El SEO que aprendiste en 2015 ya no alcanza. Y el SEO que estás haciendo ahora, tampoco, si no contempla cómo se citan las marcas dentro de ChatGPT, Perplexity, Google AI Overviews, Claude y Gemini.
Durante los últimos dos años, la forma en que los usuarios buscan información cambió más que en la década anterior. Muchas de las búsquedas que antes terminaban en un clic a un sitio web ahora terminan en una respuesta generada por un modelo de lenguaje. Y en ese nuevo escenario, la pregunta no es solo “¿ranqueás en Google?”, sino “¿te cita la IA cuando alguien pregunta por tu categoría?”.
A esta nueva disciplina se la está empezando a llamar GEO (Generative Engine Optimization). Y no es una moda. Es la evolución natural del SEO para un mundo donde los buscadores ya no son buscadores: son motores de respuesta.
¿Qué es GEO y en qué se diferencia del SEO tradicional?
SEO tradicional optimiza para posicionar tu URL en una lista de 10 resultados. GEO optimiza para que tu marca, tu producto o tu contenido sea citado, nombrado o referenciado dentro de la respuesta que genera un modelo de lenguaje.
Son dos objetivos diferentes que conviven. El SEO tradicional sigue siendo crítico para el tráfico orgánico directo. GEO es crítico para la visibilidad de marca en el canal emergente de AI Search, donde:
- ChatGPT tiene más de 800 millones de usuarios activos semanales.
- Perplexity crece como buscador especializado para profesionales.
- Google AI Overviews aparece en una porción creciente de búsquedas informacionales.
- Claude se usa cada vez más como herramienta de investigación y análisis.
- Gemini está integrado en todo el ecosistema Google.
Si tu marca no aparece en ninguno de esos entornos cuando un usuario hace una consulta de tu categoría, estás invisible en el canal que más está creciendo.
Cómo funciona (realmente) la citación en AI Search
Entender cómo los modelos deciden a quién citar es clave para poder optimizar. Hay dos mecanismos principales:
1. Retrieval Augmented Generation (RAG)
Los motores de respuesta como Perplexity, Google AI Overviews y ChatGPT con búsqueda activa funcionan combinando dos pasos: primero buscan contenido en la web en tiempo real (retrieval), después usan ese contenido como contexto para que el modelo genere una respuesta (generation). El contenido que se cita en esa respuesta sale, en su mayoría, del resultado de búsqueda inicial.
Esto significa que el SEO clásico sigue siendo el prerrequisito: si no ranqueás para la query, no entrás en el retrieval, y si no entrás en el retrieval, no te cita el modelo. La diferencia es que ya no alcanza con ranquear: también tenés que ser el contenido que el modelo elige usar, entre los 5 o 10 que recuperó.
2. Conocimiento entrenado en el modelo
Parte de lo que un modelo responde viene de su entrenamiento, no de búsqueda en vivo. En esa capa, lo que importa es cuán frecuentemente y en qué contextos aparece tu marca o tu entidad en los datasets que entrenaron al modelo. Esto es puro brand building: menciones en medios de autoridad, Wikipedia, papers, libros, foros técnicos, repositorios de código.
No se puede optimizar con un hack. Se construye con años de presencia real en las fuentes que el modelo considera confiables.
7 estrategias concretas de GEO que podés implementar ya
1. Entidad primero, keyword después
Los modelos razonan en términos de entidades, no de strings de texto. Tu marca, tu producto y tu equipo necesitan existir como entidades claramente definidas para los motores. Esto implica: Wikipedia bien hecha, perfiles estructurados en Wikidata, datos consistentes en Google Knowledge Graph, schema Organization/Person/Product bien implementado en todo tu sitio.
2. Contenido “answer-first”
Los modelos prefieren contenido que responde la pregunta en los primeros párrafos, sin vueltas. Si tu post empieza con cinco párrafos de introducción y la respuesta aparece en el párrafo seis, vas a perder contra contenido que resuelve en los primeros 50 palabras. Esto no significa acortar: significa estructurar. La respuesta arriba, la profundidad abajo.
3. Datos, números y fuentes verificables
Los modelos tienden a citar contenido con datos específicos, fechas, nombres propios y fuentes. “El tráfico orgánico creció” es invisible. “El tráfico orgánico creció un 43% entre Q1 2025 y Q4 2025, según Search Console” es citable. Cuanto más específico y verificable es tu contenido, más probable que el modelo lo use como anchor de su respuesta.
4. Autores reales con autoridad demostrable
EEAT sigue siendo la base. Contenido firmado por una persona con credenciales reales, con bio, con LinkedIn verificable, con experiencia demostrable en la vertical, tiene muchas más probabilidades de ser citado que contenido anónimo generado en masa. En banca, salud, finanzas y cualquier vertical YMYL, esto es no-negociable.
5. llms.txt y robots.txt actualizados
llms.txt es un archivo que le indica a los crawlers de IA qué contenido de tu sitio es prioritario y cómo está estructurado. Complementariamente, tu robots.txt tiene que estar configurado explícitamente para decidir qué hacen GPTBot, ClaudeBot, PerplexityBot, Google-Extended, CCBot y el resto de los crawlers de IA. Bloquearlos a ciegas es perder presencia en AI Search. Permitirlos a ciegas es regalarle contenido a los modelos sin estrategia.
6. Menciones de marca en fuentes que los modelos valoran
Cuantas más veces aparezca tu marca citada correctamente en medios de prestigio, en Wikipedia, en papers académicos, en repositorios técnicos y en contextos asociados a tu categoría, más probable que los modelos la reconozcan como entidad autoritativa. Esto es un proyecto de 6 a 18 meses, no un sprint.
7. Monitoreo activo de citaciones en LLMs
No podés optimizar lo que no medís. Hay que armar un sistema de monitoreo de qué queries relevantes a tu categoría disparan respuestas de los modelos, qué fuentes se citan, si tu marca aparece o no, y cómo evoluciona ese porcentaje en el tiempo. Herramientas como Profound, Otterly, Peec AI y otras empiezan a cubrir este espacio. Pero también se puede hacer manual en las primeras etapas.
Lo que no es GEO (aunque te lo quieran vender)
Hay mucho humo alrededor de GEO. Hay cosas que no son GEO, aunque te las ofrezcan con ese nombre:
- Rellenar el texto con “según ChatGPT dice que…” — eso no te cita a vos, te cita a ChatGPT.
- Comprar artículos genéricos generados por IA — los modelos detectan contenido de baja calidad y lo descartan.
- Hackear prompts — los proveedores actualizan guardrails todo el tiempo.
- Ignorar el SEO clásico — sin retrieval no hay generación.
GEO real es una capa de estrategia sobre un SEO fundacional sólido. No lo reemplaza. Lo complementa.
Por qué empezar ahora, aunque el ROI todavía no sea lineal
La objeción más común es: “si todavía no puedo medir cuánto tráfico me trae AI Search, ¿por qué invertir?”. La respuesta es la misma que en 2009 cuando los primeros SEOs explicaban por qué invertir en Google antes de que fuera obvio.
Las marcas que hoy están construyendo presencia en AI Search van a capturar la cuota de mente de los modelos durante los próximos 5 años. Las que esperen a que haya métricas lineales van a llegar tarde, igual que las empresas que ignoraron el móvil en 2012 y después pagaron el triple por recuperar terreno.
Si querés que te muestre cómo trabajamos GEO en proyectos enterprise, podés ver la metodología completa en AI Search & GEO o agendar una reunión.