Las puntuaciones GEO no son la solución para mejorar la visibilidad de las marcas en la IA

La visibilidad de las marcas en los motores de IA se ha convertido en una nueva prioridad para los equipos de marketing. Con el auge del GEO, las compañías han empezado a buscar nuevas formas de medir y mejorar su presencia en las respuestas generadas por los sistemas de IA. Pero, según Andrew Bolton, Chief Customer Officer de Knotch, trasladar al entorno de la IA la lógica del SEO puede llevar a los anunciantes a centrarse en métricas que todavía no ofrecen una visión suficientemente fiable. En un artículo publicado en Adweek, Bolton cuestiona tanto la forma en la que actualmente se mide la visibilidad en los grandes LLMs como las consecuencias de optimizar los contenidos únicamente para mejorar esos resultados.

El problema de los datos

Para Bolton, uno de los principales problemas de las plataformas de medición de visibilidad en LLM es que no trabajan con consultas reales de usuarios. Estas herramientas realizan consultas sintéticas a gran escala y organizan las respuestas en dashboards de marketing. Estas consultas representan una muestra mucho menor que la de las interacciones de usuarios reales. A partir de ellas, las plataformas generan puntuaciones de visibilidad que, según Bolton, pueden dar una sensación de precisión que los datos no justifican. Bolton se apoya también en el marco de medición publicado por la IAB. Según explica, los programas que realizan menos de 50 consultas no se consideran suficientes ni siquiera como referencia orientativa. Muchos de los proveedores actuales, señala, trabajan por debajo de ese volumen, lo que dificulta utilizar sus datos para caracterizar una categoría y tomar decisiones sobre la estrategia de contenidos. El problema también se refleja en los resultados que ofrecen las distintas herramientas. Bolton cuenta el caso de un cliente que utiliza cuatro plataformas de medición de visibilidad en LLM y recibe de cada una una valoración diferente sobre la posición de su marca. También relata cómo dos agencias presentaron a un gran banco estrategias de GEO completamente opuestas, ambas respaldadas por datos que se contradecían entre sí. Para Bolton, cuando la medición de partida no es suficientemente fiable, construir una estrategia de contenidos sobre esos datos se acerca más a hacer suposiciones que a optimizar.

El riesgo de optimizar solo para la IA

Bolton plantea además otra cuestión: qué ocurre cuando las marcas consiguen mejorar su visibilidad en los sistemas de IA. Un usuario que llega a una web desde una plataforma de IA no parte de cero. Antes de hacer click, ya ha mantenido una conversación, ha podido realizar preguntas adicionales y ha formado una determinada opinión. Por ello, llega al sitio con un contexto y una intención diferentes a los de un usuario procedente de una búsqueda tradicional. El problema es que la mayoría de las webs no están diseñadas para este tipo de visitante. Al mismo tiempo, las marcas están intentando adaptar sus contenidos para hacerlos más fáciles de interpretar por los LLMs y mejorar sus puntuaciones GEO. Según Bolton, esta búsqueda de una mayor visibilidad puede tener un efecto contraproducente. Algunos de los cambios realizados para conseguir contenidos más “LLM-friendly” pueden empeorar la experiencia de los usuarios, reduciendo el engagement y las conversiones.

Una infraestructura para dos audiencias

Frente a esta situación, Bolton no plantea simplemente una nueva estrategia de contenidos, de GEO o de web. Su propuesta pasa por desarrollar una infraestructura preparada para dos audiencias al mismo tiempo: los usuarios y los sistemas de IA. En la práctica, esto implicaría que una web pueda adaptarse a lo que probablemente busca cada visitante, en lugar de dirigir a todos a una misma página de inicio genérica. Al mismo tiempo, existiría una capa específica, diseñada para que los sistemas de IA puedan leer y comprender la información. La conclusión de Bolton es que, en un mercado que evoluciona rápidamente, las marcas corren el riesgo de dejarse llevar por la proliferación de nuevas herramientas y métricas de GEO. Su advertencia es que las marcas corren el riesgo de dedicar recursos a optimizar para una métrica sobre la que los distintos proveedores ni siquiera ofrecen resultados consistentes.

Puntos clave:

• Las puntuaciones GEO se basan en consultas sintéticas y muestras limitadas, lo que puede generar resultados diferentes entre herramientas y una falsa sensación de precisión.

• Optimizar los contenidos para hacerlos más “LLM-friendly” puede perjudicar la experiencia humana, afectando al engagement y las conversiones.

• Bolton apuesta por una infraestructura pensada para dos audiencias, con una experiencia adaptada al usuario y una capa específica para que los sistemas de IA puedan interpretar la información.

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.