¿Qué es el GEO? El GEO frente al SEO

¿Qué es el GEO (Generative Engine Optimization)?

El GEO consiste en lograr que una marca sea localizable, utilizable y citable dentro de las respuestas generadas por IA. Donde el SEO compite por un puesto en una lista de enlaces, el GEO compite por ser la fuente de la que un modelo tira cuando escribe una recomendación.

El término viene de un artículo de 2023 firmado por equipos de Princeton, Georgia Tech, el Allen Institute y el IIT Delhi, que construyeron un banco de pruebas de 10.000 consultas para comprobar si editar un documento fuente cambiaba cuánto lo usaba un modelo. Lo cambiaba. Ese artículo sigue siendo el cimiento de la disciplina, y sus límites siguen siendo su punto ciego.

En una frase: el GEO es optimizar para que los sistemas de IA puedan recuperar tu página, entenderla y atribuirte una afirmación con nombre y apellidos.

Lo esencial en cinco puntos

1. El 51% de los compradores de software B2B ya empieza su compra dentro de un chatbot de IA en lugar de en un buscador, frente al 29% un año antes (G2, 2026).
2. El clic desaparece más rápido que la visita. Cuando Google muestra un resumen de IA, el 8% de las visitas termina en un clic, frente al 15% sin resumen (Pew Research Center, 2025).
3. Lo que la evidencia sostiene no es espectacular: ser recuperable, ser relevante para las subpreguntas que el modelo genera de verdad, y llevar datos citables con un nombre detrás.
4. Varias tácticas populares se han probado y han fallado. Añadir schema a páginas ya citadas no aumentó las citas. El relleno de palabras clave puntúa por debajo de no hacer nada.
5. El idioma importa más de lo que la mayoría de equipos supone. En consultas en francés, entre el 72% y el 87% de las fuentes citadas estaban también en francés, según el motor.

Una advertencia recorre todo este artículo. Casi todo lo publicado sobre GEO mide qué hace un modelo con un documento que ya le han entregado. Muy poco mide si tu página llega a recuperarse de la web abierta. Son problemas distintos, y confundirlos es justo lo que produce consejos seguros de sí mismos que no sobreviven a un grupo de control.

Cómo acaba una fuente dentro de una respuesta de IA

Una cita es el último paso de una cadena, y la mayoría de los consejos de GEO solo tocan los dos últimos eslabones.

1. Rastreo. El robot del motor tiene que poder entrar. Para aparecer en ChatGPT Search eso significa OAI-SearchBot, no solo Googlebot (documentación de OpenAI). Permitido en robots.txt no es lo mismo que permitido en el borde, y la diferencia es invisible para la prueba que hace todo el mundo: una CDN puede estar retando a un rastreador mientras todos los demás pasan.
2. Indexación. La página tiene que almacenarse y renderizarse. Un contenido encerrado tras JavaScript pesado, o metido dentro de una imagen, es un contenido que no existe.
3. Expansión de la consulta. Este es el paso que los equipos se saltan. El modelo no busca tu prompt. Lo descompone en varias subconsultas y busca esas. Ahrefs comprobó que las URL citadas tenían una similitud semántica mucho mayor entre su título y esas subconsultas derivadas, no el prompt original.
4. Reordenación y selección. Un puñado de candidatas entra en la ventana de contexto del modelo.
5. Generación y atribución. El modelo escribe una respuesta y decide en cuáles de esas candidatas apoyarse y a cuáles nombrar.

Los pasos 1 a 4 son ingeniería de búsqueda y recuperación. Solo el paso 5 es donde se aplica la redacción GEO. Una página escrita a la perfección para el paso 5 que falla el paso 1 no consigue nada.

Esto también resuelve una preocupación habitual. No hace falta estar en el top 10 del prompt literal para ser citado. Los motores lanzan subconsultas y recuperan URL que nunca posicionaron para esa formulación.

GEO frente a SEO: qué cambia de verdad

No son rivales. La recuperación se apoya en un índice de búsqueda. Una página que no se puede rastrear, o que no posiciona para ninguna subconsulta, ni siquiera es candidata a GEO. El GEO va después de que el SEO funcione, no en su lugar.

Y tres cosas que medimos, porque la tabla de arriba la escribe todo el mundo

La comparación de esa tabla está en cualquier artículo de la categoría. Lo que casi nadie pone al lado es qué pasa cuando lo mides, así que aquí van tres cosas nuestras, cada una con su fila en el registro de mediciones.

A veces no hay respuesta en la que estar. Lanzamos ocho preguntas de compra local en España, Estados Unidos y Alemania, en cinco sectores. En dieciséis pasadas, el AI Overview de Google no apareció ni una vez, mientras AI Mode contestó las dieciséis. Cuatro preguntas de control, igual de locales pero informativas, sí devolvieron resumen en sus ocho pasadas. Optimizar para aparecer en una caja que no se dibuja no es GEO ni es SEO: es trabajo perdido, y comprobarlo cuesta una consulta. Está entero en el estudio de intención local.

Cuando la hay, casi nunca cita a quien vende. En once categorías de software, 84 dominios salieron citados en todas las pasadas de su pregunta y solo 24 pertenecen a una empresa que vende el producto. En cuatro categorías la cifra es cero: ni Mailchimp en email, ni Shopify en tiendas online, ni NordVPN en VPN. Los dominios de quién ocupa esas plazas están publicados uno a uno.

Y la misma web gana una pregunta y pierde la otra. Preguntando cuál es la mejor plataforma de comercio electrónico, Shopify no tiene ninguna cita estable, en dos sesiones distintas. Preguntando cuánto cuesta Shopify, www.shopify.com sale citada en las tres pasadas, misma superficie y mismo día. Una pregunta comparativa selecciona en contra de las páginas de las cosas comparadas, y eso no lo arregla estructurar mejor el contenido.

La consecuencia para el reparto de tu presupuesto es más concreta que «hazlas las dos»: las preguntas sobre ti, tu precio, tus integraciones y tus alternativas, las pueden ganar tus propias páginas. Las preguntas sobre tu categoría las ganan los intermediarios, y ahí el trabajo es ser aquello de lo que escriben.

Qué demuestra realmente la investigación

Esta es la parte que casi todos los artículos se saltan. Abajo está cada estudio serio que hemos podido verificar, con qué midió y qué no demuestra.

Una revisión de 45 estudios de GEO publicada en julio de 2026 llega a una conclusión sin rodeos: ninguna técnica ha demostrado todavía un efecto causal, estable, longitudinal y válido en varias plataformas sobre la recuperación orgánica ni sobre resultados de negocio (Martinez, 2026).

Eso no es razón para no hacer nada. Es razón para tratarlos como predictores y medir tus propios resultados contra un control, en vez de prometer una mejora que nadie ha probado.

Las señales que parecen reales

Ordenadas por solidez de la evidencia, no por lo bien que quedan en una presentación.

1. La relevancia frente a las subpreguntas derivadas. El hallazgo más sólido y más aburrido, y aparece en todos los estudios. Escribe secciones que respondan a las preguntas que un modelo generaría a partir de un prompt de tu categoría, con las palabras que usaría un comprador.

2. Evidencia citable y atribuible. Las tres ediciones ganadoras del experimento de Princeton fueron las citas textuales, las estadísticas y las fuentes citadas. Las tres comparten una propiedad: le dan al modelo algo que puede levantar y atribuirte con nombre. Un párrafo de adjetivos no le da nada a lo que agarrarse.

3. Pasajes autónomos. Un modelo levanta pasajes, no páginas. Una sección que solo se entiende tras leer las tres anteriores es una sección que no se puede citar.

4. Autoridad y corroboración externa. Enlaces, cobertura editorial, presencia en las fuentes de tu sector. Más débil y más lenta de lo que dicen los fabricantes de herramientas, pero es lo que decide si eres candidato.

5. Accesibilidad. Rastreable, renderizable, permitida. Este criterio es binario: si fallas, nada más cuenta.

6. El idioma. Va más abajo, y con más evidencia de la que la mayoría espera.

Qué no está demostrado

Decirlo claro es en sí una señal de confianza, y es la parte del consejo de GEO con más probabilidad de gastarte el presupuesto.

• «Añadir schema aumenta las citas de IA.» Probado con grupo de control. No las aumenta en páginas ya citadas. Usa datos estructurados porque describen bien tu página, no como palanca de GEO.
• «El artículo de Princeton demostró un +40% de citas.» Demostró un aumento relativo del 41% en qué parte de la respuesta venía de una fuente que ya estaba en el contexto del modelo. Son afirmaciones muy distintas.
• «Los LLM prefieren bloques de 40 a 60 palabras.» No existe evidencia primaria de ese intervalo.
• «La longitud ideal son 1.500, o 2.000, o 3.000 palabras.» No demostrado. La longitud debe seguir a la pregunta.
• «llms.txt mejora la visibilidad.» Google afirma que ni ayuda ni perjudica al posicionamiento ni a la visibilidad.
• «Cada H2 debe ser una pregunta.» Puede ayudar a los lectores y a la cobertura temática. No se ha demostrado ningún efecto causal aislado.
• «Refrescar la fecha mejora el GEO.» No sin una actualización sustancial, y Google lo desaconseja explícitamente.
• «Más backlinks significa más citas de ChatGPT.» Los enlaces importan para la capa de búsqueda de debajo. La asociación directa en los estudios de marca es débil.
• «Una comprobación de prompt demuestra que la optimización funcionó.» La deriva de fuentes de un mes a otro puede superar el 50%. Sin repetición ni control, estás midiendo ruido.

Cómo optimizar una página para GEO

1. Mapea las subpreguntas derivadas, no la keyword principal. Si alguien le pide a un asistente la mejor herramienta de tu categoría, ¿qué cuatro o cinco cosas necesita consultar para responder bien?
2. Responde cada una en su propia sección, con la tesis en la primera frase. Da por hecho que el lector llega a mitad de página, porque el modelo lo hace.
3. Pon un dato verificable en cada sección: una cifra, una fecha, una fuente con nombre, una cita textual. Es la única edición con respaldo experimental controlado.
4. Atribúyelo todo. «Los estudios demuestran» es inservible para un modelo. «Pew Research Center, 2025, sobre 68.879 búsquedas» sí es citable.
5. Mantén los pasajes autónomos. Si un párrafo necesita los tres anteriores para tener sentido, no sobrevivirá a la extracción.
6. Enlázala internamente desde páginas relacionadas, para que la recuperación tenga un camino.
7. Revisa la fontanería: rastreable, renderizable, en el sitemap, canonical correcto, hreflang correcto, y los robots de IA que te interesen permitidos en robots.txt.
8. Y después mide contra un control. Un conjunto de prompts congelado, el mismo motor, modelo, país e idioma, varias ejecuciones, y una página comparable que no hayas tocado.

Diferencias por motor y por idioma

Los motores no citan igual. ChatGPT se apoya en la búsqueda web general mucho más que en cualquier feed social concreto: en los datos de Ahrefs, el canal de búsqueda general alcanzó una tasa de cita del 88,5%, frente al 1,9% del feed dedicado de Reddit. Perplexity está construido sobre generación aumentada por recuperación y cita de forma más visible. Google AI Overviews y AI Mode se apoyan en el índice de Google, así que ahí el SEO clásico llega más lejos.

El idioma es el hallazgo que más se subestima. En el análisis de Temso sobre más de siete millones de citas, los prompts en francés se respondieron sobre todo con fuentes en francés: 82,1% en AI Overview, 87,2% en Copilot, 72,3% en ChatGPT. El trabajo académico sobre recuperación multilingüe encuentra la misma atracción hacia el idioma de la consulta (estudio mRAG).

Es observacional, no un test A/B de una página contra su propia traducción. Pero si un mercado te importa, la lectura práctica es clara: publica una versión real en ese idioma, con su propia URL, hreflang correcto, sus propios ejemplos y fuentes, y un canonical que apunte a sí misma. Una traducción automática con canonical al inglés no es eso.

Cómo medir si el GEO está funcionando

No se gestiona lo que solo se mide una vez. Una medición defendible tiene cinco piezas:

Esto es lo que automatiza EchoWi: un conjunto de prompts estable ejecutado según tu calendario en 12 motores, con medición antes y después de cada cambio, para que una mejora se pueda atribuir a algo que hiciste de verdad.

Si prefieres comparar antes de comprar nada, nuestro catálogo verificado recoge cincuenta y tres herramientas con cada precio leído en la web del proveedor en una fecha declarada. Estamos dentro, con los mismos criterios que el resto, incluida la fila donde nuestro plan de entrada cubre un motor y una rival más barata cubre diez.

Preguntas frecuentes sobre GEO

¿El GEO es solo SEO con otro nombre?

No, pero depende del SEO por completo. El SEO decide si tu página se puede recuperar. El GEO decide si, una vez recuperada, se usa y se nombra. Saltarse lo primero y hacer lo segundo es optimizar una página que nadie va a ir a buscar.

¿Cuánto tarda el GEO en dar resultados?

No hay una cifra establecida, y quien dé una precisa está adivinando. Depende de cada cuánto actualiza el motor su índice y sus datos de entrenamiento, y la única forma de saberlo para tu sitio es un conjunto de prompts congelado, medido contra un control durante varias semanas.

¿Puede una pyme competir en GEO?

En una categoría anglosajona ya asentada, competir solo por autoridad es difícil. En una categoría emergente, o en un idioma donde escasea el contenido de calidad, el coste de entrada es mucho menor. Por eso la cuestión del idioma es estratégica y no cosmética.

¿Funciona el GEO para empresas B2B?

La evidencia más sólida es precisamente B2B. La encuesta de G2 de 2026 a 1.076 compradores de software encontró que el 51% empieza en un chatbot de IA, que el 85% valora mejor a un proveedor al que nombra la IA, y que el 33% compró a un proveedor del que nunca había oído hablar.

¿Para qué motor conviene optimizar primero?

Para el que usen tus compradores, algo que merece medirse en vez de suponerse. Optimizar la calidad de recuperación suele ayudar en todos los motores, porque el problema de fondo, ser localizable y citable, es el mismo.

¿En qué se diferencia el GEO del AEO?

El AEO, Answer Engine Optimization, suele referirse a aparecer en funciones de respuesta directa: fragmentos destacados, respuestas de asistentes. El GEO es más amplio: cubre cómo se compone una respuesta generada y en qué fuentes se apoya. Los términos todavía se están asentando y a menudo se usan indistintamente.

¿Hace falta añadir datos estructurados para GEO?

Añádelos porque describen fielmente tu página y alimentan las funciones de búsqueda. No los añadas esperando más citas de IA. El único estudio que lo probó con grupo de control no encontró aumento significativo, y sí una ligera caída en AI Overviews.

¿Puedo recibir alertas cuando una IA describe mal mi marca?

Las herramientas de monitorización lo detectan; ninguna lo elimina. Lo que sí puede hacer una plataforma es lanzar un conjunto fijo de prompts de forma periódica, guardar el texto de la respuesta y las fuentes citadas en cada pasada, y avisar cuando la descripción cambia o aparece una afirmación falsa. Lo que viene después no es una retirada, porque no hay entrada de índice que corregir: es publicar la corrección en una página que el motor ya cita y esperar al siguiente rastreo. Por eso la lista de fuentes citadas importa más que la puntuación de sentimiento, porque dice qué página hay que arreglar.

¿Puede una plataforma enseñar en qué prompts eligen a un competidor y no a mí?

Sí, y es la mitad más útil de la medición. Exige guardar dos resultados por separado en cada pasada: si nombran tu marca y si citan tu dominio. Un prompt donde nombran a un competidor y citan su web es un problema de contenido en una página identificable. Un prompt donde nombran a un competidor y no se cita ninguna fuente es otro problema distinto, porque no hay bibliografía en la que entrar. Cualquier herramienta que devuelva un único porcentaje de visibilidad ha tirado esa distinción a la basura.

¿Las plataformas GEO recogen datos de usuarios de forma ética, sin PII?

La respuesta honesta es que esta clase de herramienta normalmente no toca datos de usuario. Envía tus prompts a interfaces públicas de asistentes y registra lo que vuelve, así que lo que se recoge son respuestas sobre tu marca, no información sobre tus clientes. Las preguntas que sí conviene hacerle a un proveedor son más concretas y rara vez se ofrecen solas: si sus pasadas saltan la caché, porque una repetición cacheada es la misma observación servida dos veces y no una tendencia, y si fija país e idioma de forma explícita en cada llamada, porque la mayoría de herramientas de esta categoría vienen por defecto en Estados Unidos y en inglés sin decirlo.

¿Cuáles son las mejores prácticas GEO para ChatGPT y Gemini en concreto?

Distingue el tipo de pregunta antes que el motor, porque decide si existe una cita que ganar. Medido el 8 de agosto de 2026 en tres categorías sin relación entre sí, las preguntas de definición como «qué es un CRM» o «qué es la automatización de email marketing» devolvieron cero fuentes citadas en ChatGPT en nueve pasadas sin caché, mientras que la pregunta de compra de esas mismas categorías citó entre doce y quince dominios. AI Overview y AI Mode de Google citaron en ambos casos. Así que una página «qué es X» es una apuesta por las superficies de Google, y lo que gana una cita de un asistente conversacional es una página que responde a una decisión de compra. El método completo está en el estudio.

¿Mi marca tiene que estar en los datos de entrenamiento?

No necesariamente. Los motores basados en recuperación pueden citar una página publicada esta semana. Los datos de entrenamiento ayudan a que un modelo conozca tu marca sin tener que buscarla, que es una ventaja distinta y más lenta de conseguir.

Qué significa esto para ti

La categoría es lo bastante joven como para que la posición honesta sea también la posición diferenciadora. La mayoría del consejo de GEO disponible hoy es folclore con una cifra al lado. La investigación que sí existe es real, y apunta a algo poco vendible: ser recuperable, responder a la pregunta que de verdad se hizo, y poner delante del modelo un dato citable y atribuible.

Las marcas que traten esto como medición y no como ritual sabrán qué les funciona mientras sus competidores siguen discutiendo sobre el número de palabras.

Para seguir: cómo se posicionan las marcas dentro de los LLM y cómo la IA está cambiando la forma de comprar.