Una nota rápida desde el principio, para que comencemos con el pie derecho.
La investigación a la que estoy a punto de hacer referencia no es mía. No realicé estos experimentos. No estoy afiliado a los autores. No estoy aquí para “respaldar” un campamento, elegir un bando o coronar a un ganador. Lo que voy a respaldar, en voz alta y sin disculparme, es la medición. Replicación. Experimentos del mundo real. El tipo de trabajo que nos enseña en tiempo real, en la vida real, qué cambia cuando un LLM se sitúa entre los clientes y el contenido. Necesitamos más datos probados y este es uno de esos puntos de partida.
Si no hace nada más con este artículo, haga lo siguiente: lea el documento y luego ejecute su propia prueba. Ya sea que sus resultados estén de acuerdo o en desacuerdo, publíquelos. Necesitamos más recibos y menos tomas en caliente.
Ahora, la razón por la que escribo esto.
Durante el último año, la industria se ha visto empujada hacia una historia clara y reconfortante: GEO es solo SEO. Nada nuevo que aprender. No es necesario cambiar tu forma de trabajar. Simplemente sigue haciendo lo básico y todo estará bien.
Yo no compro eso.
No porque los fundamentos de SEO hayan dejado de importar. Siguen siendo importantes y siguen siendo necesarios. Pero porque “necesario” no es lo mismo que “suficiente” y porque los incentivos detrás de los mensajes de la plataforma no siempre se alinean con las realidades operativas a las que se enfrentan las empresas.
La narrativa y los incentivos
Si últimamente ha prestado atención a las recomendaciones públicas provenientes de las principales plataformas de búsqueda, probablemente haya escuchado una versión de: No se centre en la fragmentación. No cree “trozos del tamaño de un bocado”. No optimice el funcionamiento de la máquina. Céntrate en el buen contenido.
Esto se ha repetido y amplificado en toda la cobertura de la industria, aunque quiero ser preciso acerca de mi posición aquí. No estoy afirmando que haya una conspiración y no estoy diciendo que nadie esté engañando intencionalmente. No voy a hacer eso.
Estoy diciendo algo mucho más simple. Es mi opinión y se basa en una experiencia real: cuando los mensajes se repiten entre varios portavoces en un período reducido, indica un esfuerzo de alineación interna.
Eso no es un insulto ni un juicio moral. Así es como operan las grandes organizaciones cuando quieren que el mercado escuche un mensaje claro. Fui parte exactamente de ese tipo de entorno durante más de una década de mi carrera.
Y el mensaje en sí, a primera vista, no es erróneo. Puedes lastimarte absolutamente si optimizas demasiado para el proxy incorrecto. Es absolutamente posible crear contenido frágil si intentas jugar con un sistema que no comprendes del todo. En muchos casos, “escribir claramente para los humanos” es una guía básica sólida.
El problema es qué sucede cuando esa guía básica se convierte en un descarte general de cómo funciona la capa de máquinas hoy en día, incluso si no es intencional. Porque ya no estamos en un mundo de “10 enlaces azules”.
Estamos en un mundo donde las superficies de respuestas se están expandiendo, los viajes de búsqueda se están comprimiendo y la unidad de competencia está cambiando de “la página” a “la parte seleccionada de la página”, reunida en una respuesta en la que el usuario nunca hace clic.
Y ahí es donde “GEO es solo SEO” empieza a aparecer en mi mente.
La pregunta equivocada: “¿Sigue siendo Google el mayor generador de tráfico?”
A los ejecutivos les encantan las declaraciones reconfortantes: “Google todavía domina las búsquedas. El SEO tradicional sigue generando la mayor cantidad de tráfico. Por lo tanto, todo esto del LLM es exagerado.“
La primera mitad es cierta, pero la conclusión es donde las empresas salen perjudicadas.
El mayor riesgo aquí es hacer la pregunta equivocada. “¿De dónde viene el tráfico hoy?” es una pregunta del panel de control y mira hacia atrás. Te dice lo que ha sido cierto.
Las preguntas más importantes miran hacia el futuro:
- ¿Qué sucede con su negocio cuando el descubrimiento pasa de los clics a las respuestas?
- ¿Qué sucede cuando el recorrido del cliente termina en la página de resultados, dentro de una descripción general de IA, dentro de una experiencia en modo IA o dentro de una interfaz de asistente?
- ¿Qué sucede cuando la plataforma retiene al usuario, monetiza la superficie de respuestas y su contenido se convierte en una fuente de entrada en lugar de un destino?
Si desea conocer la línea de tendencia de comportamiento en términos sencillos, comience aquí, con el estudio SparkToro de 2024, luego eche un vistazo a lo que Danny Goodwin escribió en 2024 y como seguimiento en 2025 (spoiler: las instancias de cero clics aumentaron interanual). Y aunque algunas fuentes tienen un par de años, es fácil encontrar datos más recientes que muestren la tendencia creciente.
No estoy usando estas fuentes para afirmar que “el cielo se está cayendo”. Los estoy usando para reforzar una realidad operativa simple: si el clic disminuye, la “clasificación” ya no es el objetivo final. Ser seleccionado para la respuesta se convierte en el objetivo final.
Eso requiere una reflexión adicional más allá del SEO clásico. No en lugar de eso. Además de eso.
La huella de la plataforma está cambiando y el modelo de negocio la sigue
Si quiere comprender por qué los mensajes públicos son conservadores, debe observar la dirección estratégica de la plataforma.
Google, por ejemplo, ha estado ampliando las superficies de respuesta de la IA, y no es sutil. Tanto AI Overviews como AI Mode vieron anuncios de grandes expansiones durante 2025.
Nuevamente, observe lo que esto implica a nivel operativo. Cuando se amplían las descripciones generales de la IA y el modo IA, no se trata solo de “señales de clasificación”. Se trata de una capa de experiencia que puede responder, resumir, recomendar y dirigir a un usuario sin un clic.
Luego viene la parte que todos fingen no ver hasta que es inevitable: la monetización sigue a la atención.
Esto ya no es hipotético. Search Engine Journal cubrió el lanzamiento oficial de anuncios de Google en AI Overviews, lo cual es importante porque indica que esta capa de respuesta está siendo tratada como una superficie de interfaz duradera, no como un experimento temporal.
La propia documentación de Google Ads refuerza el mismo punto: esto no es simplemente “algo que la gente notó”, es un patrón de ubicación compatible con una guía operativa real detrás. Y Google señaló a mediados del año pasado que AI Overviews monetiza a un ritmo similar a la búsqueda tradicional, lo cual es una señal silenciosa de que no se trata de una característica secundaria.
No hace falta ser cínico para leer esto con claridad. Si la superficie de respuesta se convierte en la superficie principal, la superficie publicitaria también evolucionará allí. Eso no es tanto un escándalo como la realidad de hacia dónde está evolucionando el modelo.
Ahora conecte los puntos nuevamente para obtener una guía de estilo “no centrarse en fragmentar”.
Una plataforma que está expandiendo activamente las superficies de respuesta tiene múltiples razones legítimas para disuadir al mercado de “ingeniería para la capa de respuesta”, incluido el control de calidad, la prevención de spam y la estabilidad del ecosistema.
Sin embargo, las empresas no pueden darse el lujo de optimizar la estabilidad del ecosistema. Las empresas deben optimizar para obtener resultados comerciales. Sus propios resultados.
Esa es la tensión.
No se trata de culpar a nadie. Se trata de comprender los objetivos desalineados, para no tomar decisiones que le resulten seguras pero que le cuesten más adelante.
El descubrimiento se está fragmentando más allá de Google y las primeras señales son importantes
Tengo constancia de que la búsqueda tradicional sigue siendo un impulsor importante y que la optimización en este nuevo mundo es aditiva, no una historia de reemplazo de la noche a la mañana. Pero lo “aditivo” aún cambia el flujo de trabajo.
Los asistentes de IA se están convirtiendo en referentes mensurables. No son dominantes ni decisivos por sí solos, pero sí lo suficientemente significativos como para seguirlos como indicador temprano. Dos ejemplos que captan esta tendencia.
TechCrunch señaló que, si bien no es suficiente para compensar la pérdida de tráfico debido a la disminución de las búsquedas, los sitios de noticias están experimentando un crecimiento en las referencias de ChatGPT. Y Digiday tiene datos que muestran que el tráfico de ChatGPT se duplicó entre 2024 y 2025.
¿Por qué los incluyo?
Porque así es como se ven los cambios de plataforma en las primeras etapas. Empiezan poco a poco, luego se vuelven normales y luego se vuelven predeterminados. Si espera a que lleguen los “grandes números”, llegará tarde a desarrollar competencias y a tomar medidas. (¿Recuerdas los “directorios”? Sí, Search se comió su almuerzo).
Y la competencia, en este nuevo entorno, no lo es”¿Cómo clasifico una página?.” Es “¿Cómo puedo ser seleccionado, citado y confiable cuando la interfaz es un LLM?“
Aquí es donde el encuadre “GEO es solo SEO” deja de ser una simplificación útil y comienza a volverse operacionalmente peligroso.
Ahora, los recibos: un artículo que prueba las tácticas GEO y muestra diferencias mensurables
Hablemos de la investigación. El artículo al que me refiero aquí está disponible públicamente y lo voy a resumir en un lenguaje sencillo, porque la mayoría de los profesionales no tienen tiempo para analizar la estructura académica durante la semana.
En un nivel alto, el artículo (“E-GEO: A Testbed for Generative Engine Optimization in E-Commerce”) prueba si las heurísticas de reescritura escritas por humanos comunes realmente mejoran el rendimiento en un entorno de selección de productos mediado por LLM, y luego lo compara con un enfoque de optimización más sistemático. Utiliza el comercio electrónico como campo de pruebas, lo cual es inteligente por una razón: los resultados se pueden medir de manera que se correspondan con el dinero. La clasificación y selección de productos son económicamente significativas.
Esto es importante porque la conversación GEO a menudo se queda estancada en “vibraciones”. Por el contrario, este trabajo intenta cuantificar los resultados.
Aquí está el remate clave, simplificado:
Muchos “consejos de reescritura” comunes no ayudan en este entorno. Parte de ella puede ser neutral. Algo de esto puede ser negativo. Pero cuando aplican un proceso de metaoptimización, las indicaciones mejoran constantemente y los patrones optimizados convergen en funciones repetibles.
Esa convergencia es la parte que debería hacer que todo practicante se levante. Porque la convergencia sugiere que hay señales estables el sistema responde. No místico. No mágico. No puramente aleatorio.
Señales estables.
Y aquí es donde vuelvo a mi punto anterior: si GEO fuera realmente “solo SEO”, entonces se esperaría que la heurística clásica de reescritura humana se tradujera limpiamente. Es de esperar que el manual ganador le resulte familiar.
Este artículo sugiere que la realidad es más confusa. No porque el SEO dejara de importar, sino porque la unidad de éxito cambió.
- Desde la clasificación de páginas hasta la selección de respuestas.
- De la copia de persuasión a la copia de decisión.
- Desde “leer toda la página” hasta “recuperar el mejor segmento”.
- Desde “el usuario hace clic” hasta “la máquina elige”.
Lo que el optimizador sigue encontrando y por qué es importante
Quiero tener cuidado aquí, ya que no les estoy diciendo que traten este artículo como una doctrina. No debes aceptarlo al pie de la letra y de repente adoptarlo como un evangelio. Deberías tratarlo como un experimento público que merece replicarse.
Ahora, el resultado más valioso no son los números exactos en su entorno, sino la forma de la solución en la que el optimizador sigue convergiendo. (El nombre de su sistema/proceso es optimizador.)
Los patrones optimizados enfatizan repetidamente la claridad, la claridad y la estructura de apoyo a las decisiones. Reducen la ambigüedad. Sacan a la superficie limitaciones. Definen lo que es y lo que no es el producto. Facilitan las comparaciones. Codifican información “lista para la selección” en una forma que es más fácil de usar para las capas de recuperación y clasificación.
Ese es un objetivo diferente al del texto de marketing clásico, que a menudo se apoya en la narrativa, la sensación de marca y la persuasión emocional.
Esas cosas todavía tienen un lugar. Pero si desea ser seleccionado por un LLM que actúe como intermediario, el contenido debe hacer un segundo trabajo: convertirse en soporte de decisiones utilizable por máquina.
Eso no es “antihumano”. Es proclaridad y creo que es el tipo de detalle que definirá lo que significa “buen contenido” en el futuro.
La receta de reescritura universal de optimización de LLM, enmarcada como una plantilla reutilizable
Lo que sigue no soy yo inventando un proceso de la nada. Este soy yo haciendo ingeniería inversa hacia dónde convergió su proceso de optimización y convirtiéndolo en una plantilla repetible que puede aplicar a descripciones de productos y otro contenido que requiere muchas decisiones.
Trátelo como un punto de partida y luego pruébelo. Revísalo, crea tu propia versión, lo que sea.
Paso 1: Indique el propósito del producto en una oración, con contexto explícito.
No es “calidad premium”. No es “el mejor de su clase”. Objetivo.
Patrón de ejemplo:
Este es un (producto) diseñado para (caso de uso específico) en (restricciones específicas), para personas que necesitan (resultado principal).
Paso 2: Declare claramente los criterios de selección que cumple.
Aquí es donde dejas de escribir como un folleto y empiezas a escribir como una hoja de especificaciones con voz humana.
Incluya lo que más le importa al comprador en esa categoría. Si la categoría es cuchillos, es tipo de acero, retención de filo, mantenimiento, equilibrio, material del mango. Si se trata de software, se trata de integración, postura de seguridad, curva de aprendizaje y tiempo de obtención de valor.
Hazlo explícito.
Paso 3: Limitaciones de superficie y clasificatorias tempranas, no enterradas.
La mayoría de los textos de marketing ocultan los “peros” hasta el final. Las máquinas no recompensan esa ambigüedad.
Ejemplos de calificadores que importan:
No es ideal para (X). Funciona mejor cuando (Y). Requiere (Z). Compatible con (A), no con (B). Esto importa si usted (C).
Paso 4: Indica qué es y qué no es.
Esta es una de las formas más sencillas de reducir la ambigüedad tanto para el usuario como para el modelo.
Patrón:
Esto es para (audiencia). No es para (público).
Esto está optimizado para (escenario). No está destinado a (escenario).
Paso 5: Convierta los beneficios en reclamos comprobables.
En lugar de “duradero”, diga qué significa duradero en la práctica. En lugar de “rápido”, defina cómo se ve “rápido” en un flujo de trabajo.
No inventes. No inflar. No se trata de exageraciones. Se trata de claridad.
Paso 6: Proporcione ganchos de comparación estructurados.
Los LLM a menudo se comportan como motores de comparación porque los usuarios hacen preguntas comparativas.
Dale al modelo ganchos limpios:
En comparación con (alternativa común), esto ofrece (diferencia) porque (razón).
Si elige entre (A) y (B), elija esto cuando (condición).
Paso 7: Agregue anclajes de evidencia que mejoren la confianza.
Pueden ser certificaciones, materiales, términos de garantía, políticas de devolución, especificaciones documentadas y otras señales verificables.
No se trata de agregar pelusa. Se trata de hacer que sus reclamaciones sean atribuibles y su producto legible.
Paso 8: Cierre con un atajo de decisión.
Haz explícito el momento “si eres X, haz Y”.
Patrón:
Elija esto si lo necesita (2 o 3 criterios principales). Si su prioridad es (otros criterios), considere (tipo alternativo).
Esa es la plantilla*.
Observe lo que hace. Convierte la descripción de un producto en un soporte estructurado para la toma de decisiones, que no es como se escribe la mayoría de los textos de los productos hoy en día. Y es un ejemplo de por qué “GEO es sólo SEO” fracasa como afirmación general.
Los fundamentos de SEO le ayudan a ser rastreado, indexado y descubierto. Esto le ayuda a ser seleccionado cuando el descubrimiento está mediado por un LLM.
Capa diferente. Trabajo diferente.
Decir GEO = SEO y SEO = GEO es una simplificación excesiva que se normalizará y hará que la gente pierda el hecho de que los detalles importan. Las diferencias, incluso las más pequeñas, importan. Y pueden tener impactos y repercusiones.
* Una versión en PDF mucho más profunda de este proceso está disponible para mis suscriptores de Substack de forma gratuita a través de mi página de recursos.
Qué hacer a continuación: leer el documento y luego replicarlo en su entorno
Esta es la parte sobre la que quiero ser explícito. Este artículo es interesante porque es mensurable y porque sugiere que el sistema responde a características repetibles.
Pero debes tratarlo como un punto de partida, no como una ley de la física. Resultados como este son sensibles al contexto: industria, autoridad de la marca, tipo de página e incluso el modelo y la pila de recuperación que se encuentran entre el usuario y su contenido.
Por eso es importante la replicación. La única manera de saber qué se mantiene, qué se rompe y qué variables realmente importan es ejecutando pruebas controladas en nuestros propios entornos y publicando lo que encontramos. Si trabajas en SEO, contenidos, marketing de producto o crecimiento, aquí tienes la invitación.
Lea el artículo aquí.
Luego, ejecute una prueba controlada en una porción pequeña y significativa de su sitio.
Mantenlo práctico:
- Elija de 10 a 20 páginas con una intención similar.
- Divídelos en dos grupos.
- Deje un grupo intacto.
- Reescribe el otro grupo usando una plantilla consistente, como la de arriba.
- Documente los cambios para poder revertirlos si es necesario.
- Mida sobre una ventana definida.
- Realice un seguimiento de los resultados que importan en el contexto de su negocio, no solo de métricas vanidosas.
Y, si puede, realice un seguimiento de si estas páginas aparecen, se citan, se parafrasean o se seleccionan en las interfaces de respuesta de IA que sus clientes utilizan cada vez más.
No estás intentando ganar una feria de ciencias. Está intentando reducir la incertidumbre con una prueba controlada. Si sus resultados no están de acuerdo con el artículo, eso no es un fracaso. Esa es la señal.
Publica lo que encuentres, incluso si es complicado. Aunque sea parcial. Incluso si la conclusión es “depende”. Porque así es exactamente como se hace realidad una nueva disciplina. No repitiendo los puntos de conversación de la plataforma. No a través de argumentos tribales. A través de la medición.
Un nivel final, para los ejecutivos que lean esto
La guía de la plataforma es una entrada, no su sistema operativo. Su sistema operativo es su programa de medición. El SEO sigue siendo necesario. Si no te pueden rastrear, no te pueden elegir.
Pero GEO, que significa optimización para la selección dentro del descubrimiento mediado por LLM, es una capa de competencia adicional. No es un reemplazo. Una capa. Si decide ignorar esa capa porque una plataforma dijo “no optimizar”, está subcontratando su riesgo comercial a la estructura de incentivos de otra persona.
Y eso no es una estrategia. La estrategia es simple: aprenda la capa probándola.
Necesitamos más personas que hagan exactamente eso.
Más recursos:
Esta publicación se publicó originalmente en Duane Forrester Decodes.
Imagen de portada: Rawpixel.com/Shutterstock
(etiquetasToTranslate)SEO
