Dashcrab

SEO y visibilidad AI

¿Qué tácticas de GEO funcionan y cuáles son mito?

Cuatro hallazgos que se replicaron en muestras distintas, seis creencias que no sobreviven a un experimento controlado, y dos hipótesis abiertas.

Cuatro cosas sobre GEO se replicaron en muestras distintas, por equipos que no se hablan entre sí. Y seis creencias que la industria repite no sobreviven a un experimento controlado. Este artículo separa las dos listas, con las fuentes.

Si venís de cero, empezá por qué es GEO y qué es AEO. Acá asumimos ese vocabulario: cita, mención, recuperación.

Lo que está razonablemente establecido

No son certezas. Son lo más cerca que tenemos.

1. La recuperación manda sobre la redacción

El paper fundacional de GEO probó nueve modificaciones de contenido sobre unas 10.000 consultas. Sumar estadísticas verificables, citas textuales y fuentes mejoraba la visibilidad hasta un 40%. El keyword stuffing no hacía nada. Ese es el titular que todo el mundo repite.

Lo que casi nadie cuenta es el contra experimento. Puerto, Gubri, Green, Oh y Yun publicaron C-SEO Bench en 2025 y probaron nueve métodos, siete tomados del paper original, sobre seis dominios y 1.921 consultas. La mayoría resultó poco efectiva.

El punto de comparación es demoledor: mover el documento a la primera posición del contexto recuperado fue, en retail, cerca de 7,6 veces más efectivo que la mejor táctica de escritura. Traducido: importa más entrar bien a la recuperación que escribir bonito para la generación.

Nuestros datos apuntan al mismo lugar. Cruzamos 1.486 URLs con puntaje AEO conocido contra sus citas reales: ninguna página por debajo de 40 puntos sobre 100 recibió una sola cita. Y por encima de ese umbral el puntaje deja de ordenar: las páginas con nota C se citaron siete veces más que las de nota B. Hay un escalón, no una escalera.

Hipótesis abierta 01

El checklist técnico funciona como requisito de entrada y no como ventaja competitiva. Si es cierto, pasar de 20 a 50 puntos compra el derecho a jugar y es barato. Pasar de 70 a 95 es el gasto más caro y el que menos evidencia tiene.

2. Cada motor come de un plato diferente

El solapamiento entre modelos en nuestro conjunto de citas da 3,5% a nivel de URL exacta y 10,4% a nivel de dominio. Tres o cuatro páginas en común de cada cien.

No es una rareza nuestra. Writesonic, sobre 161.286 consultas, encontró 17% de fuentes compartidas. Profound reportó 89% de citas distintas entre ChatGPT y Perplexity. Y el trabajo de Chen, Wang, Chen y Koudas, de la Universidad de Toronto, documenta que los motores difieren en diversidad de dominios, frescura y estabilidad entre idiomas.

En la práctica: Claude manda el 42,5% de sus citas al blog de la empresa y ChatGPT apenas el 12,6%. Google AI Mode cita redes y video en el 12,1% de los casos y Claude en el 0,5%. No es un ajuste de porcentaje, es otro manual de contenido.

3. La cita casi no genera clicks

Pew Research Center siguió el comportamiento real de 900 adultos en Estados Unidos, sobre 68.879 búsquedas. Con un resumen de IA en pantalla, el click a un resultado tradicional caía de 15% a 8%. El click a una fuente citada adentro del resumen ocurrió en el 1% de las visitas.

Si casi nadie hace click, lo que queda es la impresión: que tu nombre esté ahí, y en qué lugar. En nuestro conjunto, el blog es el tipo de página más citada en volumen, con 8.139 citas, y llega al primer lugar apenas el 7,5% de las veces. Los sitios de referencia tienen veinte veces menos volumen y llegan primeros el 24,7% de las veces.

4. Tu sitio es minoría en tu propia categoría

Cuando contamos qué proporción de las citas de una categoría apunta al sitio de una marca de esa misma categoría, ningún dominio de marca superó el 10%. El promedio fue 3,3%. El resto se lo llevan medios, foros, organismos, plataformas y competidores.

Ojo con una confusión que genera pánico en equipos que están haciendo bien las cosas. Varios estudios reportan que entre el 38% y el 70% de las citas van a sitios de marca. Ese número y el nuestro son los dos correctos y miden cosas distintas: sitios de marca es la suma de todas las empresas del mundo, incluidos tus competidores.

Estudio completo

De acá salen los datos propios: 20 páginas, con todas las tablas y las 26 referencias.

Leé el estudio completo

Lo que se repite y no aguanta el dato

Lo que se cree Lo que muestra la evidencia
El schema markup te hace citar más Ahrefs siguió 1.885 páginas que agregaron JSON-LD contra 4.000 de control: +2,4% en AI Mode, +2,2% en ChatGPT, ambos indistinguibles de cero, y -4,6% en AI Overviews, que sí es significativo y va para el lado contrario
llms.txt es la puerta de entrada Google, mayo de 2026: se puede rastrear como cualquier archivo de texto y no recibe trato especial. SE Ranking analizó cerca de 300.000 dominios y no encontró asociación con la frecuencia de citación
Hay que fragmentar el contenido para la IA Google dice que sus sistemas entienden páginas con varios temas y extraen el pasaje relevante sin que se lo pre corten
Se optimiza una página para todos los LLMs El solapamiento a nivel de URL exacta es 3,5% en nuestros datos, y ningún estudio independiente lo puso arriba del 20%
Más largo y más exhaustivo se cita más Las páginas citadas de nuestro conjunto tienen 844 palabras promedio. Las no citadas, 2.119
Los anuncios ayudan a aparecer en la respuesta Fueron el 0,03% de las citas del AI Overview en nuestras 518 búsquedas capturadas, y ninguna de las 75 páginas pagas sobrevivió al pasar al AI Mode

El caso del schema merece un párrafo porque es la mejor clase gratis del rubro. Ahrefs había encontrado antes, sobre 6 millones de URLs, que las páginas citadas por IA tienen JSON-LD casi tres veces más seguido. Esa correlación circuló dos años como prueba.

Cuando hicieron el experimento controlado, el efecto se evaporó. La explicación es aburrida: los sitios que implementan datos estructurados también hacen SEO técnico, publican mejor y consiguen enlaces. El schema viajaba de polizón. Un experimento paralelo de searchVIU encontró además que cinco sistemas de IA, al traer una página en vivo, extraen solo el HTML visible y no leen el marcado oculto.

Nada de esto significa sacar el schema. Sirve para rich results, grafos de conocimiento y desambiguar entidades. Significa que dejó de ser una palanca de citación.

Hipótesis abierta 02

Buena parte del checklist de GEO no es causa de la citación, es síntoma de sitios bien mantenidos. Cada táctica nueva que aparezca hay que pasarla por la misma pregunta: ¿esto mueve algo, o simplemente lo hacen los sitios que ya iban a ser citados igual?

Antes de mover presupuesto por el próximo titular del rubro, hay cinco preguntas que conviene hacerle a cualquier estudio, incluidos los nuestros. Están en cómo leer un estudio de GEO sin comerte el título. Y si querés ver qué te está citando la IA a vos, GEO Observer es gratis y captura tus búsquedas reales.


Los datos propios salen de Dashcrab GEO Citation Research 2026, con corte al 11 de agosto de 2026, y del experimento de 518 búsquedas capturadas con GEO Observer entre julio y agosto de 2026. Se reportan agregados o anonimizados, y nuestros estudios son observacionales: no demuestran causalidad. Las cifras de terceros están enlazadas a su fuente original. La metodología completa está en el PDF del estudio.

Preguntas frecuentes

¿Sirve implementar datos estructurados?

Sirve, pero no para lo que te lo venden. El experimento controlado de Ahrefs sobre 1.885 páginas no encontró aumento de citas en ninguna plataforma, y Google dice que no existe marcado especial para funciones generativas. Seguí usándolo para rich results y desambiguación de entidades, y sacalo de la lista de palancas de citación.

¿Conviene hacer un archivo llms.txt?

Para Google no cambia nada: lo rastrea como a cualquier texto, sin trato especial. Puede tener sentido si un servicio específico que te importa lo consume. Como táctica general de visibilidad no tiene evidencia detrás.

¿El contenido más largo se cita más?

No en nuestros datos. Las páginas citadas de nuestro conjunto tienen 844 palabras promedio y las no citadas 2.119. La explicación probable es que un modelo extrae un fragmento breve y específico, no premia la exhaustividad. Escribí pasajes que respondan una pregunta concreta en las primeras dos oraciones.

¿Existe una táctica que funcione en todos los modelos de IA a la vez?

Casi ninguna a nivel de página: el solapamiento de URLs exactas entre modelos es 3,5% en nuestros datos, y ningún estudio independiente lo puso arriba del 20%. Lo que sí comparten es el piso: recuperación, URLs limpias y pasajes autosuficientes. Después de eso, cada modelo premia formatos distintos y hay que medir modelo por modelo.