Qué es GEO (Generative Engine Optimization): origen, qué midió el estudio y en qué se diferencia del SEO

GEO, siglas de generative engine optimization, es el trabajo para que un motor generativo como ChatGPT con búsqueda, Perplexity o las AI Overviews de Google use tu página como fuente al responder. No tiene que ver con la geolocalización. El término nace en un estudio presentado en KDD 2024 que midió qué cambios de texto aumentan esa visibilidad.

Para comprobarlo en tu web: Auditoría de visibilidad en IA

¿Qué significa GEO y de dónde viene el término?

GEO es la optimización del contenido de una web para que un motor de respuestas basado en IA generativa lo use y lo cite al contestar. En marketing, «geo» suele referirse a la ubicación: segmentar anuncios por zona, el SEO local o el geomarketing. Aquí no. Si buscas cómo aparecer en Google Maps, lo que necesitas es la guía de SEO local en la era de la IA.

El término lo acuñaron Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan y Ameet Deshpande, investigadores de Princeton, del Instituto Indio de Tecnología de Delhi e independientes. Publicaron el artículo «GEO: Generative Engine Optimization» en arXiv el 16 de noviembre de 2023 y lo presentaron en la conferencia KDD 2024, celebrada en Barcelona del 25 al 29 de agosto de 20241.

Los autores llaman motor generativo a un sistema que busca información y genera una respuesta a partir de varias fuentes, con atribuciones en línea a cada una. Ponían como ejemplos Bing Chat, la entonces experimental SGE de Google y Perplexity. Su planteamiento es que, en esos motores, la visibilidad de una web ya no se mide por la posición en una lista: depende de cuánto de la respuesta sale de ella y de en qué lugar aparece.

GEO es una de las dos mitades del posicionamiento en IA. La otra, AEO, se ocupa del formato; la comparación entre las tres siglas está en AEO, GEO y SEO: diferencias.

¿Cómo midió el estudio la visibilidad en un motor generativo?

Como no había un conjunto de datos público para esto, los autores construyeron uno y un motor de pruebas propio. El montaje tiene tres piezas1.

El banco de pruebas, GEO-bench. Son 10.000 consultas de nueve orígenes, entre ellos búsquedas reales anonimizadas de Bing y Google (MS MARCO, ORCAS-1 y Natural Questions), consultas de tendencia de Perplexity, preguntas del foro ELI5 de Reddit y consultas generadas con GPT-4. Cubren 25 temas; el 80 % son informativas, el 10 % transaccionales y el 10 % de navegación.

El motor. Para cada consulta tomaron el texto de los cinco primeros resultados de Google y pidieron a GPT-3.5 Turbo una respuesta con citas a esas fuentes. Repitieron cada prueba con cinco semillas aleatorias para reducir la variación.

La intervención. En cada consulta eligieron al azar una de las cinco fuentes y la reescribieron con cada técnica por separado, siempre con GPT-3.5 Turbo. Así podían comparar la misma fuente antes y después de cada cambio.

Para medir el efecto usaron dos métricas:

• Recuento de palabras ajustado por posición. Cuenta las palabras de la respuesta que se atribuyen a la fuente y pondera más las que aparecen al principio. Es la métrica principal.
• Impresión subjetiva. GPT-3.5 puntúa siete aspectos de cómo se usa la cita: pertinencia para la pregunta, influencia en la respuesta, singularidad del material, posición percibida, cantidad percibida, probabilidad de que el usuario haga clic y diversidad del material.

¿Qué técnicas funcionaron y cuáles no?

Las nueve técnicas se dividen en las que añaden contenido (citas, fuentes, estadísticas) y las que cambian la presentación del que ya hay. Esta es la tabla 1 del artículo, ordenada de mayor a menor efecto en la métrica principal1:

Las cifras son la columna general de cada métrica. Algunas reseñas citan otra subcolumna, la de recuento de palabras sin ajustar, en la que la referencia es 19,5 y el relleno de palabras clave, 17,8: no se contradicen, miden cosas distintas.

Lo que los autores destacan de esta tabla:

1. Citar fuentes, añadir citas textuales y añadir estadísticas lograron una mejora relativa del 30 al 40 % en la métrica principal y del 15 al 30 % en la impresión subjetiva. La mejor técnica superó a la referencia en un 41 % y un 28 %.
2. Los cambios de estilo también suman. Optimizar la fluidez y simplificar el lenguaje dieron mejoras del 15 al 30 %, lo que sugiere que estos motores valoran también cómo se presenta la información.
3. El tono autoritario no aportó una mejora significativa. Los autores concluyen que los motores ya son bastante resistentes a la persuasión sin datos.
4. El relleno de palabras clave no sirvió. Según el artículo, aportó una mejora pequeña o nula.

Hay un matiz útil sobre las combinaciones. Citar fuentes rinde menos sola que añadir citas textuales, pero combinada con otras técnicas mejoró de media un 31,4 %. La mejor pareja fue fluidez más estadísticas, que superó en más de un 5,5 % a cualquier técnica aislada.

El efecto depende del tema y de la posición

El artículo lista los temas en que mejor funcionó cada técnica. Las estadísticas, en derecho y gobierno, debate y opinión. Las citas textuales, en personas y sociedad, explicaciones e historia. Citar fuentes, en afirmaciones, datos y derecho y gobierno.

La posición inicial importa todavía más. El estudio midió el cambio de visibilidad según el puesto que ocupaba la fuente en Google:

La lectura es que estas técnicas reparten una respuesta de tamaño limitado entre las cinco fuentes. Una web en quinta posición puede ganar mucho; la que ya dominaba la respuesta tiene poco que ganar y, en el experimento, perdió terreno.

La prueba en Perplexity

Para comprobar si los resultados se trasladaban a un motor real, los autores repitieron parte del experimento en Perplexity con 200 consultas del conjunto de prueba. Como Perplexity no permite elegir las fuentes por URL, le subieron el texto de las fuentes como archivos1.

Las citas textuales volvieron a ser las mejores, con un 22 % de mejora en la métrica principal, y el relleno de palabras clave quedó un 10 % por debajo de la referencia en esa misma métrica. Dos resultados no encajan con el laboratorio: citar fuentes bajó en la impresión subjetiva y el tono autoritario subió. Con 200 consultas, es una señal de que el efecto cambia de un motor a otro.

¿Qué no demuestra el estudio?

Los propios autores reconocen límites, y hay otros que se deducen del montaje:

• Las fuentes ya estaban elegidas. Las cinco de cada consulta eran las mismas para todas las técnicas, que reparten visibilidad entre páginas que ya habían entrado en la lista; ninguna hacía entrar a una nueva. La guía de posicionamiento LLM explica qué decide esa entrada.
• El motor es de 2023. GPT-3.5 Turbo dentro de un montaje propio no es ChatGPT ni AI Mode en 2026. Los autores avisan de que los métodos tendrán que adaptarse a medida que evolucionen los motores, como pasó con el SEO.
• No midieron el efecto en Google. Por la naturaleza de caja negra del buscador, no evaluaron cómo afectan estos cambios al ranking.
• Mide cuánto se usa la fuente, no si dice la verdad. Las reescrituras las hizo un modelo. Una estadística añadida sube la visibilidad en la métrica, pero en una web real tiene que ser verdadera y llevar su fuente, o el problema pasa a ser de confianza.

GEO frente a SEO

GEO no sustituye al SEO: lo presupone. Google dice que sus funciones de IA generativa se apoyan en sus sistemas de clasificación y calidad de siempre, y que, desde su punto de vista, optimizar para la búsqueda con IA generativa «sigue siendo SEO»2. En ChatGPT pasa algo parecido: OpenAI indica que las webs que vetan a OAI-SearchBot no aparecen en las respuestas de búsqueda, salvo como enlaces de navegación3.

¿Qué parte del GEO depende de tu página?

No todo lo que decide una cita está a tu alcance. Esta lista separa lo que puedes cambiar editando de lo que no:

La columna de la izquierda es la que conviene revisar primero. La de autor, fechas y «Sobre nosotros» se desarrolla en E-E-A-T, autoría y fechas, y la redacción con datos y citas, en contenido que la IA cite.

Un aviso de interés: este blog es de SmoothSeen, una herramienta de auditoría web que mide el posicionamiento en buscadores y en asistentes de IA. En su análisis de Posicionamiento IA, el bloque Credibilidad (GEO) revisa esa columna izquierda: si hay cifras, fechas o precios concretos, enlaces a fuentes externas, citas atribuidas, autoría, fecha, página «Sobre nosotros», indicadores de experiencia y marcado estructurado, además de la autoridad del dominio y si los rastreadores de búsqueda de IA pueden entrar. Audita las causas en la página; no mide si Perplexity, Claude o las AI Overviews te citan.

Preguntas frecuentes

¿GEO tiene algo que ver con la geolocalización?

No. En este contexto, GEO significa generative engine optimization, optimización para motores generativos: que un asistente de IA use tu página como fuente al responder. En marketing digital, «geo» también se usa para la segmentación por ubicación o el geomarketing, y de ahí la confusión. Si tu objetivo es aparecer en búsquedas locales o en Google Maps, lo que buscas es SEO local.

¿Quién inventó el término GEO?

Un equipo de seis investigadores cuyo primer firmante es Pranjal Aggarwal, con autores de la Universidad de Princeton y del Instituto Indio de Tecnología de Delhi. Publicaron «GEO: Generative Engine Optimization» en arXiv en noviembre de 2023 y lo presentaron en KDD 2024, una conferencia de la ACM sobre minería de datos. Con el artículo publicaron GEO-bench, un banco de 10.000 consultas para medir la visibilidad en motores generativos.

¿El GEO sustituye al SEO?

No. Para que un motor generativo te use, primero tiene que recuperar tu página, y eso depende del rastreo, la indexación y el acceso de sus rastreadores. Google dice expresamente que optimizar para sus funciones de IA generativa sigue siendo SEO. El GEO añade una capa encima: datos con fuente, citas atribuidas y señales de confianza que inclinan la elección entre páginas que ya compiten.

¿Funciona el relleno de palabras clave para aparecer en la IA?

En el estudio que acuñó el término, no. Meter más palabras de la consulta dejó la visibilidad en 17,7 frente a 19,3 de la página sin tocar, y en Perplexity quedó un 10 % por debajo de la referencia. Las técnicas que funcionaron añadían información comprobable: citas textuales, estadísticas y referencias a fuentes. Además, Google lo considera spam4.

Qué hacer ahora

Elige una página que ya reciba tráfico y repasa lo que depende de ella: cifras con fuente, citas atribuidas, autor y fecha. Después sigue con el resto de bloques en la guía de posicionamiento en IA.