Generative Engine Optimization (GEO): guía completa

La Generative Engine Optimization (GEO) es la práctica de facilitar que sistemas de respuesta con IA, como ChatGPT, Perplexity, Gemini y las vistas creadas con IA de Google, encuentren, entiendan y citen tu contenido cuando redactan una respuesta. El SEO compite por un puesto en una lista de enlaces. El GEO compite por una mención dentro de la propia respuesta.

Esta guía recoge lo que mostró la investigación en la que se basa el GEO, cómo eligen estos motores sus fuentes hasta donde se puede documentar, qué hacer al respecto (ordenado según el respaldo de cada acción) y cómo saber si ha funcionado. ¿Prefieres la versión corta primero? Lee ¿Qué es el GEO? y vuelve aquí.

¿Qué es la Generative Engine Optimization y por qué importa ahora?

Un motor generativo recupera información y después redacta una respuesta en lenguaje natural, normalmente con enlaces a las fuentes que ha usado. Son ejemplos la búsqueda de ChatGPT, Perplexity, Gemini y las vistas creadas con IA y el modo IA de Google. La gente lee una única respuesta ya compuesta en lugar de repasar diez enlaces. Por eso la pregunta del propietario de un sitio cambia de «¿me posiciono?» a «¿es mi página una de las fuentes de esa respuesta?».

También verás que se busca «GEO SEO». Los dos conceptos van de la mano porque el trabajo se solapa mucho con la optimización clásica para buscadores, como muestra la tabla comparativa de más abajo. Piensa en el GEO como un SEO extendido a un nuevo tipo de resultado, no como una disciplina aparte que lo sustituye.

¿Por qué ahora? El uso es amplio y está repartido entre varios productos:

La gente usa más de un producto de IA y la combinación cambia. Optimizar para un único motor es una apuesta arriesgada. Para ver más cifras, con sus métodos, consulta nuestra página de estadísticas de búsqueda con IA.

Un dato más ayuda a fijar expectativas. Cloudflare se sitúa delante de una gran parte de los sitios web y midió cuántas veces rastrean páginas los rastreadores de las empresas de IA por cada visita que devuelven:

Las cifras proceden solo de la red de Cloudflare y mezclan el rastreo para entrenamiento con el rastreo para búsqueda. Aun así, las respuestas de IA devuelven muchas menos visitas por página leída que un buscador clásico. El GEO trata menos de conseguir clics y más de estar presente en la respuesta, y de que te describan con exactitud.

¿De dónde viene el GEO?

El término nace de la investigación, no del marketing. En noviembre de 2023, Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan y Ameet Deshpande publicaron en arXiv «GEO: Generative Engine Optimization». arXiv es el archivo abierto donde los investigadores comparten artículos antes y después de su revisión. El trabajo se publicó en KDD 2024, un congreso importante de ciencia de datos.

¿Qué probó realmente el artículo original sobre GEO?

El artículo hizo tres cosas:

• Nombró el problema: quienes crean contenido no tienen forma de saber cómo mejorar su visibilidad dentro de las respuestas que redactan los motores generativos.
• Construyó GEO-bench, un banco de pruebas (un conjunto estándar de consultas de prueba) de 10.000 consultas que abarcan unos 25 ámbitos.
• Llevó a cabo experimentos de optimización de caja negra. Los autores modificaron el contenido de páginas web y midieron con qué frecuencia aparecían las páginas modificadas en las respuestas de los motores, sin ver cómo funcionan por dentro.

El resultado principal: los métodos de GEO pueden aumentar hasta un 40 % la visibilidad en las respuestas de los motores generativos, y su eficacia varía según el ámbito. Las dos mitades importan. «Hasta un 40 %» es un techo que alcanzan los mejores métodos en las mejores condiciones, no una media. «Varía según el ámbito» significa que una táctica que ayuda en un tema puede servir de poco en otro.

De los nueve métodos probados, los que mejor funcionaron fueron añadir citas textuales, añadir estadísticas y citar fuentes. Repetir palabras clave sin medida dio poca o ninguna mejora.

¿Qué añadieron los estudios y las críticas posteriores?

Varios artículos posteriores complican el panorama. Son también la fuente de casi todo lo que hoy se puede afirmar con evidencia.

Hallazgo	Estudio	Límite
Las citas suelen ser poco fiables. Solo el 51,5 % de las frases generadas estaban totalmente respaldadas por sus citas, y solo el 74,5 % de las citas respaldaban la frase a la que acompañaban.	Estudio de 2023 dirigido desde Stanford (Liu, Zhang y Liang): personas evaluaron cuatro motores de búsqueda generativos	Estos motores han cambiado desde entonces. Aun así, un enlace junto a una frase no demuestra que la frase sea correcta.
Los motores de respuestas tienen problemas de verificabilidad. Los participantes identificaron 16 limitaciones. Una evaluación automatizada de tres motores detectó alucinaciones (contenido inventado) y citas inexactas con frecuencia.	Estudio de 2024 dirigido por Narayanan Venkit, de Penn State, con coautores de Salesforce AI Research: estudio de usabilidad con 21 participantes	Muestra pequeña, versiones de los motores de 2024.
La cita de noticias es propensa a errores. En conjunto, los chatbots dieron respuestas incorrectas en más del 60 % de las consultas. Perplexity se equivocó el 37 % de las veces y Grok-3 el 94 %.	Tow Center for Digital Journalism de Columbia, febrero de 2025: 1.600 consultas en ocho herramientas de búsqueda con IA (200 extractos de artículos de 20 editores, planteados una vez a cada herramienta)	Los autores advierten contra generalizar, y la tarea era identificar una fuente, no redactar una buena respuesta.
Los medios ganados dominan. El primer preprint describe un «systematic and overwhelming bias towards Earned media» [sesgo sistemático y abrumador hacia los medios ganados (earned media)], es decir, la cobertura independiente de terceros, frente a los contenidos de marca y de redes sociales, a diferencia de la combinación más equilibrada de Google. También observa que los motores difieren en diversidad de dominios, actualidad, estabilidad entre idiomas y sensibilidad a cómo se formula una pregunta.	Dos preprints del mismo grupo de investigación de Toronto (Chen, Wang, Chen y Koudas) comparan la búsqueda con IA con Google. El segundo, actualizado en mayo de 2026, compara dominios de origen, tipos de contenido, intención de búsqueda y actualidad entre la Búsqueda de Google y los principales servicios de IA generativa.	Ninguno de los dos resúmenes da cifras, y ambos son preprints que no han pasado una revisión por pares completa.
Algunas características de la página se correlacionan con las citas. Los metadatos y la actualidad, el HTML semántico y los datos estructurados fueron lo más asociado a las citas.	Preprint de 2025 (Kumar y Palkhouski): 1.702 citas en 1.100 URL únicas, con 70 preguntas de intención de producto planteadas a Brave Summary, las vistas creadas con IA de Google y Perplexity	Observacional, solo páginas de software B2B en inglés; muestra asociación, no causa.

En conjunto: la cifra original del 40 % es real, pero acotada. Los motores son incoherentes entre sí. La presencia de terceros parece importar mucho. Y nadie ha publicado una prueba controlada y repetible que demuestre que un cambio concreto en la página de tu sitio te hará ganar citas en todos los motores.

¿Cómo eligen y citan sus fuentes los motores generativos?

Ninguna empresa de IA publica sus reglas completas de selección de fuentes. Lo que podemos decir procede de la documentación oficial y de algunos estudios, leídos con sus límites presentes. Piensa en cuatro capas.

1. ¿Puede el motor llegar a tu página?

Un rastreador es un programa automatizado que lee páginas web. Un archivo robots.txt es un archivo de texto plano en la raíz de tu sitio que indica a los rastreadores qué pueden leer. Cada empresa de IA tiene más de un rastreador, con funciones distintas:

• OpenAI documenta GPTBot (contenido que puede usarse para entrenar modelos), OAI-SearchBot (mostrar sitios en la búsqueda de ChatGPT) y ChatGPT-User (accesos desencadenados por la petición de una persona). OpenAI indica que los sitios que excluyen a OAI-SearchBot no aparecerán en las respuestas de la búsqueda de ChatGPT, y que un cambio tarda unas 24 horas en aplicarse. En cuanto a ChatGPT-User, OpenAI señala que puede que las reglas de robots.txt no se apliquen.
• Anthropic documenta tres bots, uno para entrenamiento, otro para accesos dirigidos por el usuario y otro para búsqueda, y afirma que respetan las señales de no rastreo de robots.txt.
• Perplexity explica que PerplexityBot sirve para mostrar sitios en la búsqueda y que no se usa para entrenar modelos fundacionales, y que Perplexity-User, que actúa por petición de una persona, por lo general ignora las reglas de robots.txt.
• Google usa Google-Extended como control para decidir si el contenido se usa para entrenar futuros modelos de Gemini y para fundamentar respuestas. Google indica que no afecta a la inclusión de un sitio en la Búsqueda de Google y que no es una señal de posicionamiento.

Que los bots obedezcan es otra cuestión.

Trata robots.txt como una declaración de tus preferencias, no como una garantía.

2. ¿Es apta la página?

En el caso de Google, la documentación es directa. Una página debe estar indexada y ser apta para mostrarse en Búsqueda con fragmento para aparecer como enlace de apoyo en las vistas creadas con IA o en el modo IA. Google señala que no hay requisitos adicionales y que no hace falta ningún marcado schema.org especial (datos estructurados que etiquetan el contenido de la página para las máquinas).

Los controles son los mismos que se usan para los fragmentos en Búsqueda: nosnippet, data-nosnippet, max-snippet y noindex. El tráfico de las funciones de IA se contabiliza en Search Console dentro del tipo de búsqueda «Web», así que no se puede separar del resto.

3. ¿Qué hace más probable que se elija una página?

Aquí la evidencia es más escasa. Las señales más sólidas son las anteriores: los experimentos originales de GEO, el sesgo hacia los medios ganados y la asociación de GEO-16 entre características de la página y citas. La propia guía de Google va en sentido contrario respecto al marcado, como se explica en el plan de más abajo.

Un resultado más es indirecto. «Lost in the Middle» (Liu y colaboradores, 2023) observó que los modelos de lenguaje suelen aprovechar mejor la información situada al principio o al final del texto que reciben, y peor la que está en el medio. Es un experimento sobre texto que se da a los modelos, no sobre resultados de búsqueda. Léelo como una analogía para poner primero la respuesta clave, no como prueba sobre el orden de las citas.

4. ¿Es correcta la cita?

Como ya hemos visto, que te citen no equivale a que te representen con exactitud. Por eso cualquier programa de GEO necesita un paso en el que una persona lea lo que dicen los motores sobre el negocio.

GEO frente a SEO y AEO: ¿en qué se diferencian?

El SEO (optimización para motores de búsqueda) aspira a posicionarse en una lista de resultados. El AEO (optimización para motores de respuestas) es una etiqueta informal para conseguir la respuesta directa que da un sistema, como un fragmento destacado o una respuesta de voz. El GEO aspira a que te usen y te citen dentro de una respuesta redactada por un motor generativo.

Nuestra comparativa de SEO, AEO y GEO profundiza en ello. Esta tabla es el resumen.

	SEO	AEO	GEO
Nombre completo	Search engine optimization	Answer engine optimization	Generative engine optimization
Objetivo	Posicionarse en una lista de resultados	Ser la respuesta directa	Que te citen dentro de una respuesta redactada por IA
Superficie habitual	Páginas de resultados de Google y Bing	Fragmentos destacados, respuestas de voz	ChatGPT, Perplexity, Gemini, vistas creadas con IA, modo IA
Qué consigues	Un clic desde un enlace	Una respuesta mostrada	Una mención o cita en la respuesta
Factores principales	Rastreabilidad, relevancia, enlaces, experiencia de página	Respuestas breves, claras y directas	Acceso de los rastreadores de IA, respuestas claras, cobertura de terceros, exactitud
Cómo se mide	Posiciones, impresiones, clics	Propiedad del fragmento	Citas y menciones en un conjunto fijo de preguntas
Estado del término	Consolidado	Informal	Acuñado en un artículo de 2023; sigue evolucionando

El solapamiento es lo más importante. La indexación, la escritura clara y el contenido fiable sirven a los tres. Para una visión más amplia del lado de IA del SEO, consulta nuestra guía de SEO con IA.

El plan de GEO, ordenado según la solidez de la evidencia

La mayoría de los consejos de GEO que circulan no indican cuánto respaldo tienen. Aquí cada táctica lleva una de tres etiquetas:

Etiqueta	Qué significa
Medido en un estudio	Un estudio publicado la probó o la observó. El estudio puede tener límites, que indicamos.
Guía oficial	La documentación de un motor la recomienda o la describe.
Práctica razonable, aún sin medir	Sensata y de bajo riesgo, pero no hemos encontrado ningún estudio que mida su efecto en las citas de la IA.

Tabla resumen

N.º	Táctica	Etiqueta de evidencia	Fuente principal y límite
1	Conseguir cobertura independiente de terceros	Medido en un estudio	Preprints de Toronto; los resúmenes no dan cifras
2	Añadir datos concretos, citas textuales y fuentes al contenido	Medido en un estudio	Artículo original de GEO; motores de 2023, hasta un 40 %
3	Mantener los metadatos actualizados y usar HTML semántico limpio	Medido en un estudio	Preprint de GEO-16; observacional, páginas de software B2B
4	Dejar entrar a los rastreadores adecuados	Guía oficial	Documentación de OpenAI, Anthropic, Perplexity y Google
5	Mantener las páginas clave indexables y aptas para fragmento	Guía oficial	Google Search Central
6	Etiquetar bien los elementos interactivos	Guía oficial	Chrome Lighthouse (experimental)
7	Escribir contenido natural para las personas	Guía oficial	Google Search Central
8	Abrir cada página con una respuesta directa	Práctica razonable, aún sin medir	Solo una analogía indirecta
9	Cubrir las subpreguntas relacionadas	Práctica razonable, aún sin medir	No se ha encontrado ningún estudio de citas
10	Auditar lo que dicen los motores sobre ti	Práctica razonable, aún sin medir	Motivada por los estudios de exactitud
11	Publicar un archivo llms.txt	Medido en un estudio (sin efecto detectado)	SE Ranking, Ahrefs; Google neutral

Medido en un estudio

1. Consigue cobertura independiente de terceros. En los experimentos controlados del grupo de Toronto, la búsqueda con IA mostró un sesgo sistemático y abrumador hacia los medios ganados frente a los contenidos de marca y de redes sociales. Si esto se cumple en tu mercado, las reseñas, la prensa, las publicaciones del sector, los directorios y las menciones de expertos pueden pesar más en las respuestas de IA que tus propias páginas. Así que averigua qué sitios independientes citan los motores sobre tu tema y trabaja para que te describan bien en ellos.

2. Añade datos concretos, citas textuales y fuentes a tu contenido. El artículo original de GEO probó métodos de reescritura de contenido e informó de mejoras de hasta un 40 % en visibilidad, según el ámbito. Para una pyme, eso significa hacer cada página más concreta y verificable.

Usa cifras reales con su fuente. Cita a personas con nombre que hayan aceptado que las cites. Enlaza a fuentes primarias.

No inventes nada de eso. Una estadística inventada es peor que ninguna, y todo el planteamiento depende de contenido que merezca ser citado.

3. Mantén los metadatos al día y el HTML limpio. El preprint de GEO-16 observó que los metadatos y la actualidad, el HTML semántico (etiquetas propias de encabezados, listas y tablas en lugar de cajas con estilo) y los datos estructurados eran las características de página más asociadas a las citas, en 1.100 URL únicas. En sus datos, las páginas por encima de cierto umbral de puntuación tenían tasas de citas notablemente mayores.

11. llms.txt: probado, sin efecto detectado. Un archivo llms.txt es un archivo de texto plano propuesto, situado en la raíz de un sitio, que enumera y resume las páginas clave para los sistemas de IA. Nuestra guía de llms.txt lo explica por completo, y puedes comprobar el tuyo con el verificador de llms.txt. Aquí solo recogemos lo que se ha medido.

• El estudio de SE Ranking sobre casi 300.000 dominios no halló correlación entre tener el archivo y recibir citas de los motores de IA, y un modelo sin esa variable predecía mejor las citas.
• Ahrefs, que estudió 137.210 dominios, observó que el 97 % de los archivos llms.txt que vio no recibió ninguna petición en mayo de 2026, y que ningún bot de IA pidió rutas inexistentes.
• Google afirma que llms.txt «will neither harm nor help» [ni perjudica ni ayuda] a la visibilidad en Búsqueda.

Las cifras de adopción difieren mucho porque cada estudio midió una población distinta:

Los autores de Common Crawl indican que su cifra no es comparable con la del Web Almanac.

Guía oficial

4. Deja entrar a los rastreadores adecuados. Revisa tu robots.txt y decide bot por bot. La documentación vincula permitir un bot de búsqueda como OAI-SearchBot con aparecer en las respuestas de la búsqueda de ChatGPT. Bloquear un bot de entrenamiento como GPTBot es una decisión aparte.

Tu alojamiento o tu configuración de seguridad también pueden bloquear bots sin que lo sepas, así que prueba desde fuera. Y recuerda los límites de cumplimiento mencionados antes.

5. Mantén las páginas clave indexables y aptas para fragmento. Google señala que una página debe estar indexada y ser apta para mostrarse con fragmento para aparecer en las vistas creadas con IA o en el modo IA. Comprueba que las páginas importantes devuelven respuestas normales, que no están marcadas con noindex y que no las restringen controles de fragmento que no pretendías configurar.

6. Etiqueta bien los elementos interactivos. Lighthouse, la herramienta de Google que audita páginas web, ha incorporado una categoría experimental, «Agentic Browsing». Su documentación indica que los agentes se apoyan en el árbol de accesibilidad como modelo de datos principal. El árbol de accesibilidad es la versión estructurada de una página que usan los lectores de pantalla: nombres, funciones y estados de botones, enlaces y campos de formulario. Las auditorías comprueban nombres y etiquetas, la integridad del árbol y la visibilidad del contenido interactivo.

7. Escribe contenido natural para las personas. La guía de Google para las funciones de IA generativa indica que no hay obligación de trocear el contenido en fragmentos diminutos y que los datos estructurados no son necesarios para la búsqueda con IA generativa. También señala que no necesitas archivos legibles por máquina nuevos, archivos de texto para IA, marcado ni Markdown para aparecer en la Búsqueda de Google. Search Engine Journal observó que la auditoría experimental de Lighthouse comprueba la presencia de llms.txt mientras que la Búsqueda dice que no hace falta, y atribuyó la diferencia a la visibilidad en Búsqueda frente a la preparación para agentes de navegador.

Práctica razonable, aún sin medir

Son pasos baratos, de bajo riesgo y coherentes con las fuentes anteriores, pero no hemos encontrado ningún estudio que mida su efecto en las citas de la IA.

8. Abre cada página con una respuesta directa. Pon bajo cada encabezado una respuesta clara de dos o tres frases. Escribe frases que se entiendan por sí solas, con el sujeto nombrado, para que puedan citarse sin el párrafo que las rodea. La única evidencia relacionada es el experimento «Lost in the Middle», que trata del texto que se da a un modelo, no del posicionamiento en búsquedas.

9. Cubre las subpreguntas relacionadas. Si vendes un servicio, responde a las preguntas que un comprador se hace en torno a él: coste, proceso, riesgos, alternativas, detalles locales. Las preguntas reales de tus clientes y de tu equipo comercial son la mejor fuente. Ningún estudio que hayamos revisado lo contrasta con las tasas de citas.

10. Audita lo que dicen los motores sobre ti. Pregunta a los motores que usan tus clientes sobre tu negocio y tu categoría, y lee las respuestas con ojo crítico. Dados los hallazgos de exactitud anteriores, espera errores. La solución suele estar en las fuentes de las que beben los motores, incluidas tus propias páginas.

¿Cómo se mide el GEO?

No hay una métrica estándar de GEO. El artículo original usó sus propias medidas de visibilidad, y las herramientas comerciales usan otras. Cualquier cifra que te muestre un proveedor depende de su método, así que pide el método. Hay dos mediciones complementarias que resultan prácticas.

1. Seguimiento de la visibilidad en IA

Elige un conjunto fijo de preguntas, quizá de 20 a 50, que tus clientes se hagan de verdad, y ejecútalas con una periodicidad fija:

Search Console no aísla esto por ti. Google contabiliza el tráfico de las funciones de IA dentro del tipo de búsqueda «Web», junto con los resultados normales. En otros motores, revisa las derivaciones en tu analítica, pero recuerda las proporciones entre rastreos y derivaciones vistas antes: que no haya clics no significa que no haya citas.

Ten cuidado con los datos de clics en general. Los estudios discrepan sobre cuántos clics les cuestan a los sitios los resúmenes de IA, y la razón está en los métodos. No se contradicen tanto como miden cosas distintas:

Fuente	Qué halló	Nota de método
Pew	Un clic en un enlace en el 8 % de las visitas a Google con resumen de IA frente al 15 % sin él	Panel de navegación
Ahrefs	Una tasa de clics del primer resultado con una vista creada con IA un 58 % inferior a la prevista	Actualización de 2026 que reutilizó su método anterior sobre una ventana más larga (de diciembre de 2023 a diciembre de 2025) y actualizó su cifra de 2025, del 34,5 %
Google	Volumen total de clics orgánicos «relatively stable» [relativamente estable] año tras año	Una afirmación sin cifras publicadas; mide el volumen total de todos los sitios
Seer Interactive	Las marcas citadas en las vistas creadas con IA recibían un 35 % más de clics orgánicos que las no citadas	Sus autores no atribuyen causa

2. Estructura y preparación del sitio

La otra mitad es si los motores y los agentes pueden navegar y leer tu sitio. Eso implica acceso de rastreo, indexabilidad, una estructura clara de enlaces internos para que las páginas importantes sean alcanzables, encabezados descriptivos y un marcado accesible. Nuestra guía sobre la navegabilidad agéntica explica esta capa en detalle.

GraphoRank es una herramienta para esta segunda medición: rastrea un sitio respetando robots.txt y puntúa de 0 a 100 hasta qué punto los agentes de IA pueden navegarlo, leerlo y citarlo. Cómo funciona muestra el método y sus límites.

Errores frecuentes

N.º	Error	Por qué perjudica
1	Tratar el GEO como sustituto del SEO	La propia documentación de Google vincula las funciones de IA con la indexación y la aptitud para fragmento. Si los buscadores no pueden indexar una página, el esfuerzo de GEO en ella se pierde.
2	Bloquear por defecto todos los bots de IA	Los rastreadores de entrenamiento, de búsqueda y los activados por el usuario son distintos. Bloquear los de búsqueda puede excluirte de las respuestas que quieres. Bloquear los de entrenamiento es una decisión aparte y legítima.
3	Confiar en que robots.txt lo detiene todo	La documentación indica que algunos agentes de acceso activados por el usuario pueden no seguirlo, y un estudio observó que los rastreadores de búsqueda con IA casi nunca lo consultan.
4	Perseguir un solo motor	El uso está repartido entre productos y la combinación cambió en un año.
5	Inventar pruebas	Las estadísticas inventadas, las reseñas falsas y las menciones plantadas son lo contrario de lo que premia la evidencia, y Google dice que las menciones no auténticas no son tan útiles como parecen.
6	Creer en promesas de mejora garantizada	La cifra publicada más sólida es «hasta un 40 %», de experimentos de 2023. Si un proveedor promete una mejora fija, pide el método y la muestra.
7	Añadir marcado porque lo decía un blog	Google señala que los datos estructurados no son necesarios para sus funciones de IA, y un estudio amplio no halló relación entre llms.txt y las citas. Estos archivos son baratos e inocuos, pero no deben desplazar el trabajo sobre el acceso, el contenido y la cobertura independiente.
8	No leer nunca lo que dicen los motores	Los estudios de exactitud muestran que los errores son frecuentes. Compruébalo y corrígelo en la fuente.
9	Medir una sola vez	Los resultados varían según el motor, la ejecución y la formulación. Una captura de pantalla no es una medición.
10	Ignorar la accesibilidad	Un marcado que los lectores de pantalla no entienden puede ser también difícil de usar para los agentes, según la documentación de Lighthouse de Google.