Llevamos semanas corriendo nuestro propio benchmark de GEO (Generative Engine Optimization). Son cientos de corridas de seguimiento en varias plataformas de IA generativa, con contenido editorial real, nada de encuestas ni de teoría suelta. Queríamos entender algo simple: por qué una IA cita una nota y no otra. Aquí te comparto lo que encontramos, con la evidencia detrás de cada hallazgo y también con lo que todavía no logramos explicar del todo.
01Por qué corrimos este benchmark
Corrimos nuestro propio benchmark de citación: seguimiento de un banco de prompts en varias plataformas de IA generativa, sobre contenido editorial real. Lo complementamos con un benchmark categórico anterior de 85 corridas sobre 17 prompts genéricos en 5 plataformas, y con una auditoría manual dirigida a formatos específicos de contenido transaccional. En total, la base de este artículo son cientos de corridas registradas con evidencia: qué fuente se citó, en qué posición, y con qué patrón de contenido.
Este artículo resume lo que encontramos. No es la última palabra sobre GEO, es simplemente lo que podemos sostener con datos propios por ahora, incluyendo lo que todavía no hemos logrado cerrar.
02La variable que más pesa: especificidad, no formato
El primer hallazgo desarma una suposición común: el formato de una nota importa menos que qué tan específico es el prompt detrás de la pregunta del usuario. En nuestro benchmark, la diferencia entre ser citado casi nunca y ser citado la mayoría de las veces no dependía de si el contenido tenía subtítulos o buena redacción, dependía de si el usuario ya había preguntado por algo concreto.
Cuando el prompt es amplio, el terreno lo dominan agregadores, comparadores de precio y fuentes oficiales o de retail. Ahí casi no hay espacio para que un medio editorial sea la fuente citada. Pero cuando el prompt ya trae especificidad, un modelo, una categoría concreta, un contexto de uso, el espacio editorial se abre de forma notable.
Esto reconcilia algo que al principio nos pareció contradictorio entre dos benchmarks distintos que corrimos, uno con muy poca citación editorial y otro con mucha. No eran resultados incompatibles, simplemente medían escenarios de especificidad de prompt completamente distintos. La implicación práctica es sencilla: si tu objetivo es citabilidad, prioriza contenido que responda intención específica antes que contenido de categoría genérica. La categoría genérica la gana quien tiene el catálogo o el precio más bajo, no quien escribe mejor.
03El patrón de 3 elementos que sí predice citación
Dentro del universo de prompts con intención específica, encontramos un patrón que se repitió de forma independiente en dos mediciones distintas: una auditoría manual dirigida y, semanas después, el benchmark a escala. El patrón tiene tres elementos, y perder cualquiera de los tres reduce la citación observada a casi cero.
- Producto específico, no una categoría ni una línea completa. Habla de "este modelo", no de "esta familia de productos".
- Precio verificable, un número concreto, no un rango genérico ni un "desde $X".
- Caso de uso o recomendación puntual, algo como "ideal para principiantes" o "la mejor opción si haces Y", no una descripción neutra de características.
Un ejemplo hipotético ilustra la diferencia. Una nota titulada "Los mejores audífonos de la marca X" que describe varios modelos sin precio ni contexto de uso tiene una tasa de citación cercana a cero. La misma información reescrita como "este modelo de $X,XXX es la opción correcta si haces llamadas todo el día" ya trae producto específico, precio verificable y caso de uso, y entra directo al patrón que sí se citó en nuestro benchmark.
Un hallazgo que todavía no cerramos
En un caso dentro del benchmark, una nota "paraguas" que cubría una línea completa de productos le ganó la cita a las notas dedicadas de cada modelo individual, algo que también confirmamos con datos reales de tráfico. Lo dejamos como hipótesis a pilotear a propósito, no como conclusión cerrada. Todavía no sabemos si el patrón se sostiene fuera de ese caso.
04Titulares: la gramática que funciona
Reverseamos un grupo de titulares que sí generaron citación repetida a la pregunta de usuario que respondían, y encontramos una gramática consistente que rompe con el instinto de SEO clásico: ninguno abre con el nombre del producto, y ninguno abre con "los mejores X".
En cambio, abren con un hecho verificable, una tensión o una experiencia en primera persona, y dejan el nombre del producto para el final de la frase, no para el inicio.
| Patrón que citó poco | Patrón que sí citó (hipotético, ilustrativo) |
|---|---|
| "Los mejores modelos de gama alta en 2026" | "Probé el modelo de gama alta durante dos semanas: esto es lo que cambia la batería" |
| "[Producto]: características y precio" | "Con $X,XXX de presupuesto, esta es la opción que sí vale la pena en 2026" |
La lógica detrás es la misma que la de la especificidad del prompt: un motor de IA generativa busca la respuesta a una pregunta real, no un listado de opciones. Un titular que ya contiene el hecho o la tensión que responde esa pregunta tiene más probabilidad de calzar con la intención exacta del usuario.
05Frescura: por qué un motor puede citar contenido viejo
En una corrida del benchmark, uno de los motores citó una nota con más de dos años de antigüedad en lugar de la ficha vigente del mismo producto, publicada meses antes. No fue un caso aislado de "el modelo no sabe qué es nuevo". Fue una señal de que la fecha visible y el interlinking entre piezas de la misma línea no estaban comunicando con claridad cuál versión es la actual.
La investigación pública disponible coincide con este patrón en un punto: la probabilidad de citación cae de forma medible después de aproximadamente tres meses de antigüedad de una pieza, salvo que existan señales activas de vigencia.
Acción concreta: si publicas contenido sobre productos o categorías que se actualizan, la fecha de actualización debe ser visible en la página, no solo en el schema, y cada pieza debe enlazar explícitamente a la versión más reciente de la misma línea.
06Cada plataforma cita distinto, y eso cambia tu prioridad de formato
El hallazgo con mayor implicación práctica es este: no existe "la" IA que cita contenido de una sola forma. Cada plataforma mostró un comportamiento propio y consistente en nuestro benchmark:
| Plataforma | Patrón observado en nuestro benchmark |
|---|---|
| Perplexity | La plataforma que con mayor frecuencia citó contenido editorial en prompts de intención de compra específica. |
| ChatGPT | Cita contenido editorial de forma consistente cuando el prompt cumple el patrón de 3 elementos, pero rara vez en prompts de categoría amplia. |
| Gemini | Casi nunca citó contenido editorial en prompts de compra durante el benchmark. Prefiere de forma consistente fuentes oficiales o de retail. |
| Google AI Overview / AI Mode | Citan con menor frecuencia que Perplexity o ChatGPT en estos escenarios, pero cuando lo hacen, sus dos superficies tendieron a citar exactamente la misma nota. No son fuentes independientes entre sí, aunque se presenten como productos separados. |
| YouTube (como fuente citada) | Fue la fuente individual más citada en preguntas de categoría amplia del benchmark categórico, con 41% de las corridas. Más que cualquier medio editorial de texto. |
La implicación es directa: diseñar una estrategia de contenido "para GEO" en genérico no funciona. Si tu prioridad es Perplexity o ChatGPT, el patrón de 3 elementos en texto tiene retorno real. Si tu categoría tiene componente demostrativo o visual, ignorar video deja sin cubrir la fuente más citada del panorama completo. Y si mides éxito solo en Google AI Overview, vale la pena confirmar si AI Mode está citando la misma pieza. Si es así, es una sola oportunidad de citación, no dos.
07¿GEO y SEO son el mismo juego? Para nosotros, sí
Hay una lectura popular sobre GEO que dice lo contrario, y se apoya en un dato real: solo una fracción pequeña, cerca del 12%, de las URLs citadas por motores de IA generativa están también en el top 10 de Google para la misma búsqueda. De ahí se concluye que GEO y SEO clásico son disciplinas separadas, con reglas propias, casi disciplinas rivales.
No compartimos esa lectura. En nuestro benchmark, las señales de SEO técnico clásico (autoridad de dominio, estructura de contenido, historial del sitio) alimentaron la citación en Google AI Overview, AI Mode y Perplexity de forma consistente. Eso confirma algo que ya creíamos antes de correr un solo prompt: GEO no es una disciplina aparte con reglas propias, es la consecuencia de tener un buen SEO técnico detrás. Si tu base no está sólida, ningún ajuste de formato GEO te va a salvar.
Eso no significa que todo sea igual. Hay capas específicas de GEO, como la especificidad del prompt, el patrón de 3 elementos o la gramática de titulares, que el SEO clásico no contempla y que sí vale la pena trabajar aparte. Pero la base que sostiene todo lo demás sigue siendo la misma de siempre: contenido técnicamente sólido, con autoridad real detrás. GEO empieza donde termina un buen trabajo de SEO, no en otro lugar.
08Checklist antes de publicar tu próxima nota
Convertimos estos hallazgos en un criterio de revisión de 8 puntos que usamos antes de publicar contenido nuevo pensado para citabilidad en IA:
- ¿El prompt real detrás de este tema es amplio o específico? Si es amplio, ajusta expectativas de citación editorial.
- Si buscas citación transaccional, ¿están los 3 elementos? Producto específico + precio verificable + caso de uso.
- ¿El titular abre con un hecho o una tensión, o abre con el nombre del producto?
- ¿La fecha de actualización es visible en la página, no solo en el schema?
- ¿Esta pieza enlaza a las demás piezas de la misma línea o categoría, para señalar cuál es la vigente?
- ¿Estás diseñando para una sola plataforma o para el comportamiento real de varias?
- Si tu categoría tiene componente visual o demostrativo, ¿tienes formato de video, o dejas ese espacio a alguien más?
- ¿Sigues trabajando el SEO técnico con el mismo rigor, o lo diste por sentado porque "ya es sobre GEO"?
Qué contenido cita realmente una IA no tiene una respuesta única ni permanente, cambia por plataforma, por categoría y con el tiempo. Lo que sí tenemos es un método replicable: correr tu propio banco de prompts, medir con evidencia, y ajustar rápido cuando el panorama cambie. Este es exactamente el tipo de trabajo metodológico que ejecutamos para agencias y marcas que necesitan saber, no adivinar, qué está citando la IA sobre su categoría. Si quieres correr este mismo ejercicio sobre tu propio contenido, agenda una consultoría o revisa nuestra herramienta de lineamientos GEO.