En los últimos años, la inteligencia artificial ha pasado de ser una tecnología emergente a convertirse en un elemento integrado en el día a día de las personas. Su popularización se aceleró a partir de 2022 con la aparición de ChatGPT, basado en modelos de lenguaje avanzados, aunque sus orígenes se remontan a décadas anteriores. Desde entonces, han surgido nuevas soluciones como Midjourney o Stable Diffusion en generación de imágenes, Claude y Google Gemini en modelos avanzados, o Kling en generación de vídeo, configurando un ecosistema cada vez más amplio y especializado. Con el paso del tiempo, estas herramientas han incorporado nuevas capacidades, como el acceso a información en tiempo real o la generación de contenido multimedia, impulsando su integración en procesos empresariales y empezando a transformar la forma en que las personas buscan información y toman decisiones.
Uno de los ámbitos donde este cambio resulta más evidente es en la forma en que los usuarios buscan no solo información, sino también productos. En este sentido, surge un nuevo paradigma al que deben adaptarse las empresas, obligadas a replantear cómo posicionan sus productos en entornos digitales para lograr visibilidad en nuevos canales de búsqueda basados en IA, como ChatGPT. En este Insight vamos a desgranar precisamente eso, qué es lo que está cambiando en las estrategias SEO y GEO de Marketing para que las empresas sean visibles en el nuevo entorno digital.
¿Cómo ha cambiado la etapa de búsqueda de información en los últimos años?
Con la aparición de la IA, la realidad en la que nos encontramos actualmente es que hemos pasado de recibir respuestas inmediatas en buscadores como Google o Yahoo, con posteriores módulos como directorios en la parte superior, publicidad e incluso mapas por proximidad a recibir un resumen generativo, en el que a través de la IA y los asistentes construyen la información y filtran para darnos las mejores alternativas con su respectiva justificación (Esto es lo que se conoce como IA Overview). Por lo tanto, el cambio es claro (ver figura 1), ya no basta con estar bien posicionados en buscadores, sino que resulta imprescindible que la información que aparece en las webs de las empresas sea comprensible, clara y útil para que la IA la utilice dentro de sus respuestas y tenga en consideración nuestra empresa a la hora de sugerir productos o servicios.
Figura 1: Misma búsqueda antes y después de la aparición de la IA en buscadores
Fuente: Semrush
No obstante, la aparición de estas respuestas generadas por IA es variable y depende de varios factores. Por un lado, existe cierta volatilidad puesto que una misma búsqueda puede arrojar respuestas generadas por IA en una sesión de un usuario y no en otra. Por otra parte, hay que tener en cuenta que es más probable que estas respuestas se activen en búsquedas de información antes que en búsquedas cuya intención es transaccional o local. Por el momento, para la compra de bienes o servicios predominan los resultados tradicionales, con mapas, fichas de negocio o páginas web, pero cada vez está generando mayor protagonismo en escenarios donde hay una intención real de compra por parte del usuario.
En ese sentido surge el concepto de iterar. Con la aparición de la IA, las personas lo que buscan son respuestas concisas y directas, en las que mediante una IA puedan profundizar en diversos temas si lo consideran oportuno. Toda la información que aporta una IA a un usuario se extrae de las páginas web, imágenes e incluso de plataformas como TikTok e Instagram, por lo que conocer cómo funciona la IA internamente para extraer esa información que está pidiendo cada persona y con ello, ponga links a la página web de una empresa e incluso recomiende un producto concreto resulta clave en estos tiempos. Por ende, tanto si las marcas, los productos o servicios no están bien explicados en internet o si las experiencias de otros clientes no son positivas, la IA no tendrá en cuenta la información de una empresa a la hora de responder o recomendarla.
Figura 2: Posicionamiento en IA
Fuente: garajedoce
Ejemplo: Productos para el cuidado del pavimento
Un ejemplo claro se da cuando un usuario busca productos para el mantenimiento de suelos. Ante una consulta como “qué productos usar para cuidar suelos”, herramientas de IA como Google Gemini generan directamente una respuesta que incluye recomendaciones, pasos a seguir y buenas prácticas. Estas respuestas no surgen de forma aleatoria, sino que se basan en contenidos bien estructurados y orientados a resolver dudas concretas.
En este contexto, la IA tiende a priorizar aquellas páginas en las que la información es clara y accesible, ya que le resulta más sencillo identificar y extraer el contenido relevante. Como consecuencia, utiliza estas fuentes para construir su respuesta e incluso enlazarlas como referencia. La clave para las empresas está en que estos contenidos, además de resolver la duda del usuario, pueden incorporar información sobre sus propios productos. De este modo, no solo se posiciona el contenido informativo, sino también el producto asociado, aumentando significativamente su visibilidad y la probabilidad de ser considerado en el proceso de compra.
Figura 3: Primera parte del resultado de búsqueda generado por Gemini (IA de Google)
Fuente: Google
Ante esta búsqueda, una de las fuentes de información para generar la respuesta proviene del comercio Aldi (ver figura 4), que aprovecha el contenido informativo generado en su página web destinado a resolver la duda “Cómo fregar o limpiar distintos tipos de suelo” para promocionar su marca Esselt (ver figura 5).
Figura 4: Segunda parte del resultado de búsqueda generado por Gemini (IA de Google), aportando fuentes de información
Fuente: Google
Figura 5: Extracto de la fuente de Aldi en el que se recomiendan productos de la marca
Fuente: Aldi
¿Cómo decide la IA a quiénes citar en sus respuestas?
A grandes rasgos el nivel de citabilidad de una empresa por la IA depende tanto de factores internos y controlables en el entorno digital de una empresa como por los contenidos web externos que afectan indirectamente a la empresa.
Lo que se hace dentro de la web
La inteligencia artificial decide qué fuentes citar mediante un proceso de recuperación y síntesis de información basado en modelos de lenguaje. Ante una consulta, sistemas como Google Gemini o ChatGPT descomponen la pregunta en múltiples subconsultas y recuperan fragmentos relevantes de distintas páginas web. En este contexto, cobra especial importancia el concepto de chunking, consistente en estructurar el contenido en fragmentos breves que respondan a una duda concreta (que generalmente suele estar entorno a 100-150 palabras) y organizados en bloques pequeños, claros y autónomos (ver figura 6). Para ello, resulta fundamental contar con una jerarquía clara mediante títulos y subtítulos, aplicando una estructura de pirámide invertida en la que primero se ofrece la respuesta directa y posteriormente se añaden detalles y explicaciones. Asimismo, la IA tiende a interpretar mejor contenidos apoyados en listas, tablas o formatos ordenados, ya que facilitan la extracción y comprensión de la información.
Aunque estos no sean los únicos métodos de estructuración de contenido válidos, si son los más recomendados por los expertos en SEO. En la página web de Ahrefs se pueden consultar las diferentes formas que tiene la IA para segmentar el contenido de una página web en función de la disposición de la información.
Figura 6: Segmentación por HTML: Una de las estructuras de contenido más recomendadas por los expertos en SEO
Fuente: Ahrefs Blog
El conjunto de estrategias orientadas a optimizar la visibilidad de una web en buscadores de IA es lo que se conoce como GEO (Generative Engine Optimization). El GEO se centra precisamente en optimizar el contenido dentro de la web para que sea fácilmente interpretable, extraíble y utilizable por la IA. A diferencia del SEO tradicional, orientado principalmente al posicionamiento en rankings de buscadores, el GEO busca que el contenido sea seleccionado y citado directamente en respuestas generativas ofrecidas por sistemas como ChatGPT o Google Gemini. En este nuevo paradigma, la IA prioriza contenidos claros, estructurados y capaces de responder de forma precisa a las preguntas de los usuarios, especialmente cuando aportan información original y no se limitan a reproducir contenidos ya existentes en internet.
En este sentido, los expertos en contenido SEO que han participado en el webinar “Contenido SEO para IA y personas: Posicionamiento, visibilidad y rentabilidad” organizado por DUDA, coinciden en que el concepto tradicional de “calidad” ha cambiado. La IA no selecciona necesariamente el contenido más extenso, sino aquel que resulta más útil para resolver una consulta concreta. Por ello, la calidad ya no se mide por el número de palabras, sino por la capacidad del contenido para satisfacer la intención de búsqueda del usuario de forma clara, directa y semánticamente precisa. Esto conecta con el concepto de E-E-A-T (Experience, Expertise, Authoritativeness and Trustworthiness), utilizado por Google para evaluar la experiencia, autoridad y fiabilidad de los contenidos.
En este mismo webinar se ha destacado que la IA no cita “calidad” en términos abstractos, sino utilidad inmediata. Un fragmento breve y bien estructurado como preguntas y respuestas concisas puede resultar más citable que un artículo de miles de palabras. Sin embargo, también advierten que basar toda la estrategia en contenido excesivamente corto o simplificado puede perjudicar el SEO tradicional y reducir el posicionamiento general de la web. Por ello, la estrategia más eficaz consiste en trabajar en dos capas complementarias. Así pues, los profesionales en el campo del SEO y GEO recomiendan utilizar una primera capa de contenido directo y fácilmente citable por la IA, y una segunda capa más profunda y especializada, orientada a aportar valor diferencial, reforzar la autoridad temática y mantener el posicionamiento orgánico a largo plazo (ver figura 7).
Figura 7: Estructura de contenido de pirámide invertida
Fuente: GoDaddy
Todo lo que ocurre fuera de la web
Por otro lado, aparece el concepto de LLMO (Large Language Model Optimization), utilizado en algunos ámbitos para referirse al GEO, centrado en reforzar la autoridad y la presencia digital de las marcas, especialmente a través de fuentes externas, con el objetivo de que la IA las reconozca como referentes en su sector. No solo busca que el contenido sea entendido, sino que la empresa sea considerada una fuente fiable y susceptible de ser recomendada. Estos tres conceptos que se van a explicar a continuación son la clave para potenciar la relevancia de una empresa y aumentar las probabilidades de que sea citada por la IA:
Consistencia multicanal: es un proceso de verificación en el que la IA analiza si la información de una empresa es coherente en su web, en fuentes públicas como la prensa y en menciones externas como foros o reseñas online. Si detecta esa coherencia entre distintos canales, interpreta que se trata de una empresa real y con información fiable.
Valor de las menciones: en este caso, la IA tiene en cuenta las referencias a una marca en distintos canales digitales (medios, foros o redes sociales), incluso sin enlaces directos, como señal de buena reputación. A diferencia de la consistencia multicanal, que verifica la coherencia de la información para confirmar que la empresa existe, este criterio evalúa la reputación o imagen de marca para mencionarla en la respuesta.
Originalidad del contenido: las probabilidades de que la IA extraiga información de una fuente aumentan cuando el contenido no es genérico ni repetido, independientemente de que se trate de texto, imágenes, vídeos o experiencias propias. Cuanto mayor sea el valor diferencial del contenido respecto al existente en internet, mayor será su relevancia y su probabilidad de ser seleccionado y utilizado por la IA.
En la Figura 8 se puede apreciar cuáles son las principales fuentes externas a una marca utilizadas por la IA para citar información. Estos datos evidencian la importancia que tiene la reputación de una marca en plataformas externas y comunidades online dentro de la optimización para motores de búsqueda basados en IA.
Figura 8: Fuentes de información más usadas por la IA para citar información
Fuente: Japan Marketing Insights – Linkedin
Puntos clave a tener en cuenta
Hay que destacar que, en relación con el LLMO, el nivel de popularidad y reconocimiento de una marca influye en cómo la IA evalúa su fiabilidad. En el caso de empresas menos conocidas, los sistemas de IA tienden a apoyarse más en contenidos externos como artículos en prensa, menciones en foros, reseñas o contenidos en redes sociales para validar su existencia y reputación. Por ello, los expertos en SEO y GEO recomiendan reforzar la presencia digital de estas marcas mediante publicaciones en medios externos y colaboraciones patrocinadas, ya que las menciones fuera de la propia web tienen un peso creciente en la percepción que la IA construye sobre una empresa o producto.
Además, no solo importa aparecer en múltiples canales, sino mantener coherencia entre lo que la empresa comunica en su propia web y lo que terceros dicen sobre ella. Esto permite a la IA validar si realmente existe una relación entre la marca y los atributos con los que intenta posicionarse. Si una empresa afirma ser referente en algo en concreto, pero esa percepción no aparece reflejada en medios, foros o fuentes externas, los modelos de IA detectan esa falta de consenso y reducen su credibilidad. Por el contrario, cuando existe coherencia y repetición semántica entre distintas fuentes, la IA refuerza la asociación de la marca con determinados conceptos y la interpreta como una entidad más sólida y fiable dentro de su sector.
Hay que destacar también el papel que tiene el consenso entre contenidos para que la IA cite determinadas páginas web. Aunque anteriormente se mencionaba la importancia de generar contenido original, los expertos señalan que también es fundamental que parte de esa información coincida con aquello que la IA ya ha visto repetidamente en otras fuentes fiables. Esto se debe a que los modelos de IA validan la información en función de patrones y frecuencias, ya que cuanto más aparece una idea o dato en múltiples sitios, mayor probabilidad existe de que el sistema lo considere correcto o relevante. Por ello, los contenidos completamente diferentes al consenso general, aunque puedan ser ciertos, tienen más dificultades para ser seleccionados o citados por la IA. Un ejemplo clásico podría ser la elaboración de un ranking. En el webinar comentado anteriormente, se puso el ejemplo de la elaboración por parte de National Geographic de una clasificación de los 10 animales con mayor probabilidad de encontrarse en peligro de extinción. National Geographic tuvo que encontrar un equilibrio entre los animales que consideraba en peligro de extinción (algunos de ellos poco conocidos o citados en otros rankings) y los existentes en otras páginas web únicamente para que la IA no penalizara el propio contenido de su propia web y pudiese ser suscitable de aparecer en las fuentes citadas por la IA.
Por otra parte, los expertos coinciden en que el contenido en vídeo y la presencia en redes sociales se han convertido en elementos clave dentro de las estrategias GEO y LLMO. Los sistemas de IA no solo analizan páginas web, sino también plataformas como YouTube, TikTok o redes sociales, donde los usuarios consumen cada vez más información. Por ello, creen que las marcas deben adaptar sus contenidos a formatos audiovisuales y estrategias multicanal, ya que los vídeos explicativos, demostraciones o experiencias reales ayudan a reforzar la autoridad, la notoriedad y la asociación de la marca con determinados atributos, aumentando su relevancia y credibilidad para la IA. En el ejemplo de la figura 9, se puede apreciar como la review de un canal de Youtube sobre “productos de limpieza para baldosas” resulta relevante para que la IA recomiende el desengrasante “FILA PS87”
Figura 9: Respuesta de Gemini (IA de Google) basándose en experiencias en redes sociales
Fuente: Google
A continuación, se muestra una tabla resumen de todo lo comentado en este Insight:
Figura 10: Acciones a realizar por las marcas para ser consideradas por la IA
Fuente: Cosmomedia
En definitiva, todo esto se podría resumir en que en este nuevo escenario, ya no solo importa aparecer en los primeros resultados, sino convertirse en una fuente fiable para la IA. Para ello es tan importante cuidar los contenidos propios como mantener una buena reputación en medios externos. En la figura 11 se presenta a modo de resumen cuales son los factores tenidos en cuenta por la IA para ser una de las opciones citadas.
Figura 11: Criterios que tiene en cuenta la IA para mencionar a las marcas
Fuente: Cosmomedia
Unidad de Inteligencia Competitiva del ITC-AICE
