Hay una métrica que me llamó la atención hace unas semanas revisando mis datos de Search Console: uno de mis artículos tenía 6.525 impresiones mensuales en posición 8 y solo un 0,20% de CTR. Para posición 8 sin nada especial en el SERP, el CTR esperado sería del 1,5 al 2%. Alguien o algo estaba respondiendo la pregunta antes de que el usuario hiciera clic.
Ese “algo” es un AI Overview de Google. Y eso es exactamente el problema que resuelve GEO.
GEO (Generative Engine Optimization) es la disciplina de optimizar contenido para ser seleccionado, citado y sintetizado por sistemas de inteligencia artificial generativa en sus respuestas: Google AI Overviews, ChatGPT Search, Perplexity, Bing Copilot, Claude.ai y cualquier sistema que use búsqueda aumentada con IA.
No es el futuro del SEO. Es el presente, y está pasando ahora mismo en las SERPs de tus keywords.
¿Qué es GEO y en qué se diferencia del SEO tradicional?
El SEO tradicional optimiza para que una página aparezca en los resultados de búsqueda y consiga un clic. GEO optimiza para que el contenido de esa página sea extraído, citado o sintetizado directamente en la respuesta de un sistema de IA, reduciendo —o incluso eliminando— la necesidad del clic.
| Dimensión | SEO tradicional | GEO |
|---|---|---|
| Objetivo | Aparecer en resultados y conseguir clic | Ser citado/sintetizado en respuestas de IA |
| Métrica principal | CTR y posición | Citabilidad + CTR post-AI Overview |
| Formato óptimo | Título atractivo + meta description | Estructura extractable + definiciones directas |
| Sistema objetivo | Algoritmo de ranking de Google | LLMs que usan retrieval (Google, ChatGPT, Perplexity) |
| Señal de éxito | Clic orgánico | Ser la fuente que cita la IA |
Lo importante: GEO y SEO no son opuestos. El contenido bien optimizado para GEO suele posicionar también mejor en SEO. La diferencia está en la capa adicional de estructura extractable que los sistemas de IA necesitan para citarte con confianza.
Por qué GEO importa ya en 2026: los datos que lo demuestran
Si gestionas un sitio web y tienes acceso a Google Search Console, tienes evidencia de GEO en tus propios datos. Busca esto:
Señal 1: CTR anómalamente bajo para una posición alta
Cuando una query tiene 500+ impresiones, tu posición media es 5-8 y el CTR es inferior al 0,5%, hay un AI Overview activo que satisface la intención antes del clic. En mis datos de ghendigital.com, la query “claude code templates” tiene 3.924 impresiones a posición 7,4 con solo 0,51% de CTR. El benchmark del mismo sitio para posiciones similares está entre 1,6% y 3,3%.
Señal 2: queries “qué es X” con impresiones altas y cero clics
Las queries informacionales en formato pregunta directa (“qué es crewai”, “qué es MCP”) son el hábitat natural de los AI Overviews. Si tienes volumen de impresiones sin clics en estas queries, la IA ya responde por ti.
Señal 3: tiempo de sesión bajo en artículos que sí reciben clics
Si un usuario llega a tu artículo desde un AI Overview y no encuentra nada que la IA no le haya dicho ya, sale en 30-40 segundos. En mis datos, el artículo de Gemini para SEO tenía 38 segundos de tiempo medio de sesión. El contenido no aportaba nada que la IA no pudiera resumir.
La buena noticia: ser citado en un AI Overview tiene más valor que conseguir el clic. Tu marca aparece en la respuesta de Google o ChatGPT para miles de usuarios aunque no hagan clic. Es visibilidad de marca a escala que el SEO clásico nunca pudo dar.
Los 6 principios del GEO efectivo
Estos principios provienen del framework de SEO holístico de Koray Tugberk GUBUR y de mi propia experiencia aplicándolos. Cada uno tiene implicaciones concretas para cómo escribes y estructuras el contenido.
1. Cost of Retrieval bajo
El principio más importante. Los sistemas de IA tienen un coste de extraer información de tu contenido: si la estructura es confusa, la información está enterrada en prosa densa o los headings no describen el contenido que hay debajo, el LLM no la usa.
Cómo reducirlo:
– Headings jerárquicos que describen exactamente lo que hay debajo
– Respuesta directa en las primeras dos frases de cada sección
– Tablas y listas para información estructurada
– Evitar introducciones de párrafo que no dicen nada (“En el mundo actual de la tecnología…”)
2. Definitional Authority
Si Google y los LLMs siempre aceptan tu definición de un concepto, tú determinas qué es correcto. Las fuentes que definen los términos son las que se citan.
Cómo conseguirla:
– Define cada concepto en el formato “X es Y que Z” en la primera aparición
– Sé consistente: usa la misma definición en todos los artículos que tocan ese concepto
– Crea definiciones más precisas que las existentes, no copias de Wikipedia
3. Arquitectura EAV (Entidad-Atributo-Valor)
Los LLMs extraen información en triples: entidad (el sujeto), atributo (la propiedad) y valor (el dato). El contenido organizado en este formato es sistemáticamente más citado.
Implementación práctica:
– Tablas con Entidad | Atributo | Valor
– Listas con “Nombre: descripción”
– Datos específicos: números, fechas, versiones, porcentajes
– Evitar prosa vaga: “funciona muy bien en muchos casos” vs “reduce el tiempo de desarrollo un 40% en proyectos de backend”
4. Query Responsiveness
No basta con ser relevante para la keyword principal. El contenido debe responder a todas las formas en que alguien puede hacer la misma pregunta, anticipar las preguntas de seguimiento y responderlas en el mismo artículo.
Implementación:
– Sección FAQ al final de cada artículo con las variantes de la query
– Cada H2 debería poder responder a una query independiente
– Anticipa el “¿y qué pasa si…?” en secciones específicas
5. Information Gain real
Los LLMs priorizan contenido que dice algo que no dicen las otras 10 fuentes sobre el tema. Si tu artículo es una síntesis de lo que ya existe, no tiene razón para ser citado.
Dónde encontrar tu Information Gain:
– Datos propios: métricas reales de tus proyectos
– Errores documentados: lo que falló y por qué
– Perspectiva de experto: tu opinión informada, no neutral
– Casos de uso específicos que nadie más documenta
6. Señales E-E-A-T demostrables
Los sistemas de IA, como Google, priorizan fuentes con señales verificables de experiencia, expertise, autoridad y confianza. La diferencia con el SEO clásico es que en GEO estas señales deben estar en el propio contenido, no solo en los enlaces externos.
Cómo incluirlas en el texto:
– Mencionar credenciales concretas en la bio del autor y en el contexto del artículo
– Citar proyectos propios con resultados verificables
– Usar terminología precisa del sector (demuestra dominio)
– Fecha de publicación y actualización visible
Cómo estructurar cada sección para máxima citabilidad
Este es el patrón que aplico en cada sección de mis artículos:
[H2: La pregunta o tema — escrito como lo buscaría alguien]
[Respuesta directa en 1-2 frases — esto es lo que citará la IA]
[Contexto y desarrollo — para el lector humano]
[Datos, ejemplos, código, evidencia — Information Gain]
[Link interno contextual — refuerza el topical graph]
El error más común: enterrar la respuesta. Si alguien pregunta “¿qué es CrewAI?” y tu artículo empieza con dos párrafos sobre la historia de los LLMs antes de definir CrewAI, la IA no te cita. La respuesta directa va primero, siempre.
El workflow con MCPs para monitorizar y optimizar GEO
Esta es la parte que más me ha cambiado la forma de trabajar: usar MCPs (Model Context Protocols) conectados a mis herramientas de analítica para crear un ciclo de feedback continuo sobre el rendimiento GEO.
El setup que uso en ghendigital.com combina cinco herramientas conectadas directamente a Claude Code:
GSC MCP + GA4 MCP: detectar AI Overviews en tus propios datos
Con el MCP de Search Console conectado, puedo extraer en segundos las queries con impresiones altas y CTR anómalamente bajo — la señal más fiable de que hay un AI Overview activo. El cruce con GA4 (tiempo de sesión bajo en esas páginas) confirma el diagnóstico: la IA responde la pregunta, el usuario que sí hace clic no encuentra valor adicional.
Esto me da una lista priorizada de artículos donde el problema no es la posición sino el ángulo: necesitan Information Gain que la IA no pueda sintetizar.
Señal GEO de alerta:
- GSC: impresiones > 500 + CTR < 0,5% + posición < 10
- GA4: tiempo de sesión < 60s en esos artículos
→ Diagnóstico: AI Overview activo + contenido no aporta valor añadido
IndexNow: indexación en minutos en Bing y el ecosistema ChatGPT
Google puede tardar días en indexar contenido nuevo. Bing, con IndexNow, lo procesa en minutos. Y Bing alimenta directamente a ChatGPT Search y Bing Copilot.
El proceso es sencillo: instalar el plugin de IndexNow en WordPress y configurar el envío automático. Cada vez que publicas o actualizas un artículo, el plugin notifica a Bing instantáneamente. Para GEO, esto significa que el contenido nuevo entra en el corpus de ChatGPT Search en minutos en lugar de días.
No sustituye la indexación de Google, pero cierra la brecha de visibilidad en los LLMs que dependen de Bing.
Playwright MCP: testear qué responde cada IA sobre tus temas
La comprobación directa. Con Playwright conectado como MCP puedo automatizar consultas a ChatGPT, Perplexity y Claude.ai para ver si me citan y en qué contexto. Esto cierra el ciclo de feedback:
- Publico un artículo con estructura GEO
- Espero 48-72h para que los sistemas lo indexen
- Ejecuto queries relacionadas en los principales LLMs
- Compruebo si aparezco citado, en qué posición y con qué fragmento
- Si no aparezco, identifico qué fuente me está ganando y por qué
Este proceso manual se puede parcialmente automatizar con scripts de Playwright que registran las respuestas de los LLMs a un conjunto fijo de queries relacionadas con tu nicho.
El flujo completo en la práctica
Auditoría GSC+GA4 (MCPs)
→ Identificar queries con señal de AI Overview
→ Priorizar artículos con CTR bajo + tiempo de sesión bajo
↓
Reescritura GEO-first (ej: arquitectura ReAct, SDD con IA)
→ Definición directa al inicio
→ Estructura EAV + FAQ schema
→ Information Gain propio (datos, experiencia, código)
↓
Publicación + IndexNow
→ Bing indexa en minutos
→ ChatGPT Search recoge el contenido
↓
Test con Playwright
→ Verificar citación en ChatGPT, Perplexity, Claude
→ Medir cambio en CTR en GSC (semanas)
↓
Iteración
GEO por tipo de buscador de IA
Cada sistema tiene sus propias señales de citación. Lo que funciona en Google AI Overviews no es exactamente lo mismo que lo que funciona en Perplexity.
| Sistema | Qué prioriza | Cómo optimizar |
|---|---|---|
| Google AI Overviews | Topical authority + schema markup + E-E-A-T | FAQ schema, HowTo schema, Article schema con autoría |
| Perplexity | Fuentes recientes + contenido factual + citas verificables | Datos con fecha, fuentes primarias enlazadas, actualización frecuente |
| ChatGPT Search | Indexación Bing + contenido de alta autoridad | IndexNow activo, dominio con historial en Bing, contenido estructurado |
| Claude.ai | Fuentes con alta densidad informativa | Contenido técnico preciso, poca prosa de relleno, definiciones claras |
| Bing Copilot | Contenido Bing-indexado + relevancia local | IndexNow, schema de organización/persona, señales de autoridad local |
Checklist GEO antes de publicar
Antes de publicar cualquier artículo, paso por esta lista. Si no cumple al menos 7 de estos 10 puntos, no está listo:
- [ ] La respuesta principal aparece en las primeras 2 frases del artículo o de la sección relevante
- [ ] Cada H2 puede responder una query independiente como si fuera un fragmento autónomo
- [ ] Hay al menos una tabla EAV (Entidad-Atributo-Valor) en el artículo
- [ ] Incluye datos propios, benchmarks o experiencia no replicable (Information Gain)
- [ ] Los headings describen exactamente el contenido que hay debajo, sin ser creativos
- [ ] Hay una sección FAQ con 4-5 preguntas usando las variantes de la query principal
- [ ] La bio del autor incluye al menos una credencial verificable
- [ ] Tiene schema Article configurado con autor, fecha de publicación y modificación
- [ ] Los conceptos clave están definidos explícitamente (“X es Y que Z”)
- [ ] No hay párrafos de introducción que no dicen nada antes de la respuesta real
Cómo medir si tu estrategia GEO está funcionando
Las métricas directas de GEO son difíciles: los LLMs no siempre revelan sus fuentes de forma estructurada. Pero hay señales indirectas fiables:
En Google Search Console:
– Aumento de impresiones sin aumento proporcional de clics → te están mostrando en AI Overviews
– Mejora de CTR en queries específicas donde antes había anomalía → tu content ya compite mejor con el AI Overview
– Aparición en nuevas queries de cola larga relacionadas → el LLM está usando tu contenido para responder variantes
En GA4:
– Aumento del tiempo de sesión en artículos reestructurados → el contenido satisface al usuario que sí hace clic
– Reducción del bounce rate en páginas con FAQ schema → el usuario encuentra respuesta y explora más
Tests directos:
– Buscar tus queries objetivo en ChatGPT, Perplexity y Claude cada 2-4 semanas
– Registrar si apareces citado y con qué fragmento
– Comparar antes/después de implementar los cambios GEO
