Cada vez más personas le preguntan a ChatGPT, Claude, Perplexity o Gemini cosas como "quién es el mejor techista cerca de mí" o "qué empresa de HVAC es confiable en Miami" antes de buscar en Google o de pedir referencias a un vecino. La respuesta que reciben suele incluir nombres concretos de empresas, con una breve explicación de por qué esa empresa aparece mencionada. Si tu negocio no está en esa lista, no es que la IA te desconozca a propósito: es que no encontró en tu sitio ni en la web pública nada suficientemente concreto y verificable para citarte con confianza.
Esto no es lo mismo que el SEO tradicional, aunque comparte parte de la base. Los motores de búsqueda tradicionales ordenan enlaces según relevancia y autoridad; los motores de IA generan una respuesta en lenguaje natural y deciden, oración por oración, qué negocios mencionar como respaldo de esa respuesta. Ese proceso se llama optimización para motores generativos, o GEO. Este artículo explica en términos concretos cómo funciona esa elección y qué puede hacer un contratista o una empresa inmobiliaria para quedar del lado correcto de ella.
¿Cómo decide una IA a quién recomendar?
Cuando alguien le pregunta a un motor de IA por un contratista o una inmobiliaria, el modelo no consulta un directorio de pago ni prioriza a quien más invirtió en publicidad. Sintetiza una respuesta a partir de contenido que pudo leer, entender y, sobre todo, verificar: páginas de servicio con información específica, reseñas con contexto, perfiles de negocio consistentes, artículos que responden preguntas reales de la industria. Cuanto más citable y verificable sea ese contenido, más probable es que el modelo lo use como base de su respuesta y mencione a la empresa detrás.
Esto cambia el objetivo de todo el trabajo de contenido. Ya no se trata solo de "aparecer" en una búsqueda, sino de convertirse en una fuente que un modelo de lenguaje pueda citar sin dudar. Un modelo prefiere una afirmación que pueda respaldar con datos concretos, tomados directamente de la fuente, entre varias afirmaciones genéricas que no puede distinguir entre sí. Si tu sitio es la única fuente que dice, con precisión, que atiendes reparaciones de techo por daño de granizo en un radio de 40 kilómetros alrededor de Dallas, y lo dice de forma clara y verificable, esa es la frase que el modelo puede tomar prestada.
¿Qué hace que un contenido sea "citable" para una IA?
El contenido citable tiene una característica en común: responde preguntas reales con la misma precisión con la que las haría un cliente, no con el lenguaje vago que suelen usar los sitios de servicios. "Ofrecemos servicios de calidad" no es citable porque no aporta ningún dato verificable. "Inspeccionamos techos por daño de granizo en Dallas y alrededores, con reporte fotográfico entregado en 24 horas" sí lo es, porque contiene datos específicos que un modelo puede repetir con confianza.
Además de la precisión, hay un segundo factor que pesa tanto o más: la consistencia. Un modelo de IA cruza información de varias fuentes antes de mencionar un negocio, y cuando encuentra datos contradictorios sobre el mismo negocio, en general opta por no citarlo. Por eso conviene revisar que el nombre del negocio, la dirección, el teléfono, el área de servicio, los horarios y el número de licencia coincidan exactamente en el sitio propio, en los perfiles de mapas y directorios, y en cualquier mención externa que puedas controlar.
Una estructura de preguntas frecuentes ayuda especialmente en este punto, porque imita el formato en el que la gente le pregunta a una IA. Una sección de FAQ bien armada, con preguntas formuladas tal como las haría un cliente real ("¿cuánto tarda una inspección de techo después de una granizada?", "¿trabajan con seguros?") le da al modelo bloques de texto ya listos para citar, en vez de obligarlo a inferir la respuesta de un párrafo largo de marketing.
¿Qué es la capa técnica y para qué sirve, en palabras simples?
Además del contenido visible, hay tres piezas técnicas que ayudan a los motores de IA a leer tu sitio con más confianza. Ninguna reemplaza al contenido bien escrito, pero sin ellas incluso el mejor contenido es más difícil de interpretar de forma automática.
- Datos estructurados (schema markup): es una capa de etiquetas invisibles en el código del sitio que le dice explícitamente a cualquier motor "esto es un negocio local, se llama así, atiende esta zona, tiene este horario, ofrece estos servicios". En vez de que el modelo tenga que inferir esos datos de un texto, los recibe ya clasificados, lo que reduce el margen de error y de confusión con negocios similares.
- llms.txt: es un archivo simple que algunos sitios publican para orientar a los modelos de IA sobre qué páginas contienen la información más relevante y confiable del sitio, de forma parecida a como un mapa del sitio orienta a los buscadores tradicionales. No es obligatorio ni universal todavía, pero facilita que un motor encuentre rápido las páginas de servicio en vez de perderse en contenido secundario.
- Sitemaps limpios: un mapa del sitio actualizado, sin enlaces rotos ni páginas duplicadas, ayuda a que un motor rastree primero las páginas que más importan (servicios, zonas de cobertura, preguntas frecuentes) y no gaste su atención en páginas irrelevantes o desactualizadas.
¿Por qué lo local y específico gana sobre lo genérico?
Un modelo de IA que recibe la pregunta "quién repara techos con daño de granizo en Dallas" tiene que decidir, entre todo lo que sabe, quién responde mejor a esa combinación exacta de servicio, problema y ubicación. Un negocio que solo dice "ofrecemos servicios de techado de calidad" compite por espacio genérico contra miles de negocios que dicen exactamente lo mismo en cualquier ciudad. Un negocio que dice "inspección de daño de granizo en techos, servicio en Dallas y el condado de Collin" le da al modelo una combinación mucho más fácil de emparejar con la pregunta original.
Esto no significa escribir contenido artificialmente lleno de nombres de ciudades. Significa ser tan específico como realmente es el negocio: qué problema resuelves, en qué zona, con qué particularidad (licencia, certificación, tipo de material, tiempo de respuesta). Cuanto más se parezca tu contenido a la pregunta real que hace un cliente, más fácil es que el modelo establezca la conexión y te mencione.
¿Cómo saber en qué posición estás hoy?
La forma más directa de evaluar dónde está tu negocio hoy es hacerle a los cuatro motores principales (ChatGPT, Claude, Perplexity y Gemini) las mismas preguntas que haría un cliente real: "mejor techista cerca de [tu ciudad]", "empresa de HVAC confiable en [tu zona]", "quién hace inspecciones de daño de granizo en [tu ciudad]". Anota qué negocios se mencionan, en qué orden, y qué justificación da el modelo para mencionarlos. Ese detalle de la justificación es la parte más útil: si el modelo cita horarios, área de servicio o certificaciones de un competidor, esa es exactamente la información que a tu propio sitio le falta o que aparece de forma poco clara.
Repetir este ejercicio cada pocos meses, con las mismas preguntas, es una forma simple de medir si los cambios en tu contenido están teniendo efecto. Es un trabajo manual, pero no requiere herramientas especiales: solo consistencia y atención a los detalles que cada motor decide repetir. En Vellarin ofrecemos un servicio de GEO que automatiza buena parte de este diagnóstico y de la implementación técnica, pero el ejercicio básico de comparar preguntas y respuestas lo puede hacer cualquier negocio por su cuenta, como primer paso.
Preguntas frecuentes
¿GEO reemplaza al SEO tradicional?
No. El SEO tradicional sigue siendo relevante porque decide cómo aparece tu sitio en resultados de búsqueda clásicos y qué tan fácil es de rastrear por cualquier motor, incluidos los de IA. GEO es una capa adicional que se enfoca específicamente en cómo un modelo de lenguaje sintetiza y cita contenido dentro de una respuesta conversacional. Ambos comparten una base común: contenido claro, específico y bien estructurado.
¿Necesito estar en todos los motores de IA para que valga la pena?
No hace falta empezar por los cuatro a la vez. Conviene identificar cuál usan más tus clientes potenciales (a veces se puede inferir por la industria o la zona) y empezar el diagnóstico ahí. Como los cuatro motores basan sus respuestas en principios similares (contenido verificable, específico y consistente), mejorar tu contenido suele ayudar en todos a la vez, aunque con distinto ritmo.
¿Cuánto tiempo tarda en notarse un cambio en las respuestas de la IA?
Varía según con qué frecuencia cada motor actualiza su conocimiento del contenido web y según cuánta autoridad tenía tu sitio antes del cambio. No es instantáneo como cambiar un anuncio pago, pero tampoco requiere años como algunas estrategias de SEO tradicional. Revisar las mismas preguntas cada dos o tres meses es una forma razonable de medir avances.
¿Sirve esto para negocios que operan en una sola ciudad o barrio?
Sí, y de hecho suele ser más fácil para negocios locales que para cadenas grandes, porque la especificidad geográfica y de nicho es justamente lo que un modelo de IA busca para diferenciar una respuesta útil de una genérica. Un negocio pequeño con contenido preciso sobre su zona real de cobertura compite en igualdad de condiciones frente a marcas mucho más grandes.