Lo que hace que una IA cite su web, según el estudio que fundó el GEO
El trabajo de Aggarwal y otros, presentado en KDD 2024, probó nueve formas de escribir contra 10.000 consultas. Añadir citas textuales subió la visibilidad un 40,9 % y repetir palabras clave la dejó por debajo de no tocar nada. Y hay un resultado incómodo: a la web que ya es el primer resultado, estos métodos le restan.
Cada vez más gente busca preguntándole a una inteligencia artificial en vez de escribir en un buscador. La respuesta que recibe cita unas cuantas webs y omite todas las demás, y quien decide eso no es un algoritmo de posiciones sino un modelo de lenguaje resumiendo cinco fuentes.
Sobre cómo entrar en esa lista se ha escrito mucho y se ha medido poco. Este artículo repasa lo que sí se midió, en el trabajo académico que dio nombre a la disciplina, y separa sus resultados de lo que se les hace decir.
Qué es el GEO
GEO —generative engine optimization, optimización para motores generativos— es el conjunto de cambios en el contenido de una web destinados a que un sistema de IA la cite al responder. Se le llama también AEO, answer engine optimization. Lo que se persigue ya no es un puesto en una lista de enlaces: es aparecer dentro del texto que el modelo redacta, pronto y con espacio suficiente.
El término y el marco los introdujeron Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan y Ameet Deshpande en GEO: Generative Engine Optimization, presentado en la conferencia KDD 2024.
Qué midieron exactamente
Este apartado importa más que los resultados, porque define hasta dónde se pueden extender.
Los autores construyeron GEO-bench, un banco de 10.000 consultas repartidas en 25 dominios, procedentes de nueve fuentes distintas y con la distribución real de intención de búsqueda: 80 % informacionales, 10 % transaccionales y 10 % navegacionales.
El motor generativo del experimento principal no es un producto comercial. Es una reconstrucción en dos pasos: se recuperan las cinco primeras fuentes del buscador de Google y se le pide a gpt-3.5-turbo que redacte la respuesta a partir de ellas. Los autores repiten además la evaluación sobre Perplexity.ai, que sí es un motor desplegado, para comprobar que los métodos generalizan.
La métrica principal es el position-adjusted word count: cuántas palabras de la respuesta proceden de una fuente y en qué posición del texto aparecen. Es una medida de presencia dentro de la respuesta. No mide visitas, ni clics, ni ventas.
Qué funcionó y qué no
El estudio prueba nueve modificaciones del contenido contra una web sin optimizar. Estos son los resultados, calculados por nosotros sobre las cifras absolutas de su tabla 1: el contenido sin optimizar puntúa 19,3, y cada método se compara con esa base.
| Método | Puntuación | Mejora sobre no hacer nada |
|---|---|---|
| Añadir citas textuales | 27,2 | +40,9 % |
| Añadir estadísticas | 25,2 | +30,6 % |
| Mejorar la fluidez del texto | 24,7 | +28,0 % |
| Citar fuentes | 24,6 | +27,5 % |
| Usar terminología técnica | 22,7 | +17,6 % |
| Hacerlo fácil de entender | 22,0 | +14,0 % |
| Tono autoritativo | 21,3 | +10,4 % |
| Vocabulario poco frecuente | 20,5 | +6,2 % |
| Repetir palabras clave | 17,7 | −8,3 % |
Dos lecturas saltan a la vista. La primera es que lo que funciona es aportar material verificable: citas atribuidas, cifras y referencias. La segunda es que repetir palabras clave, la táctica clásica del SEO, puntúa por debajo de no tocar nada. Los autores lo dicen expresamente: las técnicas que funcionan en buscadores no se trasladan a los motores generativos.
También resulta llamativo que el tono autoritativo apenas aporte. Escribir con más autoridad no convence a un modelo; darle datos que pueda atribuir, sí.
El matiz que casi nadie cuenta
Aquí está el hallazgo más incómodo del estudio, y el que rara vez aparece en la literatura comercial sobre GEO.
Los autores repitieron el experimento separando las webs por la posición que ocupaban en el buscador. El efecto cambia de signo:
| Método | Web en posición 1 | Web en posición 5 |
|---|---|---|
| Citar fuentes | −30,3 % | +115,1 % |
| Añadir citas textuales | −22,9 % | +99,7 % |
| Añadir estadísticas | −20,6 % | +97,9 % |
Para una web que ya es el primer resultado, aplicar estos métodos redujo su visibilidad en la respuesta generada. Para la que estaba en quinta posición, la duplicó.
La explicación que dan los autores es que el buscador tradicional premia enlaces entrantes y presencia de dominio, cosas difíciles de conseguir para un sitio pequeño, mientras que el motor generativo atiende sobre todo al contenido. Eso convierte al GEO en una palanca desproporcionadamente útil para quien no es líder de su nicho, que es la situación de casi cualquier pyme.
Lo que el estudio no dice
Tres límites que conviene tener presentes antes de tomar decisiones caras:
No mide tráfico ni negocio. Mide presencia dentro de una respuesta. Que a una empresa la citen más veces en ChatGPT y que eso se traduzca en clientes son dos afirmaciones distintas, y la segunda no está demostrada en este trabajo.
Los experimentos son de 2023 y 2024. El motor principal es gpt-3.5-turbo sobre los cinco primeros resultados de Google. Los sistemas actuales recuperan y razonan de otra forma. La dirección de los hallazgos es probablemente estable —material verificable frente a relleno—, pero los porcentajes concretos no deberían tratarse como una tabla de precios.
La eficacia varía mucho por sector. Los propios autores lo subrayan, y su tabla por dominios destaca campos como derecho, ciencia o historia. El turismo no aparece entre los analizados, así que extrapolar los porcentajes a un hotel es una suposición, no un dato.
Qué hacemos con esto
Lo que se deduce del estudio es bastante sobrio y no requiere ninguna herramienta: escribir contenido que un modelo pueda citar sin inventarse nada. En la práctica significa cifras con su fuente enlazada, afirmaciones atribuidas a quien las hizo, respuestas directas a preguntas reales, y decir explícitamente qué no se sabe.
Este mismo artículo está escrito así, y los demás de este blog también. Lo hacemos porque es la única recomendación de toda esta materia que llega respaldada por una medición.
A eso se le añade la parte técnica, que es la que no se ve: que el contenido esté en el HTML servido y no dependa de que alguien ejecute JavaScript, que el sitio declare datos estructurados, que exista un llms.txt y que el robots.txt no esté bloqueando a los rastreadores de IA sin que nadie se haya dado cuenta.
Si quiere saber si su web se puede citar hoy y qué la está dejando fuera, escríbanos.
Fuentes
- Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan y Ameet Deshpande, GEO: Generative Engine Optimization, arXiv:2311.09735, noviembre de 2023, última versión de junio de 2024. Publicado en las actas de la 30ª conferencia ACM SIGKDD, agosto de 2024. Las puntuaciones absolutas proceden de su tabla 1 y las cifras por posición de su tabla 2; los porcentajes de mejora sobre la base sin optimizar son cálculo nuestro sobre esas cifras.