GEO: te rastrean cientos de veces para mandarte una visita

Durante veinte años el trato con los buscadores fue sencillo y bastante justo: tú publicas contenido, ellos lo rastrean y a cambio te mandan visitas.

Ese trato se ha roto, y hay una métrica que lo enseña mejor que ninguna otra. Se llama ratio de rastreo por visita: cuántas páginas tuyas rastrea un robot por cada persona que te devuelve.

Los datos de red de Cloudflare de este año dan una idea de la magnitud del cambio:

Ahí está el problema en un gráfico. Un buscador clásico te devolvía una visita por cada puñado de páginas leídas. Un modelo de lenguaje puede leerse tu web entera muchas veces antes de mandarte a una sola persona.

Y una matización importante, porque este terreno cambia rápido: el ratio de OpenAI se ha desplomado de 1.276:1 a unos 217:1 a lo largo de 2026, precisamente porque sus referencias han crecido. Las de ChatGPT se han multiplicado por cinco desde enero. El canal está madurando, no desapareciendo.

Lo que se ha roto por el otro lado

La segunda mitad del cambio está en cuánta gente hace clic después de buscar.

En Estados Unidos, alrededor del 68 % de las búsquedas en Google terminan sin un solo clic hacia ninguna web, según los estudios de principios de este año. Hay mediciones algo más bajas, en torno al 58 %, según cómo se cuente. En móvil sube al 77 %; en escritorio baja al 46 %.

Cuando aparece un resumen generado por IA, la caída es más pronunciada: el porcentaje de búsquedas sin clic pasa de aproximadamente el 60 % al 83 %, y solo cerca del 1 % de quienes ven ese resumen hacen clic en alguna de las fuentes citadas.

Y en el modo conversacional puro, el que más se parece a lo que viene, los números son de otro orden: el 93 % de las búsquedas acaba sin clic, y la tasa de referencia cae al 1,6-2,5 % de las consultas frente al 17-19 % de la búsqueda tradicional.

Ojo con una cosa: estas cifras vienen de fuera, casi todas de Estados Unidos. Para España todavía no hay nada parecido publicado, y aquí no tiene por qué pasar lo mismo. Tómalas como una brújula que marca hacia dónde va esto, no como una previsión de lo que le pasará a tu web.

Entonces, ¿para qué molestarse?

Porque la pregunta ha cambiado. Si tu único objetivo es tráfico, esto son malas noticias sin matices. Pero para una empresa B2B el tráfico nunca fue el objetivo: era el intermediario.

Lo que está pasando es que el modelo se ha convertido en el que recomienda. Antes tu comprador veía diez enlaces azules y elegía; ahora recibe dos o tres nombres y una explicación de por qué. Estar entre esos dos o tres nombres es exactamente el mismo juego que estar en la lista corta mental de tu cliente. Solo que ahora hay un intermediario que la construye.

Es la misma lógica que en el reconocimiento de marca en B2B: la lista corta se hacía antes de que el comprador te llamara, mucho antes de que existieran estas herramientas. La IA no ha creado el problema: lo ha concentrado. Y cuando la respuesta te cita, el clic suele no llegar, así que lo que cuenta es que te nombre.

Qué hace que un modelo te cite

Esta es la parte accionable. Hasta hace poco lo que había aquí era criterio profesional: bastante consistente entre quienes trabajan esto a diario, pero criterio. En septiembre de 2026 Cyrus Shepard pidió a los 131 especialistas que habían respondido a su encuesta anual de factores de posicionamiento que puntuaran, de −3 a +3, cuánto pesa cada factor para que Google cite una página en sus respuestas de IA. No es un experimento controlado, es opinión experta agregada. Pero ordena el terreno mucho mejor que las listas que circulan.

Tres cosas saltan a la vista. Lo que Google sabe de tu marca y cuánto se fía de ella pesa más que cualquier táctica «para IA». La visibilidad en respuestas generadas se solapa casi entera con el SEO de siempre. Y los hechos concretos ganan a la información genérica. Con eso delante, lo que sigue se lee distinto.

El SEO sigue siendo la base, no un canal paralelo. Los modelos se apoyan en lo que ya está posicionado. Y hay un mecanismo que lo explica: cuando alguien pregunta algo a la IA de Google, esta lanza por detrás varias búsquedas relacionadas, las subconsultas o fan-out, y cita a quien posiciona en ellas. Fili Wiese lo resume en la encuesta: las páginas se citan porque posicionan, para la consulta visible o para las que hay debajo. Sin presencia orgánica no hay nada que citar. Quien te venda GEO como sustituto del SEO te está vendiendo humo.

La memoria del modelo es el factor del que casi nadie habla. Hay dos formas de acabar en una respuesta: que el sistema te encuentre buscando, o que el modelo ya te conozca de su entrenamiento. La segunda puntúa +2,08 y es la más difícil de trabajar. Dan Petrovic lo dice sin rodeos: aunque seas una de las fuentes recuperadas, si el modelo no te tiene en su memoria te recomienda menos, y entrar en los datos de entrenamiento es mucho más difícil que conseguir enlaces.

Estar indexado en Bing importa más de lo que parece. Parte de la búsqueda conversacional se apoya en su índice, no en el de Google. Es una comprobación de cinco minutos que casi nadie hace. Y Bing Webmaster Tools tiene un informe que Google no ofrece: las consultas que Copilot lanza a su buscador cuando alguien le pregunta algo. No son los prompts de la gente, son lo que el modelo busca para responderles, que para saber por qué te cita es casi mejor.

Los pasajes cortos y autocontenidos son los que se extraen. Un bloque de menos de ochenta palabras que responde una pregunta concreta y completa se cita con mucha más facilidad que el mismo contenido diluido en tres párrafos. Las tablas y las listas se reproducen casi literalmente. Los 131 encuestados mencionaron el chunking ocho veces, casi todas para decir lo mismo: no hace falta trocear el contenido para que Google lo entienda. Hace falta que tenga encabezados claros, tablas donde toque y la respuesta arriba, no al final.

Esto tiene una consecuencia de redacción que va contra el instinto de muchos redactores: cada sección debería poder leerse suelta. Si tu tercer apartado no se entiende sin haber leído el primero, es difícil de citar.

Aporta algo que no esté ya publicado. Un modelo entrenado con toda la web no tiene ningún motivo para citar el refrito número doscientos de un tema. Sí tiene motivo para citar datos propios, una medición que hayas hecho tú, un caso con cifras o experiencia de primera mano. Geoff Kenyon lo afina en la encuesta: un número concreto que ya está en todas partes no te gana la cita; lo que la gana es que sea concreto y único a la vez. Si diez páginas dicen lo mismo, la undécima tiene que traer algo que las diez no tenían.

Eso se puede convertir en una prueba que cabe en una frase: ¿este contenido dice algo que no se pueda reconstruir leyendo las diez primeras páginas que ya posicionan? Si la respuesta es no, puede estar bien escrito y ser correcto, y aun así no dar a nadie un motivo para elegirlo. Nosotros la puntuamos de 0 a 3 antes de tocar un texto:

Y un aprendizaje práctico: la vía que más rinde casi nunca es añadir un dato nuevo, es corregir algo falso o caducado que el texto ya afirmaba. Un algoritmo explicado al revés, una cifra que dejó de ser cierta, una definición que se quedó en 2015. Se verifica mejor, diferencia más y, en un tema donde las demás fuentes arrastran el mismo error, es lo que le da al modelo un motivo para citarte a ti.

Deja clara la entidad, pero no esperes que lo haga el schema. Los datos estructurados puntúan +0,80, y el fichero llms.txt, +0,05: Przemysław Charchan reunió siete estudios independientes sobre casi 500.000 dominios y en ninguno los robots de IA lo pedían por su cuenta. El marcado de organización sigue siendo recomendación oficial de Google y conviene tenerlo, pero es el último 5 % del trabajo, no el primero.

Donde de verdad se define quién eres es en la página de «sobre nosotros». Ann Smarty la ve entre las más citadas en sus auditorías: los asistentes la consultan para comprobar si una marca merece recomendarse. Lo que funciona ahí es lo verificable, no el eslogan. Años en el mercado con la fecha, clientes con nombre, premios con el año, menciones en medios con el enlace. Y que diga lo mismo que dicen tus perfiles en directorios y redes, porque la incoherencia entre fuentes es de lo que más desconfía un modelo. Y un bloque de casos de uso con tres datos por caso, para quién, qué problema y qué resultado: es lo que le dice al modelo para qué preguntas eres candidato.

Y lo que dicen de ti fuera pesa mucho. El consenso entre fuentes puntúa +1,81 y la reputación de quien publica, +1,78. Cuando un modelo tiene que recomendar dos opciones en vez de listar diez, se apoya en reseñas, comparativas y menciones de terceros para decidir. Los enlaces siguen contando, también para la IA, porque en décadas no hemos inventado mejor señal de confianza que la cita y la mención. Y hay algo nuevo: cuando un cliente le pregunta a un asistente por tu marca, este no se queda en tu web. Busca «reseñas», «quejas», mira Reddit y los comparadores de tu sector, y encuentra lo que intentabas que no se viera. Tu web dice lo que tú quieres; lo de fuera es lo que le sirve para elegir.

Así que haz tú primero lo que va a hacer el asistente. Busca tu marca sola y con «opiniones», «quejas», «precio», «alternativas» y «vs» seguido de tu competidor principal, y mira qué sale en Google, en Reddit, en los comparadores de tu sector y en YouTube. Lo que encuentres ahí es lo que el modelo va a resumir. Y pregunta a ventas y a soporte qué dudas aparecen antes de cerrar y qué quejas se repiten: cada una de esas objeciones sin respuesta pública es un hueco que el modelo rellenará con lo que diga otro. Precios, condiciones y limitaciones se explican mejor en tu web que en un hilo ajeno.

Por dónde empezar

No hace falta rehacer nada. Hace falta saber qué páginas tienen opciones y cuáles no. Puntúa cada página importante de 0 a 2 en siete criterios:

De 0 a 5, baja prioridad o rehacer. De 6 a 9, optimizar. De 10 a 14, candidata fuerte: ahí es donde merece la pena trabajar el primer párrafo, la tabla y el dato propio. Y para cada una, apunta qué subconsultas podría lanzar Google por detrás para responder la pregunta que cubre. Si ninguna página tuya las responde, ahí tienes el siguiente contenido que escribir.

Qué medir cuando el tráfico ya no sirve

Si tu cuadro de mando solo tiene sesiones orgánicas, este cambio se va a leer como un desastre aunque tu marca esté ganando terreno. Cinco cosas que sí informan:

• Menciones en respuestas generadas. Pregunta a las herramientas conversacionales lo que preguntaría tu cliente («mejores proveedores de X en España», «cómo elegir Y») y anota si sales, con qué contexto y junto a quién. Repítelo cada mes. Es artesanal y es la métrica más honesta que hay ahora mismo. Si el volumen te desborda, en nuestro repaso de herramientas SEO y GEO hay varias que lo automatizan.
• Tráfico de referencia desde herramientas de IA, separado en analítica. En GA4 basta con ir a «Adquisición de tráfico», elegir «Fuente/medio de la sesión» y filtrar por «gpt», «perplexity» o «claude». Es poco volumen, pero conviene ver si crece. Y el informe de páginas de destino con ese mismo filtro te dice qué páginas tuyas está citando la IA, que es la mejor pista sobre qué prompts las traen.
• Los prompts reales, en Search Console. En agosto de 2026 John Mueller confirmó que las consultas que la gente hace al modo IA de Google aparecen como consultas normales en Search Console. Ann Smarty propone filtrarlas con una expresión regular que se quede con las de diez palabras o más, ([^" "]*\s){10,}?, porque nadie teclea diez palabras en un buscador clásico. Un aviso: las que tienen cientos de impresiones suelen ser herramientas de seguimiento lanzando prompts, no personas. Los prompts humanos están en las consultas de cero o una impresión.
• Búsquedas de tu marca. Si alguien te descubre en una respuesta y luego te busca por nombre, el rastro está ahí y no en el clic.
• Y lo de siempre: cuántas oportunidades llegan diciendo que ya os conocían.

Una cadencia que funciona sin montar un departamento: Search Console, GA4 y errores técnicos cada semana; prompts largos, búsquedas de marca y reseñas cada quince días; menciones, enlaces y citas en respuestas de IA una vez al mes. Y una regla: cada mes, tres acciones, no treinta.

Una cautela con los datos, porque el suelo se mueve. Desde el verano de 2026 Google sustituye las URL de destino de sus resultados por redirecciones del tipo google.com/goto para quien no está identificado, precisamente para frenar a los robots que lo rastrean, incluidos los agentes de IA. Las herramientas de seguimiento de posiciones han tenido que adaptarse, y no todas a la misma velocidad. Si un día tu rank tracker dice que has desaparecido, comprueba antes la herramienta que la web.

Lo que yo no haría todavía

Tres cautelas, porque en este tema hay mucho vendedor de crecepelo.

No rehagas tu estrategia de contenidos entera por esto. El canal aún aporta una fracción mínima del tráfico. Lo sensato es empezar por adaptar el formato de lo que ya publicas (pasajes autocontenidos, tablas, datos propios) y no montar un departamento nuevo.

No montes nada sobre un fichero llms.txt. Es la propuesta que más se ha vendido como «optimización para IA», y el propio Google ha dicho públicamente que no lo usa. Entre los 131 expertos de la encuesta es además la que peor puntúa: +0,05, o sea, nada. Andrew Shotland lo despachó con una frase: un llms.txt y ocho dólares te dan un té con burbujas. Tenerlo no hace daño; contar con él sí.

Y cuidado con los vendehumos. En un tema tan nuevo circulan muchas cifras sin fuente. Si no sabes de dónde sale un número, no construyas nada encima.

Si vas a llevar una cifra a un comité, comprueba de dónde sale. Y si no la encuentras, cuenta el mecanismo en vez del número: el mecanismo es lo que va a seguir siendo cierto el año que viene.