GEO y AIO: SEO para buscadores con IA

Al terminar este nivel sabrás por qué un sistema de IA cita una página y absorbe otra sin nombrarla, y podrás escribir pasajes pensados para que Google AI Overviews, Google AI Mode, ChatGPT, Perplexity y Gemini los recuperen, los lean y los atribuyan. No es una colección de trucos. Es el mecanismo de selección de citas, explicado con la evidencia que existe hoy y con las lagunas señaladas donde las hay.

El mecanismo se enuncia en una frase: el contenido intercambiable se absorbe, el contenido distintivo se cita. Cuando una página repite lo que ya dicen otras cincuenta, el modelo puede redactar la respuesta sin apoyarse en ninguna en concreto, y entonces no nombra a nadie. El 82% de los pasajes no citados era pura reformulación del consenso, según Advanced Web Ranking (julio de 2026). Lo que sobrevive al filtro es aquello que el modelo no puede afirmar por su cuenta: un dato fechado, una cifra propia, una entidad nombrada sin ambigüedad, una posición contraria al consenso con evidencia detrás.

Esa asimetría está medida dos veces, por equipos distintos y con métodos distintos. El paper de GEO (KDD ’24) encontró que citar fuentes aumentaba la visibilidad en IA un +30%, incluir citas textuales un +41%, incluir estadísticas un +40% y definir los términos técnicos un +20%. Advanced Web Ranking (julio de 2026) encontró que las fechas recientes aparecían en el 80% de los pasajes citados frente al 53% de los no citados, y que el 96% de los pasajes citados nombraba las entidades en la primera mención frente al 82% de los no citados. Dos estudios independientes apuntan a los mismos hábitos de redacción.

Una advertencia antes de empezar. Este es el nivel más volátil del curso: los sistemas que estudias aquí cambian de comportamiento sin aviso previo y sin registro de cambios público, y buena parte de lo que se publica sobre ellos no tiene fuente primaria. Aquí se trabaja con lo verificable, se marca lo discutido como discutido y se dice explícitamente cuándo no hay dato.

Qué cubre este nivel

• Distinguir GEO, AIO, AEO y LLMO sin repetir la confusión de vocabulario del sector, y saber cuál de esas etiquetas describe trabajo real.
• Explicar cómo Google AI Overviews y Google AI Mode eligen las fuentes que citan, y por qué tratarlos como un solo sistema lleva a conclusiones falsas.
• Escribir pasajes autosuficientes que sobrevivan al troceado (chunking) y sigan teniendo sentido fuera de la página que los contiene.
• Decidir con criterio si bloqueas GPTBot, ClaudeBot o PerplexityBot, sabiendo qué se pierde en cada caso y qué no se recupera después.
• Medir lo medible y decir en voz alta lo que no lo es: el informe de IA generativa de Google Search Console entrega impresiones, sin clics, sin consultas y sin CTR.
• Reconocer una afirmación sin fuente sobre buscadores con IA y descartarla, aunque la esté repitiendo todo el sector esa semana.

El patrón de absorción: por qué el consenso no deja rastro

Un sistema de IA generativa cita cuando necesita una fuente y absorbe cuando no la necesita. Google AI Overviews, ChatGPT y Perplexity redactan la respuesta a partir de varios pasajes recuperados; si un pasaje dice algo que el modelo ya puede afirmar sin apoyo externo, la idea entra en la respuesta y la fuente desaparece por el camino. Advanced Web Ranking (julio de 2026) midió que el 82% de los pasajes no citados era pura reformulación del consenso.

La consecuencia es incómoda para quien escribe guías generalistas: cuanto mejor resumes lo que ya se sabe, menos razón hay para nombrarte. Una guía impecable sobre qué es el enlazado interno es material de absorción. Un experimento propio que mide el efecto del enlazado interno en un sitio concreto, con fecha y con tamaño de muestra, es material de cita.

Escribir para que te citen consiste en dar al modelo algo que no puede generar solo: una cifra que solo tienes tú, una fecha reciente y explícita, una definición precisa de un término técnico, una entidad nombrada de forma que no se confunda con ninguna otra. Definir los términos técnicos midió +20% de visibilidad en IA en el paper de GEO (KDD ’24), y es el hábito más barato de adoptar de toda la lista.

Recuperación y lectura son dos filtros distintos

Ser recuperado y ser leído son cosas diferentes, y una página puede pasar el primer filtro y fallar el segundo sin que nadie se entere. La capa de recuperación de ChatGPT guarda las páginas en caché como HTML convertido a Markdown, con una ventana de frescura de aproximadamente 30 minutos. Lo que el modelo procesa no es tu página renderizada en el navegador: es el resultado de esa conversión.

De ahí sale una consecuencia técnica directa. El HTML semántico servido desde el servidor se convierte limpiamente a Markdown; una maraña de contenedores anidados generada por un maquetador visual, no. Encabezados reales, tablas reales, listas reales y párrafos reales sobreviven a la conversión con su estructura intacta, y esa estructura es lo que permite aislar un pasaje concreto.

La segunda consecuencia es de redacción. El pasaje, no el artículo, es la unidad que se recupera: un fragmento empieza en un encabezado y termina antes del siguiente. Si la primera frase de una sección arranca con un pronombre que apunta al párrafo anterior, ese fragmento llega al modelo sin sujeto. Por eso el nombre completo de la entidad se repite en cada sección, aunque al leer el artículo entero suene redundante. El 96% de los pasajes citados nombraba las entidades en la primera mención, frente al 82% de los no citados (Advanced Web Ranking, julio de 2026).

Lo que puedes medir y lo que no

La instrumentación de la búsqueda con IA es notablemente peor que la de la búsqueda clásica, y conviene saberlo antes de prometer un informe mensual. El informe de IA generativa de Google Search Console entrega impresiones y nada más: no da clics, no da consultas y no da CTR. Cualquier panel que ofrezca esas tres métricas para Google AI Overviews las está estimando a partir de modelos propios, no midiéndolas.

Fuera de Google Search Console queda la analítica de referencias. ChatGPT y Perplexity enlazan las fuentes que citan, y esos clics aparecen en tu analítica con su dominio de origen, así que el volumen de visitas atribuidas es real aunque sea pequeño. Lo que no aparece es el caso mayoritario: la respuesta que resuelve la duda del usuario sin que haga clic en nada.

El método honesto mientras la instrumentación no mejore es el muestreo propio y fechado. Se define una lista fija de prompts representativos, se ejecuta con la misma redacción exacta en Google AI Mode, ChatGPT, Perplexity y Gemini, se registra qué dominios aparecen citados y se repite el ciclo con una cadencia estable. Eso produce una serie temporal propia, con fecha y con muestra, que es exactamente el tipo de dato que después se puede citar.

Los cuatro efectos medidos en el paper de GEO

El paper de GEO (KDD ’24) sigue siendo la evidencia experimental pública más sólida sobre qué cambios de redacción aumentan la probabilidad de que un motor generativo cite una página. Midió cuatro intervenciones concretas sobre el texto, todas ejecutables por un redactor sin tocar el código del sitio. La tabla resume el efecto de cada una y lo que implica al escribir.

Cambio en el texto	Efecto medido en visibilidad en IA	Qué significa al escribir
Citar fuentes	+30%	Enlace a la fuente primaria en la primera mención y bloque de fuentes con fecha al final. Sirve además como defensa cuando el dato envejece.
Incluir citas textuales	+41%	El efecto mayor de los cuatro. Una frase literal y atribuida de una fuente nombrada, no una paráfrasis, en cada sección importante.
Incluir estadísticas	+40%	Una cifra concreta con su fecha y su muestra. Un porcentaje sin origen ni fecha no cumple esta función y además es insostenible.
Definir los términos técnicos	+20%	Usa el término preciso y defínelo en su primera aparición. Bajar el nivel técnico no ayuda; explicarlo, sí.

Dos avisos sobre cómo leer esta tabla. Los cuatro porcentajes proceden de un experimento concreto sobre un conjunto concreto de consultas, así que son direcciones fiables y no garantías por página. Y ninguno de los cuatro compensa la falta de algo que decir: aplicados sobre una reformulación del consenso, siguen produciendo una reformulación del consenso.

Las 14 lecciones de este nivel

1. GEO, AIO, AEO, LLMO: qué significan y cuáles importan
2. AI Overviews: cómo se seleccionan las citas (el 93,67% que lo explica)
3. AI Mode no es AI Overviews: 13,7% de solape y qué implica
4. Cómo funciona la búsqueda de ChatGPT: el índice ‘labrador’ al desnudo
5. Ser recuperado no basta: ser leído (74% vs 7%)
6. El patrón de absorción: por qué el consenso no se cita
7. El paper de GEO: +41% por citas, +40% por estadísticas
8. Redactar chunks recuperables: el nivel pasaje
9. Entidades y desambiguación: cómo te reconoce un modelo
10. ¿Sirve el schema para las citas de IA? La evidencia dice no
11. llms.txt: autopsia de un estándar que nadie lee (97%)
12. Crawlers de IA: GPTBot, ClaudeBot, PerplexityBot y qué cuesta bloquearlos
13. Cloudflare, pay-per-crawl y la economía del contenido
14. Reddit, YouTube y LinkedIn: el 59% de citas que no controlas

Cómo estudiar este nivel

Estudia las lecciones en orden, porque las cuatro primeras montan el vocabulario y el modelo mental que usan las diez restantes. Las lecciones 1 a 5 explican cómo funcionan los sistemas, las 6 a 9 son las de escritura y son las que más cambian tu trabajo diario, y las 10 a 14 tratan las decisiones de infraestructura y de plataforma.

Trabaja cada lección sobre una página real tuya, no sobre un ejemplo. Elige un artículo publicado, localiza sus pasajes, reescribe el primero de cada sección para que se sostenga solo, añade a cada sección una cifra fechada o una cita textual atribuida y comprueba que cada entidad aparece nombrada en su primera mención dentro de esa sección.

Monta tu muestreo de prompts en la primera semana, aunque sea pequeño. Diez prompts fijos, ejecutados con la misma redacción en Google AI Mode, ChatGPT, Perplexity y Gemini una vez al mes, valen más que cualquier estudio ajeno, porque son tu mercado y llevan tu fecha.

Y aplica esta regla de caducidad: la investigación sobre buscadores con IA tiene una vida útil corta. Cualquier medición, captura de pantalla o afirmación sobre el comportamiento de Google AI Overviews, Google AI Mode, ChatGPT, Perplexity o Gemini con más de un trimestre de antigüedad se trata como una pista que hay que volver a comprobar, nunca como un hecho. Eso incluye lo que leas en este curso: cada lección lleva fecha para que puedas aplicarle la misma regla.

Este nivel encaja dentro de un recorrido más largo que empieza en los fundamentos y el SEO técnico y termina en medición y estrategia. Si has llegado aquí directamente, el índice completo con todos los niveles y su orden recomendado está en el curso de SEO gratuito de doctor-seo.net, y conviene tener el nivel técnico resuelto antes de optimizar para que te citen: una página que no se rastrea bien tampoco se recupera.