En 2026, entre el 25 y el 35 % de las búsquedas pasan ya por un asistente de IA: ChatGPT, Perplexity, Claude, Google AI Overviews. El clic hacia los «10 enlaces azules» históricos se erosiona mes tras mes, y con él el tráfico SEO puro de muchos sitios. La conclusión es brutal: ser el primero en Google ya no garantiza ser leído.

Se instala en paralelo una nueva disciplina: el GEO, Generative Engine Optimization. El objetivo ya no es solo posicionarse en una SERP, sino ser citado como fuente en una respuesta sintética generada por un LLM. Este artículo describe el método que aplicamos en nuestras auditorías DevHighWay para posicionar a nuestros clientes en estos nuevos flujos de visibilidad.

SEO y GEO no son opuestos: son complementarios

Primera aclaración: el GEO no sustituye al SEO. Un contenido bien posicionado en Google tiene estructuralmente más posibilidades de ser ingerido y citado por los LLM, ya que estos se apoyan en parte en los índices web para sus respuestas. Pero lo inverso es falso: un excelente posicionamiento en Google no implica una cita en ChatGPT.

La diferencia está en lo que el LLM extrae. Un motor clásico lista 10 URL y el usuario elige. Un LLM sintetiza de 3 a 8 fuentes en una respuesta única, y solo cita las que aportan una información atómica, verificable y fechada. Este cambio de paradigma exige una reescritura estratégica de los contenidos de referencia.

Paso 1 — Auditar tu presencia en las respuestas de los LLM

No se pilota lo que no se mide. El primer paso de una estrategia GEO consiste en probar 30 prompts representativos de tu mercado en los principales asistentes: ChatGPT (con y sin búsqueda web), Perplexity, Claude, Google AI Overviews, Le Chat de Mistral. Para cada prompt, anota las marcas citadas, las fuentes enlazadas y los ángulos evocados.

Esta auditoría revela dos cosas: tus puntos ciegos (temas en los que deberías existir y no apareces) y el panorama competitivo real (a menudo distinto del de las SERP de Google). Muchas marcas descubren en este momento que sus competidores históricos están ausentes de las respuestas de IA, y que nuevos actores —a menudo medios especializados, blogs técnicos, Reddit— capturan la cita.

Paso 2 — Estructurar el contenido para la citación

Los LLM no citan párrafos, citan unidades de información. Una cifra, una definición, un comparativo, un paso de un procedimiento. Cuanto más estructurado esté tu contenido en bloques atómicos identificables, más posibilidades tiene de ser extraído. Es lo contrario exacto del SEO de la década de 2010, que valoraba contenidos largos y fluidos.

  • Cifras fechadas y con fuentes: «el 67 % de las empresas B2B SaaS europeas (estudio X, 2025)» — extraíble tal cual
  • Definiciones claras: «Un agente de IA es X. Se distingue de un chatbot por Y» — citable en una frase
  • FAQ focalizadas: de 5 a 10 preguntas reales + respuestas cortas marcadas con FAQPage
  • HowTo numerados: pasos nombrados y explicitados, marcados con HowTo en JSON-LD

Paso 3 — Enriquecer el marcado estructurado

El JSON-LD es el lenguaje que los crawlers GPTBot, ClaudeBot, PerplexityBot y Google-Extended comprenden mejor. Como mínimo, cada página de contenido debe declarar Article (con author, datePublished, dateModified), Organization a nivel del sitio y Person para el autor. Las páginas de referencia añaden FAQPage y HowTo cuando proceda.

El sameAs en Organization y Person (hacia LinkedIn, Wikipedia si aplica, GitHub, perfiles profesionales) teje el grafo de autoridad que los LLM aprovechan para evaluar la fiabilidad de una fuente. Un sitio sin sameAs es técnicamente huérfano en la web semántica, por tanto menos susceptible de ser citado con confianza.

Paso 4 — Reforzar el E-E-A-T

Experiencia, Pericia, Autoridad, Fiabilidad: este framework de Google se ha impuesto como rejilla de lectura común a los motores y a los LLM. En concreto, un contenido con E-E-A-T fuerte muestra un autor real con bio detallada, fuentes externas citadas y enlazadas, una fecha de actualización explícita y un contacto accesible.

Lo inverso —artículos anónimos, contenido de IA no revisado, fechas ausentes— es hoy una fuerte señal negativa. Los LLM han sido entrenados para ponderar estos criterios para distinguir una fuente de calidad de un contenido oportunista. Una bio de autor de 80 palabras con enlace a LinkedIn aporta a menudo más a la citabilidad que una optimización técnica adicional.

Paso 5 — Multiplicar las señales de autoridad multicanal

Los LLM se entrenan con un corpus amplio: web abierta, Wikipedia, Reddit, GitHub, prensa, libros, podcasts transcritos. Una marca que solo existe en su propio sitio es una señal de autoridad débil. En cambio, una presencia coherente —aunque modesta— en 4 o 5 canales distintos se interpreta como un marcador de legitimidad.

  • Wikipedia: página de empresa o de fundador si se cumplen los criterios de admisibilidad — ganancia de autoridad mayor
  • Prensa especializada: de 2 a 4 menciones al año en medios sectoriales reconocidos
  • Reddit y foros: presencia auténtica de expertos internos en los threads relevantes — sin spam
  • GitHub y open source: para los actores tech, la autoridad se construye allí tan eficazmente como en LinkedIn

Paso 6 — Monitorizar de forma continua las citas de los LLM

El GEO no es un proyecto puntual, es un proceso continuo. Los modelos evolucionan (Claude 3.7, GPT-4 Turbo, actualizaciones de Perplexity), los corpus de entrenamiento también, y tu visibilidad fluctúa en consecuencia. Una monitorización mensual sobre un panel fijo de 20 a 50 prompts permite detectar rápidamente regresiones y oportunidades.

Emergen varias herramientas dedicadas —Profound, Otterly, AthenaHQ—, pero un enfoque casero vía las API de OpenAI, Anthropic y Perplexity también funciona muy bien para los equipos técnicos. Lo esencial es la regularidad y la estabilidad del panel de prompts, para permitir una comparación a lo largo del tiempo.

¿Qué stack de herramientas para pilotar el GEO en 2026?

El mercado de las herramientas GEO es aún joven, pero las buenas prácticas se estabilizan en torno a cuatro capas. La capa de medición interroga automáticamente a los principales LLM sobre un panel de prompts objetivo y almacena las respuestas para análisis. La capa de análisis compara las citas en el tiempo, por competidor, por tema. La capa de optimización guía las acciones de estructuración del contenido y del marcado. La capa de alerta avisa cuando tu marca es citada erróneamente o desaparece de una consulta estratégica.

Tres familias de herramientas dominan. Las soluciones SaaS dedicadas (Profound, Otterly, AthenaHQ, BrightEdge Generative AI) cubren las cuatro capas con dashboards integrados y un coste mensual entre 200 y 2.000 € según la volumetría. Los enfoques semiartesanales combinan las API públicas de ChatGPT, Claude y Perplexity con un orquestador (n8n, Make o código Python) y un dashboard interno. Los enfoques full-DIY explotan únicamente las API de LLM, preferibles para los equipos técnicos que quieren un control total y un coste marginal.

  • Volumen de prompts a vigilar — 20 prompts para arrancar, 100-200 para un programa estructurado
  • Cadencia de medición — semanal para las marcas activas, mensual como mínimo
  • Métricas clave — tasa de citación, posición en la respuesta, cuota de voz vs competidores
  • Presupuesto de pilotaje — 300-1.500 €/mes en SaaS, 50-200 €/mes en enfoque API directa

Tres trampas frecuentes en estrategia GEO

Al ser el GEO una disciplina joven, los errores de encuadre son numerosos. Vemos repetirse los mismos tres escollos en nuestras auditorías.

  • Sobreoptimizar para un solo LLM: optimizar únicamente para ChatGPT en detrimento de Perplexity y Google AI Overviews crea una dependencia frágil de un solo actor
  • Olvidar la frescura: un contenido sin fechar o sin actualizar pierde citabilidad — los LLM privilegian la información reciente, sobre todo en B2B tech
  • No vigilar las alucinaciones sobre tu propia marca: los LLM a veces inventan hechos sobre ti (directivo falso, cifras falsas, clientes falsos). Sin monitorización, imposible corregir

¿Y ahora qué?

El GEO ha pasado en dos años del estatus de disciplina experimental al de palanca de negocio mayor. Las marcas que lo aprovechan ahora capturan una visibilidad que sus competidores tardarán entre 12 y 18 meses en reconstruir. Para empezar, basta con una auditoría focalizada para identificar tus 5 a 10 quick wins.

Ser citado por ChatGPT o Perplexity en 2026 ya no es un bonus, es una condición de supervivencia comercial en la mayoría de los sectores B2B. La ventana de oportunidad está abierta para las marcas que actúen ahora: se cerrará rápido.