Posicionamiento en ChatGPT

Imagina que tienes que invitar a un cliente a una cena de negocios. El problema es que debe ser en su ciudad natal, una ciudad que no conoces bien.

Hace apenas unos años, el proceso habría sido así: abres Google y escribes «restaurante cena de negocios Lisboa». Obtienes una lista de resultados. Abres un mapa y compruebas qué restaurantes están cerca de tu hotel. Luego empiezas a navegar por sitios web (para consultar el menú y el ambiente) y por reseñas (para no meter la pata). Tras unos minutos y una docena de pestañas abiertas, tu elección se reduce a unos pocos candidatos sólidos y puedes elegir uno con seguridad basándote en tu intuición.

¿Y hoy? Abres ChatGPT o Gemini y escribes todas las condiciones a la vez: «Busco un restaurante tranquilo en el centro de Lisboa para una cena con un cliente importante. Debe tener opciones vegetarianas, estar a menos de quince minutos a pie del Hotel X y tener buenas reseñas de personas que hayan organizado reuniones de negocios allí».

La tarea en sí no ha cambiado, pero la máquina ahora se encarga de gran parte del trabajo. El modelo refina tus criterios, busca en las fuentes, combina la información y te presenta algunas opciones. Es posible que solo visites la web del restaurante cuando quieras ver el menú o reservar una mesa. O puede que no la visites nunca.

Hace unos años escribí sobre el fenómeno de cero clics. Ya entonces, Google intentaba satisfacer las necesidades del usuario sin sacarlo de su propia página. Horarios de cine, conexiones de vuelos, precios de hoteles o respuestas extraídas directamente de un artículo: todo aparecía directamente en los resultados de búsqueda. ¡Y eso fue antes de la era de los resúmenes de IA!

En 2024, según un estudio de SparkToro y Datos, el 59,7 % de las búsquedas en la Unión Europea terminaron sin un clic hacia un resultado externo a Google. El usuario simplemente cerraba la sesión o cambiaba su consulta.

Los resúmenes de IA no hacen más que amplificar este fenómeno. El Pew Research Center analizó casi 69.000 búsquedas realizadas por 900 adultos estadounidenses. Cuando aparecía un AI Overview —el resumen generado por IA que se muestra sobre los resultados de búsqueda tradicionales—, los usuarios hacían clic en un resultado convencional solo el 8 % de las veces. Sin el resumen de IA, lo hacían el 15 % de las veces. Y aquí hay otro punto importante: los resúmenes de IA de Google incluyen un enlace a la fuente (para que puedas verificar por ti mismo si la IA está inventando algo). La gente hacía clic en ellos… menos del 1 % de las veces.

Al mismo tiempo, cada vez más personas comienzan su búsqueda de información fuera de Google. Según un estudio de Mediapanel, en junio de 2025, 9,33 millones de usuarios de internet en Polonia utilizaban ChatGPT, lo que representaba el 31,37 % de la población online encuestada. El grupo más numeroso era el de usuarios de entre 25 y 34 años: personas que no solo están aprendiendo y experimentando, sino que también trabajan, compran y toman decisiones comerciales.

Por tanto, cuando hablamos de posicionarse en ChatGPT, ya no se trata solo de clics. Cada vez más, luchamos simplemente por lograr que la marca aparezca en la respuesta que el usuario está utilizando para construir su lista de opciones. Nadie te elegirá si ni siquiera estás en esa lista.

La IA cambia la parte superior del embudo y comprime el medio

Buscar en Google requería cierto conocimiento previo. Sobre todo, requería la capacidad de nombrar la solución. Permíteme ponerte un ejemplo.

Imagina que diriges una pequeña agencia de publicidad. Tu problema es que los clientes te envían consultas por correo electrónico, Instagram, WhatsApp y LinkedIn. Además, varias personas dentro de la agencia responden a las consultas; a menudo ocurre que la persona A no sabe que la persona B ya ha respondido al mensaje de un cliente.

La solución a tu problema es un buen sistema CRM. O quizás un sistema de gestión de proyectos si, más allá de monitorizar la correspondencia, también quieres controlar el progreso de los proyectos. Pero necesitas saber esto antes de poder buscar diversos sistemas CRM o de gestión de proyectos en Google. No es tan grave cuando el sitio web del proveedor del CRM tiene artículos sobre tu problema exacto; entonces, de algún modo, encontrarás la solución. Pero, ¿qué pasa si las descripciones se centran únicamente en las características del producto? Ese es el caso de la mayoría de las industrias no orientadas al marketing: aprendes qué tipo de montura tiene un trípode para cámara, pero no si encajará en tu estudio o si servirá para grabar podcasts.

En una conversación con un LLM, puedes empezar describiendo el problema con tus propias palabras: tus necesidades, tus síntomas. El modelo te hará preguntas de seguimiento:

¿La dificultad aparece al captar clientes o después de firmar el contrato?
¿El cliente solo debe ver actualizaciones de estado, o también comentar y aprobar materiales?
¿El equipo necesita registro de horas, facturación y cobros?
¿Cuántos proyectos se gestionan a la vez y cuál es el presupuesto?

Basándose en tus respuestas, el modelo puede reducir tu necesidad a un sistema ligero de gestión de proyectos con portal para clientes, o simplemente a un CRM. Empiezas la conversación describiendo el problema —de forma torpe, probablemente, algo como «nuestra agencia es un caos»— y terminas con una categoría definida e incluso recomendaciones de herramientas específicas.

Así, la parte superior del embudo está cambiando. El LLM ayuda al usuario a detectar el problema, organizar los síntomas y conectarlos con una categoría de soluciones. Una marca puede entrar en la conversación antes de que el cliente potencial sepa siquiera el nombre del producto que necesita.

Pero es el medio del embudo lo que más se comprime. Antiguamente, un usuario abría entre varias y hasta una docena de pestañas, leyendo artículos, foros, reseñas y comparativas. Él mismo seleccionaba los argumentos recurrentes y construía su propia lista de opciones. Ahora, el LLm se encarga de gran parte de la síntesis y del filtrado inicial.

El embudo antiguo era más o menos así: necesidad → frase de búsqueda en Google → lista de resultados → varias fuentes → comparación → lista de opciones → web de la marca → decisión

El nuevo camino suele ser más corto: síntomas → conversación con la IA → definición de la necesidad → criterios y lista de opciones → verificación de la marca → decisión

Cada vez más, el trabajo de búsqueda lo realiza en nombre del usuario un modelo con acceso a un motor de búsqueda: puede enviar varias consultas, revisar las fuentes y entregar el resultado. Si tu marca no aparece en el conjunto de materiales sobre los que se construye esa síntesis, tiene pocas posibilidades de entrar en la lista de opciones.

¿Qué significa realmente «posicionarse en ChatGPT»?

El término suena familiar porque lo hemos tomado prestado del SEO. En Google, puedes rastrear aproximadamente la posición de una página para una frase determinada. Las respuestas de los modelos de lenguaje son mucho menos estables. Dependen de cómo se formule la pregunta, del contexto de la conversación, de la ubicación, de las herramientas disponibles, de las fuentes utilizadas y de la versión actual del modelo.

Por eso, la visibilidad de marca en los LLM se debe rastrear en tres dimensiones:

Mención: el modelo nombra la marca en su respuesta.
Citación: la respuesta incluye un enlace a la página de la marca o la menciona como fuente.
Recomendación: la marca entra en la lista de opciones que se ajustan a la situación del usuario.

Cada dimensión tiene un valor distinto y puede ocurrir de forma independiente a las demás.

Una mención puede generar reconocimiento de marca y también atraer tráfico que… no se atribuye a ninguna fuente específica. Me sucede todo el tiempo: el modelo menciona una herramienta y yo abro una nueva pestaña en el navegador para buscar su nombre. La analítica mostrará mi visita como «desde Google» o incluso como «tráfico directo».
Una citación puede atraer tráfico, y un tráfico que realmente se puede medir; si un LLM me muestra un fragmento de un artículo, probablemente haga clic para leerlo completo. Pero cuidado: solo si el fragmento citado no responde totalmente a mi pregunta (¿recuerdas que solo el 1 % hace clic en los enlaces de los resúmenes de IA?).
Una recomendación influye directamente en la decisión, incluso si el usuario no hace clic en ningún enlace.

En las discusiones del sector, encontrarás varios nombres para esta práctica:

GEO (Generative Engine Optimization)
AEO (Answer Engine Optimization)
LLMO (Large Language Model Optimization)
AI SEO o simplemente posicionamiento en IA.

Discutir sobre cuál es el mejor acrónimo no aporta mucho al trabajo diario. Todos llevan a la misma pregunta: ¿qué tienes que hacer para que el sistema encuentre información sobre tu marca, la entienda correctamente y tenga un motivo para usarla en su respuesta?

¿De dónde obtienen las respuestas ChatGPT y otras herramientas de IA?

Un LLM tiene dos capas de las que extrae conocimiento sobre tu marca. La primera —y la que domina el pensamiento popular— es que el LLM «sabe» todo gracias a su entrenamiento. Si eres una marca conocida o una celebridad mencionada repetidamente en internet, esto es cierto. El problema es que los datos integrados durante el entrenamiento no se pueden actualizar simplemente publicando un artículo hoy en tu sitio web.

La capa que es mucho más práctica para un profesional del marketing es la segunda: buscar y recuperar información mientras genera la respuesta. Los sistemas equipados con esta capacidad —incluyendo ChatGPT Search, Perplexity, Google AI Overviews, AI Mode o Microsoft Copilot— pueden extraer información de páginas en vivo, índices de búsqueda y bases de datos adicionales.

Google describe un mecanismo llamado query fan-out utilizado en sus funciones de IA: el sistema descompone una pregunta compleja en varias consultas más pequeñas que cubren diferentes aspectos del problema. Para una pregunta sobre un restaurante tranquilo, podría consultar por separado la ubicación, el menú, las reseñas, el horario de apertura y el ambiente; luego, fusiona los resultados en una única respuesta.

Esto tiene dos consecuencias importantes. Primero, el SEO clásico sigue afectando a la visibilidad en la IA, porque una página aún debe ser descubierta, leída e indexada. Segundo, la «palabra clave principal» única pierde parte de su antiguo poder. Una marca debe estar bien descrita en toda la red de temas, preguntas, casos de uso y relaciones que un modelo podría activar al buscar una respuesta.

El resto del trabajo se puede resumir en cinco verbos: encontrar → entender → confirmar → citar → medir.

Paso uno: pon en orden tu visibilidad en Google y tus bases técnicas

Antes de lanzarte al posicionamiento en ChatGPT y otros LLM, debes comprobar si el posicionamiento tradicional de tu marca en Google está en buen estado. ¿Por qué? Porque funciones como los featured snippets, Google Maps, el Local Pack y los paneles de conocimiento existían antes que las respuestas generativas. Siguen ocupando un espacio valioso en Google y muestran si el motor de búsqueda entiende correctamente una empresa, una persona, un producto o un lugar.

Featured snippets (Fragmentos destacados)

Un featured snippet extrae un fragmento de una página y lo muestra en un lugar destacado de los resultados. Google elige la página y el fragmento por su cuenta, por lo que no hay un formulario de envío ni una etiqueta que garantice que obtendrás uno.

Sin embargo, puedes facilitar la elección de Google:

construye encabezados basados en las preguntas reales que hacen los usuarios;
coloca una respuesta corta y autónoma directamente debajo del encabezado;
utiliza listas numeradas cuando la pregunta trate sobre pasos a seguir;
usa tablas claras cuando el usuario esté comparando parámetros;
cuida la indexación, el enlazado interno y el HTML semántico;
cita tus fuentes y actualiza la información que caduca rápido.

El fragmento debe tener sentido por sí mismo una vez extraído del resto del artículo. Esa misma calidad lo hace más útil para un sistema que construye una respuesta de IA.

Tampoco existe un tipo especial en schema.org para los featured snippets. Lo que debes vigilar son las directivas que controlan las vistas previas. nosnippet bloquea el uso de tu contenido en fragmentos normales y destacados, data-nosnippet excluye una sección marcada de la página, y un max-snippet bajo limita cuánto texto puede mostrar Google. Si quieres aparecer en las respuestas, no te pongas estos bozales por accidente. Google detalla las reglas y controles en su documentación sobre featured snippets.

Google Maps y el Local Pack

Para un negocio local, la base es un Perfil de Empresa en Google verificado y actualizado. El nombre, la categoría principal, la dirección o área de servicio, el teléfono, el horario, los servicios, las fotos y las reseñas deben describir al mismo negocio que el usuario ve en tu sitio web.

Google menciona tres grupos principales de señales para los resultados locales: relevancia, distancia y prominencia. No puedes cambiar la distancia con un buen texto de SEO. Lo que sí puedes hacer es:

describir tu categoría con precisión,
mantener tus datos completos,
conseguir reseñas auténticas,
construir la presencia de tu negocio en fuentes locales y sectoriales creíbles.

El nombre real de tu empresa funciona mejor que un nombre saturado de palabras clave. «Floristería Jardín de Rosas» debería seguir siendo «Floristería Jardín de Rosas», en lugar de convertirse en «Floristería Jardín de Rosas – ramos de boda baratos entrega el mismo día». Google también prohíbe perfiles para oficinas virtuales y la compra o solicitud selectiva de reseñas positivas. Puedes pedir de forma neutral una reseña a cada cliente real y responder tanto a los elogios como a las críticas. Una idea muy buena es usar un código QR que lleve a la gente directamente a la página donde pueden dejarte una reseña.

Las directrices de posicionamiento local de Google no ofrecen atajos de pago para llegar a la cima del Local Pack orgánico.

Si una empresa tiene varias ubicaciones, vale la pena crear una página independiente e indexable para cada una real. Incluye datos de contacto, horarios, alcance del servicio, indicaciones para llegar y el subtipo correcto de LocalBusiness. Los datos estructurados ayudan a conectar los hechos, pero el posicionamiento sigue impulsado por la relevancia, la distancia y la prominencia.

El panel de conocimiento

Un panel de conocimiento aparece cuando Google reconoce a una persona, organización u otro concepto como una entidad y puede reunir información de múltiples fuentes. Lo que ayuda aquí es:

una página de «Nosotros» o «Sobre el autor» inequívoca;
un nombre y una descripción consistentes de lo que haces;
datos estructurados para Organization, Person y ProfilePage;
la propiedad sameAs que apunta a tus perfiles oficiales;
publicaciones independientes y creíbles que confirmen los datos clave;
un Perfil de Empresa en Google actualizado, si la marca opera localmente.

Si ya existe un panel, la persona u organización que representa puede reclamarlo y sugerir correcciones. Sin embargo, añadir simplemente un esquema o un perfil social no obliga a Google a crearlo. Google construye la imagen de una entidad a partir de muchas señales consistentes.

Tras la verificación, el reclamante puede proponer cambios, pero el contenido final del panel sigue dependiendo de Google. Respalda cada corrección con una fuente pública. Cuando una descripción incorrecta provenga de un sitio externo, corrige también esa fuente; de lo contrario, el error puede resurgir la próxima vez que se procesen los datos. Google describe el proceso de reclamación del panel de conocimiento.

Pide a un agente que audite la visibilidad de tu sitio

Antes de empezar a crear contenido especial para la IA, comprueba si los rastreadores pueden siquiera llegar a lo que ya tienes. Un agente con acceso a internet y al código de tu sitio puede encargarse de una gran parte de la auditoría técnica.

Pídele que compruebe:

las respuestas del servidor y los redireccionamientos;
el archivo robots.txt y el sitemap;
las directivas noindex, nosnippet y canonical;
los títulos, las meta descripciones y la estructura de encabezados;
el enlazado interno —y, tras ejecutar un rastreo completo del sitio y compararlo con el sitemap, también las páginas huérfanas—;
si el contenido más importante es accesible en el HTML;
los datos estructurados y si coinciden con el texto visible para los humanos;
el acceso para Googlebot, Bingbot, OAI-SearchBot y PerplexityBot;
información inconsistente sobre tu nombre, autor, oferta, dirección o perfiles de marca.

Un ejemplo de instrucción (prompt) podría ser este:

Prompt

Realiza una auditoría pública de `[URL]` para la visibilidad en Google. Comprueba la página de inicio y las subpáginas más importantes, el archivo `robots.txt`, el sitemap, la indexabilidad, los canonicales, los metadatos, los encabezados y el enlazado interno. También evalúa si la información de la marca forma una imagen coherente de la entidad. No adivines. Para cada problema, cita la URL de la página o el fragmento de código que lo demuestra. Presenta los resultados en una tabla: problema, evidencia, impacto, prioridad y solución recomendada. Separa las observaciones que pueden hacerse públicamente de los datos que requieren acceso a Google Search Console o analítica.

Esa última frase es muy importante. Un agente que observa tu sitio público no conoce las consultas para las que aparece, el número de impresiones, el CTR o los problemas visibles solo dentro de los paneles de control del propietario.

Esto nos lleva al siguiente tema.

¿Cómo le pasas datos de Google Search Console a un agente?

Tienes tres opciones razonables. La elección depende principalmente de si estás haciendo una auditoría puntual o construyendo un proceso continuo.

| Necesidad | Método de acceso | Nivel de dificultad |
|---|---|---|
| Análisis puntual | Exportación a CSV, Excel o Google Sheets | bajo |
| Navegación manual de algunos informes | Cuenta separada con acceso limitado en el navegador | bajo a medio |
| Monitorización continua | API de Search Console con acceso de solo lectura | medio a alto |

El método más sencillo no requiere ninguna integración. Exporta los datos de consultas y páginas del informe de Rendimiento a un archivo CSV o Google Sheets. Luego, entrega el archivo al agente y pídele un análisis. Para empezar, vale la pena exportar al menos tres meses de datos que incluyan consultas, páginas, clics, impresiones, CTR y posición media.

Una exportación estándar de informes contiene hasta las 1.000 filas principales visibles en el informe. En un sitio más grande, esto significa que el agente verá la parte más importante de las consultas pero podría perderse la "cola larga" (long tail). Menciona esto en tu instrucción. El enfoque más seguro es entregar tres exportaciones separadas: consultas, páginas y fechas con una comparación entre periodos. Google documenta el alcance de la exportación en el centro de ayuda de Search Console.

El agente puede entonces detectar:

páginas con muchas impresiones y bajo CTR;
consultas donde el contenido no satisface la intención del usuario;
páginas que compiten por las mismas consultas —siempre que proporciones la relación consulta-página extraída mediante la API o filtrada en la interfaz—;
temas que ganan o pierden visibilidad;
preguntas que merecen su propia respuesta citable;
diferencias entre el tráfico de marca y el tráfico no de marca.

Para un trabajo continuo, es más cómodo el acceso a través de la API de Search Console o una integración ya preparada. Una guía paso a paso queda fuera del alcance de este artículo, pero la documentación de Google cubre todo lo que tú o tu webmaster necesitan saber.

La tercera vía utiliza un agente que opera dentro de un navegador con sesión iniciada. Te aseguras de que tu ChatGPT o Claude tengan acceso al navegador, inicias sesión en tu cuenta de Google y dejas que el agente tome el control. Navega por lo que neceszca. Presta atención a la seguridad aquí: un agente de navegador tiene exactamente los mismos permisos que tú, así que si tu Search Console tiene más de un cliente vinculado (por ejemplo, si eres una agencia) o no estás totalmente seguro de lo que haces, al menos crea una cuenta de Google Search Console separada, inicia sesión con ella y deja que el agente trabaje dentro de esos límites. Una instrucción escrita en el prompt ayuda a dirigir al agente, pero solo los permisos del sistema restringen realmente lo que puede hacer.

Mi método preferido es la API. A través de ella, un agente puede analizar el análisis de búsqueda (Search Analytics), los sitemaps y los datos de inspección de URLs: el estado de indexación de una página, bloqueos, el canonical que Google eligió realmente, la última fecha de rastreo y los resultados enriquecidos detectados. La API de inspección de URLs muestra la versión conocida por el índice, no una prueba en vivo de la página actual. Por eso, los datos del panel deben complementar la la auditoría pública de código, no sustituirla.

La regla más sencilla es: primera auditoría — CSV; análisis en la interfaz — cuenta separada con acceso limitado; monitorización continua — API de solo lectura.

Paso dos: construye una entidad inequívoca

Una entidad es un objeto reconocible: una persona, una empresa, una marca, un producto, un evento o un lugar. «Paul Skah» puede ser solo una cadena de caracteres, pero para el sistema debe significar una persona específica conectada a ciertos libros, a la empresa MIDEA, temas de conferencias, un sitio web oficial y perfiles sociales.

El modelo debe resolver varias cosas:

¿Cómo se llama la marca? Para mí, es Paul Skah.
¿A qué categoría pertenece? Para mí, Paul Skah es una persona.
¿Qué ofrece y a quién ayuda? Tengo varias páginas que describen mis servicios, programas de formación, etc.
¿Dónde opera? No soy un negocio local, así que no me encontrarás en Google Maps.
¿Qué personas, productos y organizaciones están conectadas a ella? He escrito tres libros, cada uno con su propia página.
¿Qué perfiles y páginas describen el mismo objeto? Tengo una etiqueta sameAs que apunta a mis perfiles en redes sociales y también a mi entrada de Wikipedia (sí, tengo una). En agosto de 2026, Google también empezó a permitir que se añadieran perfiles sociales en Google Search Console (no todos todavía — actualmente Instagram, TikTok, YouTube y X) — vale la pena hacerlo.
¿Qué fuentes independientes confirman esta información?

Empieza con tu propio sitio web. Debe tener una página de «Nosotros» o «Sobre el autor» inequívoca, datos de contacto completos, una descripción clara de la categoría y enlaces a perfiles oficiales. La información repetida en el pie de página, la página de contacto, la biografía y los datos estructurados debe coincidir.

Schema.org ayuda a transmitir parte de esta información en un formato legible por máquinas. Para una empresa, Organization o LocalBusiness suele bastar; para un autor, Person y ProfilePage; para contenido, Article o BlogPosting; para la navegación, `BreadcrumbList. La propiedad sameAs puede conectar la entidad con perfiles oficiales y otras páginas que describen el mismo objeto.

Los datos estructurados deben reflejar el contenido que los usuarios pueden ver realmente. Google puede ignorar premios, reseñas o relaciones añadidas solo en el código, y una discrepancia puede violar sus directrices de datos estructurados.

¿Necesita cada empresa una entrada en Wikidata?

Wikidata es un grafo de conocimiento abierto donde la información se registra como relaciones: una persona es el autor de un libro, una empresa tiene su sede en una ciudad, un producto pertenece a una marca. Ese formato facilita el reconocimiento inequívoco de la entidad. Sin embargo, crear un elemento en Wikidata no proporciona una ventaja documentada en ChatGPT.

Una entrada en Wikidata tiene sentido cuando una persona u organización cumple con los criterios de notoriedad del proyecto y puede describirse mediante fuentes serias y públicas. Cada afirmación significativa debe llevar a una fuente. Una ficha promocional basada únicamente en el sitio web del sujeto puede ser cuestionada o eliminada.

Si tu entidad cumple estas condiciones:

comprueba si ya existe un elemento para no crear uno duplicado;
añade una etiqueta y descripción concisas que distingan la entidad de otras con nombres similares;
completa propiedades como sitio web oficial, industria, sede, autoría o organizaciones relacionadas;
respalda las afirmaciones importantes con fuentes independientes;
enlaza el elemento con otras entidades existentes.

Trata a Wikidata como una pieza posible para organizar la identidad de tu marca, cuando existan los motivos para ello. Antes de eso, asegúrate de tener un sitio web coherente, datos estructurados, perfiles sectoriales y publicaciones independientes.

Paso tres: publica contenido que valga la pena usar en una respuesta

Un modelo que construye una respuesta necesita algo más que la afirmación genérica de que una empresa es un «líder en calidad». Busca fragmentos que ayuden a responder a una pregunta específica.

Lo más útil es:

definiciones claras;
respuestas cortas a preguntas específicas;
procedimientos paso a paso;
tablas comparativas;
datos originales y resultados de investigaciones;
métodos y experimentos documentados;
casos de estudio con números reales;
comentarios de expertos;
información actualizada junto con la fecha de cambio.

El estudio que dio origen a la popularidad del término GEO descubrió, en experimentos controlados, que añadir fuentes creíbles, estadísticas concretas y citas de expertos aumentaba la visibilidad del contenido en las respuestas generadas. Trata el resultado como una señal orientativa más que como una verdad absoluta, ya que el experimento no modela todos los sistemas modernos ni todas las industrias.

El buen contenido debe ser fácil de citar sin perder su sentido. Si un encabezado hace una pregunta, las frases que le siguen deben responderla. Solo después de eso debes añadir contexto, antecedentes y excepciones. Los lectores agradecen una respuesta rápida, y a un sistema le resulta más fácil emparejar el fragmento con la pregunta correcta.

La mayor ventaja proviene del material que tus competidores simplemente no pueden copiar: tus propios datos, experiencia práctica en proyectos, un marco de trabajo original, un experimento bien documentado o una colección de ejemplos reales. Otro texto que resume los artículos de otras diez personas aumenta el volumen de palabras en internet, pero rara vez aumenta su conocimiento. Deja ese tipo de contenido para las redes sociales.

Paso cuatro: asegúrate de que otros también confirmen tu posición

Tu propio sitio web dice quién quieres ser. El resto de internet muestra quién cree el entorno que eres.

Las publicaciones del sector, los podcasts, las conferencias, las reseñas, los directorios relevantes de la categoría, los perfiles de autor y los comentarios de expertos ayudan a los sistemas a confirmar el vínculo entre una marca y un tema. Lo que importa es la calidad y el contexto de la mención. Un directorio de empresas aleatorio aporta menos que un artículo en un medio respetado donde un experto explica un problema dentro de su especialidad.

Yo me esfuerzo en hablar con los medios como una forma de ganar citaciones. Aquí tienes algunos ejemplos:

Mi comentario para Forbes sobre el ranking de las 100 marcas personales femeninas más valiosas (este es de pago)
[Cómo leer un informe sobre el valor de la marca personal], escrito para Wirtualne Media
[Mi comentario sobre un artículo sobre nombres divertidos de empresas y marcas], para Bankier.pl

Hace tiempo, al escribir sobre la marca personal de un bloguero, utilicé el término content graph (grafo de contenido): muéstrame quién te publica y te diré quién eres. En el mundo de la búsqueda generativa, esta regla cobra un nuevo significado. Un LLM puede basar su respuesta en una fuente externa que confirme la experiencia de la marca, incluso sin citar el sitio web de la propia marca.

Así que construye asociaciones repetibles y genuinas: marca → categoría → problema → prueba → fuente externa

Comprar menciones falsas, crear reseñas ficticias y saturar páginas aleatorias con el nombre de tu empresa solo añade ruido. La credibilidad crece cuando las fuentes independientes tienen un un motivo real para escribir sobre tu marca.

Paso cinco: mide tu visibilidad en las respuestas

Una pregunta hecha una vez en ChatGPT te da una anécdota. Una medición significativa requiere un conjunto fijo de prompts y un proceso repetible.

Crea una lista de 20 a 30 preguntas divididas en varias categorías:

de marca: «¿Qué hace la marca X?»;
de categoría: «¿Qué empresas ayudan con…?»;
basadas en problemas: «Tengo este problema, ¿qué debería buscar?»;
comparativas: «¿X o Y? ¿Cuál es mejor para…?»;
de recomendación: «Recomienda tres soluciones para…»;
locales: «¿A quién recomiendas en [ciudad/región]?»

Pruébalas en varios sistemas, ya que ChatGPT, Gemini, Perplexity, Copilot y Google AI Overviews dependen de mecanismos y fuentes diferentes. Siempre que sea posible, utiliza sesiones limpias sin historial de chat. Ejecuta el mismo conjunto una vez al mes; revisar preguntas aleatorias todos los días solo te producirá ansiedad.

Mide por separado:

si la marca fue mencionada;
si fue citada con un enlace;
si entró en una recomendación;
en qué lugar de la lista apareció;
cómo fue descrita;
si la descripción contiene errores;
qué fuentes fueron citadas;
cómo se compara con la competencia;
si el tráfico de herramientas de IA y el volumen de búsqueda de marca están creciendo.

Para empezar, una hoja de cálculo es suficiente. Pon las preguntas en las filas y los sistemas con las fechas de medición en las columnas. Registra la respuesta, los dominios citados y la puntuación de visibilidad.

Con un mayor número de prompts, las herramientas de monitorización especializadas son de ayuda. Estas difieren en los modelos que cubren, la frecuencia de medición, el análisis de la competencia, el historial de citaciones y el precio. Realicé la siguiente comparativa el 14 de agosto de 2026.

| Herramienta | Qué mide | Para quién es |
|---|---|---|
| Ahrefs AI Visibility Checker | Comprobación puntual de la visibilidad de marca | reconocimiento inicial |
| OtterlyAI | Menciones, citaciones, cuota de respuestas y sentimiento en ChatGPT, AI Overviews, Perplexity y Copilot, entre otros | emprendedores individuales y pequeñas empresas |
| Semrush AI Visibility Toolkit | Prompts personalizados, competidores, citaciones, sentimiento y auditoría de preparación del sitio | empresas que combinan el monitoreo de IA con SEO clásico |
| Peec AI | Seguimiento diario de visibilidad, posición, competidores y fuentes citadas en motores seleccionados | un equipo pequeño o una agencia con varios proyectos |
| Ahrefs Brand Radar | Menciones y citaciones en múltiples sistemas combinadas con datos de SEO, YouTube, Reddit y TikTok | una marca con procesos de SEO que necesita una visión más amplia |
| Profound | Cuota de respuestas, fuentes, sentimiento, afirmaciones erróneas de marca y tráfico impulsado por IA | un equipo grande o una gran organización |

Los precios y las funciones de estas herramientas camban rápido, así que comprueba los precios actuales antes de comprar. Para una marca fuera de los mercados más grandes de habla inglesa, tres preguntas importan más que el número de gráficos: ¿la herramienta soporta tu mercado y idioma local?, ¿te permite subir tus propios prompts de diferentes etapas del embudo? y ¿separa menciones, recomendaciones y citaciones?

También comprueba cómo obtiene las respuestas cada herramienta. Unas consultan la interfaz de consumo, otras la API, y los resultados pueden variar. Calcula el coste para todo el conjunto: número de prompts × número de motores × número de países × frecuencia. Un anuncio de «50 prompts monitorizados» aún no te dice cuántas respuestas reales cubre tu suscripción.

Un monitor de visibilidad en LLM se parece más a una encuesta de opinión recurrente que a un control de posicionamiento en Google. Pregunta regularmente a los modelos seleccionados el mismo conjunto de preguntas y muestra si la narrativa sobre tu marca se mueve en la dirección que deseas. Ninguna herramienta puede ver las conversaciones privadas de los usuarios ni todas las respuestas que ChatGPT genera jamás.

No olvides tampoco los datos de los motores de búsqueda tradicionales. En junio de 2026, Google Search Console empezó a probar informes de visibilidad separados para funciones de búsqueda generativa para un subconjunto de sitios, y Bing Webmaster Tools lanzó el informe de rendimiento de IA que muestra citaciones y presencia de contenido en Copilot. La disponibilidad de los informes depende del sitio y de la fase de implementación.

Plan de acción para los primeros 30 días

Semana 1: comprueba tu punto de partida

prepara tu conjunto de preguntas y realiza la primera medición;
pide a un agente una auditoría pública de tu sitio;
exporta los datos de Google Search Console;
comprueba el estado de indexación de tus páginas más importantes.

Semana 2: arregla tus bases y tu entidad

soluciona bloqueos de rastreo, canonicales y errores de indexación;
completa tu página de «Nosotros» o perfil de autor;
ordena los datos de la empresa y tus perfiles oficiales;
añade o corrige el marcado correcto de schema.org;
actualiza tu Perfil de Empresa en Google.

Semana 3: crea una pieza de contenido digna de ser fuente

elige una pregunta importante de un cliente;
prepara una respuesta basada en tu propia experiencia o datos;
añade tu método, ejemplos y fuentes creíbles;
construye una estructura clara de encabezados, listas y tablas;
enlaza la pieza con tu contenido existente.

Semana 4: distribuye las pruebas y mide el cambio

comparte la pieza con socios, medios y tu comunidad del sector;
reutiliza los datos en tu boletín, podcast y charlas;
comprueba si han aparecido nuevas citaciones o menciones;
vuelve a ejecutar tu conjunto de preguntas base después de un mes.

La próxima vez que alguien le pida a la IA un restaurante, un sistema para su agencia o un experto en un problema específico, tu marca competirá por un lugar en la lista de opciones antes de que ocurra el primer clic. Empieza con una acción: escribe diez preguntas para las que tu marca debería aparecer y comprueba las respuestas en tres sistemas hoy mismo. Esa medición te dirá si primero necesitas arreglar tus bases, organizar tu entidad, crear una mejor fuente o ganar confirmación externa.

Preguntas frecuentes

¿Cómo se posiciona una empresa en ChatGPT paso a paso?

Primero, comprueba si los motores de búsqueda y los bots de IA pueden encontrar y leer tus páginas más importantes. A continuación, organiza la entidad de tu marca: su nombre, categoría, oferta, relaciones, perfiles y datos estructurados. Publica contenido que responda a preguntas específicas de los clientes e incluya tus propios datos, ejemplos o experiencias. Consigue menciones creíbles en fuentes externas que confirladen la conexión de tu marca con el tema. Por último, haz preguntas del mismo conjunto a varios sistemas de forma regular y mide las menciones, citaciones y recomendaciones por separado.

¿Sigue siendo importante el SEO para ChatGPT y los AI Overviews?

Sí. Un sistema que utiliza la búsqueda aún debe descubrir, leer y evaluar una página primero. Google recomienda explícicamente aplicar los fundamentos de SEO a sus funciones de IA: capacidad de rastreo, indexación, enlazado interno, contenido disponible como texto real y datos estructurados que coincidan con lo visible en la página.

¿El uso de schema.org garantiza las citaciones de la IA?

Schema.org ayuda a los motores de búsqueda a entender el tipo de objeto, sus propiedades y relaciones, aunque no garantiza una citación de IA. Aporta el mayor valor cuando confirma información que ya es claramente visible en la página.

¿Necesito un archivo `llms.txt`?

Google afirma que sus funciones de IA no requieren archivos especiales ni etiquetas adicionales. llms.txt sigue siendo una propuesta utilizada por algunos desarrolladores de herramientas, pero no sustituye la indexación, el sitemap, el enlazado interno o un buen robots.txt.

¿Cómo compruebo si ChatGPT puede visitar mi sitio?

Comprueba si el robots.txt, un firewall o un CDN están bloqueando a OAI-SearchBot. OpenAI lo utiliza para descubrir contenido que podría aparecer en ChatGPT Search. GPTBot sirve para un propósito diferente: la recopilación de datos que pueden apoyar el entrenamiento de los modelos. Puedes permitir el rastreador de búsqueda y, al mismo tiempo, bloquear el de entrenamiento.

¿Debería cada empresa crear un elemento en Wikidata?

Un elemento debe cumplir los criterios de Wikidata y basarse en fuentes serias y públicas. Para una empresa sin publicaciones independientes, un mejor punto de partida es organizar su propio sitio web, perfiles, marcado schema.org y presencia en fuentes del sector.

¿Cuánto tiempo hay que esperar para ver resultados?

Los rastreadores deben volver a visitar tus páginas, los motores de búsqueda deben procesar los cambios y los sistemas deben actualizar sus índices. Algunas correcciones técnicas pueden mostrar resultados en días o semanas. Construir autoridad y validación externa suele tardar meses. Por eso debes empezar con una medición base y juzgar la tendencia a partir de una serie de mediciones repetidas.

Fuentes

SparkToro y Datos, 2024 Zero-Click Search Study.
Pew Research Center, Google users are less likely to click on links when an AI summary appears.
Gemius y Polskie Badania Internetu, Jak polscy internauci korzystają z ChatGPT?.
Google Search Central, AI features and your website.
Aggarwal et al., GEO: Generative Engine Optimization.
OpenAI, Publishers and Developers FAQ.