Tu agencia hace SEO. Pero, ¿apareces en ChatGPT?.

El nuevo campo de batalla que tu agencia ignora

Tu agencia te manda informes de SEO. Posiciones en Google, tráfico orgánico, keywords que suben. Todo correcto. ¿Verdad?

Mientras tanto, tus clientes potenciales están haciendo esto: abren ChatGPT, Perplexity o Claude y preguntan «¿cuál es la mejor empresa de [tu sector] en España?». Y tu empresa no aparece. Ni mencionada. Ni citada. Ni como opción.

Eso es GEO: Generative Engine Optimization. El posicionamiento en motores de IA generativa. Y la inmensa mayoría de agencias ni saben que existe (ya hablamos de los conflictos de interés que las agencias ocultan; este es uno más).

Este artículo no es una introducción superficial. Vamos a entrar en cómo funcionan los LLMs a nivel de recuperación de información, qué métricas concretas medimos, cómo se estructura una estrategia GEO técnica y por qué el SEO tradicional, solo, ya no es suficiente.

Cómo funciona la recuperación de información en un LLM

Para entender GEO, necesitas entender cómo un modelo de lenguaje decide qué mencionar en una respuesta. No es magia. Es arquitectura.

Un LLM como GPT-4, Claude o Gemini tiene dos fuentes de conocimiento:

1. Conocimiento paramétrico (entrenamiento). Todo lo que el modelo absorbió durante su entrenamiento. Miles de millones de tokens de páginas web, papers, foros, documentación. Este conocimiento está «congelado» en los pesos del modelo. Si tu empresa tenía poca presencia online cuando se cerró el corte de entrenamiento, el modelo simplemente no te conoce.

2. Conocimiento contextual (RAG / búsqueda en tiempo real). Modelos como Perplexity, ChatGPT con browsing y Claude con búsqueda web complementan su conocimiento paramétrico con resultados de búsqueda en tiempo real. Aquí es donde el SEO tradicional y el GEO se cruzan: si tu página rankea bien en Google, tiene más probabilidades de entrar en el contexto del modelo. Pero entrar en el contexto no garantiza ser citado.

El modelo genera su respuesta combinando ambas fuentes, y lo hace mediante un proceso de atención ponderada: prioriza la información que considera más relevante, fiable y completa para la query del usuario. Aquí es donde la mayoría de PYMEs pierden: su contenido entra en el contexto, pero no tiene suficiente «peso» para ser seleccionado frente a competidores con información más estructurada.

GEO vs SEO: diferencias técnicas que importan

SEO optimiza para un algoritmo de indexación que rastrea tu web, evalúa señales (backlinks, contenido, rendimiento técnico) y te posiciona en un ranking de 10 resultados azules.

GEO optimiza para que un modelo de lenguaje —entrenado con millones de páginas y actualizado con búsqueda en tiempo real— te mencione, te cite y te recomiende en una respuesta generada.

Las diferencias técnicas son profundas:

Formato de salida. Google devuelve enlaces. Los LLMs devuelven texto generado con (a veces) citas. No hay «posición 3». O estás integrado en la respuesta narrativa, o no existes. No hay segunda página, no hay scroll.

Señales de ranking. Google usa PageRank, backlinks, CTR, Core Web Vitals. Los LLMs priorizan: densidad de entidades verificables, coherencia de la información entre fuentes, datos numéricos citables, y presencia en fuentes que el modelo considera autoritativas (Wikipedia, medios, directorios sectoriales, papers).

Ventana de actualización. Google indexa en horas. El conocimiento paramétrico de un LLM se actualiza con cada ciclo de entrenamiento (semanas o meses). El conocimiento RAG se actualiza en tiempo real, pero depende de qué resultados de búsqueda entren en el contexto del modelo.

Efecto compuesto. En Google, perder un ranking es recuperable con trabajo técnico. En LLMs, si tu competencia se consolida como la «respuesta por defecto» para queries de tu categoría durante varios ciclos de entrenamiento, revertir esa posición es exponencialmente más difícil. Los modelos tienden a reforzar patrones existentes.

Datos de monitorización: qué pasa cuando preguntas a una IA por tu sector

Nosotros no teorizamos. Medimos. Tenemos un sistema de monitorización GEO propio que lanza queries reales a Claude, ChatGPT y Perplexity, y analiza las respuestas con métricas específicas:

Share of Voice (SoV): porcentaje de queries en las que tu marca aparece vs. el total monitorizado.

Visibility Rate: porcentaje de queries donde tu marca es mencionada en la respuesta, ponderado por tipo de query (branded, categoría, intención).

Citation Rate: porcentaje de respuestas que enlazan o referencian directamente tu dominio.

Sentiment Score: si la mención es positiva, neutral o negativa.

Esto es lo que encontramos de forma consistente cuando monitorizamos empresas B2B en España:

Queries de marca: todo bien (aparentemente)

Cuando preguntas a un LLM por el nombre exacto de una empresa, casi siempre la menciona. El conocimiento paramétrico del modelo la tiene registrada. Visibility rate alto, sentiment positivo. Hasta aquí, sin sorpresas.

Queries de categoría: el desastre silencioso

Ahora pregunta: «mejores empresas de [tu sector] en España». Aquí la cosa cambia radicalmente. En nuestra monitorización, la mayoría de PYMEs desaparecen de las respuestas cuando la query es genérica. Los LLMs mencionan a los líderes de siempre —las grandes marcas con más presencia online, más menciones en medios, más datos estructurados— y al resto, silencio.

Hemos visto empresas con webs bien posicionadas en Google que tienen menos de un 20% de visibilidad en respuestas de IA para queries de su propia categoría. Y lo peor: 0% de citation rate. La IA puede mencionarte de pasada, pero no enlaza tu web ni te presenta como referencia verificable.

Queries de intención: donde se pierden los leads

Las queries tipo «cómo elegir un [proveedor de tu sector]» o «qué tener en cuenta al contratar [tu servicio]» son las más valiosas comercialmente. Son usuarios en fase de decisión. Y en estas queries, las PYMEs tienen la peor visibilidad de todas: los LLMs responden con guías genéricas o recomiendan a competidores que tienen más contenido educativo publicado y mejor estructurado.

El patrón es el mismo en todos los sectores que monitorizamos: las marcas aparecen en búsquedas de su propio nombre, pero desaparecen cuando el usuario pregunta por la categoría. Exactamente cuando más importa.

Por qué tu agencia no te habla de esto

Tres razones. Ninguna es bonita:

1. No saben medirlo. No existen herramientas estándar para monitorizar visibilidad en LLMs. Las plataformas que usan las agencias —SE Ranking, Ahrefs, Semrush— no tienen módulo GEO. Medir esto requiere construir infraestructura propia: scripts que lanzan queries a las APIs de los modelos, parsean las respuestas, extraen menciones y calculan métricas. La mayoría de agencias no tienen esa capacidad técnica.

2. No encaja en su modelo de negocio. Vender «posicionamiento en ChatGPT» es difícil de justificar con métricas que el cliente entienda cuando toda la industria sigue hablando de posiciones en Google (y eso cuando tu agencia realmente mide algo). Es más fácil (y más rentable) seguir vendiendo SEO tradicional con informes de keywords que suben y bailan.

3. No lo consideran urgente. Y aquí es donde se equivocan. Las empresas que están optimizando su presencia en LLMs ahora están construyendo una ventaja competitiva que será muy difícil de revertir. Cada ciclo de entrenamiento en el que tu competencia aparece como referencia de tu categoría y tú no, refuerza esa asimetría. El machine learning tiene inercia: los patrones consolidados se perpetúan.

Los 6 factores técnicos que determinan si una IA te recomienda

Los LLMs no tienen un PageRank explícito. Pero tras meses de monitorización y análisis de respuestas, estos son los factores que correlacionan con mayor visibilidad:

1. Densidad de datos citables

Los LLMs priorizan información verificable. Datos numéricos con contexto, estadísticas con fuente, comparativas cuantificadas. Si tu web dice «somos líderes del sector», la IA lo ignora (no puede verificar una afirmación subjetiva). Si dice «procesamos 50.000 pedidos mensuales con un 99,7% de entrega en plazo», eso es citable y verificable.

Regla práctica: cada página importante de tu web debería contener al menos 3-5 datos numéricos específicos que un LLM pueda extraer y citar.

2. Grafo de entidades

Los modelos de lenguaje construyen representaciones internas de relaciones entre entidades. Si tu marca aparece consistentemente asociada a tu sector, productos, territorio y casos de uso en múltiples fuentes independientes (tu web, medios, directorios, papers sectoriales), el modelo la identifica como una entidad relevante para esa categoría.

Si solo apareces en tu propia web, no tienes suficiente «peso» en el grafo de entidades. Es como tener backlinks: necesitas que otros hablen de ti en contextos relevantes.

3. Estructura semántica del contenido

Los LLMs procesan mejor el contenido con estructura clara: headings jerárquicos (H2 → H3 → H4), listas, tablas, y párrafos que responden a una pregunta específica. Un artículo bien estructurado tiene más probabilidades de que sus fragmentos sean seleccionados para la respuesta generada.

Esto va más allá del SEO on-page. No se trata solo de que Google entienda tu estructura, sino de que un transformer pueda extraer la información relevante de forma eficiente durante la fase de generación.

4. Presencia en fuentes autoritativas

Los modelos asignan mayor peso a información que aparece en fuentes que consideran fiables: Wikipedia, medios reconocidos, directorios sectoriales oficiales, publicaciones académicas. Una mención en un medio sectorial de referencia puede tener más impacto en tu visibilidad GEO que 50 artículos en tu propio blog.

5. Coherencia entre fuentes

Si tu web dice una cosa, tu perfil de LinkedIn otra, y un directorio sectorial otra distinta, el modelo tiene señales contradictorias y tenderá a no mencionarte (o a hacerlo con baja confianza). La coherencia de nombre, descripción, sector y datos clave entre todas tus presencias online refuerza tu «peso» en el modelo.

6. Archivo llms.txt

Este es un estándar emergente inspirado en robots.txt. Un archivo en la raíz de tu dominio (tudominio.com/llms.txt) que indica a los LLMs cómo interpretar tu web: qué páginas son importantes, qué entidades representas, cuál es tu propuesta de valor, y cómo deberían clasificarte.

El formato tiene dos niveles: llms.txt (resumen ejecutivo para el modelo) y llms-full.txt (versión extendida con contexto completo). Pocas empresas lo implementan todavía. Los early adopters están viendo mejoras medibles en citation rate.

Estrategia GEO práctica: qué hacemos en Esconzeta

No vendemos humo de GEO. Esto es lo que ejecutamos para cada cliente:

1. Auditoría de visibilidad base. Lanzamos entre 10 y 20 queries reales (branded, categoría e intención) a Claude, ChatGPT y Perplexity. Mapeamos share of voice, visibility rate, citation rate y sentiment. Identificamos los gaps: dónde aparece la competencia y tú no.

2. Análisis de respuestas competitivas. Estudiamos las respuestas de los LLMs para las queries objetivo: qué entidades mencionan, qué fuentes citan, qué estructura tienen las respuestas. Esto nos dice exactamente qué tipo de contenido necesita tu marca para entrar en esas respuestas.

3. Contenido optimizado para citabilidad. Cada artículo que producimos incluye: datos verificables con contexto, entidades del sector bien definidas, estructura semántica clara, y fragmentos diseñados para ser extraídos por un LLM (lo que en SEO sería un featured snippet, pero aplicado a generación de texto). Si quieres entender cómo se integra esto en una estrategia de contenidos que genera pipeline real, lo explicamos en detalle.

4. Infraestructura técnica GEO. Implementamos llms.txt y llms-full.txt, schema markup enriquecido (Organization, Product, FAQPage, HowTo), y optimización de la presencia en fuentes autoritativas del sector.

5. Monitorización continua. Cada semana relanzamos las queries y medimos la evolución. GEO no es un proyecto de una vez: es un proceso iterativo donde cada pieza de contenido y cada mejora técnica mueve las métricas.

El resultado no es inmediato. Los LLMs no se actualizan en tiempo real como el índice de Google. Pero es acumulativo. Y las empresas que empiezan ahora están construyendo una posición que será cada vez más difícil de alcanzar para los que lleguen tarde.

La pregunta incómoda

Pregúntale a tu agencia: «¿monitorizáis si aparecemos en las respuestas de ChatGPT, Perplexity y Claude? ¿Medís nuestro share of voice en LLMs? ¿Tenemos un llms.txt implementado?»

Si la respuesta es no —o peor, si no entienden la pregunta— tienes un problema. No hoy, quizás. Pero dentro de 12 meses, cuando tus competidores hayan consolidado su posición en el conocimiento paramétrico de los modelos y tú sigas optimizando solo para un algoritmo que cada vez pierde más cuota de descubrimiento.

El SEO no ha muerto. Sigue siendo fundamental. Pero ya no es suficiente por sí solo. Y las empresas que integren GEO en su estrategia ahora, ganarán el próximo ciclo de descubrimiento.