GEO y AEO: guía técnica para aparecer en ChatGPT, Perplexity y Google AI

Piensa en la última vez que investigaste algo importante: una herramienta nueva, un proveedor o una decisión técnica. ¿Abriste un buscador tradicional o se lo preguntaste directamente a ChatGPT, Perplexity o Gemini?

La búsqueda asistida por IA ya forma parte del proceso de investigación de muchos usuarios. Estos sistemas sintetizan información, comparan alternativas y, cuando consultan la web, muestran enlaces a las fuentes que consideran relevantes. Eso plantea una pregunta práctica para cualquier empresa con presencia digital: cuando alguien consulta a una IA sobre soluciones como las tuyas, ¿cómo aparece representada tu marca y qué fuentes utiliza el sistema?

De eso trata este post. GEO (Generative Engine Optimization) y AEO (Answer Engine Optimization) agrupan las prácticas orientadas a mejorar la visibilidad del contenido en buscadores y asistentes generativos. No sustituyen al SEO tradicional: lo amplían hacia sistemas que ya no se limitan a ordenar enlaces, sino que recuperan información de distintas fuentes y construyen una respuesta con ella.

Antes de entrar en materia, conviene partir de dos observaciones. Si tu sitio ya tiene una base SEO sólida —rastreo, indexación, arquitectura, contenido accesible y señales de autoridad—, una parte importante de los fundamentos está resuelta. Eso no garantiza aparecer en una respuesta generativa, pero permite concentrarse en lo específico: medición, consistencia de entidades, autoridad externa y adaptación a cada plataforma. Al mismo tiempo, es un campo todavía en consolidación: las plataformas, las métricas y las prácticas cambian con rapidez. Trabajar con método permite separar las acciones verificables de los experimentos que aún no han demostrado un efecto estable.

Este post está pensado para profesionales del posicionamiento, agencias, CTOs y responsables de marketing con base técnica, pero está escrito para que cualquier lector con interés real pueda seguirlo. Encontrarás una explicación funcional de cómo recuperan fuentes estos sistemas, un análisis por plataforma —ChatGPT, Perplexity y las funciones generativas de Google—, una revisión crítica de propuestas como llms.txt, el papel real de Schema.org y un checklist de acciones ordenadas por prioridad y capacidad de medición.

Es también el punto de partida de una serie completa: en las próximas semanas publicaremos artículos que profundizan en cada motor y en cada técnica. Este post es el mapa; los siguientes son el terreno.

GEO y AEO: qué son exactamente

Empecemos por las definiciones, sin jerga innecesaria.

GEO (Generative Engine Optimization) se orienta a mejorar la visibilidad, la representación y la probabilidad de que una web, una fuente o una marca sea utilizada o citada en respuestas generadas por sistemas como ChatGPT, Perplexity, Claude o las funciones generativas de Google. Esa visibilidad puede adoptar varias formas: un enlace explícito, una referencia en el panel de fuentes, una mención de marca o información atribuida al sitio dentro de la respuesta.

AEO (Answer Engine Optimization) pone más atención en la forma de responder: estructurar contenido que resuelva con claridad y precisión preguntas concretas. Definiciones breves, comparaciones, procedimientos, datos verificables y respuestas autocontenidas que conservan el contexto necesario. Es un enfoque útil tanto para determinados resultados de búsqueda como para sistemas conversacionales.

Ambas disciplinas se solapan en gran medida. Un contenido claro, bien estructurado y respaldado por evidencias puede funcionar tanto en resultados tradicionales como en una respuesta generativa. Existe, sin embargo, un matiz importante: cada plataforma utiliza sus propios sistemas de rastreo, recuperación, modelos y criterios. Una mejora observada en un motor no debe generalizarse automáticamente a los demás.

Como regla mnemotécnica, GEO presta más atención a qué fuentes y marcas ganan visibilidad, mientras que AEO se ocupa de cómo formular una respuesta directa y reutilizable. No es una frontera normativa: los conceptos se cruzan y sus definiciones varían entre autores.

Las técnicas compartidas parten de fundamentos conocidos del SEO: contenido accesible, estructura semántica clara, información verificable, entidades consistentes, buen enlazado interno y datos estructurados que coincidan con el contenido visible. Ninguna de estas medidas garantiza por sí sola una cita, y no existe un Schema.org específico para IA ni un archivo adicional obligatorio para aparecer en las funciones generativas de Google.

GEO y AEO son campos recientes, las plataformas cambian con rapidez y todavía faltan estudios que permitan atribuir efectos estables a muchas de las técnicas que circulan en el mercado. Es probable que la terminología y las métricas sigan evolucionando conforme maduren la investigación y las herramientas.

La necesidad práctica sí está clara: comprender cómo recuperan y utilizan información estos sistemas, mejorar la calidad y la accesibilidad de las fuentes y medir de forma repetida si una marca aparece representada con precisión. El resto del post desarrolla ese proceso, distinguiendo entre lo que está documentado y lo que debe tratarse como hipótesis o experimento.

Cómo funcionan los motores generativos

Para optimizar algo, primero hay que entender su funcionamiento. El cambio de fondo respecto al buscador clásico es que un buscador ordena resultados; un motor generativo construye una respuesta.

De forma simplificada, el proceso puede describirse en tres fases:

1. Descubrimiento e indexación. Los sistemas necesitan localizar y procesar fuentes. Para que un contenido pueda descubrirse de forma orgánica y recurrente, debe ser accesible para los rastreadores e índices relevantes. Algunas plataformas también pueden consultar páginas bajo demanda o recibir resultados de proveedores externos, pero eso no sustituye una base técnica rastreable e indexable.

2. Recuperación. Cuando el usuario formula una pregunta, el sistema selecciona información relevante. Con frecuencia segmenta o clasifica documentos y recupera fragmentos concretos, aunque la implementación varía entre plataformas y no siempre se limita a pasajes aislados.

3. Generación. El modelo recibe la información recuperada y redacta una respuesta a partir de ella. Dependiendo de la plataforma y del tipo de consulta, puede mostrar citas, enlaces, paneles de fuentes o ninguna atribución visible.

Cada plataforma combina estas piezas de forma distinta. OpenAI recomienda permitir el acceso de OAI-SearchBot para que el contenido pueda descubrirse y utilizarse en resultados de ChatGPT Search. La compañía también puede obtener URL a través de proveedores de búsqueda externos, entre ellos Bing, por lo que revisar la cobertura en ese buscador sigue siendo útil, pero no debe tratarse como el único canal de entrada. Perplexity utiliza rastreadores propios y consultas activadas por el usuario. Las funciones generativas de Google trabajan sobre sus sistemas de búsqueda e indexación.

De este funcionamiento se deriva una recomendación práctica: conviene que las secciones importantes puedan entenderse y reutilizarse de forma autónoma. Una definición clara, con el contexto mínimo necesario —quién, qué, cuándo y bajo qué condiciones—, resulta más fácil de interpretar que una idea repartida entre varios apartados dependientes entre sí.

Esto no significa trocear el contenido artificialmente ni escribir de forma robótica. Significa estructurar: encabezados descriptivos, párrafos que desarrollan una idea principal, definiciones explícitas y respuestas directas a preguntas reales. Si has trabajado resultados destacados o contenidos orientados a intención de búsqueda, el terreno te resultará familiar.

Los detalles internos de recuperación y selección de fuentes no son públicos. El esquema anterior es una descripción funcional basada en documentación oficial parcial y en el comportamiento observable, no una especificación universal de todos los motores.

llms.txt: qué es y qué se puede esperar de él

llms.txt es una propuesta de convención para publicar en la raíz del dominio un archivo en Markdown que seleccione y describa el contenido más relevante del sitio para sistemas basados en modelos de lenguaje. No sustituye a robots.txt, al sitemap ni a una arquitectura rastreable.

En MedraNet lo tenemos implementado —puedes verlo en medranet.es/llms.txt— y precisamente por haberlo trabajado podemos ser claros sobre su estado: la adopción por parte de los principales motores generativos todavía no está suficientemente documentada. A fecha de publicación de este post, no existe evidencia sólida de que disponer de un llms.txt aumente por sí solo la probabilidad de aparecer citado.

En el caso concreto de Google, la compañía indica que su buscador ignora llms.txt y que mantener este archivo no mejora ni perjudica la visibilidad o el posicionamiento. Su posible utilidad debe evaluarse, por tanto, en relación con otras plataformas o como formato de documentación, no como una técnica específica para Google.

¿Por qué implementarlo entonces? Porque el coste técnico suele ser bajo y puede funcionar como experimento de documentación estructurada, siempre que se mantenga actualizado y coherente con el sitio. Si su adopción aumenta, los sitios que ya dispongan de él podrán aprovecharlo, aunque ese efecto todavía no está demostrado.

No debería priorizarse por delante de aquello que sí tiene una utilidad clara: rastreabilidad, indexación, calidad editorial, consistencia de la información y autoridad de las fuentes. llms.txt es una medida secundaria, no una prioridad estratégica.

Hemos desarrollado el análisis completo del estándar —sintaxis, evidencia sobre su uso real por parte de los motores y criterios para decidir si compensa publicarlo— en nuestra guía de llms.txt.

Schema.org y datos estructurados: su papel real en GEO

No existe un Schema.org específico para IA. El estándar de datos estructurados es el mismo que se utiliza en SEO y no hay un marcado especial que garantice aparecer en respuestas generativas.

Los datos estructurados permiten expresar entidades, autoría, fechas y relaciones de forma legible por máquina. Son útiles para el SEO tradicional, para determinados resultados enriquecidos y para mantener consistencia semántica, pero no existe evidencia pública suficiente para afirmar que aumenten directamente la probabilidad de ser citado por un motor generativo.

Un marcado Organization puede declarar de forma consistente la identidad de una entidad, su ubicación, sus actividades y sus perfiles oficiales mediante sameAs. BreadcrumbList representa la jerarquía del sitio y Article puede expresar autoría y fechas. Las preguntas y respuestas visibles también pueden ser útiles para el lector, aunque su valor principal reside en la claridad del contenido y no en la expectativa de obtener una cita generativa o un resultado enriquecido concreto.

La regla principal es la consistencia: el marcado debe describir exactamente lo que la página muestra. Las discrepancias pueden invalidar el marcado, impedir determinados resultados enriquecidos o generar señales contradictorias.

Dentro de una estrategia GEO, Schema.org debe tratarse como una práctica técnica recomendable cuando el tipo de contenido lo justifique. No compensa una base editorial débil ni sustituye una información clara, verificable y actualizada.

Con estas bases técnicas y sus límites claros, conviene analizar qué cambia en cada plataforma.

Aparecer en ChatGPT

ChatGPT merece un análisis propio por su amplia adopción y por el peso que ha adquirido como interfaz de búsqueda, investigación y descubrimiento.

A efectos de visibilidad web, conviene distinguir dos escenarios:

Respuestas generadas sin búsqueda web visible. El modelo utiliza el conocimiento y el contexto disponibles para construir la respuesta. No existe una vía directa, verificable y controlable para modificar lo que un modelo ya ha aprendido sobre una marca. La presencia consistente en fuentes públicas, documentación, medios y sitios de terceros puede influir a largo plazo en el ecosistema de información, pero no permite atribuir un efecto concreto sobre una respuesta futura.

Respuestas con búsqueda web. Cuando ChatGPT Search consulta la web, recupera resultados y puede mostrar fuentes con enlace. OpenAI documenta dos aspectos relevantes:

• Acceso de OAI-SearchBot. Para que el contenido pueda incluirse en resúmenes y fragmentos, el sitio no debe bloquear este rastreador en robots.txt, el CDN o el WAF.
• Proveedores externos de búsqueda. OpenAI puede obtener URL desde proveedores externos, entre ellos Bing, además de rastrear otras páginas. Revisar Bing Webmaster Tools es útil como comprobación complementaria, pero no equivale a controlar un índice exclusivo de ChatGPT.
• Tráfico identificable. Los enlaces procedentes de resultados de ChatGPT Search incorporan automáticamente utm_source=chatgpt.com. Esto permite identificar parte del tráfico en analítica, pero mide clics, no apariciones ni menciones sin visita. Redirecciones o configuraciones de atribución también pueden alterar el dato.

La recomendación editorial general explicada antes se aplica igualmente aquí: las secciones claras y autocontenidas facilitan que una fuente responda a una consulta concreta, aunque OpenAI no publica ponderaciones ni factores que permitan convertir esa práctica en una garantía de citación.

OpenAI modifica sus sistemas con frecuencia. Cualquier técnica presentada como infalible debería contrastarse con documentación oficial, pruebas repetidas y resultados medibles.

Aparecer en Perplexity

Perplexity nació como motor de respuestas y presenta de forma visible fuentes numeradas junto a sus resultados. Esa atribución facilita que el usuario identifique de dónde procede parte de la información y acceda al contenido original.

La documentación de Perplexity distingue rastreadores que recopilan e indexan información automáticamente o en respuesta a solicitudes de usuarios. PerplexityBot se utiliza para mostrar y enlazar sitios en los resultados de búsqueda y puede gestionarse mediante robots.txt.

A partir de esa documentación y del comportamiento observable pueden plantearse varias hipótesis de trabajo:

• Actualización del contenido. En consultas sensibles al tiempo, la frescura puede resultar relevante porque la plataforma trabaja con información web reciente. Perplexity no publica, sin embargo, ponderaciones concretas sobre este criterio.
• Respuesta directa y contextualizada. Una sección que responde con precisión a una pregunta facilita su comprensión y reutilización, aunque no exista una fórmula pública de selección.
• Cobertura temática coherente. Un silo bien construido puede permitir que un dominio responda a más variantes de consulta. No debe presentarse como un factor directo de selección de fuentes, sino como una consecuencia razonable de disponer de más contenido útil y relacionado.

Perplexity no publica los criterios exactos de selección y ordenación de sus fuentes. Estas pautas deben utilizarse como hipótesis comprobables, no como garantías.

Las funciones generativas de Google: AI Overviews y AI Mode

Google integra respuestas generativas en la búsqueda mediante Vistas creadas con IA —AI Overviews en la documentación internacional— y Modo IA —AI Mode—. Para los profesionales del SEO, la transición es relativamente directa porque estas experiencias forman parte del ecosistema de la Búsqueda de Google.

En España, las Vistas creadas con IA están disponibles desde marzo de 2025. Google inició el despliegue del Modo IA en España en octubre de 2025. La aparición concreta de estas funciones sigue dependiendo de la consulta, la cuenta, el dispositivo y los sistemas de Google, por lo que no todas las búsquedas generan una respuesta de IA.

Lo que se puede afirmar con base en la documentación oficial:

• No hay un marcado ni un archivo especial. Google indica que las prácticas recomendadas para sus funciones generativas siguen siendo las mismas bases del SEO de calidad: contenido útil, accesibilidad técnica, información fiable y una buena experiencia de página.
• Search Console dispone de informes específicos en despliegue gradual. Desde junio de 2026, Google está desplegando gradualmente una vista independiente de rendimiento de IA generativa para Vistas creadas con IA y Modo IA. El informe muestra impresiones y dimensiones como páginas, países, dispositivos y fechas, pero todavía se está desplegando en un subconjunto de propiedades. Los datos continúan incluidos en el rendimiento general de búsqueda.
• El impacto en clics debe analizarse por tipo de consulta. Una respuesta generativa puede resolver parte de la necesidad sin visita, pero también puede introducir nuevas consultas, enlaces y recorridos. Los efectos varían por sector, intención y formato, por lo que conviene evitar conclusiones universales.

GEO vs SEO: qué cambia de verdad y qué se mantiene

Después de recorrer las plataformas, toca la pregunta operativa: ¿en qué cambia realmente el trabajo?

Lo que se mantiene:

• La base técnica: rastreo, indexación, rendimiento y arquitectura.
• La calidad editorial: contenido útil, verificable y respaldado por conocimiento real.
• La autoridad: menciones, enlaces y consistencia de marca en la web pública.
• La estructura semántica: encabezados descriptivos, jerarquía clara y datos estructurados coherentes.

Lo que cambia o gana peso:

• La recuperación de fragmentos. En SEO se compite por visibilidad en una página de resultados; en sistemas generativos también importa que una sección concreta responda bien a la consulta y conserve el contexto.
• Los rastreadores y proveedores relevantes. Además de Google, conviene revisar el acceso de OAI-SearchBot, PerplexityBot y otros agentes relevantes. Bing entra como fuente complementaria para algunos sistemas, pero no debe considerarse la única infraestructura detrás de ChatGPT Search.
• La medición. El ecosistema todavía es desigual: ChatGPT permite identificar parte del tráfico mediante UTM, Google está desplegando informes específicos y la presencia sin clic continúa requiriendo observación o herramientas de terceros.
• La relación con el clic. Parte de la visibilidad puede producirse sin visita. Esa presencia puede aportar reconocimiento de marca, pero su atribución comercial sigue siendo difícil.

También existe una tensión abierta: si los motores generativos resuelven más consultas sin clic, cambia el intercambio entre los sitios que publican contenido y las plataformas que lo utilizan. Acuerdos de licencia, formatos de atribución, cambios regulatorios y nuevos modelos de negocio pueden modificar ese equilibrio. Cualquier predicción cerrada debe tratarse como especulativa.

La conclusión operativa es menos dramática que algunos titulares: GEO no sustituye al SEO; lo extiende. Un equipo con una base SEO sólida ya dispone de buena parte de los fundamentos técnicos y editoriales necesarios. El trabajo adicional consiste en revisar plataformas y rastreadores, estructurar contenidos con claridad, medir con las herramientas disponibles y mantener las expectativas ancladas en evidencia.

Checklist operativo: por dónde empezar

Todo lo anterior puede convertirse en acciones ordenadas por prioridad. El criterio combina el grado de evidencia disponible y el coste de ejecución.

1. Verifica tu base SEO. Comprueba el rastreo, la indexación, el sitemap, la arquitectura y el rendimiento. Si Search Console muestra problemas de cobertura o accesibilidad, resuélvelos antes de abrir una línea específica de GEO.

2. Comprueba el acceso de los rastreadores relevantes. Verifica que OAI-SearchBot y PerplexityBot no estén bloqueados por robots.txt, el CDN o el WAF. Como medida complementaria, envía el sitemap a Bing Webmaster Tools y revisa su cobertura.

3. Revisa tus datos estructurados. Comprueba que Organization, Article, BreadcrumbList y otros tipos aplicables describan exactamente el contenido visible. Prioriza la consistencia frente a la cantidad de marcado.

4. Audita las secciones de tus páginas clave. Toma las páginas más importantes y pregúntate si cada apartado responde con claridad a una consulta real y mantiene el contexto necesario. Reestructura donde existan definiciones ambiguas, encabezados genéricos o ideas repartidas entre demasiados párrafos.

5. Trabaja las preguntas reales de tu audiencia. Las dudas que aparecen en correos, reuniones, soporte o procesos comerciales son una buena materia prima. Utiliza preguntas y respuestas visibles cuando aporten valor al lector, sin convertirlas en un bloque artificial creado únicamente para el marcado.

6. Configura la medición disponible. Segmenta el tráfico con utm_source=chatgpt.com, identifica referencias de Perplexity y revisa el informe de IA generativa de Search Console cuando esté disponible para tu propiedad.

7. Implementa llms.txt como experimento de baja prioridad. Hazlo después de resolver la base técnica y editorial, y mantenlo sincronizado con el contenido real del sitio.

8. Establece una rutina de verificación. Ejecuta periódicamente un conjunto estable de consultas en ChatGPT Search, Perplexity y Google. Registra si la marca aparece, cómo se representa, qué páginas se citan y qué fuentes ocupan ese espacio. Utiliza variantes de formulación y evita extraer conclusiones de una única prueba.

Cómo medir resultados (y qué no se puede medir todavía)

La medición sigue siendo uno de los puntos menos maduros de esta disciplina. Conviene separar claramente los datos observables de las inferencias.

Lo que sí puedes medir:

• Tráfico procedente de ChatGPT Search. Los enlaces incorporan utm_source=chatgpt.com, por lo que pueden segmentarse en analítica. Es una medida de clics, no de impresiones.
• Tráfico de referencia de otras plataformas. Perplexity y otros asistentes pueden aparecer como origen o referencia, según el navegador, la redirección y la configuración analítica.
• Visibilidad generativa en Google. Cuando la propiedad dispone del nuevo informe de Search Console, pueden consultarse impresiones y desgloses por página, país, dispositivo y fecha. Mientras no esté disponible, los datos permanecen integrados en el rendimiento general.
• Cobertura técnica. Bing Webmaster Tools permite revisar la presencia en Bing, mientras que los registros del servidor, el CDN o el WAF pueden ayudar a comprobar el acceso de rastreadores como OAI-SearchBot y PerplexityBot.
• Presencia observada. Un registro periódico de consultas permite documentar en qué respuestas aparece una marca, cómo se representa y qué fuentes se utilizan.

Lo que todavía no puedes medir de forma completa:

• Las apariciones sin clic fuera de informes específicos. Una marca puede formar parte de una respuesta sin generar una visita ni dejar rastro en la analítica.
• La representación en respuestas sin búsqueda. Lo que un modelo dice sobre una marca puede variar entre sesiones, versiones, contexto y formulaciones.
• La atribución de negocio. Relacionar una aparición generativa con una venta posterior suele requerir encuestas, CRM, modelos de atribución y análisis cualitativo.

Existen herramientas de terceros para monitorizar visibilidad en motores generativos. Algunas pueden ser útiles para automatizar consultas y construir series históricas, pero no acceden a los sistemas internos de las plataformas. Deben evaluarse por su metodología, cobertura, repetibilidad y capacidad para exportar datos.

Conclusión: método y evidencia

Si hay una idea que resuma esta guía, es esta: el posicionamiento en motores generativos se construye sobre el SEO, no en su lugar, y se trabaja con método y evidencia, no con técnicas aisladas presentadas como garantías.

Los fundamentos siguen siendo conocidos: contenido útil y verificable, técnica limpia, accesibilidad, autoridad y consistencia. La capa adicional consiste en comprender los rastreadores y sistemas de cada plataforma, estructurar secciones claras, revisar cómo se representa una entidad y utilizar los datos disponibles sin confundir clics, impresiones y menciones.

Y una capa más, transversal: el escepticismo sano. Este campo evoluciona por trimestres, las plataformas no publican todos sus criterios y el mercado está lleno de afirmaciones con evidencia limitada. Distinguir lo documentado de lo hipotético no debilita una estrategia: permite priorizar mejor y medir con más rigor.

Este post es el pilar de una serie en construcción. En las próximas semanas publicaremos artículos sobre llms.txt, Schema.org aplicado a GEO y el análisis detallado de cada plataforma. Actualizaremos también esta guía conforme cambien los productos y la medición; la fecha de última actualización reflejará esas revisiones.

Si trabajas el posicionamiento de tu empresa y necesitas criterio técnico para abordar esta transición, escríbenos y cuéntanos tu caso. Analizamos la base SEO, la estructura de contenidos, la consistencia de entidades y las posibilidades reales de medición para determinar qué conviene priorizar, incluida la posibilidad de que GEO todavía no sea la prioridad y convenga resolver antes la base SEO.