Saltar al contenido
Fabián Rivera

[ Artículo ]

Cómo crear una estrategia GEO en 2026: metodología, anécdotas, takeaways, medición y caso real

Descubre cómo crear una estrategia GEO para aumentar la visibilidad de una marca en ChatGPT, Perplexity y Google AI. Framework, métricas, prompts y caso real con datos.

Fabián Rivera Díaz
Cómo crear una estrategia GEO en 2026: metodología, anécdotas, takeaways, medición y caso real

TL;DR: GEO no consiste simplemente en optimizar contenido para ChatGPT. Una estrategia GEO combina análisis de prompts, optimización de entidades y contenido, accesibilidad técnica, autoridad externa y medición continua para aumentar la probabilidad de que una marca sea mencionada y citada por los motores generativos.

1. GEO no es simplemente SEO para ChatGPT

Qué es GEO y qué significa realmente ser visible en IA

GEO (Generative Engine Optimization) es la disciplina que trabaja la visibilidad de una marca, producto o información dentro de las respuestas generadas por modelos de lenguaje como ChatGPT, Perplexity, Gemini o Google AI Overviews.

El cambio de paradigma es profundo. En SEO tradicional, el flujo era:

Keyword → SERP → URL → Click

En GEO, el flujo es distinto:

Prompt → recuperación de información → fuentes → síntesis → respuesta → mención/citación

El objetivo ya no es únicamente conseguir tráfico. Es conseguir que una marca forme parte de la respuesta generada. Eso implica trabajar conceptos que en SEO clásico no existían o eran secundarios:

  • AI visibility — presencia de la marca en respuestas generativas
  • Brand mentions — menciones de la marca, con o sin enlace
  • Citations — cuándo el modelo cita una fuente propia como referencia
  • Source selection — qué fuentes elige el modelo para construir la respuesta
  • Share of Voice — cuota de presencia frente a competidores
  • Brand/entity representation — cómo se describe y representa la entidad

La diferencia clave: en SEO optimizas URLs para keywords. En GEO optimizas la representación de una entidad dentro de un ecosistema de preguntas, respuestas y fuentes.

SEO vs. GEO: qué cambia y qué permanece

GEO no sustituye al SEO. La infraestructura SEO sigue siendo la base:

  • Crawlability
  • Indexability
  • Arquitectura web
  • Internal linking
  • Contenido de calidad
  • Autoridad de dominio
  • Datos estructurados
  • External Linking

Lo que cambia es la unidad de optimización, ya que el GEO se basa en la información que utiliza el LLM en cuestión para generar la respuesta. Si ahondamos más en esto nos podríamos meter en una guia mucho más larga.

Me apunto el escribir sobre cómo funciona una inteligencia artificial y cómo procesa la información utilizando vectores. De momento solo quiero que entiendas que la clave está en las entidades.

¿Qué es una entidad? Cito textualmente:

En el contexto de los Modelos de Lenguaje Grandes (LLMs), una entidad es cualquier objeto, persona, lugar, organización, fecha, concepto o cosa del mundo real que tiene una identidad clara y puede ser identificada de forma única dentro de un texto.

Es posible que te preguntas, vale… ya sé qué es una entidad, pero ¿qué tiene que ver esto con los prompts?

Todo, en realidad. Cuando un usuario escribe un prompt está dando contexto.

A mi me gusta entenderlo como la programación orientada a objetos.

Por ejemplo, pensemos por un momento en la marca de coches Ferrari.

¿Qué se te viene a la cabeza?

En esencia, no deja de ser un coche, que es un objeto que usamos para ir del punto A al punto B.

Pero, las marcas tiene connotaciones que las hacen únicas y reconocibles.

Generalmente a Ferrari lo vamos a asociar con los adjetivos caro, rápido, rojo, etc.

Pd: si no te parece caro un Ferrari me puedes hacer un Bizum :P.

Eso lo podemos llamar el Top of Mind marketiniano y haciendo un simil con los LLMs, podemos decir que los LLMs tienen información intrínseca cuando se le menciona algo, una entidad y asocia cosas para generar una respuesta, lo que busca el usuario o introduce en en el prompt.

Entonces, nuestro trabajo como SEOs, y como GEOs consiste en generar un marco en el que los LLMs puedan leer, y asociar a un producto, una persona, una marca, etc.

Te dejo una tabla sencilla comparativa sobre las principales diferencias que se mencionan en el sector:

SEO GEO
Unidad Página / keyword Entidad / prompt
Objetivo Posición en SERP Mención / cita en respuesta
Métrica principal Ranking, CTR, tráfico Mention rate, citation rate, Share of Voice
Medición Search Console, GA4 Prompt tracking, AI visibility tools
Fuentes Tu web + backlinks Tu web + terceros (medios, Reddit, reviews, social media)

Los principales mitos sobre GEO

Antes de entrar en metodología, conviene desmontar algunos mitos habituales:

  • No existe una “posición 1” universal en ChatGPT. Cada prompt, cada modelo y cada momento pueden dar respuestas distintas.
  • Una mención no equivale a una cita. Que te nombren no significa que te citen como fuente. Más que nada porque si el usuario tiene que hacer el esfuerzo de buscar tu marca ya tiene está a un paso más de distancia de ti porque tiene que hacer el esfuerzo de ir a buscar tu web en vez de hacer click en un enlace directo.

Esto último me recuerda a una vez en clase, cuando estaba haciendo el Máster en Dirección de Marketing, una vez un consultor nos dijo que para que una persona fuera a un evento había una fórmula matemática que casi nunca falla, y es la siguiente:

El esfuerzo que tiene que hacer una persona para ir al concierto de, vamos a decir, los Chichos, tiene que ser menor que el beneficio percibido de acudir al concierto.

Esto quiere decir, que ya habiendo comprado la entrada, si fuera hace malo y llueve, y encima se le ha roto el coche, y tiene que ir en transporte público y comerse 2 horas, y ese día sentimentalmente no se encuentra bien porque le ha dejado la pareja… lo más probable es que no tenga el cuerpo de Ni más ni menos bajo la lluvia y se quede en casa.

Pues esto es lo que pienso en cuanto a que no se te cite como fuente directamente.

  • Tener llms.txt no garantiza visibilidad. Es una señal, no un mecanismo automático.
  • Añadir Schema no garantiza aparecer en respuestas generativas. Ayuda a la estructura, no a la selección.
  • Publicar más contenido no significa automáticamente mayor visibilidad. Importa la calidad, la estructura y la autoridad.
  • No todos los LLMs utilizan las mismas fuentes. ChatGPT, Perplexity y Gemini pueden recuperar información de sitios distintos.
  • Un experimento concreto no es una regla universal. Un incremento puntual de visibilidad no debe generalizarse sin más datos.

2. Antes de optimizar: mide tu visibilidad actual

Una estrategia GEO debería empezar por un diagnóstico, no por crear contenido.

Hay diferentes contextos, por ejemplo, si vas a lanzar un producto nuevo tienes que abrir camino, posicionar características de producto, ver qué se dice de la competencia. Para mí es más sencillo, y también más divertido.

En cambio, si tienes que hacer la estrategia para algo existente, que ya conoces seguramente te sepas de “pé” a “pa” lo que te gustaría ver cuando un usuario recibe una respuesta sobre tu marca.

Y, es probable que te lleves una sorpresa.

Más abajo te muestro un caso real, en el que queríamos y necesitábamos que los LLMs reconocieran ciertas características que estaban contrastadas por usuarios reales y eran percibidas por la mayoría de opiniones de los usuarios como verídicas, pero los LLM aún así decían que la competencia era la que más destacaba en esa característica aunque no fuera cierto.

Por eso, primero coge un papel y boli, o un bloc de notas e intenta mapear ejemplos de buyer persona que interactuarían con tu marca de alguna forma, y empieza a escribir preguntas para luego introducirlas en los LLMs.

Te dejo unos ejemplos que te pueden ayudar a romper el hielo.

Construye un universo de prompts

Las keywords siguen siendo útiles, pero el objeto de análisis cambia. En lugar de preguntarte:

“¿Para qué keywords quiero posicionar?”

Debes preguntarte:

“¿Qué preguntas podrían generar una respuesta en la que queremos aparecer?”

Categorías de prompts que conviene cubrir:

  • Informacionales — “¿Qué es X?”
  • Comparativos — “X vs Y”
  • Comerciales — “Mejores herramientas de X”
  • Transaccionales — “Contratar X en España”
  • Recomendación — “Recomiéndame un X para Y”
  • Problem-solving — “Cómo resolver X”
  • Brand — “¿Qué es [mi marca]?”
  • Product — “¿Qué hace [mi producto]?”
  • Competitor — “Alternativas a [competidor]”
  • Reputation — “Opiniones sobre [mi marca]”

Analiza las respuestas

Para cada prompt, registra:

Variable Descripción
Pregunta El prompt exacto utilizado
Mention ¿Aparece la marca?
Position ¿Dónde aparece dentro de la respuesta?
Citation ¿Se cita una fuente propia?
Source ¿Qué fuente utiliza el modelo?
Competitors ¿Qué competidores aparecen?
Framing ¿Cómo se describe la marca?
Accuracy ¿La información es correcta?

Esto convierte las respuestas de los LLMs en una fuente de información estratégica, no en un simple entretenimiento.

Identifica los gaps

El diagnóstico debe permitir detectar distintos tipos de problemas:

  • Visibility gap — la marca no aparece
  • Citation gap — aparece pero sin citar fuentes propias
  • Entity gap — aparece pero no se asocia con los atributos deseados
  • Content gap — falta contenido para una intención concreta
  • Authority gap — el modelo usa fuentes de terceros en lugar de las propias
  • Accuracy gap — el modelo usa información incorrecta o desactualizada

3. El framework de una estrategia GEO

Este apartado está más relacionado con el SEO Técnico, por lo que no se entiende GEO sin SEO.

Paso 1 — Asegura la accesibilidad técnica

Antes de intentar influir en las respuestas, asegúrate de que la información puede ser encontrada y procesada.

Revisa:

  • robots.txt — ¿bloqueas a los crawlers de IA?
  • Crawlers relevantes:
    • CCBot (Common Crawl)
    • GPTBot (OpenAI)
    • OAI-SearchBot (OpenAI)
    • PerplexityBot (Perplexity)
    • ClaudeBot (Anthropic)
    • Google-Extended (Google AI)
  • Indexability
  • Canonicalización
  • Renderizado (JavaScript, SSR)
  • Arquitectura web
  • Internal linking
  • Sitemap
  • Contenido accesible

Sobre llms.txt: es un archivo que algunas herramientas promueven como “estándar” para LLMs. Ayuda a estructurar la información, pero no es un mecanismo oficial de los principales LLMs y no garantiza visibilidad. Trátalo como una señal complementaria, no como la base de tu estrategia.

Por cierto, creo que es interesante que le eches un ojo a los crawlers. A veces por políticas de las empresas se bloquea el rastreo de alguno que otro, pero bueno, antes de hacer nada también deberías saber que los LLMs muchas veces se entrenan gracias a bases de datos comunes, datasets, y se ayudan de estos crawlers para scrapear webs y nutrir bases de datos con las que luego se entrenan los LLMs y otras tantas sin permiso también scrapean la información sin consentimiento.

Si os interesa escribiré algo sobre este apartado.

Paso 2 — Optimiza la entidad y su información

Una marca no es una colección de URLs. Es una entidad con atributos, relaciones y contexto, recuerda el ejemplo del Ferrari.

Construye una estructura clara de:

Entidad → productos → atributos → usos → problemas → beneficios → comparaciones → entidades relacionadas

La información debe ser:

  • Explícita — sin ambigüedades
  • Consistente — misma información en todos los canales
  • Factual — verificable
  • Fácilmente identificable — con nombres propios y relaciones claras
  • Contextualizada — con ejemplos y casos concretos

Paso 3 — Optimiza el contenido para respuestas generativas

Principios clave:

  • Answer-first writing — responde antes de desarrollar
  • Información atómica — cada bloque puede entenderse por sí solo
  • Headings descriptivos — que se entiendan fuera de contexto
  • Párrafos autónomos — sin depender de “como decíamos antes”, hay que ir al grano
  • Listas y tablas — fáciles de extraer
  • Definiciones claras — sin rodeos
  • Datos concretos — cifras, fechas, especificaciones
  • Ejemplos y FAQs

Sobre los chunks: un buen bloque de contenido debería poder entenderse incluso si se extrae de su contexto. Eso no significa que haya un tamaño universal de párrafo.

La clave es la autonomía semántica, no el número de palabras. Aquí puedes pensar en eso de “a buen entendedor, pocas palabras bastan”, pero tienes que cumplir un mínimo para que una persona que aún no conoce, entienda aún habiendo sacado de contexto la información.

Paso 4 — Construye autoridad más allá de tu propia web

Una estrategia GEO no puede depender solo de tu web. Los modelos obtienen información de muchos sitios:

  • Medios y publishers
  • Reddit y comunidades
  • Reviews y comparativas
  • YouTube
  • Blogs especializados
  • Marketplaces
  • Documentación técnica
  • Fuentes institucionales
  • Perfiles y publicaciones de expertos
  • Social Media

Trabaja:

  • Digital PR
  • Brand mentions (con y sin enlace)
  • Backlinks
  • Reviews
  • UGC (contenido generado por usuarios)
  • Colaboraciones con expertos
  • Contenido externo
  • Consistencia de información

El objetivo no es solo decir quién eres en tu web. Es que el ecosistema de fuentes que consultan los modelos describa correctamente quién eres, a qué te dedicas, qué te diferencia frente a la competencia, etc.

Esto depende también de, en caso de una marca, cómo quieren posicionarse en el mercado y de la estrategia que haya detrás, como puede ser el caso del go to market.

Paso 5 — Mide, aprende y vuelve a optimizar

GEO funciona como un proceso iterativo:

Baseline → hipótesis → implementación → medición → análisis → nueva hipótesis

No es una optimización one-off. Cada ciclo alimenta el siguiente.

4. Cómo crear contenido para motores generativos

Answer-first: responde antes de desarrollar

Muestra la respuesta principal antes de entrar en explicaciones secundarias. Si alguien lee solo el primer párrafo, debe entender la idea clave.

Escribe información que pueda ser reutilizada

Evita:

“Nuestra solución revolucionaria permite a las empresas llevar su estrategia al siguiente nivel.”

Define las características, da contexto, di cómo lo hacemos, por ejemplo:

“La plataforma permite gestionar auditorías técnicas, marcado Schema y métricas de visibilidad en IA desde un único panel.”

La segunda formulación contiene relaciones y funcionalidades concretas que un modelo puede identificar y sintetizar.

Utiliza entidades explícitas

Evita depender constantemente de:

  • “la compañía”
  • “la solución”
  • “el dispositivo”
  • “nuestra plataforma”

Usa nombres propios y establece relaciones claras entre conceptos.

Refuerza la información con datos y fuentes

Siempre que sea posible:

  • Fechas
  • Cifras
  • Especificaciones
  • Estudios
  • Documentación
  • Fuentes primarias
  • Autores
  • Metodología

Schema y estructura semántica

Schema tiene sentido para muchas cosas, y debes elegir los que más se ajusten a tu marca, o el objeto de la estrategia. Estos son solo unos ejemplos:

  • Article
  • Product
  • Organization
  • BreadcrumbList
  • FAQPage
  • HowTo

Recuerda, el Schema es una señal estructural, no un mecanismo automático para conseguir citas en LLMs.

5. Query Fan-Out: por qué una keyword ya no representa toda la intención

Qué es Query Fan-Out

Los sistemas de búsqueda generativa pueden descomponer una pregunta compleja en múltiples búsquedas o subtemas. Eso se llama Query Fan-Out.

Y te voy a mostrar un ejemplo práctico de cómo puedes ponerlo en práctica desde tu casa con tu teléfono móvil.

Coge el móvil > abre la aplicación de Google Lens > hazle una foto a un objeto > haz click en la barra del buscador

Esta es la foto que acabo de hacer mientras redacto esto. Es mi micrófono de pie de la marca Ewent:

foto para el ejemplo de query fan out con Google Lens

Luego si haces click en el buscador te aparecerá la lista de queries que más introducen los usuarios sobre el objeto al que le tomaste la foto.

ejemplo del query fan out que hace Google Lens al reconocer el objeto mediante Computer Visoin

Como puedes ver, lo que ocurre es que reconoce el objeto, retrae la información que encuentra o tiene almacenada en caché y luego te pinta la información sobre el objeto en pantalla y muestra la fuente en la que se basa.

Luego, también utiliza las queries más frecuentes de los usuarios sobre la entidad para hacerte preguntas y así continuar la conversación en AI Mode.

De una consulta a un territorio de información

Ejemplo: “¿Cuál es el mejor CRM para una pequeña empresa en España?”

Puede implicar:

  • Precio
  • Funcionalidades
  • Facilidad de uso
  • Integraciones
  • Soporte
  • Tamaño de empresa
  • Mercado español
  • Alternativas
  • Opiniones
  • Comparativas

Visualmente:

Prompt principal
    ↓
Subpreguntas
    ↓
Fuentes
    ↓
Síntesis

Cómo utilizarlo en una estrategia GEO

En lugar de crear una página para cada prompt, se construye cobertura temática suficiente alrededor de la intención que pueda tener un usuario o conjunto:

Prompt → Fan-out → Content cluster → Entity → Sources

El objetivo es que tu marca, producto, objeto esté presente en el ecosistema de información que el modelo consulta, no solo en una URL concreta.

Entonces, tienes que conocer las palancas que puedes accionar.

Generalmente conocer los procesos internos de la empresa te ayudará como estratega GEO a entrar en ciertos pipelines si no son tu responsabilidad directa.

Te muestro un caso de éxito para la estrategia orgánica.

Busca en Google “donde conseguir a eduardochi de kfc”.

A mi como usuario de España me aparece que la fuente principal es un Tik Tok de una influencer (pagada) queriendo conseguir a su Eduardochi en AI Overviews.

6. Caso real: aplicando una estrategia GEO a un proyecto

Para entender cómo se aplica una estrategia GEO en un entorno real, podemos analizar un trabajo que llevé a cabo para un cliente internacional del sector del tabaco calentado.

Por motivos de confidencialidad, no se identifica la marca ni se muestran datos que permitan asociar públicamente el proyecto con el cliente. Sí podemos explicar la metodología utilizada, las áreas de trabajo y algunos de los aprendizajes obtenidos durante la ejecución.

El proyecto resulta especialmente interesante porque la estrategia no se planteó como una acción aislada de optimización para LLMs.

El trabajo combinó SEO técnico, GEO, contenidos, páginas de producto, PR, Social Media, YouTube, CRM y otras acciones de marketing, con el objetivo de construir una presencia consistente de la entidad en diferentes puntos del ecosistema digital.

Además, permitió observar una característica especialmente importante de GEO: una mejora implementada en una web no tiene por qué aparecer inmediatamente en las respuestas de los modelos generativos, pero si le das una vuelta y usas el freshness a tu favor quizá te lleves una sorpresa.

6.1. El contexto del proyecto

El proyecto se desarrolló para una marca internacional del sector del tabaco calentado, con presencia en diferentes mercados europeos.

El trabajo se centró principalmente en España y Portugal, y combinó diferentes áreas:

  • SEO técnico
  • GEO / AI visibility
  • Estrategia de contenidos
  • Optimización de páginas de producto
  • FAQs
  • Datos estructurados
  • UX y arquitectura web
  • Digital PR
  • Social Media
  • YouTube
  • CRM
  • Loyalty
  • Store Locator
  • Optimización de performance

La estrategia también se organizó alrededor de diferentes perfiles de usuario, buyer persona:

  • Nuevos consumidores
  • Fumadores tradicionales
  • Usuarios de productos de la competencia
  • Usuarios actuales de la marca
  • Necesidades transversales de la categoría

Esto permitió conectar las necesidades de cada audiencia con diferentes tipos de preguntas, contenidos y puntos de contacto.

6.2. El diagnóstico inicial

Una de las primeras decisiones fue no tratar GEO como una acción independiente.

Antes de crear contenido específico, se trabajó sobre diferentes tipos de consultas y necesidades relacionadas con:

  • La categoría
  • Los dispositivos
  • La gama de productos
  • Sabores
  • Mantenimiento
  • Comparativas
  • Uso del producto
  • Disponibilidad
  • Customer Loyalty
  • Características del producto
  • Transición desde otras categorías

El análisis inicial de las respuestas generativas permitió identificar:

  • Qué información estaba presente en las respuestas
  • Qué competidores aparecían
  • Qué productos eran mencionados
  • Qué atributos se asociaban a cada entidad
  • Qué fuentes utilizaban los modelos
  • Qué información propia aparecía como fuente

A partir de ahí se estableció un sistema de monitorización para seguir la evolución de:

  • Mention Rate
  • Citation Rate
  • AI Visibility
  • Average Position
  • Presencia de competidores
  • Fuentes utilizadas
  • Productos mencionados
  • Atributos asociados a la entidad

6.3. De las keywords a los territorios de preguntas

Uno de los cambios importantes en la estrategia fue ampliar el concepto tradicional de keyword.

En lugar de trabajar únicamente consultas directamente relacionadas con el nombre del producto o la marca, se construyeron territorios de contenido alrededor de las necesidades de los usuarios.

Para un nuevo consumidor, por ejemplo, aparecían preguntas como:

  • ¿Qué es el tabaco calentado?
  • ¿Cómo funciona?
  • ¿Qué diferencia existe entre tabaco calentado, vapeo y cigarrillos?
  • ¿Cómo se utiliza un dispositivo?
  • ¿Qué características debería conocer antes de utilizarlo?
  • ¿Qué preguntas puede tener alguien que nunca ha utilizado este tipo de producto?

Para usuarios de otras marcas:

  • ¿Qué alternativas existen?
  • ¿Qué diferencias hay entre dispositivos?
  • ¿Qué características tienen unos productos frente a otros?
  • ¿Qué opciones existen en cuanto a sabores y experiencia?

Y para usuarios actuales:

  • ¿Cómo mantener el dispositivo?
  • ¿Cómo solucionar problemas habituales?
  • ¿Cómo utilizar la aplicación?
  • ¿Cómo funciona el programa de loyalty?
  • ¿Cómo conseguir y utilizar puntos?

¿Con qué objetivo?

Esto permitió crear una estrategia de contenidos que no dependía exclusivamente de búsquedas de marca, ya que se realizó un mapeo de las diferentes fases del customer journey para identificar pain-points, meeting points entre usuario y marca, percepción real de los usuarios, eventos […] para promocionar y distribuir el conocimiento de marca, mover o reactivar a los usuarios dependiendo de la etapa del funnel en la que estuvieran.

6.4. Las acciones realizadas

La estrategia se desarrolló a través de diferentes frentes que se reforzaban entre sí.

SEO técnico y accesibilidad

Se realizaron diferentes investigaciones y mejoras relacionadas con la capacidad del sitio para ser rastreado, interpretado y comprendido por buscadores y sistemas generativos. Entre ellas:

  • Investigación de datos estructurados para páginas de producto
  • Investigación y evolución del Schema utilizado en el sitio
  • Mejoras técnicas y on-page orientadas a GEO, de cara al lanzamiento de un nuevo producto
  • Revisión del rendering
  • Trabajo sobre robots y accesibilidad de crawlers, ¿por qué tenemos un disallow para CCBot?
  • Investigación y creación de llms.txt
  • Mejoras del Store Locator, funcionalidades, UX para ayudar a los usuarios
  • Optimización de páginas transaccionales, adición de características de producto que antes no se mencionaban
  • Revisión de headings
  • Mejoras de WPO
  • Optimización de imágenes
  • Implementación de Schema de Organization
  • Mejoras relacionadas con las imágenes sociales
  • Limpieza y optimización de elementos del sitio

El trabajo evolucionó durante los meses siguientes, pasando de la investigación inicial de datos estructurados a revisiones más específicas de aspectos técnicos y semánticos.

6.5. Construcción de contenido alrededor de las preguntas del usuario

La estrategia de contenidos se diseñó para cubrir diferentes etapas del journey.

Durante el periodo analizado se planificaron contenidos relacionados con:

Educación de categoría

  • Qué es el tabaco calentado
  • Tabaco calentado para principiantes
  • Transición hacia el tabaco calentado
  • Diferencias entre categorías

Producto

  • Características principales del dispositivo
  • Por qué elegir el producto
  • Comparativas entre dispositivos
  • Dónde comprar
  • Guías de uso

Mantenimiento

  • Mantenimiento del dispositivo
  • Troubleshooting
  • Prevención de problemas
  • Preguntas frecuentes

Producto y experiencia

  • Experiencias de usuarios reales
  • Sabores
  • Reducción del olor
  • Uso cotidiano
  • Aplicación móvil

Loyalty

  • Cómo funciona el programa de puntos
  • Beneficios de pertenecer al programa
  • Cómo utilizar la aplicación

La intención no era simplemente aumentar el volumen de contenido. Cada pieza respondía a una serie de preguntas concretas dentro del territorio de la entidad, creando conexiones entre producto, categoría, atributos, necesidades y usuarios.

6.6. Conectar contenido, producto y entidades

Otro elemento relevante fue la conexión entre diferentes tipos de páginas.

Los contenidos sobre determinados productos o características podían enlazar hacia:

  • Páginas de producto
  • Categorías
  • Contenidos relacionados
  • Store Locator
  • Páginas de compra
  • FAQs

De esta forma, la arquitectura no funcionaba únicamente como un sistema para distribuir autoridad SEO. También ayudaba a establecer relaciones claras entre:

Marca → producto → característica → necesidad → contenido → conversión

Este enfoque resulta especialmente relevante en GEO porque una marca no necesita aparecer únicamente cuando el usuario pregunta directamente por ella.

También puede aparecer cuando el sistema generativo responde a una necesidad relacionada con uno de sus productos o atributos.

Ejemplo de prompt de usuario: “sticks con mejor sabor”

6.7. La estrategia no se limitó al sitio web

Una estrategia GEO no debería limitarse a optimizar las páginas que controla directamente una marca.

En este proyecto, el trabajo se extendió también a medios externos, PR, Social Media, YouTube y CRM, con el objetivo de ampliar la presencia de la entidad en diferentes puntos del ecosistema de información.

Esto es especialmente relevante en GEO porque los sistemas generativos pueden utilizar fuentes de terceros para construir sus respuestas.

Por tanto, además de optimizar la información propia, también interesa entender qué información existe sobre la marca fuera de su propio dominio.

Si la empresa o marca para la que trabajas tiene un centro de opiniones, un buzón, o utiliza algún tipo de sistema de feedback como Trustpilot puedes crear un script sencillo en python y analizar qué se dice y detectar patrones para obtener ideas y generar nuevo contenido o rellenar los gaps informacionales.

Digital PR y medios externos

Durante el proyecto se trabajó con diferentes medios y publishers para generar cobertura alrededor de la marca, sus productos, lanzamientos, innovación y activaciones. Algunos ejemplos de publicaciones realizadas durante el periodo analizado fueron:

Medio Tema Fecha
Forbes.es Entrevista a un directivo Abril 2026
Forbes.es Información + publicidad sobre eventos venideros Abril 2026
Tapas Magazine Marca + eventos Abril 2026
Vanitatis / El Confidencial Placement de nuevo producto Abril 2026
Time Out Contenido asociado a la activación de la marca y nuevo producto Mayo 2026

Por ejemplo, la cobertura en Forbes.es, Tapas Magazine y Vanitatis / El Confidencial generó diferentes puntos de presencia externa alrededor de la marca y la participación en eventos de renombre a nivel interncional funcionó como un altavoz.

Se utiliza este tipo de eventos para publicitar / anunciar un producto. Imagina la final de la Champions y en el entretiempo te presento una nueva pizza con sabor a piña que no tiene piña.

El objetivo de esta actividad no era únicamente conseguir enlaces. Desde una perspectiva GEO, las publicaciones externas contribuyen a crear un ecosistema de información alrededor de una entidad, en el que diferentes dominios pueden describir la marca, sus productos, actividades o atributos.

De la cobertura puntual a la cobertura temática

Las publicaciones no se plantearon únicamente como acciones aisladas. La actividad de PR se integró teniendo en cuenta cuál era el público del medio, qué teníamos que contar y de qué forma podríamos impactarles:

  • Marca → empresa y portavoces
  • Producto → dispositivos y nuevos lanzamientos
  • Innovación → tecnología y diseño
  • Lifestyle → experiencias y activaciones
  • Categoría → educación sobre el tabaco calentado
  • Experiencia → usuarios, producto y contenido generado por usuarios

Esto permitió ampliar la presencia externa de la entidad alrededor de diferentes temas y para diferentes públicos.

Tienes que empaparte de la marca para destacar.

6.8. El efecto de la actualidad: noticias frente a información estructural de producto

Uno de los aprendizajes más interesantes del proyecto apareció al comparar dos tipos de información: noticias recientes y características estructurales de producto.

Las noticias y publicaciones de actualidad mostraron un comportamiento diferente. Al tratarse de contenido reciente y relacionado con acontecimientos concretos, determinados artículos publicados en medios externos comenzaron a aparecer como fuentes en las respuestas generativas prácticamente desde el inicio de su publicación. El mismo día que se publicó, jurado.

Por ejemplo, las publicaciones relacionadas con eventos y activaciones de la marca podían adquirir visibilidad rápidamente porque respondían a una necesidad de información reciente. Esto puso de manifiesto el papel de la freshness en determinados tipos de consultas.

Por lo que te dejo un takeaway:

Busca un hecho noticioso, algo de actualidad, una tendencia, un concierto, un evento deportivo, una escusa para hacer leverage del freshness y agilizar el placement de características de productos, por decir algo.

Sin embargo, el comportamiento fue diferente cuando se trataba de información más estable sobre las características de un producto. En estos casos, aunque la información ya hubiera sido publicada y la estrategia hubiera sido ejecutada, los modelos no reflejaron necesariamente los nuevos datos de forma inmediata.

Durante el proyecto observamos que determinadas características de producto continuaban siendo representadas según información anterior incluso después de que las páginas hubieran sido actualizadas. Fue necesario esperar a una nueva actualización o evolución del sistema utilizado para comprobar que parte de esa información comenzaba a reflejarse en las respuestas, en otras palabras: lanzaron ChatGPT Luna y todo lo que queríamos posicionar estaba siendo usado como referencia.

Se podría decir con pinzas que ocurrió un Core Update de Google pero en el LLM en el que queríamos posicionar.

Este comportamiento es especialmente relevante porque demuestra una diferencia fundamental respecto al SEO tradicional: publicar o actualizar una información no significa necesariamente que un modelo generativo vaya a incorporarla inmediatamente a sus respuestas, o no al menos de momento

La cadena puede ser más larga:

Actualización de la web
→ rastreo / descubrimiento
→ recuperación de información
→ actualización del sistema o modelo
→ nueva respuesta

Una consecuencia práctica

Por este motivo, una estrategia GEO necesita distinguir entre:

  • Información de actualidad → donde la freshness puede tener un papel importante
  • Información estructural → características de producto, funcionalidades, especificaciones o atributos que pueden tardar más en reflejarse

Esto cambia también la forma en la que debemos medir resultados. Si actualizamos una característica de producto hoy, no deberíamos asumir que la ausencia de cambio mañana significa que la estrategia no ha funcionado.

Es necesario establecer ventanas de medición suficientemente amplias y continuar monitorizando la evolución.

6.9. PR + contenido propio

La estrategia también buscó conectar la cobertura externa con el contenido del sitio. Por ejemplo:

PR
→ publicación externa
→ mención de marca/producto
→ contenido propio relacionado
→ página de producto / categoría

De esta forma, las publicaciones externas y el contenido SEO no funcionaban como actividades independientes. Cada canal contribuía a cubrir una parte diferente del mismo territorio informativo.

Además, las fuentes externas permitían reforzar temas que también estaban siendo trabajados dentro del sitio con enlazado externo.

Pro Tip: el idioma con el que se entrenan los LLMs principalmente es el inglés. Si tu empresa es internacional o cuenta con una versión alternativa en inglés, te recomiendo hacer los cambios primero ahí.

6.10. Una estrategia editorial conectada con el journey

La planificación mensual permitió conectar diferentes canales alrededor de un mismo tema.

Mes 1 — características y comparación de producto

  • Artículo sobre comparación de dispositivos
  • Contenido sobre características principales
  • Social Media relacionado
  • YouTube educativo
  • PR asociado a innovación y categoría

Mes 2 — educación y utilización

  • Qué es el tabaco calentado
  • Cómo empezar a utilizar el dispositivo
  • Tutoriales
  • Comparativas
  • Activaciones sociales
  • Contenido audiovisual

Mes 3 — experiencia y mantenimiento

  • Reducción del olor
  • Por qué elegir el producto
  • Contenido lifestyle
  • Experiencias de usuarios

Mes 4 — experiencia real

  • Transición al tabaco calentado
  • Experiencias de usuarios
  • Testimoniales
  • Review de un mes de uso

Mes 5 — producto y disponibilidad

  • Dónde comprar
  • Información sobre productos
  • Deep dives de producto
  • Contenido sobre disponibilidad

Y hasta aquí puedo leer. Espero que te sirva de ejemplo para tus futuras campañas.

Esta planificación es importante desde una perspectiva GEO porque permite generar múltiples fuentes y formatos alrededor de un mismo territorio semántico, en lugar de depender de una única página.

6.11. Un ejemplo de cómo se aplicó el enfoque

Una de las líneas de trabajo fue la relacionada con el mantenimiento del dispositivo. En lugar de limitarse a una única página comercial, se planteó una cobertura más amplia:

Producto
→ características
→ mantenimiento
→ problemas habituales
→ troubleshooting
→ tutoriales
→ contenido audiovisual
→ experiencia de usuario
→ fuentes externas

De esta manera, una pregunta como “¿Cómo mantener un dispositivo de tabaco calentado?” no depende exclusivamente de una página. Existe un conjunto de información relacionada que permite responder diferentes variaciones de la misma necesidad.

Este principio se puede trasladar a prácticamente cualquier sector: no optimices únicamente para una pregunta. Construye cobertura alrededor del territorio de preguntas que rodea una entidad.

6.12. La estrategia GEO como parte de una estrategia omnicanal

El principal aprendizaje de este proyecto es que GEO no funcionó como una disciplina aislada. Las diferentes acciones se reforzaron entre sí:

SEO técnico
↓
Contenido
↓
Producto y entidades
↓
PR y fuentes externas
↓
Social / YouTube / CRM
↓
Mayor cobertura informativa
↓
Monitorización de respuestas generativas
↓
Nuevas hipótesis

El resultado es una estrategia mucho más amplia que simplemente modificar textos para intentar aparecer en ChatGPT. La marca pasa a estar presente en diferentes puntos del ecosistema de información que puede utilizar un usuario —y potencialmente un sistema generativo— para construir una respuesta.

6.13. Resultados y limitaciones de publicación

Al tratarse de un proyecto realizado para un cliente real con el que ya no trabajo actualmente, no puedo publicar datos internos de visibilidad, evolución de KPIs, prompts monitorizados o resultados cuantitativos que permitan identificar el rendimiento de la marca.

Por este motivo, este caso no pretende presentar un supuesto incremento de visibilidad como una prueba pública de resultados, sino explicar cómo se planteó y ejecutó la estrategia y qué aprendizajes obtuvimos durante el proceso.

Sí puedo compartir un resultado especialmente relevante de forma agregada: los objetivos planteados para la campaña y la estrategia de contenidos terminaron consiguiéndose, incluyendo la incorporación progresiva de las características y la información de producto que se pretendía posicionar dentro del ecosistema de respuestas generativas.

El proceso, sin embargo, no fue inmediato. Como vimos anteriormente, las publicaciones de actualidad y las noticias mostraron una respuesta mucho más rápida. Los artículos publicados en medios con información reciente comenzaron a aparecer como fuentes desde las primeras fases, algo coherente con el peso que puede tener la actualidad en determinadas consultas.

En cambio, la información relacionada con características y atributos estructurales de producto necesitó más tiempo para reflejarse en las respuestas. Aunque las páginas y contenidos ya habían sido actualizados y la estrategia había sido ejecutada, durante un periodo los modelos continuaron utilizando información anterior. Fue necesario esperar a posteriores actualizaciones del sistema que estábamos monitorizando para comprobar que la nueva información comenzaba a aparecer.

Esto nos permitió extraer una conclusión importante: el tiempo de implementación de una acción GEO y el tiempo necesario para observar su efecto en un sistema generativo no son necesariamente el mismo.

Por tanto, una estrategia GEO no debería evaluarse únicamente con una comparación inmediata entre “antes” y “después”. Es necesario tener en cuenta:

  • El tipo de información que estamos intentando modificar
  • La frecuencia con la que cambia esa información
  • Las fuentes que utilizan los modelos
  • La capacidad de los sistemas para descubrir y recuperar nuevos contenidos
  • Las actualizaciones de los modelos o sistemas de búsqueda
  • El periodo transcurrido desde la implementación

En este caso, el resultado final confirmó que la estrategia consiguió trasladar progresivamente la información de producto que se quería reforzar a las respuestas generativas, pero también demostró que GEO requiere paciencia y monitorización continua.

No basta con hacer el cambio. Hay que comprobar cuándo empieza a reflejarse, en qué consultas aparece y qué fuentes está utilizando el sistema para construir la respuesta.

6.14. Qué funcionó y qué aprendimos

Comentemos varios aprendizajes de la ejecución del plan.

1. GEO necesita una estrategia transversal

La visibilidad generativa no se trabajó mediante una única optimización. Fue necesario combinar:

  • SEO técnico
  • Contenido
  • Páginas de producto existentes
  • Páginas de producto nuevas que entran al mercado
  • Datos estructurados
  • Internal linking
  • PR
  • Fuentes externas
  • Social Media
  • YouTube
  • CRM
  • Monitorización de prompts

La estrategia funcionó como un sistema, no como una colección de acciones independientes.

2. No toda la información se actualiza al mismo ritmo

Este fue uno de los aprendizajes más claros. Las noticias y contenidos vinculados a acontecimientos recientes podían aparecer como fuentes rápidamente, mientras que las características más estables de producto tardaron más en reflejarse.

Esto demuestra que freshness y actualización de conocimiento no deben tratarse como si fueran exactamente el mismo fenómeno.

3. Publicar no significa aparecer inmediatamente

Una página puede estar correctamente optimizada, indexada y disponible públicamente y, aun así, un modelo puede continuar utilizando información anterior. Por eso, una estrategia GEO necesita una fase posterior de monitorización.

4. La cobertura externa complementa al contenido propio

La estrategia de PR permitió generar información sobre la entidad fuera del dominio propio. Esto resulta especialmente interesante cuando analizamos qué fuentes aparecen posteriormente en las respuestas generativas.

El objetivo no es simplemente conseguir enlaces, sino contribuir a construir un ecosistema de información coherente alrededor de la entidad.

5. El resultado debe analizarse a largo plazo

El caso mostró que algunas acciones necesitan tiempo para producir señales observables. Por ello, medir GEO únicamente unos días después de implementar una modificación puede llevar a conclusiones prematuras.

La metodología debe ser:

Detectar → formular hipótesis → implementar → monitorizar → esperar → volver a analizar → iterar

Ese ciclo es, probablemente, una de las diferencias más importantes entre una estrategia GEO real y una simple lista de recomendaciones de optimización para ChatGPT.

7. Cómo medir GEO de forma rigurosa

Hay diferentes herramientas que pueden ayudarte a realizar seguimiento de prompts. Entre ellas: Brand Radar de Ahrefs, Omnia, Amplitude, LLM Pulse, Similarweb.

Las métricas principales

  • Mention Rate — % de prompts donde aparece la marca
  • Citation Rate — % de respuestas donde se cita una fuente propia
  • AI Visibility — métrica compuesta de la herramienta utilizada
  • Share of Voice — presencia frente a competidores en el conjunto de prompts
  • Average Position — posición relativa dentro de la respuesta (si la metodología lo permite)
  • AI Referral Traffic — tráfico procedente de interfaces generativas
  • Accuracy — % de respuestas donde la información sobre la entidad es correcta

Importante: no todas las métricas son directamente comparables entre herramientas. Documenta siempre:

  • Metodología
  • Conjunto de prompts
  • Modelo utilizado
  • Fecha de medición

Pd: no voy a entrar entre las discrepancias de los datos que hay entre herramientas.

8. Cómo crear un panel de prompts para monitorizar una marca

Crea un conjunto estable de prompts:

  • Informacionales
  • Comparativos
  • Comerciales
  • De recomendación
  • Problem-solving
  • De marca
  • De producto

Mantén constantes, en la medida de lo posible:

  • Prompts
  • Mercado
  • Idioma
  • Modelo
  • Frecuencia de medición

Y registra periódicamente:

Prompt → respuesta → mention → citation → source → competitor → framing

Esto permite detectar tendencias, no analizar respuestas aisladas.

9. Prompts para auditar la visibilidad de cualquier marca

Prompt 1 — Category visibility

“Actúa como un experto en [SECTOR]. ¿Cuáles son las principales soluciones disponibles en [MERCADO] para resolver [PROBLEMA]? Explica las diferencias entre ellas y las características que debería considerar un usuario.”

Prompt 2 — Brand visibility

“¿Qué es [MARCA] y qué productos o servicios ofrece? Explica sus principales características y para qué tipo de usuario están pensados.”

Prompt 3 — Competitive visibility

“Compara [MARCA] con [COMPETIDOR 1] y [COMPETIDOR 2]. ¿Cuáles son las principales diferencias entre ellos?”

Prompt 4 — Source audit

“Explica [TEMA] y cita las principales fuentes en las que se basa tu respuesta.”

Prompt 5 — Reputation

“¿Qué información y opiniones aparecen habitualmente sobre [MARCA]? Diferencia entre información oficial, reviews y opiniones de usuarios.”

Prompt 6 — Accuracy

“¿Qué afirmaciones sobre [MARCA/PRODUCTO] puedes verificar con fuentes fiables? Indica qué información tiene evidencia y qué información es incierta.”

10. Errores frecuentes al hacer GEO

  • Pensar que GEO consiste en escribir contenido para ChatGPT
  • Crear contenido sin analizar prompts
  • Confundir menciones con citas
  • Medir únicamente tráfico referral
  • Obsesionarse con llms.txt
  • Pensar que Schema garantiza visibilidad
  • Ignorar fuentes externas
  • No analizar a los competidores
  • No medir la precisión de la representación de marca
  • No volver a medir después de implementar los cambios
  • No ver el potencial de las redes sociales

Conclusión: GEO es un proceso, no una técnica aislada

Una estrategia GEO eficaz combina diferentes disciplinas:

SEO técnico + contenido + entidades + digital PR + autoridad + análisis de prompts + medición

El objetivo no es simplemente conseguir que una URL aparezca en una respuesta. Es aumentar la probabilidad de que, cuando un sistema generativo tenga que construir una respuesta sobre una determinada necesidad, encuentre, entienda y utilice correctamente la información relacionada con nuestra entidad.

Y para saber si lo estamos consiguiendo, necesitamos medirlo:

Prompt → Entity → Sources → Response → Visibility → Measurement → Optimisation

Espero que si has llegado hasta aquí, haya sido de ayuda.

Un abrazo,

Fabián.