Generative engine optimization es la expresión más nueva del marketing de buscadores, y viene con su discurso: las reglas cambiaron, tu SEO quedó obsoleto, aquí tienes un contrato nuevo.
Una parte es cierta. La mayor parte son consejos que ya te habían dado, con los sustantivos cambiados. Esta es la versión honesta: qué midió la investigación, qué no midió, y qué mitad de la lista puedes ignorar tranquilo.
El término sale de un paper, no de una agencia
Un grupo de Princeton publicó GEO: Generative Engine Optimization a finales de 2023, y el trabajo fue aceptado en KDD 2024. Construyeron un benchmark de 10.000 consultas, reescribieron las mismas páginas fuente de nueve formas distintas y midieron cuánto de cada respuesta generada podía rastrearse hasta cada versión.
El número del titular: hasta un 40 por ciento más de visibilidad, y hasta un 37 por ciento frente a Perplexity, un motor que la gente usa de verdad.1
Dos de las nueve reescrituras hicieron casi todo el trabajo. Agregar datos. Agregar citas textuales. Repetir palabras clave, lo que la industria perfeccionó durante quince años, no hizo casi nada.
Es un resultado real y vale la pena conocerlo. También es mucho más estrecho de lo que parece cuando te lo citan.
Qué dejó fijo ese experimento
Una revisión publicada en julio de 2026 leyó 45 estudios sobre el tema, el paper fundacional incluido, y dice el límite con todas las letras: el conjunto recuperado estaba fijo.2 La página ya había sido traída. Lo que cambiaba la reescritura era cuánto se usaba de ella, y si se la nombraba, una vez que ya estaba dentro de la ventana de contexto.
Así que ese 40 por ciento responde una sola pregunta. Dado que tu página fue recuperada, ¿cómo logras que te citen desde ella? No dice nada sobre la pregunta difícil, que es cómo logras que la recuperen.
La misma revisión reporta que las reescrituras pensadas para ser citadas a veces hacen que la página tenga menos probabilidad de ser recuperada. Esto es una cadena, y un cambio que ayuda en una etapa puede perjudicar la anterior.
El hallazgo más amplio es el que conviene guardarse. En esos 45 estudios, ninguna técnica mostró un efecto estable sobre la visibilidad que se sostenga en el tiempo y entre motores. Las auditorías que repiten los mismos prompts encuentran poca coincidencia entre las fuentes que elige cada motor, y mucha variación entre dos corridas de la misma pregunta.
Tres cosas que sí son distintas al SEO
No hay una función de ranking que manipular
Un buscador devuelve una lista, y una lista es lo bastante estable como para ocupar una posición en ella. Un motor de respuestas corre una secuencia: decidir si busca, recuperar, reordenar, escribir, citar. Hazle dos veces la misma pregunta y puedes recibir dos conjuntos de fuentes distintos.
Tu posición es una distribución, no un número. Una captura de pantalla de un asistente citándote no es una medición.
La unidad es el pasaje, no la página
Lo que entra en una respuesta son unos cientos de palabras, no una URL. Así funciona también la recuperación de este lado, y por eso el consejo de cómo escribir documentación que una IA pueda responder es el mismo aquí: una pregunta por sección, la respuesta en las dos primeras frases, y ninguna frase que solo se entienda si leíste el encabezado de arriba.
El resultado es una cita, no un clic
Y muchas veces ni siquiera una cita. La revisión tiene un nombre para el caso en el que tu contenido moldea la respuesta sin ser nombrado: absorción. Es el problema honesto de medir todo esto, porque la influencia es real y es invisible en tus analíticas.
Qué es exactamente igual a lo que ya hacías
Tres de esas cuatro filas son el mismo trabajo de siempre. Si tu documentación es pobre, se contradice o no se puede leer sin JavaScript, el problema entre tú y una cita no es la falta de generative engine optimization.
Debajo de todo esto hay dos decisiones, y las dos ya están escritas aquí: si dejar entrar a los rastreadores, en ¿deberías dejar que los rastreadores de IA indexen tu sitio?, y si el archivo que todo el mundo recomienda hace algo, en qué es llms.txt y si tu sitio debería tenerlo. La versión práctica de este post, apuntada a documentación, es cómo lograr que ChatGPT cite tu documentación.
Cómo medirlo sin engañarte
El consejo de medición de esa revisión es su parte más útil, y seguirlo no cuesta nada.
- Elige las veinte preguntas que quieres responder, con las palabras que usaría de verdad quien compra.
- Haz cada una siete u ocho veces, no una. La variación entre corridas es el ruido que intentas atravesar.
- Parafrasea cada pregunta de dos o tres maneras, porque el propio motor la reescribe igual.
- Deja un control: unas cuantas preguntas que no estás optimizando, corridas igual, para distinguir un cambio real de una actualización del modelo.
- Anota qué fuentes aparecieron, no solo si apareciste tú.
Casi nadie hace la quinta, y es la única que te dice qué escribir la semana que viene.
El widget de tu sitio responde desde tu material y cita el pasaje que usó, que es el mismo mecanismo que corre un motor externo, sobre un corpus que tú controlas. No cambia nada respecto de si ChatGPT te cita. Son dos superficies distintas, y quien te diga que instalar un widget de chat mejora tu visibilidad en los motores generativos te está vendiendo algo que no viene en la caja.
La versión corta
Arregla el rastreo, la estructura y la calidad de la respuesta en la página, porque esa mitad está resuelta y es la que paga. Agrega cifras y citas a los pasajes que más quieres que te citen, porque es la única táctica con un experimento controlado detrás. Trata llms.txt y schema como apuestas baratas, no como un plan. Y mide con repeticiones, o no declares un resultado.
El resto de lo que se vende con este nombre es SEO, y eso ya sabías hacerlo.
