Cómo realizar una auditoría GEO: haz un seguimiento de tu visibilidad en las búsquedas con IA

Introducción

La mayoría de los equipos de marketing comprueban su visibilidad en la IA de la misma manera: alguien abre ChatGPT, escribe «mejor [categoría] en [ciudad]» y lee la respuesta. Si la marca aparece, todo el mundo se tranquiliza. Si no aparece, alguien entra en pánico en un canal de Slack. En cualquier caso, no se ha aprendido casi nada: una sola consulta, realizada una vez, en una sola plataforma, no es más que una anécdota.

Una auditoría GEO sustituye la anécdota por una medición repetible. GEO —optimización de motores generativos— es la disciplina que consiste en hacer que una marca aparezca, con precisión, en las respuestas generadas por IA. Esta guía recorre los cinco pasos de una auditoría completa: crear un panel fijo de consultas, ejecutarlo de forma coherente en todas las plataformas, puntuar las respuestas, identificar las fuentes en las que se basan esas respuestas y volver a ejecutarlo según un calendario. Al final, tendrás una referencia que podrás defender y un proceso que podrás repetir el mes que viene sin tener que empezar de cero.

Qué mide realmente una auditoría GEO

La razón para tomarse esto en serio ahora es sencilla: las respuestas de la IA se han convertido, sin que nos diéramos cuenta, en un canal de compra. Los clientes potenciales que antes abrían diez enlaces azules ahora leen una respuesta sintetizada y actúan en consecuencia. Las marcas que aparecen en esa respuesta se reparten la demanda; el resto se reparten lo que queda. La mayoría de las empresas no tienen ni idea de en qué lado de esa línea se encuentran.

Antes de pasar a los pasos, conviene ser preciso en cuanto a las unidades de medida, ya que no se trata de clasificaciones.

Una auditoría GEO mide cuatro aspectos. En primer lugar, la mención: ¿nombra el asistente tu marca cuando un comprador formula el tipo de pregunta que suelen hacer tus clientes? En segundo lugar, la cita: ¿apunta a tu página web, o a la de otra persona, cuando hace afirmaciones sobre ti? En tercer lugar, la descripción: cuando habla de ti, ¿es cierto lo que dice —tu categoría, tu ubicación, tu rango de precios, tu servicio principal?—. En cuarto lugar, la dependencia de fuentes: ¿en qué páginas de terceros se basa el asistente para formular su respuesta, y dicen esas páginas lo que te gustaría que dijeran?

Estos cuatro aspectos se comportan de forma independiente. Una marca puede mencionarse en todas partes y no citarse en ninguna. Puede citarse y describirse mal. Puede describirse bien porque, casualmente, una página de reseñas desactualizada resulta halagadora este trimestre. Promediar todo esto en una única «puntuación de IA» oculta los problemas que más necesitas ver. Mantén los cuatro aspectos separados y la auditoría se convertirá en un diagnóstico: cada tipo de fallo tiene una solución diferente.

Una cosa más en la que hay que ponerse de acuerdo antes de empezar: una auditoría es una instantánea de un sistema en constante evolución. Los modelos se actualizan, las fuentes de recuperación cambian y las respuestas varían. El valor no reside en una sola ejecución, sino en volver a realizar la misma prueba más adelante y observar la diferencia. Todo lo que se describe en los pasos siguientes está diseñado para que esa repetición resulte económica y fiable.

Paso 1: Crear un panel fijo de preguntas

La base de la auditoría es un panel de entre 20 y 30 preguntas redactadas tal y como hablan los compradores reales, no como habla tu equipo de marketing. Esto es más difícil de lo que parece, porque los equipos internos suelen redactar preguntas que contienen su propio vocabulario de marca —que ningún comprador utiliza y que hace que la auditoría carezca de sentido—.

Un buen panel combina cinco tipos de preguntas. Preguntas de categoría: «¿Qué agencias de Yakarta se dedican a la optimización de motores generativos?». Preguntas de problema: «¿Por qué ChatGPT nunca menciona a mi empresa?». Preguntas de comparación: «Compara las tres mejores opciones para X». Preguntas locales o específicas de un idioma, en todos los idiomas que tus compradores utilicen realmente. Y preguntas de especificación que mencionen una característica, un rango de precios o un requisito, ya que esas son las preguntas más cercanas a una compra. Una herramienta de investigación de palabras clave resulta útil en este sentido: las consultas que la gente ya escribe en Google son la mejor materia prima para las preguntas que escribirán en un asistente.

Así es como se ve una pequeña muestra de un panel real para una marca de servicios B2B:

• «¿Cuáles son las mejores agencias de GEO para una empresa de comercio electrónico de tamaño medio?» - «¿Cuánto cuesta una auditoría de GEO y qué debería incluir?» - «¿Es mejor [marca] o [competidor] para el SEO internacional?» - «¿Agencias digitales en Yakarta que entiendan la búsqueda basada en IA?» (la misma intención, en el otro idioma del comprador) - «¿Por qué Perplexity recomienda [competidor] pero no [marca]?»

Fíjate en que ninguna de ellas menciona el eslogan de la marca, los nombres de los productos ni la terminología interna. Esa es la clave.

Hay tres reglas que garantizan la fiabilidad del panel. Redacta las preguntas a partir de llamadas de ventas y tickets de asistencia, no de lluvias de ideas: la forma de expresarse que los compradores utilizan con un comercial es la misma que emplearán con un asistente. Incluye algunas preguntas en las que sabes que deberías acertar y otras en las que esperas equivocarte; un panel en el que aciertas todo no te aporta nada. Y mantén la lista fija. La forma más habitual en que estas auditorías fallan es sustituir discretamente cada mes las preguntas por otras más fáciles, lo que hace que cualquier línea de tendencia suba. Acuerda la composición del panel una vez, anótala, compártela con las partes interesadas y no la modifiques entre una ejecución y otra.

Paso 2: Realiza el panel en todas las plataformas, de forma coherente

Realiza cada pregunta en todas las plataformas que utilicen tus compradores. Para la mayoría de las marcas actuales, eso significa ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity, Copilot, Claude y Grok, pero deja que sean tus propios análisis y tu base de clientes quienes decidan, no la costumbre.

La coherencia es más importante que la cobertura. Utiliza una sesión limpia para cada plataforma: sin personalización por inicio de sesión cuando puedas evitarlo, sin instrucciones personalizadas, y con la misma configuración de ubicación e idioma en cada ejecución. Documenta esa configuración una vez y reutilízala, ya que influye en las respuestas. Ejecuta cada pregunta tres veces por plataforma, no solo una: una sola ejecución puede halagarte o asustarte, mientras que tres ejecuciones revelan cuán estable es realmente una respuesta. Si una pregunta muestra tu marca dos veces de cada tres ejecuciones, ese es un resultado diferente al de tres de cada tres.

No te saltes ningún idioma. La misma pregunta en inglés y en bahasa indonesio puede arrojar dos listas de resultados completamente diferentes, ya que las fuentes subyacentes de las que los modelos extraen la información varían según el idioma. Cualquier marca que venda en más de un mercado lingüístico está, en la práctica, realizando una auditoría por cada idioma.

Registra todo sobre la marcha: pregunta, plataforma, número de ejecución, fecha, texto completo de la respuesta o una captura de pantalla. Llevar el registro puede parecer tedioso la primera semana, pero se convierte en el recurso más valioso que tendrás en el tercer mes, cuando alguien pregunte por qué ha variado una cifra.

Basta con una estructura de registro sencilla. Una fila por ejecución, con columnas para la fecha, la plataforma, el ID de la pregunta, el número de ejecución, si se ha mencionado (sí/no), la URL citada (si la hay), un resumen descriptivo, las fuentes visibles y un enlace a la respuesta completa. En esta fase, las hojas de cálculo son mejores que los paneles de control; el formato cambiará a medida que descubras qué es lo que realmente preguntan tus partes interesadas, y una hoja de cálculo se adapta mejor a los cambios.

Paso 3: Puntúa las menciones, las citas y las descripciones

Para cada respuesta, registra cuatro campos.

Mención: ¿se nombró la marca, sí o no? Cita: ¿la respuesta incluía un enlace a tu sitio web? Y, si enlazaba a algún sitio, ¿a dónde? Descripción: una breve nota sobre cómo se caracterizó la marca: categoría, ubicación, posicionamiento, rango de precios. Fuentes: en qué páginas externas se basó visiblemente la respuesta, tal y como las muestra la plataforma.

Hay dos patrones que merecen especial atención. Una mención sin cita significa que el modelo conoce tu nombre, pero no lo ha relacionado con tus fuentes propias; suele ser una señal de que tu propio sitio web no es la mejor respuesta a la pregunta formulada. Una cita con una descripción errónea es peor que cualquiera de las dos: el asistente está dirigiendo con confianza a los compradores hacia ti, pero al mismo tiempo está indicando erróneamente a qué te dedicas, dónde te encuentras o cuánto cuesta lo que ofreces. Los equipos suelen subestimar este aspecto. Un asistente que te nombra pero se equivoca con tu ubicación, tu rango de precios o tu servicio principal causa más daño que uno que te omite, porque genera compradores decepcionados a gran escala.

Resiste la tentación de agrupar las plataformas en una sola media. Las plataformas se comportan de forma tan diferente que la media es una ficción. En nuestro trabajo con clientes vemos habitualmente que una marca aparece en cientos de resúmenes de IA de Google y respuestas en modo IA, mientras que el mismo panel de preguntas genera unas pocas docenas de menciones en Copilot, Perplexity, Gemini y ChatGPT juntos. Una marca que solo tuviera en cuenta la cifra combinada creería que su visibilidad en la IA era «media en todas partes», cuando en realidad era fuerte en las superficies de Google y casi inexistente en los asistentes independientes: dos problemas con soluciones completamente diferentes.

Paso 4: Identificar las fuentes en las que se basan las respuestas

Este es el paso que convierte la medición en un plan de trabajo.

Cuando un asistente cite una fuente para una afirmación sobre tu categoría, anota la fuente. A lo largo de todo el panel, irás recopilando una lista: plataformas de reseñas, artículos comparativos, directorios del sector, Wikipedia, hilos de Reddit, cobertura informativa y tus propios sitios web. Esa lista es el verdadero campo de batalla. Los modelos no inventan opiniones sobre las marcas; recuperan y sintetizan lo que ya se dice en la web.

Lee tu lista de fuentes planteándote tres preguntas. ¿Cuáles de estas páginas controlamos, ya sea directamente o a través de relaciones? ¿Qué páginas son inexactas, están desactualizadas o no nos mencionan, y qué haría falta para corregirlas? ¿Y qué fuentes aparecen para la competencia pero no para nosotros?

Un ejemplo práctico: supongamos que la pregunta comparativa «el mejor X para Y» se basa sistemáticamente en un sitio web de reseñas muy conocido y en un directorio del sector. Tu marca no aparece en ninguno de los dos; tres competidores sí están presentes en ambos. La auditoría te acaba de revelar algo concreto: los asistentes no te están ignorando, sino que informan fielmente de una web en la que tú no apareces en las dos páginas que importan para esta pregunta. La solución es igualmente concreta: consigue una presencia precisa y actualizada en esas dos páginas. Ninguna reescritura del texto de tu página de inicio habría cambiado esa respuesta.

Esta es también la razón por la que el SEO geolocalizado y el SEO clásico acaban compartiendo la mayor parte de sus herramientas: las fuentes que se posicionan tienden a ser las que se recogen. Las relaciones públicas digitales, los artículos de invitado en publicaciones de confianza, los listados precisos en directorios y las reseñas de clientes reales son un trabajo poco glamuroso que, sin embargo, resulta ser exactamente lo que influye en las respuestas de la IA. También es el núcleo de lo que hacemos en Arfadia para las marcas que quieren desarrollar su presencia en las búsquedas con IA.

Paso 5: Corrige y vuelve a ejecutar según un calendario

Una auditoría que acaba en una presentación de diapositivas no cambia nada. Convierte los resultados en una lista de correcciones, ordenadas por importancia: corrige primero las descripciones erróneas en fuentes de alta autoridad; a continuación, crea presencia en fuentes que impulsan las respuestas de la categoría; y, por último, refuerza tus propias páginas para que se conviertan en la mejor respuesta recuperable para las preguntas que te corresponden.

A continuación, vuelve a ejecutar el mismo panel —las mismas preguntas, las mismas plataformas, la misma configuración, las mismas tres ejecuciones— con una periodicidad fija. Mensualmente funciona para la mayoría de las marcas; trimestralmente es lo mínimo. Compara una ejecución con otra, plataforma por plataforma, métrica por métrica. Lo que buscas no es que un número suba. Lo que buscas es que cambien respuestas concretas: la pregunta de comparación que ahora te incluye, la descripción que por fin es precisa, las respuestas de Perplexity que ahora citan tu sitio web en lugar de una reseña de hace tres años.

Establece las expectativas con las partes interesadas desde el principio: los cambios en las respuestas de la IA van con un retraso de semanas o meses respecto al trabajo subyacente, ya que los modelos y sus capas de recuperación se actualizan según sus propios calendarios. Es normal que la primera repetición, tras un mes de correcciones, no muestre cambios; eso no es un veredicto.

La elaboración de informes merece una mención aparte. Las partes interesadas acostumbradas a los informes de SEO pedirán el equivalente en IA de un rastreador de posiciones: una cifra que vaya al alza. Ofréceles algo mejor: un breve informe por plataforma, con las cuatro métricas separadas, dos o tres extractos textuales de respuestas y la lista de correcciones con su estado. Los extractos textuales aportan más credibilidad que cualquier gráfico, porque nadie discute una captura de pantalla de un asistente que describe erróneamente a tu empresa.

También ayuda realizar la medición clásica de SEO en paralelo, en lugar de como alternativa. Las posiciones en los resultados, el tráfico orgánico y la visibilidad de la IA responden a preguntas diferentes: dónde te sitúas en las páginas de resultados y qué dicen las máquinas sobre ti cuando se les pregunta directamente. Ambas comparten cada vez más datos, por lo que hacer un seguimiento paralelo —tus posiciones de palabras clave en un rastreador de posiciones, tus menciones y citas en el registro de auditoría— te muestra qué factor ha influido en cada resultado.

¿Se puede automatizar una auditoría GEO?

En parte. La ejecución del panel y el registro de las respuestas pueden automatizarse, y en el caso de paneles grandes debería hacerse así: las mismas herramientas de SEO de búsqueda con IA que realizan un seguimiento de la visibilidad pueden programar las ejecuciones. La lectura de las respuestas no debería automatizarse, al menos no del todo: juzgar si una descripción es sutilmente errónea —el servicio correcto, el mercado equivocado; el precio adecuado, el nivel equivocado— sigue siendo una tarea humana, y es ahí donde se esconden los errores más costosos. Una configuración sensata es la recopilación automatizada con evaluación humana, con la misma periodicidad fija.

Errores comunes que arruinan silenciosamente las auditorías GEO

La mayoría de las auditorías fallidas fracasan por las mismas pocas razones. Editar el panel de preguntas entre ejecuciones, lo que genera un progreso falso. Probar una sola plataforma —normalmente ChatGPT— y generalizar el resultado a la «IA». Realizar una sola prueba en lugar de tres y perseguir el ruido. Interpretar las menciones como un éxito sin comprobar si la descripción era precisa. Ignorar los idiomas y concluir que la marca es invisible cuando, en realidad, solo lo es en inglés. Y promediarlo todo en una única puntuación, lo que oculta la única información sobre la que vale la pena actuar.

Todos estos son errores de proceso, no de herramientas. Además, se pueden evitar fácilmente, por lo que una auditoría manual disciplinada es mejor que una automatizada y descuidada.

¿Cuánto tiempo tardarán en reflejarse las correcciones en las respuestas de la IA?

Hay que contar con semanas o meses, no con días. Las páginas propias se pueden volver a rastrear rápidamente, pero las fuentes de terceros que alimentan la mayoría de las respuestas de las categorías se actualizan según sus propios calendarios, y el comportamiento del modelo las sigue con un cierto retraso. Este es un argumento a favor de comenzar la auditoría ahora mismo en lugar de esperar: se tarda una semana en establecer la línea de referencia, y cada mes sin ella es un mes de desviación que no puedes ver.

Reflexiones finales

Una auditoría GEO no es nada glamurosa. Se trata de una lista fija de preguntas de los compradores, que se procesa minuciosamente en los asistentes que utilizan tus clientes, se lee prestando atención a las menciones, citas, descripciones y fuentes, y luego se vuelve a realizar de la misma forma al mes siguiente. Las marcas que hacen esto descubren cuál es su situación real y qué deben corregir. Las marcas que se limitan a comprobar aleatoriamente preguntas sueltas siguen basándose en corazonadas en lugar de en datos.

Tessar Napitupulu, fundador y director ejecutivo de Arfadia.

Esta disciplina es tan reciente que la mayoría de las categorías carecen por completo de una referencia establecida, lo que significa que el primer equipo de una categoría que realice mediciones honestas suele ser el primero en mejorar. Los dos libros que he publicado sobre este tema, «Found Before They Search», sobre el panorama digital indonesio, y «Cited or Silent», sobre la visibilidad de GEO y la IA, parten ambos de la misma premisa que esta guía: no se puede ganar un partido cuyo marcador uno se niega a leer.

Crea el panel, fíjalo, ejecútalo y deja que las respuestas te indiquen dónde hay que trabajar.