Definiciones en español claro y citables para el vocabulario de Optimización para Motores Generativos, visibilidad en búsqueda con IA y descubribilidad de marca dentro de los modelos de lenguaje. Actualizado a 2026. Cada entrada tiene su propio enlace, pruébalo.
Optimización para Motores Generativos (GEO)
También conocido como: GEO, optimización para búsqueda con IA, SEO para LLM
Disciplina que estructura el contenido, las citas y los datos estructurados de una marca para que los modelos de lenguaje (ChatGPT, Claude, Perplexity, Gemini, Grok, DeepSeek) la citen de forma precisa y frecuente cuando los usuarios hacen preguntas de intención de compra en su categoría.
GEO convive con el SEO tradicional, no compite contra él. Mientras el SEO apunta al ranking de una URL en la página de resultados de Google, GEO apunta a la probabilidad de que la marca sea mencionada, recomendada o citada dentro de la respuesta que genera la IA. Las dos disciplinas comparten muchas tácticas, títulos claros, datos estructurados, citas de terceros, pero la superficie de optimización es distinta: en vez de diez enlaces azules, estás optimizando la distribución de salida del modelo.
En la práctica, las marcas que trabajan GEO se concentran en tres palancas: (1) estar presentes en fuentes de terceros con alta autoridad, que son de donde los modelos recuperan información, (2) publicar resúmenes canónicos y legibles por máquina de sus propios productos y de la marca (el papel que cumplen los Brand Hubs de Citorial), y (3) mantener señales factuales consistentes, nombre, dirección, claim, categoría, a lo largo de la web abierta.
También conocido como: visibilidad en IA, AI search visibility
Medición de con qué frecuencia, con qué prominencia y con qué precisión una IA menciona a una marca cuando los usuarios hacen preguntas relevantes para su categoría.
La visibilidad en búsqueda con IA es la métrica principal del trabajo de GEO. Generaliza el "¿aparezco?" en tres dimensiones: presencia (¿me mencionan?), prominencia (¿estoy en la primera frase, en la última, o enterrado en una lista?) y precisión (¿lo que el modelo dice de mí es correcto?).
Una auditoría de visibilidad útil toma una muestra de 100 a 1000 prompts de intención de compra por categoría, los ejecuta en paralelo en varios LLM y reporta presencia, prominencia y precisión prompt por prompt, más un score agregado de share of voice. Las auditorías de Citorial están estructuradas así.
También conocido como: AEO, optimización para motores de respuesta
Disciplina muy cercana a GEO que se enfoca específicamente en optimizar para "motores de respuesta"productos como Perplexity, Google AI Overviews y Bing Copilot que devuelven una respuesta sintetizada en lugar de una lista de enlaces.
AEO y GEO se usan a menudo como sinónimos, pero AEO suele enfatizar la superficie de respuesta que ve el usuario, mientras que GEO enfatiza el modelo generativo que está por debajo. En la práctica, el trabajo que gana en una casi siempre gana en la otra: datos estructurados, resúmenes claros y citas de terceros sólidas.
Una táctica clave de AEO es asegurarte de que los claims más citables de tu marca aparezcan en HTML indexable, no solo dentro de un PDF ni detrás de un login, porque los motores de respuesta tienden a recuperar HTML abierto y rastreable antes que cualquier otra cosa.
Término paraguas para cualquier trabajo de optimización cuyo objetivo es cómo un modelo de lenguaje representa o recomienda una marca, un producto o una persona.
LLMO es más amplio que GEO y AEO. Incluye trabajo que no es estrictamente "búsqueda"por ejemplo, lograr que un modelo al que le piden "arma una tabla comparativa" incluya una marca específica, o que un modelo asistente de código cite una biblioteca específica en sus sugerencias.
En e-commerce, la superficie de LLMO más común es la recomendación por intención de compra: a un modelo le preguntan "¿cuál es el mejor tenis para correr por menos de US$150 si tengo pie plano?"y la marca quiere aparecer en la respuesta con el encuadre correcto.
También conocido como: SoV, participación de voz en IA
Porcentaje de respuestas de IA relevantes en las que se menciona a una marca, normalizado sobre el total de prompts relevantes para la categoría que se probaron.
En una auditoría que prueba 100 prompts y encuentra tu marca mencionada en 23 de ellos, tu share of voice es 23%. La métrica sirve más cuando se calcula junto al SoV de los 3 a 5 competidores principales, porque el número absoluto es difícil de interpretar sin esa línea base.
El share of voice siempre debe reportarse por LLM, no solo como un agregado único: la mayoría de las marcas tiene un SoV notablemente distinto en Perplexity que en ChatGPT, y las acciones correctivas no siempre son las mismas.
También conocido como: prompt de compra, buyer-intent prompt
Consulta en lenguaje natural que señala que el usuario está en modo de compra, comparando productos, pidiendo recomendaciones o evaluando marcas específicas.
Ejemplos: "mejores tenis para correr con pie plano por menos de US$150", "¿vale la pena la marca X para piel sensible?", "alternativas a la marca Y con envío a Latinoamérica". Estos son los prompts que importan comercialmente. Son aquellos donde una cita se traduce directamente en una venta potencial.
Una buena auditoría de GEO distingue de forma explícita los prompts de intención de compra de los informativos ("¿qué causa la fascitis plantar?") porque las acciones de optimización son distintas: la visibilidad en prompts de compra viene de sitios de reseñas, datos estructurados de producto y contenido de comparación; la visibilidad informativa viene de la profundidad editorial.
Página de perfil canónica y legible por máquina que se mantiene para una marca en un sitio de terceros, diseñada para ser citada por los motores de búsqueda con IA.
Los Brand Hubs (el término que usa Citorial) son parecidos en espíritu a una entrada de Wikipedia o a un perfil de Crunchbase: una sola URL que reúne el nombre de la marca, su descripción, datos estructurados, referencias, FAQ y enlaces sameAs en una página HTML limpia que los LLM pueden leer sin JavaScript.
Mantener un Brand Hub en un dominio en el que los LLM ya confían (y que tiene un opt-in explícito en robots.txt para crawlers de IA) mejora de forma sustancial la probabilidad de que la marca aparezca cuando alguien hace una pregunta de categoría.
También conocido como: RAG, generación aumentada por recuperación
Patrón en el que un modelo de lenguaje recupera documentos relevantes de una fuente externa en el momento de la consulta y fundamenta su respuesta en esos documentos, en lugar de depender solo de la memoria adquirida durante el entrenamiento.
La mayoría de los productos de búsqueda con IA de consumo (Perplexity, ChatGPT Search, Google AI Overviews, Gemini) usa un pipeline RAG. Lanzan consultas web, recuperan un puñado de páginas y se las pasan al modelo como contexto para redactar la respuesta final.
El trabajo de GEO apunta en gran medida a esa etapa de recuperación. Si tu contenido es la fuente de mayor calidad que el recuperador puede encontrar para una consulta, tu marca termina anclada en la respuesta, incluso si el modelo nunca vio tu marca en sus datos de entrenamiento.
También conocido como: schema.org, JSON-LD, marcado estructurado
Marcado que etiqueta de forma explícita partes de una página, por ejemplo, "este texto es el nombre de la marca", "este párrafo es una respuesta de FAQ", "este número es un precio"para que los buscadores y los LLM puedan interpretar la página de forma confiable.
El formato más común de datos estructurados en la web es JSON-LD incrustado en una etiqueta `<script type="application/ld+json">` dentro del HTML de la página. Los tipos de schema relevantes para e-commerce incluyen `Organization`, `Product`, `Offer`, `Review`, `FAQPage` y `BreadcrumbList`.
Los motores de búsqueda con IA se apoyan mucho en los datos estructurados cuando tienen que extraer un dato con presupuestos de latencia muy ajustados. Una página bien marcada es más fácil de citar que una página visualmente equivalente que esconde la misma información en prosa sin marcar.
Propiedad de Schema.org que se usa dentro de una entidad Organization o Person para apuntar a otras URL que se refieren a la misma entidad del mundo real, normalmente los perfiles sociales oficiales de la marca, su entrada en Wikipedia o registros del sector.
sameAs es una de las victorias de desambiguación más baratas en GEO. Cuando el modelo se encuentra con un nombre de marca que podría ser una persona, un producto y una biblioteca de software a la vez, el grafo sameAs le dice: "la marca de esta página es la misma entidad que @marca en X, que la página de LinkedIn en esta URL y que el artículo de Wikipedia en esta otra". Eso elimina la ambigüedad en el momento de la recuperación.
También conocido como: HTML crawleable, crawlable HTML
HTML cuyo contenido significativo está presente en la respuesta inicial del servidor (o en HTML estático prerenderizado) y no necesita que se ejecute JavaScript para volverse visible.
La mayoría de los crawlers de LLM o no ejecuta JavaScript, o lo ejecuta con presupuestos estrictos de tiempo y costo. Una aplicación de una sola página que solo renderiza contenido después de un fetch del lado del cliente es, en la práctica, invisible para esos crawlers.
Dos soluciones efectivas: prerenderizar las páginas relevantes a HTML estático en tiempo de build (el enfoque que usa el sitio de Citorial), o ejecutar renderizado del lado del servidor en cada request. En cualquier caso, la meta es que el texto relevante para la marca exista en la respuesta HTML cruda.
Relación de enlace HTML que se usa para declarar que dos URL son traducciones del mismo contenido a idiomas distintos, para que los buscadores y los LLM elijan la versión correcta para cada usuario.
Sin hreflang, los buscadores a menudo sirven la versión en el idioma equivocado o, peor, tratan las dos versiones como contenido duplicado. La etiqueta de enlace, `<link rel="alternate" hreflang="es" href="https://example.com/es/pagina" />`es pequeña pero materialmente importante para cualquier marca que opere en más de un idioma.
En los Brand Hubs de Citorial, cada página que tiene una traducción hermana emite enlaces hreflang que apuntan a cada hermana y un `x-default` que apunta a la versión canónica en inglés.
Convención emergente, un archivo Markdown servido en `/llms.txt`que le da a los crawlers de LLM un catálogo curado de las páginas más útiles y citables de un sitio.
Mientras `robots.txt` controla qué pueden recuperar los crawlers, `llms.txt` es una señal positiva: "esto es lo que vale la pena recuperar, resumido para ti". La propuesta todavía está madurando en 2026, pero varios laboratorios grandes de IA señalaron apoyo, y el costo de agregar el archivo es bajo.
El `/llms.txt` de Citorial lista la homepage, el directorio de marcas, el glosario, el cómo funciona y el blog, además del patrón de URL de los Brand Hubs y un puntero al sitemap.
La misma convención robots.txt que los buscadores usan desde los años noventa, ahora extendida con cadenas de user-agent para bots de entrenamiento e inferencia de IA (GPTBot, ClaudeBot, PerplexityBot, Google-Extended, Applebot-Extended, CCBot, etc.).
La mayoría de las marcas o ignora los user-agents de IA (y deja el comportamiento por defecto Allow:/) o los bloquea en bloque. Citorial recomienda lo contrario: hacer opt-in explícito para los crawlers de IA en todo el contenido que la marca quiere ver citado.
Ese opt-in es la primera acción de GEO más fácil que puede tomar una marca. No cuesta nada, sale en un solo commit y cambia qué crawlers están dispuestos a recuperar las páginas de la marca.
La cantidad de prompts distintos de intención de compra que una auditoría prueba contra cada LLM. Una cobertura mayor le da más confianza estadística a la estimación de share of voice.
Una cobertura de 100 prompts es el mínimo práctico para auditar una categoría pequeña, alcanza para detectar una brecha de presencia significativa, pero es vulnerable al ruido prompt por prompt. 300 prompts es un nivel intermedio estable, y 1000 prompts es el estándar de oro para comparar varias marcas.
Los tres niveles de auditoría de Citorial corresponden a estos tres niveles de cobertura.
El glosario crece a medida que evoluciona la búsqueda con IA. Recibe las actualizaciones y un artículo largo al mes, sin spam.
We use double opt-in. By signing up you accept the privacy policy. Unsubscribe in one click from any email.
¿Quieres ver cómo te trata la búsqueda con IA?
Una auditoría de Citorial prueba de 100 a 1000 de estos prompts de intención de compra en ChatGPT, Claude, Perplexity, Gemini, Grok y DeepSeek, y te entrega un plan de acción de 30 días.