En 2023, el tráfico orgánico global empezó a decrecer en categorías donde Google AI Overviews (antes SGE) da respuestas directas. En 2026, la pregunta ya no es si hay que adaptar la estrategia de contenido a los motores de IA, sino cómo hacerlo sin abandonar el SEO tradicional que sigue generando tráfico. Este artículo explica las diferencias técnicas entre GEO y SEO, y cómo construir una estrategia que funcione en ambos ecosistemas.
Qué es GEO (Generative Engine Optimization)
GEO es la disciplina de optimizar contenido para que los modelos de IA generativa
En 2023, el tráfico orgánico global empezó a decrecer en categorías donde Google AI Overviews (antes SGE) da respuestas directas. En 2026, la pregunta ya no es si hay que adaptar la estrategia de contenido a los motores de IA, sino cómo hacerlo sin abandonar el SEO tradicional que sigue generando tráfico. Este artículo explica las diferencias técnicas entre GEO y SEO, y cómo construir una estrategia que funcione en ambos ecosistemas.
Qué es GEO (Generative Engine Optimization)
GEO es la disciplina de optimizar contenido para que los modelos de IA generativa (ChatGPT, Perplexity, Google AI Overviews, Claude) lo citen, resuman o recomienden cuando un usuario hace una consulta. A diferencia del SEO tradicional, el objetivo no es aparecer en una lista de resultados, sino ser la fuente que el modelo selecciona para construir su respuesta.
Diferencias técnicas entre GEO y SEO
| Dimensión | SEO tradicional | GEO |
| Objetivo principal | Ranking en resultados (posición 1-10) | Ser citado en respuestas generadas por IA |
| Motor que procesa | Crawler de Google (Googlebot) | LLMs: GPT-4, Gemini, Claude, Perplexity |
| Cómo se mide el éxito | Posición, CTR, clics orgánicos | Menciones en respuestas IA, tráfico de referencia IA |
| Señal principal de autoridad | Backlinks + PageRank | Citaciones en fuentes de alta autoridad + consistencia factual |
| Formato de contenido preferido | Páginas largas con keywords | Respuestas concisas, bien estructuradas, citable |
| Velocidad de impacto | 3-6 meses para resultados visibles | 2-8 semanas en algunos modelos |
| Herramientas de seguimiento | Search Console, Ahrefs, Semrush | Brandwatch, Perplexity monitoring, llms.txt analytics |
Por qué GEO y SEO son complementarios, no alternativos
Un error común es tratar GEO como el reemplazo del SEO. Los datos no soportan esa conclusión: en mayo 2026, Google sigue procesando más de 9,000 millones de búsquedas diarias, a pesar del crecimiento de Perplexity y otros motores con IA. Las respuestas de IA no han eliminado la búsqueda; han añadido un nuevo canal de descubrimiento. La estrategia correcta optimiza para ambos:
- El contenido bien estructurado para SEO (H1-H6 claros, párrafos cortos, listas) también es el que los LLMs extraen con mayor facilidad.
- La autoridad de dominio que construyes con SEO (backlinks, citas académicas, menciones en prensa) también alimenta la percepción de los modelos sobre tu credibilidad.
- El tráfico de GEO es incremental: usuarios que hubieran resuelto su consulta sin hacer clic en ningún resultado ahora pueden llegar a tu sitio desde una respuesta de IA.
Señales que los LLMs usan para seleccionar fuentes
Basado en investigación de Stanford HAI (2024) y experimentos propios con Perplexity, ChatGPT y Claude, las señales que aumentan la probabilidad de ser citado son:
- Autoridad del dominio: sitios con alto PageRank y citas académicas tienen mayor peso.
- Consistencia factual: el contenido que coincide con lo que el modelo ya sabe (entrenamiento previo) se selecciona con mayor frecuencia.
- Estructura explícita: títulos descriptivos, listas, tablas y definiciones claras facilitan la extracción del modelo.
- Frescura de la información: para temas cambiantes, el contenido actualizado recientemente tiene ventaja.
- Especificidad: respuestas precisas a preguntas específicas superan a contenido genérico para ese tipo de consulta.
llms.txt: el archivo que los LLMs pueden leer
El protocolo llms.txt (propuesto por Jeremy Howard, fast.ai, 2024) es un archivo de texto en el directorio raíz del sitio web que indica a los LLMs qué páginas son relevantes, cuál es el contenido más importante y cómo citar al autor. Es el equivalente del robots.txt pero para modelos de lenguaje en lugar de crawlers.
Su adopción sigue siendo baja (alrededor del 5% de sitios con tráfico significativo en mayo 2026), lo que sigue representando una ventaja de primeros adoptadores para quienes lo implementen correctamente. Para erwinsalas.com, implementar llms.txt es una acción de alto impacto con esfuerzo bajo.
Estrategia integrada GEO + SEO: las 8 acciones
- Auditar el contenido existente para identificar páginas con alto potencial de citación por IA (respuestas directas a preguntas frecuentes).
- Reescribir introducciones de artículos clave para que la primera respuesta a la pregunta aparezca en los primeros 100 tokens.
- Agregar definiciones explícitas de términos clave en cada artículo (los LLMs priorizan definiciones claras).
- Implementar llms.txt en el dominio apuntando a las páginas más relevantes.
- Publicar en plataformas que los LLMs priorizan: Reddit, LinkedIn Pulse, Substack, publicaciones académicas.
- Construir citaciones en fuentes de alta autoridad: entrevistas en prensa especializada, menciones en reportes de industria.
- Monitorear menciones del dominio en respuestas de Perplexity y ChatGPT con búsquedas mensuales de las keywords objetivo.
- Mantener la estrategia SEO técnica: Core Web Vitals, estructura de datos, velocidad de carga.
Fuentes
- Aggarwal, S. et al. (2023). GEO: Generative Engine Optimization. arXiv:2311.09735. Princeton & Georgia Tech.
- Howard, J. (2024). llms.txt proposal. llmstxt.org
- Google. (2026). AI Overviews: guidance for site owners. developers.google.com/search/docs/appearance/ai-overviews
- Stanford HAI. (2025). AI Index Report 2025. aiindex.stanford.edu
, Perplexity, Google AI Overviews, Claude) lo citen, resuman o recomienden cuando un usuario hace una consulta. A diferencia del SEO tradicional, el objetivo no es aparecer en una lista de resultados, sino ser la fuente que el modelo selecciona para construir su respuesta.
Diferencias técnicas entre GEO y SEO
| Dimensión | SEO tradicional | GEO |
| Objetivo principal | Ranking en resultados (posición 1-10) | Ser citado en respuestas generadas por IA |
| Motor que procesa | Crawler de Google (Googlebot) | LLMs: GPT-4, Gemini, Claude, Perplexity |
| Cómo se mide el éxito | Posición, CTR, clics orgánicos | Menciones en respuestas IA, tráfico de referencia IA |
| Señal principal de autoridad | Backlinks + PageRank | Citaciones en fuentes de alta autoridad + consistencia factual |
| Formato de contenido preferido | Páginas largas con keywords | Respuestas concisas, bien estructuradas, citable |
| Velocidad de impacto | 3-6 meses para resultados visibles | 2-8 semanas en algunos modelos |
| Herramientas de seguimiento | Search Console, Ahrefs, Semrush | Brandwatch, Perplexity monitoring, llms.txt analytics |
Por qué GEO y SEO son complementarios, no alternativos
Un error común es tratar GEO como el reemplazo del SEO. Los datos no soportan esa conclusión: en mayo 2026, Google sigue procesando más de 9,000 millones de búsquedas diarias, a pesar del crecimiento de Perplexity y otros motores con IA. Las respuestas de IA no han eliminado la búsqueda; han añadido un nuevo canal de descubrimiento. La estrategia correcta optimiza para ambos:
- El contenido bien estructurado para SEO (H1-H6 claros, párrafos cortos, listas) también es el que los LLMs extraen con mayor facilidad.
- La autoridad de dominio que construyes con SEO (backlinks, citas académicas, menciones en prensa) también alimenta la percepción de los modelos sobre tu credibilidad.
- El tráfico de GEO es incremental: usuarios que hubieran resuelto su consulta sin hacer clic en ningún resultado ahora pueden llegar a tu sitio desde una respuesta de IA.
Señales que los LLMs usan para seleccionar fuentes
Basado en investigación de Stanford HAI (2024) y experimentos propios con Perplexity, ChatGPT y Claude, las señales que aumentan la probabilidad de ser citado son:
- Autoridad del dominio: sitios con alto PageRank y citas académicas tienen mayor peso.
- Consistencia factual: el contenido que coincide con lo que el modelo ya sabe (entrenamiento previo) se selecciona con mayor frecuencia.
- Estructura explícita: títulos descriptivos, listas, tablas y definiciones claras facilitan la extracción del modelo.
- Frescura de la información: para temas cambiantes, el contenido actualizado recientemente tiene ventaja.
- Especificidad: respuestas precisas a preguntas específicas superan a contenido genérico para ese tipo de consulta.
llms.txt: el archivo que los LLMs pueden leer
El protocolo llms.txt (propuesto por Jeremy Howard, fast.ai, 2024) es un archivo de texto en el directorio raíz del sitio web que indica a los LLMs qué páginas son relevantes, cuál es el contenido más importante y cómo citar al autor. Es el equivalente del robots.txt pero para modelos de lenguaje en lugar de crawlers.
Su adopción sigue siendo baja (alrededor del 5% de sitios con tráfico significativo en mayo 2026), lo que sigue representando una ventaja de primeros adoptadores para quienes lo implementen correctamente. Para erwinsalas.com, implementar llms.txt es una acción de alto impacto con esfuerzo bajo.
Estrategia integrada GEO + SEO: las 8 acciones
- Auditar el contenido existente para identificar páginas con alto potencial de citación por IA (respuestas directas a preguntas frecuentes).
- Reescribir introducciones de artículos clave para que la primera respuesta a la pregunta aparezca en los primeros 100 tokens.
- Agregar definiciones explícitas de términos clave en cada artículo (los LLMs priorizan definiciones claras).
- Implementar llms.txt en el dominio apuntando a las páginas más relevantes.
- Publicar en plataformas que los LLMs priorizan: Reddit, LinkedIn Pulse, Substack, publicaciones académicas.
- Construir citaciones en fuentes de alta autoridad: entrevistas en prensa especializada, menciones en reportes de industria.
- Monitorear menciones del dominio en respuestas de Perplexity y ChatGPT con búsquedas mensuales de las keywords objetivo.
- Mantener la estrategia SEO técnica: Core Web Vitals, estructura de datos, velocidad de carga.
Fuentes
- Aggarwal, S. et al. (2023). GEO: Generative Engine Optimization. arXiv:2311.09735. Princeton & Georgia Tech.
- Howard, J. (2024). llms.txt proposal. llmstxt.org
- Google. (2026). AI Overviews: guidance for site owners. developers.google.com/search/docs/appearance/ai-overviews
- Stanford HAI. (2025). AI Index Report 2025. aiindex.stanford.edu
