó un 61%. Del 1,76% al 0,61%. El CTR de pago cayó un 68%. Leélo otra vez: un 61% menos de clics orgánicos.

Pero hay un dato que la mayoría de artículos omiten y que a mí me parece el más revelador: incluso las queries sin AI Overview experimentaron una caída del 41% en CTR orgánico interanual. Esto sugiere que el cambio de comportamiento del usuario va más allá de los AI Overviews. La gente está aprendiendo a consumir información directamente en la SERP. Cada vez necesita menos hacer clic.

Ahrefs analizó 590 millones de búsquedas y encontró que los AI Overviews reducen los clics al contenido de posición 1 un 58%. El estudio de GrowthSRC con 200.000+ keywords cifra la caída del CTR de posición 1 en un 32% (del 28% al 19%) y la de posición 2 en un 39%.

Hay un matiz metodológico importante que aporta Semrush en su propio estudio de AI Overviews: cuando trackean las mismas keywords antes y después de aparecer un AI Overview, el zero-click en realidad baja ligeramente (del 38,1% al 36,2%). La interpretación: Google tiende a activar AI Overviews en queries que ya eran propensas al zero-click. La correlación no es exactamente causalidad. Pero el impacto agregado en publishers sigue siendo devastador.

Ahora bien, y esto es algo que creo que se pasa por alto en casi todos los análisis que leo: hay un dato positivo brutal enterrado en los números negativos. El estudio de Seer Interactive encontró que las marcas citadas dentro de AI Overviews reciben un 35% más de CTR orgánico y un 91% más de CTR en paid que las marcas no citadas. Amsive documentó que las búsquedas de marca muestran un incremento del 18,68% en CTR incluso cuando aparecen AI Overviews. O sea: si consigues que la IA te cite, no solo no pierdes —ganas.

Las AI Overviews reducen el CTR orgánico entre un 30% y un 61% según el estudio. Pero las marcas citadas dentro de esas respuestas de IA reciben un 35% más de clics orgánicos. La pregunta ya no es “cómo posiciono” sino “cómo consigo que la IA me cite”. Eso es exactamente lo que resuelve GEO.

Otro caso nuestro que ilustra los dos lados de esta moneda: un cliente (browniespain.com) tenía un blog con 340 artículos informativos que generaba el 28% del tráfico total. Después de que se activaran los AI Overviews en España, hicimos un análisis keyword por keyword. De las 50 keywords informacionales principales, 31 ya mostraban AI Overview. El tráfico a esos 31 artículos había caído un 47% de media. Pero las keywords transaccionales (“comprar vestido largo”, “zapatillas running oferta”) apenas se vieron afectadas: menos del 4% mostraban AI Overview. Google protege las queries que alimentan su negocio publicitario.

Traducción a GEO: Google no aplica AI Overviews por igual. Las queries informacionales puras son las más afectadas. Las transaccionales, las más protegidas. Para GEO, esto significa priorizar contenido de consideración (comparativas, guías de elección, análisis) sobre contenido puramente definitorio.

¿Quiénes son los grandes perdedores (y ganadores) del zero-click?

Esto no es teoría. Hay empresas que han caído. La más emblemática es Chegg, la plataforma educativa estadounidense. Su tráfico de no suscriptores cayó un 49%. Los ingresos bajaron un 24% interanual. Los suscriptores cayeron un 21%. La acción se desplomó un 99% —de 113$ a aproximadamente 1$— y la empresa demandó a Google por usar su base de datos de 135 millones de preguntas sin compensación. Después recortó el 45% de su plantilla.

HubSpot vio cómo su tráfico orgánico mensual se desplomaba de 13,5 millones de visitas a menos de 7 millones entre noviembre y diciembre de 2024. Su estrategia de contenido estaba construida sobre queries informacionales de top-of-funnel (“frases de ventas famosas”, “ejemplos de carta de presentación”) que los AI Overviews resumen sin esfuerzo. Su CEO Yamini Rangan reconoció en una earnings call que el tráfico orgánico “está cayendo a nivel global”.

Según datos de Growtika y AdExchanger, las pérdidas en medios son masivas: Digital Trends perdió el 97% de su tráfico de búsqueda, ZDNet un 90%, The Verge un 85%, NerdWallet un 73%, Healthline un 50%. The Planet D, un blog de viajes que llevaba más de una década, tuvo que cerrar por completo tras perder el 90% de su tráfico. Las pérdidas agregadas de publishers se estiman en unos 2.000 millones de dólares en ingresos publicitarios.

Pero también hay ganadores, y eso es lo que me parece más interesante. Dotdash Meredith (40+ marcas, incluyendo Allrecipes e Investopedia) pivotó de un modelo dependiente de pageviews a segmentación contextual con su herramienta propietaria D/Cipher. Resultado: ingresos de 522M$ en Q4 2024, un +10% interanual. HouseFresh, tras perder el 91-95% de su tráfico de Google, se diversificó hacia YouTube y recuperó su tráfico anterior en octubre de 2025. Grow & Convert reporta que clientes enfocados en keywords bottom-of-funnel experimentan caídas de solo el 10-20% en tráfico, con conversiones estables o crecientes.

Las empresas más afectadas por el zero-click son las que construyeron su captación sobre contenido informacional puro (Chegg, HubSpot, medios). Las que mejor resisten son las que apuestan por contenido transaccional, marca fuerte y diversificación de canales. La posición en Google ya no garantiza tráfico; la citación en IA sí garantiza relevancia.

Traducción a GEO: Los perdedores optimizaban para posicionar. Los ganadores optimizan para ser imprescindibles. En términos GEO, eso significa crear contenido con datos originales, marcos propios y análisis que ningún AI Overview pueda reemplazar en dos líneas.

¿Qué dicen los expertos que más saben de esto?

Rand Fishkin (SparkToro) ha evolucionado de documentar el zero-click a abrazarlo como filosofía de marketing. Su investigación de marzo de 2025 mostró que Google recibe 373 veces más búsquedas que ChatGPT. Todas las herramientas de IA combinadas representan menos del 2% del mercado de búsqueda. Su provocación: “Ese tipo de tu feed de LinkedIn gritando que la IA va a destruir Google lleva años sin aportar datos.” Pero también reconoce que las respuestas de IA “matan las tasas de clic” incluso sin reducir el volumen de búsquedas. Su propuesta: medir influencia de marca, no clics.

Lily Ray (VP de SEO Strategy & Research en Amsive) matiza el pánico pero no lo descarta. Google sigue controlando más del 90% del mercado global. Las plataformas de IA representan menos del 1% del tráfico de referencia. Una encuesta que publicó en LinkedIn mostró que el 70% dice que ChatGPT supone menos del 2% de su tráfico web. Pero advirtió: si Google hace que AI Mode sea el modo por defecto, “va a tener un impacto devastador en internet”. Y señaló algo que comparto al 100%: muchas recomendaciones de “GEO” que circulan son simplemente SEO tradicional reempaquetado. Por eso en Elevam no vendemos GEO como un servicio aislado: es parte del sistema de crecimiento CREF©.

Kevin Indig (ex-SEO lead de Shopify, G2, Atlassian) realizó el primer estudio de usabilidad de AI Overviews con 70 participantes. Resultado: los clics cayeron del 28% al 11% en desktop. Su meta-análisis: el tráfico baja entre un 15% y un 45%, pero “el pipeline de ventas suele estar plano o creciendo”. Su marco conceptual me parece potente: estamos pasando de una economía del clic a un modelo de engagement.

Gartner hizo la predicción más audaz en febrero de 2024: “Para 2026, el volumen de búsquedas en motores tradicionales caerá un 25%.” Parece prematura —Google creció un 21,64% en 2024— pero la dirección estratégica que sugieren (diversificar canales) ha demostrado ser correcta.

Mi lectura de todo esto: Fishkin tiene razón en que Google no se muere. Lily Ray tiene razón en que el GEO como servicio aislado es humo. Indig tiene razón en que el pipeline importa más que el tráfico. Pero lo que ninguno de los tres dice explícitamente es lo que para mí es la conclusión clave: el zero-click no destruye valor, redistribuye valor. Y lo redistribuye hacia las marcas que los sistemas de IA consideran fuentes de autoridad. Si eres esa fuente, el zero-click trabaja para ti. Si no lo eres, trabaja contra ti.

Traducción a GEO: La opinión de experto es que el SEO no muere pero se transforma. En términos prácticos de GEO: construir autoridad de entidad (menciones, datos propios, marcos citables) es más importante que cualquier optimización técnica on-page.

¿ChatGPT y Perplexity son realmente una amenaza o una oportunidad encubierta?

Más allá de los AI Overviews de Google, hay un segundo frente: los motores de búsqueda basados en LLMs. ChatGPT alcanzó los 800 millones de usuarios activos semanales en marzo de 2025 y procesa aproximadamente 1.000 millones de consultas diarias. Perplexity AI ya procesa más de 780 millones de consultas mensuales con una valoración de 18.000-20.000 millones de dólares.

Las implicaciones zero-click de estos sistemas son aún más severas: entre el 92% y el 94% de las sesiones en Google AI Mode terminan sin ningún clic externo. La ratio de rastreo vs. referencia es reveladora: Google mantiene un ratio de 10:1 (rastrea 10 páginas por cada clic que devuelve), mientras que OpenAI se estima en 1.200:1 a 1.700:1. Extraen enormemente más valor del que retornan.

Pero aquí viene la paradoja que todo CEO debería entender: el tráfico que sí llega desde ChatGPT convierte a una tasa del 15,9%, según Semrush. Perplexity al 10,5%. Los visitantes referidos por IA convierten 4,4 veces mejor que el tráfico orgánico tradicional. Menos volumen, mucha más calidad.

Lo comprobé con un cliente del sector SaaS B2B: empezamos a trackear el tráfico desde ChatGPT y Perplexity en septiembre de 2024, cuando aún eran cantidades ínfimas. En febrero de 2025, ese canal representaba un 3,2% del tráfico total. Parece poco. Pero ese 3,2% generaba un 11,7% de las demos solicitadas. La tasa de conversión era 3,6 veces superior al tráfico orgánico clásico. Cuando lo tradujimos a impacto en pipeline, el coste de adquisición era un 68% inferior. El volumen es pequeño aún, pero el valor unitario es enorme.

El tráfico derivado de ChatGPT convierte al 15,9% y el de Perplexity al 10,5%, frente a tasas mucho menores del orgánico tradicional. Los LLMs generan menos visitas pero de calidad radicalmente superior. Para empresas B2B, el impacto en pipeline puede ser desproporcionado respecto al volumen.

Traducción a GEO: ChatGPT y Perplexity no son el enemigo. Son un canal de adquisición emergente con tasas de conversión superiores. El trabajo GEO no es defensivo (evitar perder tráfico) sino ofensivo (ganar presencia en las respuestas que generan negocio).

¿Qué propone el estudio GEO de Princeton para combatir esto?

El paper fundacional es «GEO: Generative Engine Optimization» de investigadores de Princeton, IIT Delhi y Georgia Tech, presentado en KDD 2024 (ACM SIGKDD). Es el primer marco académico para optimizar la visibilidad en respuestas generativas de IA.

Testaron nueve técnicas de optimización sobre un benchmark de 10.000 queries y encontraron tres que mejoran la visibilidad de forma consistente hasta en un 40%:

1. Citar fuentes creíbles dentro del contenido: mejora de hasta el 40%. Para webs que rankean en posición 5, la mejora fue del 115%. Una web pequeña que cita bien puede superar a una grande que no lo hace.

2. Añadir estadísticas y datos cuantitativos: mejora de hasta el 33,9%. Los LLMs priorizan contenido con datos específicos sobre contenido genérico.

3. Incluir citas de expertos: mejora de hasta el 32%. La autoridad percibida del contenido mejora cuando se atribuyen declaraciones a personas con nombre y cargo.

Dato crítico: el keyword stuffing rindió un 10% peor que el baseline. Las tácticas clásicas de SEO no solo no funcionan para GEO —dañan activamente la visibilidad en respuestas de IA.

Según el estudio GEO de Princeton/Georgia Tech (KDD 2024), las tres técnicas más efectivas para mejorar la visibilidad en respuestas de IA son: citar fuentes creíbles (+40%), incluir estadísticas (+33,9%) e incorporar citas de expertos (+32%). El keyword stuffing la empeora un 10%.

En Elevam lo estamos abordando así: el modelo CREF© y protocolo HSA aplicado al zero-click

Hemos integrado estos hallazgos en nuestro framework CREF© y protocolo HSA. No es un rebranding de SEO. Es un sistema de crecimiento que parte del P&L y decide qué canales, qué contenido y qué optimizaciones tienen sentido para cada negocio. Dentro de ese sistema, la respuesta al zero-click se estructura en cinco capas:

Capa 1 — Extraibilidad estructurada. Escribir una idea por párrafo, front-loadear los puntos clave, crear bloques de 40-60 palabras listos para ser extraídos como snippet, usar headings semánticos que respondan directamente a preguntas. Esto es lo básico, pero casi nadie lo hace bien.

Capa 2 — Densidad de datos propietarios. Los sistemas de IA priorizan contenido con investigación original. Nosotros publicamos estudios propios (como nuestro ranking de agencias GEO en España con pruebas reales en ChatGPT, Claude, Gemini y Perplexity) porque sabíamos que las IAs citarían datos únicos antes que contenido genérico.

Capa 3 — Construcción de autoridad de entidad. La IA rastrea menciones de marca incluso sin enlaces. Construir un mapa de entidad —presencia en Reddit, plataformas de reseñas, publicaciones sectoriales, citas NAP consistentes— alimenta directamente la probabilidad de ser citado. Las búsquedas de marca muestran AI Overviews solo un 4,79% del tiempo. La marca es el foso más potente.

Capa 4 — Contenido multimodal. Páginas con contenido multimodal reciben un 67% más de referencias desde IA. Vídeo, infografías, tablas, calculadoras: todo suma.

Capa 5 — Triple visibilidad en IA. Pre-entrenamiento (estar presente en fuentes que los LLMs absorben: Reddit, Wikipedia, publicaciones sectoriales), capa de búsqueda (SEO clásico sigue importando porque ChatGPT busca en Bing y Perplexity consulta Google), y filtro de selección (las optimizaciones GEO determinan qué contenido se cita).

Un caso que valida este enfoque: con un cliente del sector de formación online (AulaVall), aplicamos estas cinco capas a su cluster de 45 páginas principales durante cuatro meses. El tráfico orgánico tradicional bajó un 19%. Pero las menciones en AI Overviews de Google subieron de 0 a 12 queries. Las visitas desde ChatGPT y Perplexity crecieron un 340%. Y lo más importante: los leads cualificados totales subieron un 8%, con un coste por lead un 23% inferior. Menos tráfico, mejor negocio.

Traducción a GEO: El CREF© de Elevam aplica GEO como parte de un sistema, no como táctica aislada. Las cinco capas (extraibilidad, datos propietarios, autoridad de entidad, multimodalidad, triple visibilidad en IA) están diseñadas para que el contenido sea citable por modelos de lenguaje, no solo indexable por crawlers.

¿Por qué en España esto nos afecta más que a nadie en Europa?

España tiene una particularidad que hace que el zero-click tenga un impacto proporcionalmente mayor: Google controla aproximadamente el 96% del mercado de búsqueda. No hay Yandex, no hay Baidu, no hay una alternativa local relevante. Si Google decide no enviarte clics, no tienes a dónde ir.

Además, España lidera Europa en penetración de AI Overviews: entre el 14% y el 16% de las búsquedas ya los muestran. Alemania está en el 1%. La barrera idiomática que tradicionalmente “protegía” a las webs en español del contenido anglosajón ya no existe: los LLMs son multilingües nativos.

Pero hay una oportunidad que prácticamente nadie está aprovechando: en el mercado español no existe contenido optimizado para GEO de forma sistemática. Las consultoras y agencias en España siguen hablando de SEO clásico como si fuera 2019. Nadie mide Share of Answer. Nadie hace citation engineering. Nadie publica estudios con metodología verificable sobre el rendimiento de marcas en búsquedas de IA.

Esa es exactamente la brecha que estamos atacando desde Elevam. Y por eso escribo este artículo con este nivel de detalle y de datos: porque creo que el contenido que los LLMs citan es el contenido que aporta datos nuevos, marcos conceptuales propios y análisis que no se pueden encontrar en ningún otro sitio.

España combina la mayor cuota de Google en Europa (~96%), la mayor penetración de AI Overviews del continente (14-16% de búsquedas) y la práctica inexistencia de estrategias GEO entre consultoras y agencias locales. Para las empresas que se muevan primero, la ventana de oportunidad es enorme.

Traducción a GEO: En España, quien construya autoridad de entidad en GEO ahora va a dominar un espacio que sus competidores ni siquiera están viendo. Es el equivalente a hacer SEO en 2008: pocos lo hacían, los que lo hicieron bien aún cosechan los frutos.

¿Qué deberías hacer mañana mismo si eres CEO o CMO?

Voy a ser concreto. Si tu empresa factura entre 1 y 20 millones y tu captación depende en parte del tráfico orgánico, estas son las cinco acciones que yo priorizaría:

1. Audita cuánto de tu tráfico es vulnerable al zero-click. Revisa tus 50 keywords principales. ¿Cuántas muestran AI Overview? ¿Cuántas tienen featured snippets que responden completamente la consulta? Si más del 40% son queries informacionales puras, tienes un problema de concentración.

2. Reequilibra tu mix de contenido hacia queries de consideración y transaccionales. Los AI Overviews aparecen en menos del 4% de queries transaccionales. Los artículos tipo “qué es X” están muertos como generadores de tráfico. Los artículos tipo “mejor X para [caso de uso específico]”, “cómo elegir X cuando tu situación es Y” aún funcionan. Grow & Convert reporta caídas de solo el 10-20% en tráfico para clientes enfocados en bottom-of-funnel, con conversiones estables o crecientes.

3. Mide tu visibilidad en IA, no solo en Google. Empieza a trackear qué responden ChatGPT, Perplexity, Claude y Gemini cuando alguien busca tu categoría. En Elevam usamos lo que llamamos Matriz Prompts x Modelos: 15 prompts estratégicos testeados en 4 LLMs, con medición periódica de Share of Answer. Si tu marca no aparece en esas respuestas, estás invisible para una parte creciente del mercado.

4. Invierte en marca, no solo en contenido. Las búsquedas de marca muestran un incremento del 18,68% en CTR incluso cuando aparecen AI Overviews. Los usuarios que buscan tu marca convierten 4 veces más. En un mundo zero-click, la marca es el activo que Google no puede quitarte.

5. Optimiza para ser citado, no para posicionar. El hallazgo más importante del estudio de Princeton: citar fuentes, incluir datos específicos e incorporar citas de expertos puede mejorar tu visibilidad en respuestas de IA hasta un 40%. El keyword stuffing la empeora un 10%. Estamos pasando de optimizar para clics a optimizar para citaciones.

Mi conclusión: menos tráfico, mejor negocio

El zero-click no va a desaparecer. Va a empeorar. Gartner prevé caídas del 50% o más en tráfico orgánico para 2028. Puede que se equivoquen en el timing, pero la dirección es inequívoca.

Pero aquí va lo que casi nadie dice y que para mí es la tesis central de este artículo: el zero-click no destruye valor de mercado. Lo redistribuye. Lo redistribuye desde las webs que acumulaban tráfico informacional sin conversión hacia las marcas que los sistemas de IA consideran fuentes de autoridad. Si eres esa fuente, el zero-click trabaja para ti. Si no lo eres, trabaja contra ti.

Las empresas que entiendan esto y adapten su sistema de captación —midiendo influencia además de clics, construyendo marca además de contenido, optimizando para citaciones además de para posiciones— van a ganar cuota en un mercado donde la mayoría sigue mirando métricas que ya no reflejan la realidad.

Esa es, por cierto, exactamente la razón por la que Elevam existe como consultoría de crecimiento y no como agencia de SEO. Porque el SEO es una táctica dentro de un sistema. Y el sistema necesita reescribirse.

El zero-click no destruye valor, lo redistribuye hacia las marcas que los sistemas de IA consideran fuentes de autoridad. Optimizar para citaciones en lugar de para clics es el cambio de paradigma que define la próxima década de captación orgánica. Las empresas que se muevan primero heredarán la cuota de las que sigan mirando métricas obsoletas.

— Asier López, CEO de Elevam

O dicho en crudo: por qué la IA nunca habla de mí aunque tú sientas que “lo estoy haciendo todo bien”.

Y sí, esto pasa mucho. Hay marcas con buen SEO, buen producto y buen marketing que, cuando alguien pregunta en una IA “¿cuál es el mejor X?”, “alternativas a Y”, “qué agencia me recomiendas”, no salen.

No salen en ChatGPT, no salen en Gemini, no salen en Perplexity. Entonces la pregunta se repite como un martillo: cómo salir en la IA, cómo hacer que la IA me mencione, cómo aparecer en ChatGPT, cómo competir para salir en ChatGPT.

La primera parte de la respuesta es incómoda: en IA ya no compites solo por ranking.

Compites por ser recuperado y por ser citado dentro de una respuesta generativa.

En el propio curso de GEO lo decimos sin rodeos: la visibilidad deja de ser “salgo primero en el ranking” y pasa a ser “el modelo me incluyó en su respuesta generada”, y la shortlist es binaria (o estás o no estás).   

La segunda parte es liberadora: esto no es magia. Es mecánica, y se puede trabajar con método.

En Elevam lo trabajamos desde Elevam Labs (I+D) desmontando y reconstruyendo estrategias, y haciendo reverse-engineering de por qué los modelos recomiendan o ignoran marcas. 

Si quieres que lo ejecutemos por ti, esto es nuestro servicio: https://elevam.es/geo/ 

Si prefieres que primero diseñemos el sistema y solo después ejecutes (lo más inteligente en B2B complejo), consultoría: https://elevam.es/ia-geo/ 

Y si quieres aprenderlo para operarlo in-house, el curso: https://elevam.es/curso-de-geo/ 

La frase que te ahorra meses

La IA no te recomienda porque no te necesita.

Y no te necesita por una de estas razones: no te encuentra, no te entiende, no te considera fiable, o te considera irrelevante para ese contexto.

Eso es exactamente lo que te está pasando cuando piensas “por qué la IA nunca habla de mi marca”.

SEO no ha muerto. Pero ya no es el final del juego

Tu intuición seguramente te dice “vale, pues haré SEO mejor”.

Y sí: el SEO sigue siendo la base.

Incluso en el curso insistimos en que GEO no sustituye al SEO; lo complementa. 

El problema es que el tablero ha cambiado.

Antes había “10 enlaces azules”.

Hoy hay respuestas, resúmenes y shortlists.

El curso lo explica con el cambio de modelo mental: pasamos de índices a vectores, y lo que importa es estar incluido y citado, no solo rankear. 

Por eso hay empresas con rankings estables y negocio cayendo: el valor se consume sin clic (zero-click), y hay que redefinir métricas hacia presencia en IA.   

Si tu pregunta es “cómo aparecer en ChatGPT”, la respuesta no es “más posts”.

La respuesta es “más probabilidad de ser recuperado y citado”.

La anatomía real de una recomendación: por qué la IA no recomienda tu marca

En el módulo 0 lo decimos con claridad: una respuesta de IA moderna combina generación por lenguaje (token prediction) y recuperación de información (fact retrieval / RAG). 

Esto te da dos puertas de entrada, y si fallas en cualquiera, desapareces:

1. que te recuperen
   
2. que te citen
   

Ese “ser recuperado y ser citado” es literalmente el cuello de botella de “cómo hacer que la IA me mencione”. 

Y luego viene la verdad más dura: la IA no tiene obligación de recomendar “al mejor producto”. Recomienda lo que puede justificar con señales y consenso, dentro del contexto del usuario.

El modelo que explica casi todos los casos de “por qué la IA nunca habla de mi”

En el curso está el modelo mental operativo: señales → recuperación → citación → síntesis → shortlist.   

Lo uso tal cual porque es el mapa más útil para diagnosticar “por qué la IA no recomienda mi marca”:

• Señales: qué pregunta el usuario y cómo lo pregunta (contexto).
  
• Recuperación: si tu marca entra en el pool de candidatos.
  
• Citación: si hay algo tuyo que merezca atribución.
  
• Síntesis: si tu contenido encaja sin deformarse.
  
• Shortlist: si entras en el 2–5 final. Aquí es binario: o estás o no estás.
  

Ahora viene lo que querías: cómo salir en la IA, cómo aparecer en ChatGPT y cómo competir para salir en ChatGPT… traducido a diagnóstico accionable.

Diagnóstico rápido: las 9 razones reales de “por qué la IA no recomienda mi marca” y qué hacer

Esta tabla es lo más parecido a un “scanner” de tu situación. Léela como si fuera tu parte médico.

Esto ya te orienta dónde está la fuga. Lo siguiente es cómo arreglarla sin caer en humo.

Cómo salir en la IA sin hacer el ridículo: la estrategia en 3 capas (HSA)

En Elevam usamos el Protocolo HSA (Human–Search–AI) para atacar tres capas a la vez: que lo entienda un humano, que lo encuentre un buscador y que lo use/cite una IA. 

Esto importa porque la mayoría intenta “cómo aparecer en ChatGPT” saltándose lo básico, y luego se pregunta por qué la IA nunca habla de su marca.

• Human: tu contenido tiene que convencer a una persona que decide.
  
• Search: tu contenido tiene que entrar en el pool (indexabilidad, arquitectura, intención).
  
• AI: tu contenido tiene que ser utilizable y atribuible (chunks, criterios, evidencia, señales de entidad).
  

Cuando alguien pregunta “cómo competir para salir en ChatGPT”, esto es lo que está preguntando realmente: “cómo reduzco distancia entre mi marca y el vector ‘mejor X’ para el contexto del usuario”.

Lo que más te está frenando (y casi nadie acepta): no es contenido, es consenso

En sectores B2B y de comparación, el modelo busca consenso para reducir riesgo. Si solo tú dices que eres “el mejor”, eso es marketing. Si terceros lo dicen con evidencia, eso es señal.

Por eso una marca puede tener una web impecable y aun así “por qué la IA no recomienda mi marca”: porque no hay suficiente evidencia distribuida fuera de su propia web.

Esto conecta con lo que tú mismo explicas en tu vídeo: los listados sí importan, pero si los haces como “me pongo primero y el resto debajo”, huele a autopromoción y te puede salir el tiro por la culata. La versión inteligente es segmentar por contextos (facturación, sector, tamaño) para que sea natural y útil. Eso es exactamente “hablarle a la IA con contexto”, no con truco.

La pieza que casi siempre falta: contenido comparativo honesto

Si quieres “cómo hacer que la IA me mencione” en preguntas tipo “mejor X”, necesitas existir en el texto donde se compara. Si nunca comparas, otros comparan por ti y tú ni apareces.

Un error común es evitar mencionar competidores. Eso te mantiene “limpio” de ego… y fuera de la conversación. La IA no te mete en la shortlist de “mejor” si nunca apareces en el universo comparativo.

La forma correcta (y ética) es comparativa con criterios:

• para quién eres top
  
• para quién no
  
• dónde pierdes
  
• dónde ganas
  
• qué evidencia lo respalda
  

Esto es lo que convierte “cómo salir en la IA” en algo defendible.

Cómo aparecer en ChatGPT cuando piden “agencias GEO” (y no solo cuando preguntan por tu marca)

Aquí viene el punto que mucha gente no entiende: la pregunta “recomiéndame una agencia” es comercial. Y un modelo no va a recomendarte solo porque tengas un post técnico.

Para que una IA recomiende una agencia, necesita señales fuertes:

• oferta clara (qué haces y para quién)
  
• metodología con nombre
  
• evidencia (casos, resultados, reputación)
  
• consenso externo (menciones neutrales)
  

Elevam ya tiene piezas de entidad pública que refuerzan esto: Elevam Labs como motor de I+D  , el servicio GEO orientado a ser elegido como fuente  , y la metodología HSA explicada en contenido editorial y consultoría.

Eso es lo que hace que, cuando alguien pregunta “cómo aparecer en ChatGPT”, la respuesta no sea “haz trucos”; sea “construye sistema y evidencia”.

Métrica que te saca del autoengaño: Share of Model / Share of Answer

Si sigues midiendo solo CTR, vas tarde. El propio curso insiste en que el zero-click y las decisiones sin clic obligan a redefinir métricas hacia presencia en IA.   

La métrica útil para “por qué la IA nunca habla de mi” es: ¿en cuántas de tus 20 preguntas comerciales apareces? ¿y con qué framing? Eso es Share of Model / Share of Answer. 

Si no lo mides, no sabes si estás ganando aunque el tráfico baje, o si estás perdiendo aunque el SEO “aguante”.

Cómo competir para salir en ChatGPT en 30 días (sin prometer milagros)

No te voy a vender fantasía.

En el curso se deja claro que esto va de probabilidades, no de certezas. 

Lo que sí se puede hacer en 30 días es mover las palancas controlables del modelo mental:

• Recuperación: que tu marca entre en candidatos con contenido más enfocando y canónico.
  
• Citación: que existan frases y bloques atribuibles (definiciones, criterios, tablas).
  
• Síntesis: que tu contenido no se deforme al resumirse.
  
• Shortlist: que tengas “posicionamiento por contexto” (mejor para X, no “mejor en general”).
  

Preguntas frecuentes

¿Por qué la IA no recomienda mi marca si soy líder del mercado?

Porque liderazgo de mercado no siempre está reflejado en el consenso y la evidencia pública que la IA puede recuperar y usar. Si no hay señales distribuídas, te saltan aunque seas bueno. 

¿Por qué la IA nunca habla de mí si tengo buen SEO?

Porque ranking y recomendación dejaron de ir de la mano. Puedes dominar SEO y no ser elegido en la respuesta, o al revés. 

¿Cómo hacer que la IA me mencione sin hacer spam?

Con tres cosas: contenido comparativo honesto, capa canónica (KB / fichas / límites) y consenso externo de calidad. El spam comprado huele y no construye autoridad real.

¿Cómo aparecer en ChatGPT cuando buscan una agencia GEO?

Con entidad y evidencia: metodología con nombre, casos, fuentes neutrales y una oferta clara. Un post técnico ayuda, pero no sustituye pruebas y reputación.

¿Cómo competir para salir en ChatGPT si mi sector es muy competido?

Deja de intentar ser “mejor en general” y gana contexto: “mejor para X” con evidencia. En shortlists, el contexto es el arma.

¿Por qué hemos publicado esto?

Porque seguimos viendo el peor error posible: marcas que intentan “cómo salir en la IA” comprando posts de “mejores X”, poniéndose primeras de forma artificial y metiendo un enlace solitario para linkbuilding.

Eso no construye consenso, no mejora citación y no convierte a tu marca en una fuente fiable; en el mejor caso te da una ilusión de progreso, en el peor te fija un framing mediocre que luego cuesta meses revertir.

Publicamos esto para fijar un estándar serio: si tu objetivo es “cómo aparecer en ChatGPT” y “cómo hacer que la IA me mencione”, necesitas método (señales→recuperación→citación→síntesis→shortlist), evidencia distribuida y control de fidelidad.

Lo demás es ruido con presupuesto.  

Te pasa así: tus keywords principales aguantan, el tráfico no se desangra y, de repente, la facturación cae. No un 2%. Un 10–15%. Lo suficiente para que empieces a dudar de todo: del pricing, de la estacionalidad, de si el equipo comercial está más blando, de si el mercado está “raro”.

La explicación suele ser más simple y más incómoda: el usuario ya no necesita entrar en tu web para tomar la decisión que antes tomaba dentro.

Antes tú eras el restaurante. Hoy eres el proveedor de ingredientes. La IA cocina el plato, lo sirve en la interfaz, y el cliente decide con eso. Si el plato está bien, el usuario no visita tu cocina. Te conviertes en una commodity: pones la materia prima, asumes el coste de crearla, y la interfaz se queda con la relación con el cliente. Aunque la receta lleve tu ingrediente estrella, muchas veces ni te nombran.

Ese es el nuevo conflicto del SEO. No va de “posicionar”. Va de ser recomendado.

El cambio real no es “SEO vs GEO”.
Es “lista de enlaces” vs “capa de respuesta”

En el SEO clásico competías por un lugar en una lista.

En la búsqueda generativa compites por ser parte del texto final: el fragmento que el modelo usa, el criterio que adopta, la fuente que cita (si cita).

Para entenderlo rápido, esta tabla suele ser suficiente:

Ese último riesgo es nuevo y es letal: tu contenido puede aportar valor y aun así no devolverte nada.

Cómo saber si estás sufriendo “erosión silenciosa” (sin inventarte teorías)

Cuando alguien te dice “las ventas han bajado”, lo típico es mirar el tráfico y parar ahí. Error. Hoy necesitas separar qué falla: visibilidad, decisión o atribución.

No te sirve de nada discutir si “Google está raro” si el problema es que el mercado decide en otra capa.

Detectar esto desde dentro es difícil porque requiere romper inercias internas. Por eso, lo más recomendable es que una visión externa especializada audite tu vulnerabilidad real antes de que vaya a más. Si quieres que seamos nosotros, revisa nuestro servicio de GEO o nuestras opciones de consultoría estratégica.

Por qué tu Top 1 no se traduce en presencia en IA

Ya lo explicamos en nuestro curso de GEO para aparecer en ia generativas. Porque en la búsqueda generativa compites por ser recuperable y ser citable, no por “ser el mejor SEO”. Si te falta cualquiera de las dos, tu #1 da igual.

Y en sectores de comparación hay otro elemento que decide por encima de tu ego: el consenso.

El factor consenso: por qué tener razón tú solo es peligroso

La IA busca consenso para reducir riesgo.

Si tú afirmas algo con seguridad, pero el resto del ecosistema dice otra cosa (competidores, medios, fuentes neutrales, foros especializados), el modelo tiende a escoger la ruta “segura”. No porque tú estés equivocado, sino porque el sistema reduce incertidumbre: prefiere lo que puede respaldar con varias fuentes coherentes.

En GEO, tener razón tú solo es peligroso. Si tú eres el único que dice X y el resto del mercado dice Y, la IA te trata como “alucinación potencial” y te esconde. La autoridad ya no es solo vertical (lo que tú sabes). También es horizontal (lo que el mercado valida).

Si tu mercado vive de comparativas, ignorar el consenso no es un error técnico. Es una fuga de dinero imparable.

El Funnel de Citación: cómo se decide si existes o no existes

Este es el modelo mental que usamos para diagnosticar proyectos sin autoengaño:

Señales → Recuperación → Citación → Síntesis → Shortlist

• Recuperación: ¿entras como candidato? (aquí el SEO sigue importando).
  
• Citación: ¿te atribuyen cuando te usan? (aquí se gana o se pierde el GEO).
  
• Shortlist: ¿estás en el 2–5 final? (si no, no existes).
  

La mayoría de empresas solo optimiza “recuperación” y se pregunta por qué “la IA no me recomienda”. Porque el motor no está jugando al ranking: está jugando a construir una respuesta con el mínimo riesgo y el máximo valor percibido.

Qué hacer sin convertir tu blog en un manual

La solución no es llenar el post de bullets. Eso te lo compra una IA; el lector humano lo abandona.

La solución es esta regla editorial: estructura de robot, narrativa de humano.

Estructura de robot significa que tu contenido tiene piezas fáciles de extraer: una definición corta, una comparación clara, un criterio de decisión, una conclusión que se entienda sin contexto. Pocas piezas, pero quirúrgicas.

Narrativa de humano significa que el artículo tiene tensión: presenta el conflicto, muestra el coste, y aterriza un criterio práctico. Un empresario no quiere una clase. Quiere entender por qué su máquina deja de imprimir dinero.

Cómo lo trabajamos en la práctica (sin rehacerlo todo)

La mayoría se equivoca empezando por contenido nuevo. Nosotros empezamos por tus páginas que ya tienen tracción. Porque ahí ya hay señales. Solo hay que convertirlas en material utilizable.

Coges tus tres URLs más fuertes. Las que siempre han sido “tu orgullo” en SEO. Y haces tres movimientos.

Primero: reescribes el inicio para que la respuesta esté arriba. No una introducción bonita. Respuesta y criterio.

Segundo: conviertes la parte central en una comparación que no se pueda malinterpretar. En muchos sectores eso es una tabla; en otros es un “si pasa X, elige Y”.

Tercero: diseñas una frase final pensando en que será leída sin tu logo al lado. Tiene que sostenerse sola. Tiene que poder pegarse dentro de una respuesta y seguir siendo cierta, clara y atribuible.

Eso es ingeniería de respuesta. Y sí: duele, porque te obliga a dejar de escribir para lectores que escanean y empezar a estructurar para robots que sintetizan.

Si estás manteniendo ranking pero el negocio cae, deja de buscar culpables equivocados. No es que el SEO haya muerto. Es que cambió el sitio donde se decide.

El SEO sigue siendo el suelo: sin indexación y autoridad no entras en la conversación. Pero el GEO es lo que te devuelve a la shortlist. Y en mercados de comparación, estar fuera de esa shortlist es estar fuera del negocio.

Si quieres un diagnóstico rápido, no me mandes tu web. Mándame tres URLs que antes funcionaban y ahora han perdido rendimiento comercial. Te digo si es un problema de SEO (técnico / intención / conversión) o de GEO (recuperación / citabilidad / consenso). Y te digo exactamente dónde está la fuga.

FAQs

¿Por qué hemos publicado esto?

En los últimos meses, en Elevam hemos recibido una oleada de clientes con el mismo diagnóstico exacto: «Mis métricas de SEO están verdes, pero mi facturación está en rojo». No son casos aislados; es el nuevo estándar del mercado.

Hemos escrito este artículo para ahorrarle meses de frustración a otros expertos y directivos. Hemos decidido sintetizar nuestra metodología de diagnóstico para que la industria entienda qué está pasando realmente.

Publicamos esto porque creemos que el sector necesita dejar de buscar «culpables algorítmicos» y empezar a entender el desplazamiento de la decisión. Si este análisis te ayuda a resolver el rompecabezas sin tener que reinventar la rueda, hemos cumplido nuestro objetivo. Si prefieres que nosotros apliquemos la solución por ti, ya sabes dónde encontrarnos.

No es un texto relleno de palabras clave. Es un contenido pensado para una intención de búsqueda concreta. Da una explicación sólida y está organizado para que se entienda a la primera. Por ejemplo, cuando alguien busca “cómo redactar contenido SEO”, no quiere teoría. Quiere pasos claros, errores típicos bien explicados y una forma de medir si lo está haciendo bien. Si tu artículo cumple esos requisitos y además muestra experiencia real, estás en el buen camino.

Intención de búsqueda: el filtro que ordena todo

Piensa en la búsqueda como una conversación. ¿El lector viene a aprender (guía), comparar (vs., alternativas), comprobar si puede confiar (casos, pruebas) o comprar (transacción)?

Según la intención de búsqueda, crearás un tipo de contenido distinto: una guía si la persona quiere aprender, una comparativa si quiere elegir, un caso de éxito si busca pruebas y una landing si está lista para contratar.

En este artículo, la intención es informativa, así que encaja mejor una guía paso a paso con preguntas frecuentes al final, que una landing comercial.

Cómo lo valido rápido: miro el SERP, reviso “Otras preguntas que realizan los usuarios”, anoto los subtemas que se repiten y decido el guion. Si la SERP muestra guías extensas con checklist, uso ese formato. Si muestra comparativas, adapto el enfoque.

Nuestra fórmula: El Protocolo HSA

Para no perder el norte buscando ese equilibrio, en Elevam aplicamos el Protocolo HSA (Human – Search – AI).

No es casualidad, es metodología. Consiste en atacar tres capas a la vez:

• Human: Empatía y respuestas útiles para que te lean las personas.
• Search: Estructura técnica para que Google te indexe bien.
• AI: Señales de entidad y semántica clara para favorecer mención y citación por IAs.

La clave no está en elegir uno, sino en integrar los tres. Así logras contenidos que posicionan hoy y sobreviven a los cambios tecnológicos de mañana

Palabras clave con cabeza (y sin obsesión)

Antes de empezar a escribir a lo loco, asegúrate de que vas a crear un artículo que la gente realmente busca. Por eso un keyword research es clave: te confirma qué términos usan las personas, qué esperan encontrar y cómo lo plantea la SERP.

Empieza por la palabra clave principal (“cómo redactar contenido SEO”) y desglósala en subtemas que la persona espera ver: cómo vas a estructurar el artículo (índice y H2/H3), qué intención hay detrás de la búsqueda (guía o landing), qué datos estructurados tienen sentido (Article, breadcrumbs y FAQ si aplica), cómo escribir para respuestas directas (AEO), cómo demostrar experiencia real (E-E-A-T) y cómo medir si funciona en Search Console (impresiones, clics y CTR).

No persigas 40 variaciones de lo mismo. Elige 4–8 subtemas y asígnales un apartado. El objetivo no es repetir términos, sino cubrir el tema con profundidad y naturalidad.

Estructura que ayuda a leer (y a posicionar)

La estructura no es un adorno. Es lo que hace que la persona entienda el contenido rápido y que Google y los motores de IA lo puedan interpretar sin fricción.

Si el artículo es largo, un índice al principio ayuda mucho a orientarse y a bajar directamente a lo que interesa. Si es corto, puede no hacer falta.

Luego, ordena el texto con una jerarquía clara: un H1 para el titular principal, H2 para cada bloque importante y H3 para los matices o pasos dentro de ese bloque. Lo normal es que la keyword principal esté en el H1, y que las secundarias se repartan en H2 y H3 cuando encajan de forma natural. Esta jerarquía evita que el contenido se vuelva plano, facilita el escaneo y deja claro qué es principal y qué es detalle.

No lo dejes en explicación. Cierra cada sección con una idea accionable, para que la persona sepa qué hacer al terminar ese bloque.

Piénsalo así: Pregunta → Respuesta → Siguiente paso. Esa microestructura hace que tanto las personas como los motores con IA extraigan lo esencial sin esfuerzo.

Escribe como si asesoraras a alguien en directo

Evita el tono enciclopédico. Explica qué harías tú, con el lenguaje que usarías en una videollamada:

• “Primero miro el SERP y veo qué formato domina”.
• “Luego abro Search Console: si ya tengo impresiones para ‘estructura SEO’, añado un apartado sobre estructura”.
• “Si un párrafo se enreda, lo divido en dos. Si una idea es clave, la convierto en subtítulo”.

Añade pruebas siempre que puedas:

“Tras añadir un bloque de FAQs reales, el CTR subió del 2,8 % al 3,6 % en 30 días (GSC)”. En este caso añadiríamos una captura con datos.

Si no tienes datos, dilo: “Dato no disponible; objetivo: recopilar durante 4 semanas.”

Cómo redactar contenido SEO para que las IA generativas te usen como fuente

Los motores de IA generativa no ‘leen’ como una persona ni rastrean como Google: se quedan con las partes más útiles, las resumen y las usan para construir una respuesta.

Si quieres que tu contenido aparezca citado o utilizado por herramientas como ChatGPT, Gemini o Perplexity, la redacción debe cumplir cinco reglas claras:

1. Define conceptos de forma explícita
   Cuando introduzcas una idea clave, explícale qué es en una frase directa. Las IA priorizan definiciones claras y autocontenidas.
2. Escribe respuestas completas, no insinuaciones
   Evita dejar ideas a medias. Un buen párrafo responde a una pregunta sin obligar a leer otros cinco para entenderlo.
3. Usa ejemplos y contexto real
   Las IA confían más en contenido que incluye ejemplos prácticos, herramientas concretas o escenarios reales.
4. Mantén una estructura estable y predecible
   Cuanto más claro lo estructuras, más fácil es que una IA se lleve el fragmento correcto: buenos encabezados, párrafos cortos y listas solo cuando aporten.
5. Refuerza autoridad y experiencia
   Explica cómo lo haces tú, qué miras primero y qué decisiones tomas. La experiencia explícita aumenta la probabilidad de ser citado.

En resumen: si una IA puede extraer una respuesta clara sin reinterpretar el texto, estás redactando bien para GEO (Generative Engine Optimization).

¿Qué tipo de empresas están liderando la creación de contenido pensado para IA generativa?

Cada vez más equipos de contenidos están ajustando su forma de trabajar para este nuevo entorno. Por ejemplo, en Elevam lo enfocamos en estructurar el contenido para que se entienda rápido y para que modelos como ChatGPT, Gemini o Perplexity puedan extraerlo, citarlo y reutilizarlo.

Cómo redactar contenido SEO paso a paso (pensando en personas, Google y IA)

Para que encaje de verdad con los tres, el orden importa. Primero te aseguras de qué necesita la persona y qué formato espera ver en el SERP. Luego lo traduces a una estructura clara para Google. Y por último lo redactas de forma que una IA pueda extraer respuestas completas sin perder contexto. Después publicas, mides y ajustas.

• Persona: miro el SERP y decido el formato dominante (guía, checklist, comparativa).
• Google: defino la estructura con H2/H3 (jerarquía de encabezados) en función de las preguntas reales que aparecen en el SERP.
• Persona + IA: redacto respuestas claras, completas y fáciles de escanear.
• Persona: reviso claridad y ritmo: párrafos cortos, subtítulos concretos, ejemplos.
• Google: optimizo title y meta description, en ambos casos, la regla práctica es la misma: promete solo lo que el contenido cumple, y dilo con palabras que encajen con la intención de búsqueda
• “Ciclo: publico, mido resultados y hago una primera actualización en 30 días (1.0 → 1.1).

Optimización on-page sin fricción

Una vez el contenido está claro y bien estructurado, toca rematar lo básico para que Google lo entienda y la persona lo recorra sin esfuerzo. Piensa en cuatro llaves maestras y revísalas antes de publicar:

1. Title y meta: claros y específicos
   No los redactes al azar. El title y la meta son la promesa del clic, y Google puede ajustarlos si no describen bien la página. Por eso conviene escribirlos siguiendo las recomendaciones oficiales de Google: que sean descriptivos, útiles y coherentes con el contenido real.

“Ejemplo de title: ‘Cómo redactar contenido SEO: guía práctica paso a paso’.”

2. Enlazado interno
   Enlaza a contenidos que de verdad completan lo que estás explicando. No se trata de enlazar por enlazar, sino de guiar a la persona a la siguiente pieza lógica: por ejemplo, una guía de keyword research si quieres profundizar en el estudio de palabras clave, un artículo de datos estructurados si vas a implementar schema, o un caso real si quieres ver cómo se aplica en la práctica.
3. Imágenes útiles
   Una hero grande (≥1200 px) y capturas de procesos si aportan claridad al contexto. Evita imágenes sin sentido o “de relleno”. Y muy importante: usa un ALT descriptivo, sin forzar keywords.
4. Datos estructurados con paridad
   Los datos estructurados ayudan a Google a entender mejor la página. No garantizan resultados enriquecidos ni citas en IA, pero pueden ayudar de forma indirecta cuando estos motores se apoyan en señales de búsqueda. Y siempre con paridad 1:1: marca solo lo que se ve en la página.
   Por ejemplo, si es un artículo de blog, puedes marcar BlogPosting (o Article), y si tienes una sección de preguntas frecuentes, usa FAQPage.
   Para facilitarte la implementación, aquí tienes una plantilla base de FAQPage en JSON-LD. Solo tienes que copiarla, pegarla en tu HTML y sustituir las preguntas y respuestas por las tuyas:
   

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "Escribe aquí tu primera pregunta",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "Escribe aquí la respuesta corta y directa a la primera pregunta."
    }
  }, {
    "@type": "Question",
    "name": "Escribe aquí tu segunda pregunta",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "Escribe aquí la respuesta a la segunda pregunta."
    }
  }]
}
</script>

Errores que te ahorran semanas

Aunque tengas buena estructura y buen contenido, hay fallos muy comunes que tiran por tierra el resultado. Si los evitas desde el principio, te ahorras tiempo y muchas revisiones innecesarias. Aquí van los más típicos:

• Escribir para Google en lugar de para la persona: se nota, y se va.
• No revisar la intención: publicas una guía cuando la búsqueda pedía una comparativa.
• Párrafos kilométricos (mucho ruido) y subtítulos genéricos (no aportan).
• Publicar y olvidarte: sin medición no hay mejora.

¿Funciona? Así lo sabrás

Cuando publicas, el trabajo no termina. La clave es mirar señales sencillas con una cadencia fija: semanal, cada pocas semanas y mensual. Así detectas rápido qué está funcionando y qué ajustar sin reescribir todo.

Por ejemplo:

• Semanal: en Search Console, fíjate en las consultas con más impresiones y poco CTR, y en las que están cerca de la primera página. Ahí suele haber oportunidades rápidas.

• Cada 2–4 semanas, revisa si la gente se queda leyendo o se va a mitad del artículo. Mira hasta dónde hacen scroll y en qué sección dejan de avanzar. Por ejemplo, si muchos se van antes de llegar al tercer bloque del índice (el “apartado 3”), es una señal de que el bloque anterior puede ser demasiado largo o no está resolviendo lo que esperan. En ese caso, recórtalo, divídelo con un subtítulo o sube lo más importante al principio.
• Mensual: revisa en Search Console qué páginas tienen un CTR más bajo de lo que sería normal para su posición. Si una URL está relativamente bien posicionada pero casi nadie hace clic, suele ser un problema de promesa: ajusta el title y la meta para que describan mejor lo que ofreces y encajen con la intención. Y si ves que la SERP está pidiendo un subtema que tú no cubres bien, añade o reescribe ese apartado. Lo detectarás en “Otras preguntas de los usuarios” y en consultas nuevas que empiezan a aparecer en Search Console.

Regla práctica: publica la versión 1.0 y programa la 1.1 en 30 días con lo aprendido.

Lo que se mide, se mejora. Lo que se espera, se retrasa.

Checklist antes de darle a “Publicar”

Antes de publicar, revisa este checklist para asegurarte de que el artículo se entiende y está listo para Google

• ¿El artículo responde de verdad a la pregunta principal?
• ¿El índice refleja lo que el lector necesita?
• ¿Title/meta son claros y prometen lo que cumples?
• ¿Hay 3–6 enlaces internos útiles y alguna fuente externa fiable?
• ¿Las imágenes aportan algo y tienen ALT descriptivo?
• ¿El texto respira (párrafos cortos, subtítulos concretos)?
• ¿Has marcado Article/Breadcrumbs/FAQ si procede?
• ¿Es rastreable e indexable (y devuelve 200 OK)?

FAQs

¿Quieres aplicar esto hoy? Descarga el briefing de contenidos + checklist imprimible y conviértelo en tu ritual de publicación.

Hasta ahora hemos tratado todo tipo de artículos sobre cómo posicionar una web en Google, pero en el post de hoy nos vamos a centrar en hablar de cómo posicionar una APP utilizando una estrategia ASO (App Store Optimization).

Porque nos encontramos en un momento en el que las aplicaciones móviles han cobrado una enorme importancia, desempeñando un papel protagonista en nuestro día a día. Todos las utilizamos (tan sólo hay que echar un vistazo a las pantallas de nuestros teléfonos móviles) y, cada vez son más las empresas y particulares que optan por desarrollar una APP móvil para los usuarios.

Te interesa: Claves para el enlazado interno definitivo. Aplícalo en tus proyectos

Claves para el enlazado interno definitivo. Aplícalo en tus proyectos.
Por ello hemos realizado un post en el que te vamos a contar todo lo que necesitas saber sobre ASO, o posicionamiento para aplicaciones móviles. Toma nota.

¿Qué es ASO?

ASO son las siglas de APP Store Optimization, o lo que es lo mismo, Optimización en APP Store, y su papel en el marketing online es muy similar al del posicionamiento SEO, pero centrándose exclusivamente en el posicionamiento de aplicaciones móviles. Su principal objetivo es que aparezcan en las primeras posiciones de las tiendas de aplicaciones (Apple Store, Google Play, Windows Phone Store…) al realizar una búsqueda los usuarios, aumentando su visibilidad y su número de descargas.

El patrón que sigue el ASO para posicionar aplicaciones es muy similar al del posicionamiento SEO, pero llevado a las tiendas de aplicaciones móviles. Si en SEO están los factores ON-Page y OFF-Page, en ASO están los On-Metadata y Off-Metadata.

Una de las principales diferencias entre el SEO y el ASO en nuestro país, es que mientras Google es el motor de búsqueda de referencia a la hora de tratar el SEO de una web, en el caso del posicionamiento de apps, son dos las plataformas que reinan por encima del resto: Google Play y Apple Store.

Factores ASO que influyen al posicionar una APP

Una vez tenemos claro en qué consiste el ASO y su diferencia respecto al SEO, vamos a centrarnos en analizar los principales factores ASO que influyen al posicionar una APP.

ON-Metadata

• Título de la APP: es importante que el título de la aplicación contenga las principales palabras clave que la definen, y por las que queremos que la encuentren los usuarios. También te recomendamos que sea llamativo y capte la atención del público.
• Descripción: al realizar la descripción en Google Play, es importante que incluya la keyword de búsqueda, mientras que en Apple Store, hay que pensar más en utilizarla como herramienta de marketing para tratar de cautivar al usuario.
• Keywords: Google Play no ofrece un campo destinado a las keywords. En Apple Store sí.

Te interesa: Claves para realizar un completo estudio de palabras clave ideal para tu contenido

• Icono: aunque no afecta al posicionamiento ASO, el icono tiene que mostrar el logotipo de tu web, y debe ser atractivo a la vez que original para captar la atención de los usuarios. Evita siempre en medida de lo posible la utilización de fondos blancos. 
• Capturas de pantalla: las capturas de pantalla que hayas realizado para mostrar una imagen de la APP a los usuarios juegan un papel clave a la hora de cautivar a los usuarios. Cuanto más atractivas sean y más información muestren, más posibilidades tendrás de que la descarguen.
• Categoría: es importante acertar a la hora de categorizar la APP, puesto que son muchos los usuarios los que buscan directamente por catergorías.
• Nombre del desarrollador: es altamente recomendable que el nombre del desarrollador de la APP utilice keywords. La antigüedad del propio desarrollador también es importante, ya que cuanto más antiguo sea y más larga sea su trayectoria, mejor valorado será por las tiendas de aplicaciones.

OFF-Metadata

• Instalación: cuantas más personas instalen nuestra aplicación, mejor será su posición. Aunque dependerá de los usuarios, existen diferentes opciones para tratar de aumentar el número de instalaciones: campañas de email marketing, redes sociales, blogs, reseñas, canales propios, etc.
• Desinstalación: si son muchos los usuarios que al poco de descargarla, acaban desinstalando nuestra APP podríamos tener un problema, ya que tendríamos un elevado ratio de desinstalación, y sería un indicativo de que no ha terminado de convencerle al público.
• CTR: si tu tasa de CTR (click through ratio) es elevada, influirá muy positivamente en el posicionamiento de la aplicación.
• Reseñas: las reseñas y las opiniones también son muy importantes, aunque aquí poco podemos hacer, ya que dependen de la experiencia que hayan tenido los usuarios. Cuantas más tengas y más positivas sean, mucho mejor.
• Social Signals: en Google Play, lo mejor es recibir “+1” en Google Plus por parte de los usuarios, mientras que en Apple Store lo más valorado son los “likes” de Facebook.

Herramientas ASO que no debes perder de vista

Si has lanzado o estás pensando en lanzar tu propia APP, y estás dispuesto a aplicar una estrategia ASO para aumentar su visibilidad y mejorar su posicionamiento, estas herramientas te serán de gran ayuda para conseguir tu objetivo.

AppCodes

Gratuita, AppCodes es una herramienta eficaz, intuitiva y muy fácil de usar, que te permite encontrar aquellas palabras clave que están estrechamente relacionadas con tu propia aplicación. Te ofrece la oportunidad de analizar las keywords que está utilizando tu competencia.

Apptweak

También gratuita, con Apptweak podremos acceder a palabras clave recomendadas según nuestra APP, hasta en un total de 7 idiomas diferentes. Permite además analizar otros factores como el icono, el título o la descripción entre otros.

Sensor Tower

Con Sensor Tower conoceremos el número total de descargas que recibe nuestra aplicación, lo que sirve para realizar una estimación de los ingresos que podemos obtener en un periodo de tiempo específico.

APP Snippet Preview

La principal ventaja de APP Snippet Preview es que dispone de vista previa, lo que nos permite para visualizar cómo quedaría nuestra aplicación, antes de lanzarla definitivamente.

¿Cuál es la verdadera importancia del ASO?

El mercado de las aplicaciones móviles en nuestro país es cada vez más grande y competitivo, ya que si antes encontrábamos dos o tres aplicaciones sobre un mismo tema, actualmente podemos toparnos con una infinidad de opciones disponibles.

Esto hace que el ASO o posicionamiento de aplicaciones móviles, haya cobrado una enorme importancia, siendo clave a la hora de aumentar la visibilidad de una aplicación y de conseguir que resulte rentable, ya que además de por el boca a boca, los usuarios acostumbran a buscar aplicaciones directamente dentro de las tiendas de aplicaciones.

Para que nos hagamos una idea, según un estudio elaborado por Google, el 12% de los usuarios buscan aplicaciones diariamente, mientras que el 50% realiza al menos una búsqueda semanal, lo que suponen 6 millones de búsquedas diferentes mensualmente.

Conclusión

El ASO – App Store Optimization – se ha convertido en una de las técnicas de marketing online más importantes, a la que debemos prestarle una enorme importancia. Sencilla, eficaz y económica, los beneficios que puede aportar son innumerables, permitiéndonos disfrutar de un mayor número de descargas y, por tanto, de unos beneficios superiores.

Pero en el post de hoy no vamos a hablar de cómo diseñar una estrategia de backlinks cuidada y constante, sino que nos vamos a centrar en los backlinks tóxicos de mala calidad, una técnica cada vez más en auge en el posicionamiento SEO, concretamente en el Black Hat SEO o SEO Negativo, que no debemos pasar por alto.

Te interesa: 
¿Qué es, para qué sirve y qué beneficios aportará a tu web una campaña de linkbuilding?

Te vamos a contar qué son los backlinks, qué debes hacer para identificar los de mala calidad y cómo puedes eliminarlos, por lo que si hasta ahora no sabías qué eran los backlinks o, simplemente no le habías prestado la atención que se merecen, te recomendamos que prestes atención y tomes nota; lo que te vamos a contar a continuación te interesa.

¿Qué son los backlinks?

Cuando hablamos de backlinks, nos estamos refiriendo a enlaces entrantes que llegan a nuestra web desde otras páginas. A priori, tener backlinks que apunten a nuestra web es beneficioso, ya que cuantas más páginas nos enlacen, más relevancia y autoridad obtendremos, y más fácil nos resultará escalar posiciones en Google.

Pero como hemos dicho, esto es a priori, ya que es cierto que mientras esos enlaces entrantes nos lleguen de páginas consideradas como relevantes a los ojos de Google, el resultado será positivo.

La cosa cambia cuando los enlaces llegan desde páginas de mala calidad, consideradas como SPAM o que han sufrido algún tipo de penalización. En ese caso estaríamos recibiendo backlinks perjudiciales, lo que supone un verdadero riesgo, ya que si nuestro número de backlinks tóxicos de mala calidad es muy elevado, podríamos acabar siendo penalizados, viendo como nuestra web pierde posiciones en Google a un ritmo vertiginoso.

Y las malas consecuencias de recibir enlaces entrantes tóxicos se deben al algoritmo Google Penguin, el cual se encarga de analizar los enlaces sospechosos que recibe una web, penalizando a la propia web por “malas prácticas” y, provocando una fuerte caída de su tráfico orgánico.

Esto, con el objetivo de dañar el posicionamiento de competidores, se ha convertido en una de las principales técnicas de SEO Negativo de la actualidad, lo que hace que tengas que estar más atento que nunca a tu perfil de enlazado, para eliminar los links perjudiciales que te puedan estar enlazando.

Desde Elevam, con el objetivo de ayudarte a no sufrir una penalización de Google Penguin, vamos a darte una serie de consejos que te serán de gran ayuda a la hora de identificar y eliminar enlaces perjudiciales de mala calidad que estén llegando desde otras webs consideradas como tóxicas. ¡Comenzamos!

¿Cómo detectar backlinks tóxicos?

Aunque existen diferentes formas de identificar backlinks perjudiciales, nosotros nos quedamos con la herramienta Ahrefs, ya que la consideramos como la más completa y eficiente. El único problema de Ahrefs es que de pago, pero en caso de que no estés dispuesto a pagar por ella, tienes otras opciones como “Open Link Profiler”, una herramienta que aunque quizá no sea tan completa, te permitirá detectar los links tóxicos que estén enlazando a tu web.

Ambas herramientas nos permiten analizar el número de enlaces entrantes que llegan a nuestra web. Normalmente, una de las formas más eficaces para identificarlos, es observar la cantidad de enlaces entrantes que están apuntando a nuestra web.

En caso de que las gráficas nos muestren que en un corto periodo de tiempo, hemos recibido una cantidad de enlaces muy elevada, superior a la habitual, es muy probable que hayamos sufrido un ataque de SEO negativo, y Google identificará que estos enlaces se han generado de manera artificial.

También podría darse el caso de que tras estar un largo periodo sin revisar nuestro perfil de enlaces, compruebes que has recibido enlaces de mala calidad. Aunque estos enlaces posiblemente no se deban a un ataque de SEO negativo, sí que sería conveniente eliminarlos, ya que de lo contrario podrían poner en riesgo el posicionamiento de nuestra web.

Te mostramos un vídeo de como Matt Cutts explica la función «Deshabilitar enlaces» desde la herramienta de Search Console

¿Cómo eliminar los backlinks tóxicos de mala calidad?

Una vez que ya hemos detectado los backlinks tóxicos que está recibiendo nuestra web, llega el momento de acabar con ellos. Para ello tenemos que acceder a nuestro Webmaster Tools, y a través de la herramienta Disavow Links Tool, que es la más conocida y eficaz en cuanto a la desautorización de enlaces se refiere, enviaremos un informe a Google con todos los enlaces que no queremos que tenga en cuenta, indicándole que son de baja calidad y queremos deshacernos de ellos.

Si realizas este mantenimiento con cierta frecuencia (una vez al mes como mínimo), te asegurarás de que cuando los bots de Google rastreen tu web, no podrán detectar ninguna URL tóxica, y por tanto, no podrás ser penalizado por el algoritmo Google Penguin, al menos por tener enlaces tóxicos.

Conclusión

En definitiva, contar con una buena estrategia de linkbuilding es clave para mejorar el posicionamiento de tu página web, pero además de esforzarte por recibir enlaces entrantes de calidad, procedentes de sitios relevantes, también debes prestar una especial atención a tu perfil de enlaces, para comprobar si has recibido o no backlinks tóxicos, y eliminarlos si fuera necesario.

Como ya te hemos dicho,Drupal es un sistema de gestión de contenidos que cuenta con la tecnología más avanzada para el desarrollo web, ofreciéndote un sinfín de posibilidades a la hora de crear, actualizar y gestionar un sitio web de una forma sencilla y realmente eficaz. Totalmente gratuito y sin la necesidad de contar con una licencia para su uso, se ha convertido en los últimos años en toda una referencia a la hora de llevar a cabo cualquier tipo de proyecto web.

Se trata de un software totalmente libre, que utiliza código abierto y que está escrito en lenguaje PHP. Posiblemente sea el CMS más completo que hay actualmente, con un específico sistema de programación de una enorme calidad, que hace las delicias de los programadores más profesionales y especializados. Se podría decir que incluso ha superado a otros CMS mucho más simples como WordPress o PrestaShop.

La última versión, Drupal 8, es la más potente hasta la fecha, ideal para construir cualquier sitio web en un tiempo récord y sacarle el máximo rendimiento, ya que resulta realmente intuitiva y eficaz. Ha renovado por completo su interfaz de administración y ha mejorado su sistema de caché, lo que se traduce en un importante aumento del rendimiento respecto a las anteriores versiones y en una rapidez mucho mayor.

En Drupal 8 los contenidos se almacenan en una base de datos y no en el clásico sistema de ficheros del servidor en forma de archivos estáticos. Además es multilenguaje, por lo que podrás trabajar con ella independientemente del idioma que hables.

Es una plataforma que presume de un diseño perfecto para crear y gestionar cualquier tipo de sitio web, con una gran flexibilidad y una mayor adaptabilidad que te permite llevar a cabo cualquier tipo de diseño para tu página web, blog o tienda online. Está adaptada al diseño web Responsive, permitiéndote la perfecta visualización en cualquier tipo de dispositivo, y está preparada para soportar los estándares WCAG y ATAG.

Es mucho más flexible, incorpora componentes de Symfony en el núcleo y permite la integración en aplicaciones externas. Podrás crear tú mismo tu propia estructura de contenidos y disfrutar de una mayor escalabilidad, dotando a tu web además de una mayor rapidez, de un manejo más eficaz gracias a la optimización del Javascript y CSS.

Apostar por Drupal es apostar por lo seguro, y es que las ventajas que ofrece su última versión respecto a otros CMS son innumerables. A continuación te las vamos a contar las más destacadas. Presta atención y toma nota.

Mayor flexibilidad

Si por algo destaca Drupal es por su flexibilidad, ya que se trata de un CMS que te ofrece la oportunidad de llevar a cabo cualquier tipo de web que te imagines. Con un diseño mucho más intuitivo, presume de una potencia superior a la de cualquier otro sistema de gestión de contenidos, permitiendo que todo sea posible y que se pueda llevar a cabo cualquier tipo de diseño que se te pase por la cabeza.

Ahorro económico

Para disfrutar de todas las prestaciones que ofrece Drupal no tendrás que pagar absolutamente nada, ya que se trata de un software libre totalmente gratuito. No pagarás licencias ni dependerás de ningún otro proveedor, y esta es sin duda una de las claves de su éxito, más aun si comparamos los precios que tendrás que pagar en otros gestores de contenido. A esto hay que sumarle que la mayoría de los módulos de Drupal también son gratuitos.

Gran comunidad a sus espaldas

Otra de las principales ventajas de Drupal es que cuenta con una enorme comunidad a sus espaldas, compuesta por un gran número de desarrolladores que trabajan cada día en el desarrollo de nuevos módulos y funcionalidades para mejorar la experiencia de los usuarios. Esto te permitirá solventar cualquier problema que te pueda aparecer en la plataforma de forma sencilla, simplemente con buscar a través de cualquier buscador web.

Rendimiento

Drupal cuenta de serie con su propio sistema de caché, que además ha sido mejorado en la última versión y que presume de una gran efectividad. Una vez hayas realizado tu sitio web, activa la caché y verás cómo rápidamente comenzarás a disfrutar de todas sus ventajas.

Además Drupal 8 incorpora componentes de Symfony en el núcleo, lo que permite crear aplicaciones y sitios web rápidos y seguros de la forma más profesional.

Adaptado al SEO y a las Redes Sociales

No es un secreto para nadie que tanto el posicionamiento SEO como las Redes Sociales se muestran como dos factores clave para disfrutar del éxito en tu sitio web. En Drupal son perfectamente conscientes de ello, por ello está desarrollado para trabajar con codificación UTF-8, generar URLs en función de los diferentes criterios de cada contenido, etc.

También está preparado para conectarte directamente con tus perfiles en las diferentes redes sociales y asociarlos en tu sitio web, a parte de módulos que nos permiten la integración de aplicaciones externas . Por supuesto, también está optimizada para dispositivos móviles.

Diseño Responsive

La última versión Drupal 8 está adaptada al diseño responsive, permitiendo una correcta visualización en todo tipo de dispositivos y una experiencia de usuario mucho mejor. Además reduce el tiempo necesario para el desarrollo, evita el contenido duplicado y aumenta la viralidad.

Requerimientos para instalar Drupal

Servidor Web – Base de datos MySQL – PHP 5.5.9 o superior – 64 MB de memoria Como ves, Drupal se muestra como uno de los más avanzados sistemas de gestión de contenidos. Totalmente gratuito y realmente eficaz, apostar por Drupal será apostar por lo seguro. No dudes en probarlo.