Cómo ser citado por ChatGPT y los motores de IA

En resumen

• Empiece por comprobar que los robots de los asistentes pueden leer el sitio. En OpenAI, es OAI-SearchBot el que condiciona la aparición en la búsqueda de ChatGPT, y una CDN puede bloquearlos sin que su código lo muestre.
• Ponga la respuesta al principio de la página: una página por pregunta, en un pasaje que se entienda fuera de su contexto.
• Cite la fuente y la fecha de cada dato. En el estudio de referencia sobre GEO, citar las fuentes y añadir citas o estadísticas son las reescrituras que mejor funcionan.
• Marque con datos estructurados solo lo que se muestra. Google no exige ningún marcado especial para sus funciones de IA.
• Nadie garantiza una cita: se mide consulta por consulta, en fechas fijas, en varios asistentes.

La primera razón para no ser citado: los robots no leen el sitio

Se habla mucho del «GEO» (Generative Engine Optimization) como de una disciplina nueva. En nuestras auditorías, el primer problema no tiene nada de nuevo: el sitio no es legible para los robots de los asistentes. Antes de reescribir una sola página, hay que comprobar este punto, porque ningún trabajo editorial compensa una puerta cerrada.

Cada actor publica la lista de sus robots, y no todos hacen lo mismo. Esto dicen la documentación oficial de OpenAI y la página de ayuda dedicada de Anthropic, robot por robot:

La página de OpenAI precisa que un sitio que bloquea OAI-SearchBot no aparecerá en las respuestas de búsqueda de ChatGPT, y que hay que contar unas 24 horas para que se tenga en cuenta un cambio del robots.txt. En Anthropic, los tres robots respetan el robots.txt.

Consecuencia práctica: puede rechazar el entrenamiento y aceptar la búsqueda, o al revés. Es una elección editorial legítima. Lo que no lo es, es sufrirla sin saberlo.

Lo que hicimos: el caso de Palmora Property

Palmora Property es una plataforma de intermediación inmobiliaria en Phuket a la que acompañamos, con un sitio en seis idiomas. La estrategia acordada era clara: seguir siendo legible para los asistentes de IA. El archivo robots.txt del repositorio estaba limpio, autorizaba a todo el mundo salvo en los espacios privados.

Tres lecciones de este episodio:

• Se comprueba lo que se sirve, no lo que está escrito. Un curl a la dirección de producción bastó para ver el bloque. Leer el archivo del repositorio nunca lo habría mostrado.
• La capa de red puede reescribir sus archivos. Una CDN, un cortafuegos de aplicaciones web o una opción de «protección contra los robots de IA» activada por defecto actúan antes que su sitio.
• El bloqueo tenía efectos secundarios. Las líneas no estándar del bloque gestionado hacían que Lighthouse considerara inválido el robots.txt, lo que limitaba la puntuación SEO a 92.

Una precisión honesta: la lista bloqueada apuntaba sobre todo a robots de entrenamiento. OAI-SearchBot no figuraba en ella. El sitio no estaba necesariamente ausente de todas las respuestas de ChatGPT, pero sí lo estaba para varios actores, en contra de nuestra voluntad. Desde entonces, cuando el tema vuelve, el primer gesto es revisar este ajuste de Cloudflare.

Responder de inmediato, y a una sola pregunta

Una vez abierta la puerta, la forma de las páginas cuenta. Un asistente que compone una respuesta extrae pasajes. Un pasaje que se entiende solo, fuera de su página, tiene más posibilidades de ser recogido que un párrafo que supone haber leído los tres anteriores.

Aplicamos dos reglas sencillas:

• La respuesta primero. En este blog, cada artículo empieza con una respuesta directa de dos a cuatro frases, mostrada bajo el título. Es el fragmento que queremos ver extraído. El resto del artículo la justifica.
• Una página, una pregunta. Es el principio de la base de conocimientos de Challenge Us, una aplicación de retos entre allegados que hemos desarrollado: 45 páginas, cada una titulada con una pregunta en las palabras de los usuarios, con una respuesta de dos o tres frases que debe entenderse sola. El sitio se niega a compilarse si dos páginas sirven la misma respuesta o si un título no es una pregunta.

Esta disciplina sirve también a las personas: el lector con prisa lee tres líneas y se va con su respuesta.

Datos con fuente y fecha

El único estudio académico serio que conocemos sobre el tema es «GEO: Generative Engine Optimization» (Aggarwal et al., presentado en KDD 2024). Los autores construyeron un banco de pruebas de 10 000 consultas y probaron nueve formas de reescribir un contenido. Las tres que mejor funcionan: añadir citas, añadir estadísticas, citar las fuentes. El relleno de palabras clave, en cambio, no aporta casi nada, e incluso funciona peor que el texto original en la prueba con Perplexity. Reportan estos aumentos:

Hay que leer estas cifras por lo que son. La visibilidad medida es la parte del texto de la respuesta que procede de una fuente, ponderada por su posición, no un tráfico ni una facturación. Los experimentos principales se basan en un motor simulado (GPT-3.5-turbo alimentado con los cinco primeros resultados de Google), y los propios autores advierten que los métodos deberán adaptarse a medida que evolucionen los motores. Es un indicio sólido sobre la dirección, no una receta garantizada.

La dirección coincide en cualquier caso con lo que hacemos por otras razones: en los sitios cuyos contenidos escribimos, no se publica ninguna cifra sin un enlace a su fuente primaria, realmente abierta. Un asistente que debe elegir entre dos páginas tiene buenas razones para preferir la que dice de dónde vienen sus afirmaciones. Y fechar cada página (fecha de publicación, fecha de actualización y, para Challenge Us, la versión de la aplicación en la que se comprobó la respuesta) dice al lector, humano o máquina, de qué está hablando.

Datos estructurados, solo para lo que se muestra

Los datos estructurados (JSON-LD) ayudan a los motores a entender qué es una página: un artículo, una organización, una pregunta y su respuesta. No son una casilla que marcar para los motores de IA. Google lo dice con todas las letras en su documentación sobre las funciones de IA: no hay ningún requisito adicional para aparecer en los AI Overviews, ni archivo o marcado especial que crear.

La regla que cuenta está en otra parte. Las directrices generales de Google prohíben marcar un contenido invisible para el lector. Lo hemos convertido en una restricción técnica: en el sitio de Challenge Us, la FAQ mostrada y la FAQ marcada leen la misma lista, de modo que no pueden divergir. Una FAQ marcada que no existe en pantalla es fabricarse una penalización.

Cómo medir sin engañarse

Es la parte que las ofertas de «GEO» sobrevuelan más. No existe una Search Console de los asistentes. Esto es lo que hacemos, y nada más:

1. Una lista de consultas objetivo, escritas a mano en ChatGPT, Claude y Perplexity, en fechas fijas, anotando si el sitio se cita y qué página. Es artesanal, las respuestas varían de una sesión a otra, y por eso se repite la medición en lugar de concluir con un solo intento.
2. Los registros del servidor o de la CDN, filtrados por los nombres de los robots (OAI-SearchBot, GPTBot, ChatGPT-User, ClaudeBot, Claude-User, Claude-SearchBot). Dicen si los robots pasan y qué páginas leen. No dicen si se le cita.
3. Las visitas procedentes de los asistentes en sus estadísticas, cuando se transmite el referente. Es un límite inferior: muchas citas no producen ningún clic.

Lo que no hacemos: prometer un número de citas. Nadie controla lo que un modelo decide citar. Una agencia que lo garantiza vende una impresión, no un resultado.

Por dónde empezar

Los trabajos se llevan a cabo en este orden:

El archivo llms.txt viene después, y hemos detallado lo que realmente se puede esperar de él. En un sitio multilingüe, añada la comprobación de los hreflang: un asistente no cita una página que no encuentra en el idioma correcto, y los errores más frecuentes son fáciles de detectar.

Estas comprobaciones forman parte de nuestra auditoría SEO, y el trabajo a largo plazo de nuestro motor SEO y GEO. El método de conjunto se describe en lo que una agencia SEO debe entregar en la era de la IA.

Preguntas frecuentes

Fuentes

1. La documentación oficial de OpenAI (nueva pestaña)developers.openai.com
2. La página de ayuda dedicada de Anthropic (nueva pestaña)support.claude.com
3. «GEO: Generative Engine Optimization» (nueva pestaña)arxiv.org
4. Su documentación sobre las funciones de IA (nueva pestaña)developers.google.com
5. Directrices generales de Google (nueva pestaña)developers.google.com