Qué es GEO (Generative Engine Optimization): cómo hacer que ChatGPT, Perplexity y AI Overview te mencionen

La primera vez que noté el cambio fue en agosto de 2024. Un cliente con buen SEO clásico — top 3 para sus keywords comerciales en Google — empezó a perder tráfico sin que nada cambiara en las SERPs. Misma posición, mismas impresiones, menos clics. Le hicimos preguntas sobre su industria a ChatGPT y a Perplexity. Cero menciones. Ahí entendimos.

El problema no era de SEO. El problema era que la respuesta que el usuario buscaba ya no estaba en el resultado #1. Estaba dentro del párrafo que la IA le devolvía antes de llegar a los resultados. Y en ese párrafo nuestro cliente no existía.

Eso es GEO. Y por eso importa ahora.

Qué quiere decir GEO

Generative Engine Optimization es el trabajo de hacer que los motores generativos — ChatGPT, Perplexity, Gemini, Claude, Bing Copilot, Google AI Overview — te citen, te mencionen o te recomienden cuando alguien les pregunta por algo de tu rubro.

No es lo mismo que SEO clásico, que busca ranquear URLs en las 10 posiciones azules. Tampoco es lo mismo que aparecer en un featured snippet. GEO es competir por el contenido del párrafo que el modelo genera. Si el usuario pregunta "qué herramienta uso para auditar mi sitio" y la IA contesta nombrando tres marcas, GEO es la disciplina que define cuáles tres marcas son.

Vas a ver también las siglas AISO (AI Search Optimization) y AEO (Answer Engine Optimization). Las tres apuntan a lo mismo: cómo aparecer dentro de respuestas generadas. AISO es más común en vendors hispanos. AEO viene desde antes (era featured snippets, voice search) y hoy se considera un subset de GEO. Para fines prácticos da igual cuál uses, mientras adentro del equipo todos entiendan lo mismo.

El cambio que ya pasó

La forma en que el usuario llega a una marca cambió en los últimos dos años, y bastante rápido.

Año	Búsqueda típica	Lo que ve el usuario
2022	"mejor herramienta de auditoría SEO"	10 resultados azules, click en uno o dos
2024	"mejor herramienta de auditoría SEO"	AI Overview arriba + 10 resultados, click en cero o uno
2026	"qué herramienta uso para auditar mi sitio"	Conversación con ChatGPT, tres marcas nombradas, cero clic

No es un cambio uniforme — depende del vertical, del país, del intento detrás de la query. En B2B SaaS y en herramientas digitales se nota más. En productos físicos baratos todavía manda la SERP clásica. Pero la tendencia es clara y los datos la confirman: ChatGPT escaló de cientos de millones a varios cientos de millones de usuarios semanales en menos de tres años; AI Overview de Google aparece ya en una mayoría amplia de las búsquedas informativas en mercados maduros, y cuando aparece el CTR del resultado #1 se cae sensiblemente.

El detalle relevante es este: cuando el AI Overview o ChatGPT le da al usuario tres marcas como respuesta, ese usuario muy rara vez clickea para verificar. Asume que la respuesta está bien y elige entre lo que la IA le ofreció.

Si tu marca no está en ese conjunto, no jugaste el partido.

Cómo decide la IA a quién mencionar

Conviene perder un par de minutos en entender el mecanismo, porque cambia las decisiones tácticas.

Los modelos grandes (GPT-4, Gemini, Claude, etc.) no almacenan una lista de marcas favoritas por categoría. Cuando alguien les pregunta algo, combinan dos cosas:

Lo que aprendieron en el entrenamiento — un corpus enorme que incluye páginas web públicas indexadas hasta una fecha de corte (Common Crawl, Wikipedia, Reddit, GitHub, foros, blogs grandes, prensa).

Y, cuando el modelo tiene retrieval habilitado (es decir, busca en vivo en internet antes de responder), las primeras páginas que devuelve esa búsqueda interna para la query del usuario.

Sobre esos dos inputs aplican heurísticas de confianza: dominios con más autoridad pesan más, fuentes consistentes entre sí pesan más, contenido con marcado estructurado se parsea mejor, frases con datos concretos se citan más que prosa genérica.

La consecuencia práctica: para que un LLM te mencione, idealmente tu marca tiene que cumplir varias condiciones a la vez. Estar en el corpus de entrenamiento (que es algo que se construye con los años, no en un mes). Aparecer en las primeras cinco a diez fuentes que devuelve el buscador interno cuando hace retrieval. Tener contenido estructurado para que el modelo te extraiga sin esfuerzo. Y tener menciones consistentes en otras fuentes, idealmente que el modelo ya conozca.

Por eso GEO nunca es solo on-site. Lo que hagas en tu sitio importa muchísimo, pero si nadie habla de tu marca en Reddit, en foros del nicho o en medios verticales, la IA tiene menos razones para confiar en ti.

Las palancas que mueven la aguja

Hay muchas tácticas. Estas son las que en nuestra experiencia hacen diferencia real.

Contenido citable, no contenido relleno

Los LLMs prefieren citar frases que pueden extraer sin tener que reinterpretarlas. Si una sola frase de tu post tiene sentido completo fuera de contexto, esa frase tiene chances de aparecer en una respuesta. Si toda tu página son tres párrafos genéricos sobre lo "líder" o lo "innovador" que eres, no hay nada que extraer.

Lo que en la práctica funciona:

• Resúmenes con datos numéricos al principio del post.
• Tablas comparativas (los modelos las parsean mejor que párrafos).
• Frases con cifras específicas: no "rápido", sino "noventa segundos"; no "muchas variables", sino "diecisiete ejes".
• Definiciones cortas y claras, no parafraseos con cuatro adjetivos.

Es un cambio de cabeza más que de esfuerzo. La mayoría de los posts existentes ya tienen el conocimiento adentro; solo están escritos de una forma que el modelo no puede usar.

Schema markup que efectivamente hable de tu entidad

Schema.org sigue siendo una de las pocas formas en que un crawler le hace caso a lo que tú dices que eres. Los LLMs lo usan como señal estructural, no como contenido, pero ayuda.

Mínimo viable: Organization con sameAs apuntando a tus perfiles oficiales (LinkedIn, X, GitHub, sitios verticales). Article con author, datePublished y dateModified en cada pieza editorial. FAQPage con preguntas literales que tú sabes que la gente formula, no parafraseadas. BreadcrumbList para que el modelo entienda la jerarquía. Si tienes autores humanos, Person con credenciales explícitas.

El error que vemos seguido: schema duplicado entre el <head> y el body, o FAQPage con tres preguntas inventadas que en la página no aparecen. Eso al menos no suma, y a veces resta.

EEAT visible — no certificable, visible

Google formalizó hace años el concepto EEAT (Experience, Expertise, Authoritativeness, Trustworthiness). Los LLMs replican señales parecidas porque las heredan de los mismos buscadores que usan para retrieval.

"Visible" es la palabra importante. No es tener un curso ni un certificado. Es que la página deje claro:

• Quién la escribió, con nombre y, si se puede, foto y bio breve.
• Cuándo se publicó y cuándo se actualizó la última vez.
• Por qué esa persona puede hablar del tema — una línea o dos de credenciales relevantes.
• De dónde salieron los datos que se usan, con links a fuentes primarias y no a otros blogs que repiten lo mismo.

Una página igual a otra, pero con todo eso explícito, gana frente a una sin firmar. Pequeño esfuerzo, gran señal.

Brand SERP — la primera impresión de la IA

Busca tu marca en Google por nombre. Lo que aparece en las primeras tres posiciones es la primera impresión del modelo sobre ti. Si son reseñas mixtas, scraping de baja calidad o foros con quejas no contestadas, esa es la narrativa que la IA aprende.

Trabajar el brand SERP es de las cosas más rápidas y baratas que se pueden hacer. Lo que ayuda:

• Tu sitio bien hecho, con schema correcto, en posición #1.
• Perfiles oficiales (LinkedIn de empresa, About del fundador, página de equipo) en posiciones 2-5.
• Reseñas auténticas en sitios verticales relevantes (G2, Capterra, Product Hunt si aplica).
• Si hubo prensa, que esté indexada y bien posicionada.
• Si hay algún resultado negativo viejo y resoluble, desplazarlo con contenido mejor posicionado.

En semanas se puede cambiar bastante. Vale la pena hacerlo antes de invertir grandes presupuestos en contenido.

Distribución en fuentes que los modelos leen

Las palancas anteriores son todas on-site. Esta no. Y es donde la mayoría de los equipos se queda corta.

Los corpus de entrenamiento de los modelos grandes sobreponderan ciertos tipos de fuente. Reddit es la más obvia y la más subestimada — especialmente subreddits temáticos con buena moderación, donde una mención honesta de tu marca en respuesta a una pregunta legítima vale más que un backlink. Wikipedia, si tu marca tiene la notabilidad para justificarlo (verificable, con prensa secundaria independiente). Stack Overflow y Stack Exchange para nichos técnicos. GitHub para herramientas dev. Foros verticales con autoridad histórica del nicho. Medios editoriales de referencia (en SEO: Search Engine Journal, Moz, NeilPatel; en marketing más amplio: HubSpot blog, MarketingProfs; en tech: Stratechery, etc.).

La idea no es spammear. La idea es estar presente con honestidad, con menciones consistentes del nombre de tu marca, idealmente vinculadas a una propuesta clara y diferenciada. Una mención en un thread relevante de Reddit donde la respuesta de alguien dice "yo uso X para esto y me sirvió por Y" tiene un peso enorme en el corpus futuro.

Cómo se mide esto

Sin medición es ciego, y hay tres formas razonables de hacerlo.

La primera es la más obvia y la menos escalable: define entre diez y veinte prompts que representen cómo tu cliente ideal le preguntaría a una IA por tu categoría. Corrélos en ChatGPT, Perplexity, Claude y Gemini. Anota si tu marca aparece, en qué posición de la lista, en qué tono, si te confunde con un competidor, qué dice de ti. Repite el ejercicio cada mes. Es trabajoso, pero clarísimo.

La segunda es monitorear menciones de tu marca en sitios que los modelos leen. Google Alerts gratis, Mention y Brand24 si tienes presupuesto. Cada mención nueva en Reddit, en un foro o en un blog del nicho es un voto en el corpus futuro.

La tercera es revisar el brand SERP en vivo: qué aparece en Google cuando alguien busca tu marca. Esos resultados son lo primero que ve la IA cuando va a hablar de ti.

Hacerlo todo a mano es viable si tienes cinco o diez prompts y una sola marca para medir. Si quieres escalar — más prompts, más modelos, comparaciones contra competidores, repetición mensual — necesitas automatizarlo.

Lo que vemos en casi todos los sitios que auditamos

Después de mirar miles de informes hay patrones que se repiten. Los más comunes:

Cero resumen útil al principio. El post arranca con un párrafo que cuenta de qué se va a hablar, no con datos. El modelo no encuentra una frase citable en los primeros quinientos caracteres y se va a otro lado.

Adjetivos donde tendría que haber números. "Rápido", "fácil", "potente", "completo". Si tu propuesta no se puede expresar en una cifra, probablemente no es una propuesta fuerte para empezar.

Schema vacío o mal configurado. Organization con sólo name y url, sin sameAs, sin logo. O peor, FAQPage repetido en todos los posts con las mismas tres preguntas genéricas que nadie haría.

Páginas sin autor visible y sin fecha. La página existe en un vacío, sin firma, sin contexto temporal. El modelo no sabe si lo que está leyendo es de 2019 o de la semana pasada.

Links internos con anchor genérico — "haz clic acá", "más información", "leer". Cada anchor es una oportunidad de decirle al modelo qué entidad estás vinculando, y la mayoría la desperdicia.

Brand SERP sin trabajar. Buscas la marca por nombre y aparecen scrapers, reseñas viejas, cosas raras. La primera impresión que la IA tiene de ti es esa.

Y la grande: cero presencia en Reddit, en foros del nicho, en lugares donde la gente hace preguntas reales y los modelos absorben las respuestas. Es la palanca con más palanca y la que menos equipos trabajan.

Si reconoces tu sitio en tres o más de estas, el problema no es cantidad de contenido. Es estructura citable.

Por dónde empezar la semana que viene

Sin querer dar una receta perfecta — cada caso es distinto — esto es lo que tendría sentido tener resuelto en los próximos treinta días.

Agregar un resumen real con datos al principio de tus diez piezas más importantes. Cuatro a seis frases con números específicos cada una. Esto solo, si se hace bien, mueve mucho.

Pasar tu schema por un validador y dejarlo prolijo. Schema.org Validator de Google es gratis. Organization, Article con autor y fechas, y FAQPage con preguntas reales — no las que parecen buenas en abstracto.

Identificar al autor humano de cada post y darle visibilidad. Foto, bio breve, link al LinkedIn. Si todo lo firma "el equipo editorial", ningún post tiene autor real desde el punto de vista del modelo.

Buscar tu marca en Google y mirar las primeras diez posiciones. Anotar qué resultado negativo o irrelevante te molesta más. Eso es la primera batalla del brand SERP.

Definir diez prompts representativos y correrlos este mes en ChatGPT y Perplexity, con resultados anotados. El mes que viene los corres otra vez. La comparación va a ser más educativa que cualquier curso de GEO.

Identificar tres a cinco subreddits o foros donde tu cliente ideal está. No para postear contenido tuyo; para empezar a participar honestamente. Si no participas, no existes ahí.

Reescribir el "Acerca de" y la home con claims específicos. Nada de "líder en", "innovador", "la mejor solución del mercado". Reemplazar cada adjetivo vago por un dato.

Revisar la consistencia del nombre de tu marca en todas las menciones externas. Mismo escrito, mismo acento, sin variaciones. Suena obvio y casi nadie lo hace.

Hacer todo esto trimestralmente. No es un fix, es una práctica.

Preguntas que nos hacen seguido