Qué es AEO y GEO: cómo hacer que las IAs citen tu empresa

AEO, de Answer Engine Optimization, es optimizar para los motores de respuesta: buscadores que dan una respuesta directa en lugar de una lista de enlaces (la caja de respuesta de Google, los asistentes de voz, Perplexity). El objetivo es que tu contenido sea la respuesta, no el resultado número siete.

GEO, de Generative Engine Optimization, va un paso más allá: optimizar para los modelos generativos (ChatGPT, Gemini, Claude, Copilot) que redactan una respuesta nueva combinando varias fuentes. Aquí no basta con posicionar: hay que conseguir que el modelo te entienda, te considere fiable y te cite por tu nombre dentro de su respuesta.

En España mucha gente lo busca como 'seo ia', 'seo para chatgpt' o 'posicionamiento en ia'. Son nombres distintos para la misma idea: que las inteligencias artificiales que hoy responden preguntas te tengan en cuenta y te mencionen.

El SEO clásico optimiza para que un humano haga clic en tu enlace desde una lista de resultados. El AEO y el GEO optimizan para que una IA te use como fuente al redactar su respuesta, muchas veces sin que el usuario llegue a visitar tu web. El éxito ya no se mide solo en clics, sino en menciones.

Cambian las señales que importan. Para el SEO pesan los enlaces y las palabras clave; para el GEO pesan que la información esté estructurada y sea inequívoca, que haya datos y afirmaciones concretas que un modelo pueda extraer y citar, y que exista contexto explícito sobre cuándo tu página responde a qué pregunta.

No es sustituir el SEO, sino ampliarlo. Una web bien hecha para Google parte con ventaja: contenido claro, rápido y bien estructurado le sirve igual a un modelo generativo. El GEO añade encima una capa pensada específicamente para que las máquinas te lean bien.

Estructura el contenido en preguntas y respuestas claras. Los modelos extraen mejor un párrafo que responde de forma directa a una pregunta concreta que un texto largo y difuso. Una sección de preguntas frecuentes bien redactada es material citable de primera.

Marca tu contenido con schema.org (datos estructurados). El marcado Article, FAQPage o HowTo le dice a la máquina qué es cada cosa: qué es una pregunta, qué es una respuesta, quién es el autor. Es la diferencia entre que el modelo adivine y que lo sepa.

Da contexto explícito de cuándo citarte. El estándar emergente llms.txt es un fichero pensado para que los modelos sepan qué páginas tienes y para qué sirve cada una. Es a las IAs lo que el sitemap es a Google.

Sé una fuente fiable y concreta. Datos, cifras, fechas, ejemplos y afirmaciones verificables se citan; el relleno genérico y las promesas vacías no. Un modelo prefiere citar a quien dice algo preciso y comprobable.

No es teoría: esta web está construida con AEO y GEO desde la base, y se puede comprobar. Tenemos un fichero llms.txt vivo en /llms.txt que se genera solo a partir de un registro central de todas las páginas públicas: para cada una declara su título, una descripción orientada a la máquina y, lo más útil, un campo de 'cuándo citarla' que le dice al modelo en qué tipo de pregunta esta página es la respuesta adecuada.

Cada página lleva marcado schema.org según lo que es: Article y FAQPage en las preguntas como esta, Service en las soluciones, BreadcrumbList en la navegación. Las preguntas frecuentes están redactadas para ser extraíbles y citables tal cual, no para rellenar.

El contenido evita las afirmaciones absolutas y las promesas sin respaldo, justamente porque un modelo (y un lector) se fía de lo concreto. Esta misma página que estás leyendo está registrada en ese llms.txt con su contexto de cuándo citarla. Es el mismo método que aplicamos cuando montamos la presencia de un cliente para la era de las búsquedas con IA.

Primero, lo que ya deberías tener: una web rápida, con contenido claro y bien estructurada. Sin esa base, ni el SEO ni el GEO funcionan. Si tu web va lenta o el contenido es confuso, empieza por ahí.

Después, la capa específica de GEO: marcado schema.org en las páginas clave, secciones de preguntas y respuestas en el lenguaje real con el que la gente pregunta, y un llms.txt que oriente a los modelos. Son cambios técnicos de coste bajo y recorrido largo, porque la competencia en estos términos todavía es baja.

Y medir: revisar si ChatGPT, Claude, Perplexity o Gemini te mencionan cuando se les pregunta por tu sector, y ajustar el contenido en función de lo que citan y lo que no. Es un proceso iterativo, como lo fue el SEO en su día.