El impacto del GEO en la visibilidad de publishers y anunciantes

En los últimos meses, un nuevo acrónimo se está haciendo fuerte: GEO, siglas de Generative Engine Optimization. Bajo este concepto, numerosos proveedores están ofreciendo servicios para optimizar contenidos con el objetivo de que aparezcan en respuestas generadas por chatbots y search basados en inteligencia artificial. La promesa es atractiva: ayudar a marcas y publishers a ganar visibilidad dentro de las respuestas generadas por IA.

GEO y SEO: más parecido de lo que parece

Aunque en muchas ocasiones se presenta como una nueva disciplina, muchas de las prácticas asociadas a GEO se apoyan en fundamentos ya conocidos del SEO tradicional. Los LLMs suelen extraer información de contenidos web que ya ocupan posiciones destacadas en los resultados de search y que cuentan con autoridad y relevancia. Por ese motivo, algunos especialistas consideran que GEO es más bien una extensión del SEO. Jeremy Moser, cofundador y CEO de la agencia uSERP, lo resume de forma contundente: alrededor del 80 % del GEO se basa en aplicar un buen SEO. Según el propio Moser, cualquier proveedor que no reconozca ese punto de partida probablemente esté exagerando el valor diferencial de sus servicios. Para muchos profesionales del sector, el auge del GEO recuerda a otras fases anteriores de la evolución del SEO. En el pasado, tendencias como Google AMP o los featured snippets también se presentaron como disciplinas completamente nuevas que requerían especialistas, herramientas y presupuestos específicos. En la práctica, ambas acabaron siendo evoluciones de una misma lógica: estructurar el contenido de forma que el algoritmo de Google lo entienda mejor y lo priorice.

Qué cambia con GEO

Asimismo, existen diferencias técnicas importantes en la forma en que los LLMs recuperan y procesan la información: mientras que el SEO clásico se basa en el modelo crawl–index–rank (rastreo, indexación y posicionamiento), los sistemas de IA utilizan arquitecturas diferentes para responder a consultas. El objetivo final también cambia ligeramente: el SEO busca que una página web aparezca más arriba en los resultados de búsqueda; mientras que el GEO busca que el contenido sea citado, resumido o utilizado dentro de respuestas generadas por IA. Además, el intercambio de valor es distinto. La búsqueda tradicional funciona principalmente como un canal de tráfico, mientras que la visibilidad en IA tiene más impacto como canal de branding, ya que suele enviar muy pocas visitas a los sitios originales. Pero dominar SEO no significa dominar GEO… El componente más técnico del GEO, especialmente todo lo relacionado con las arquitecturas de recuperación de información que utilizan los modelos de lenguaje (como los sistemas RAG), abre un terreno nuevo que exige conocimientos específicos y, en muchos casos, más recursos técnicos dentro de los equipos de SEO. Aun así, muchos principios siguen siendo válidos para ambos: estructura clara del contenido, uso adecuado de encabezados, fuentes autoritarias, especialización temática, menciones de marca en distintos sitios y plataformas, así como cumplimiento de políticas contra el SPAM. En paralelo, surgen nuevas consideraciones. Publishers y anunciantes deben evaluar cómo los modelos de IA se nutren de su contenido, si quieren bloquear el rastreo de IA en ciertas páginas y qué tan accesible es su contenido para estos sistemas.

Nuevas tácticas específicas para IA

Los LLMs aún funcionan como una caja negra a la hora de decidir qué marcas o publsihers mencionan en sus respuestas. A diferencia del SEO tradicional, no existe un sistema de ranking estable comparable al de Google y las respuestas pueden variar según el modelo y el prompt del usuario. Las empresas que dicen medir u optimizar la visibilidad en IA suelen analizar datos de prompts y rastrear con qué frecuencia aparecen ciertas marcas en las respuestas, pero el proceso sigue siendo muy impredecible. Mientras que el SEO se basa en seguir posiciones para keywords concretas, en el entorno de la IA las compañías compiten más bien por influencia dentro de las respuestas generadas, ya que estas se construyen a partir de preguntas abiertas y no de keywords fijas. Además, hay muchos menos datos sobre qué prompts provocan citas de una fuente, lo que dificulta entender cuándo o por qué una marca aparece en esas respuestas. Incluso los acuerdos de licencia de contenido con plataformas de IA no evitan que el tráfico de referencia siga cayendo.

Visibilidad en IA no significa tráfico

Aparecer citado en respuestas generadas por LLMs no se traduce, al menos por ahora, en grandes volúmenes de tráfico hacia los publishers. Según datos de Similarweb, cabeceras como Reuters o The Guardian se encuentran entre las más mencionadas en herramientas como ChatGPT o Perplexity, pero las visitas procedentes de estas plataformas representan menos del 1% de su tráfico total. Esto permite deducir, que la visibilidad en entornos de IA no va a resolver los problemas de tráfico que muchos publishers afrontan en un escenario marcado por la volatilidad del search y de las redes sociales. Eso sí, existen algunos indicios que apuntan a que el tráfico procedente de estos sistemas tienen mayor probabilidad de conversión y pasan más tiempo en el sitio web. Por ejemplo, como recoge Digiday, Según Karl Wells, Chief Revenue Officer en The Washington Post, los usuarios que llegan a The Washington Post desde plataformas de IA pasan más tiempo en la web y registran tasas de conversión a suscripción entre cuatro y cinco veces superiores a las del tráfico procedente de búsquedas tradicionales. A diferencia del SEO, que se centra en optimizar contenido para keywords específicas, la búsqueda por IA extrae información de una amplia variedad. Esto obliga a publishers y anunciantes a pensar en gestión de reputación, considerando dónde y cómo aparece su contenido en múltiples plataformas que son rastreadas por los LLMs. Además, las integraciones directas con estos modelos son exclusivas del GEO y requieren recursos técnicos y de ingeniería, ya que permiten que los sistemas prioricen información de feeds a los que tienen acceso. Por último, uno de los mitos más extendidos sobre GEO es que los proveedores pueden rastrear con precisión la visibilidad en IA. La realidad es más compleja: muchas herramientas no tienen acceso a los prompts reales que los usuarios introducen en los motores de búsqueda basados en IA. En su lugar, trabajan “a la inversa”, analizando patrones y resultados para inferir qué marcas, publishers o contenidos están siendo destacados. Para ello, utilizan datos sintéticos que simulan búsquedas y consultas de usuarios, algoritmos que estiman qué contenido tiene más probabilidades de aparecer en las respuestas, y técnicas que agrupan resultados similares para identificar tendencias y medir qué fuentes son mencionadas con mayor frecuencia.

Para publishers y anunciantes la clave estará en saber combinar buenas prácticas de SEO con un enfoque consciente de cómo la IA procesa, cita y prioriza su contenido.

Puntos clave:

• El 80% del GEO se apoya en principios básicos de SEO, como estructura clara, autoridad de fuentes y contenido optimizado.

• La visibilidad en IA no garantiza tráfico, aunque puede aumentar la notoriedad de marca y la conversión de usuarios que sí llegan al sitio.

• La medición de la presencia en IA sigue siendo imprecisa, basada en datos sintéticos, patrones y estimaciones, ya que no se accede a los prompts reales de los usuarios.

Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.