Módulo 1 — Fundamentos: GEO vs SEO vs "Búsqueda con IA"

🧠Este módulo te da el modelo mental sobre el que se apoya todo lo

Por qué este capítulo es el más importante de todos

Hay una tentación natural al empezar en GEO: saltar directamente a lo táctico. "Dime qué tengo que poner en el llms.txt y ya está." Es comprensible, pero es también la forma más rápida de perder meses optimizando lo que no mueve la aguja. La disciplina es tan nueva que casi nadie tiene todavía un modelo mental sólido de cómo funciona por dentro, y esa es precisamente tu ventaja: si entiendes el mecanismo antes que tu competencia, cada acción que tomes tendrá una intención detrás en lugar de ser una apuesta a ciegas.

Piensa en la diferencia entre alguien que sabe conducir y alguien que además entiende cómo funciona el motor. Los dos llegan a su destino en un día soleado y con la carretera despejada. Pero el día que algo va mal —el coche pierde potencia en una cuesta, se enciende una luz en el salpicadero— solo uno de los dos sabe qué está pasando y qué tocar. En GEO, los "días soleados" son los meses en que todo parece funcionar sin que sepas por qué; los "días de cuesta" son cuando la IA deja de citarte, empieza a recomendar a un competidor o describe mal tu producto, y necesitas diagnosticar la causa real. Este módulo te convierte en la persona que entiende el motor.

El objetivo de las próximas páginas, dicho sin rodeos, es que interiorices una sola idea grande y la conviertas en instinto: cuando un sistema de IA mira las fuentes para responder, tu contenido tiene que ser fácil de encontrar, fácil de entender y seguro de citar. Suena simple, y lo es. Pero cada una de esas tres condiciones esconde una cadena de decisiones técnicas y editoriales que ocuparán el resto de la Academy. Hoy construimos el marco donde encajarán todas.

De los diez enlaces azules a la respuesta única

Durante veinticinco años, "buscar" significó lo mismo para casi todo el mundo: escribías algo en Google, te devolvía una lista de enlaces y tú elegías en cuál hacer clic. Todo el SEO clásico —palabras clave, backlinks, meta títulos, velocidad de carga— se construyó alrededor de ese ritual. El juego consistía en ser uno de esos diez enlaces azules y, a ser posible, el primero, porque el primer resultado se llevaba la mayoría de los clics.

Ese ritual se está rompiendo delante de nuestros ojos. Cada vez más, la gente no quiere diez enlaces: quiere la respuesta. Le pregunta a un asistente y recibe un párrafo redactado, una comparativa ya montada, una recomendación con nombre y apellidos. En muchos casos ni siquiera hay un clic posterior: la conversación empieza y termina dentro del asistente. Cuando eso ocurre, la pregunta estratégica deja de ser "¿aparezco en la lista?" y pasa a ser "¿soy yo la fuente que el asistente ha decidido resumir y citar?".

Esa mudanza —de la lista de enlaces a la respuesta generada— es el terreno completo de GEO. No es un ajuste menor del SEO, es un juego con reglas propias. En SEO el objetivo final es el clic; en GEO el objetivo final es ser la fuente citada dentro de la respuesta. Y las señales que ganan cada juego solo se solapan en parte, como veremos. Por eso una web puede ir primera en Google y, al mismo tiempo, ser prácticamente invisible para ChatGPT.

SEO y GEO: parientes, no gemelos

Conviene decirlo con claridad para evitar dos errores opuestos. El primer error es pensar que GEO es "SEO con otro nombre" y que basta con seguir haciendo lo de siempre. El segundo es pensar que el SEO ha muerto y que hay que tirarlo todo. Ninguna de las dos es cierta.

El SEO sigue vivo y sigue optimizando para el algoritmo de ranking de un buscador: quiere posición en la página de resultados para ganar un clic. Sus señales clásicas son las palabras clave, los enlaces entrantes, las etiquetas meta y las métricas de experiencia como los Core Web Vitals. GEO, en cambio, optimiza para cómo un modelo de lenguaje lee, entiende, confía y cita. Sus señales son de otra familia: la claridad extractable de cada párrafo, la existencia de una entidad reconocible detrás de tu marca, la presencia de datos estructurados que digan "qué es qué", un llms.txt que oriente a los agentes, y la reputación que otras fuentes construyen sobre ti.

La forma más honesta de resumirlo es esta: el SEO te lleva hasta la página de resultados; el GEO te mete dentro de la respuesta. No compiten, se suman. El trabajo de esta Academy no es que abandones tu SEO, sino que le añadas la capa que la era de las respuestas generativas exige. Guárdate esta frase, porque la usarás muchas veces cuando alguien te pregunte "¿y esto no es lo mismo que el SEO de toda la vida?".

Qué significa de verdad "ser citado"

Cuando alguien empieza en GEO suele reducir el éxito a "que salga mi URL". Es una definición pobre. Ser citado, en el sentido que nos importa, es algo más profundo: es que el sistema trate tu página como una fuente de verdad, es decir, que confíe en que tu contenido responde correctamente a la pregunta y esté dispuesto a apoyarse en él para construir su respuesta, mencionándote como origen.

Hay una gradación que conviene tener en la cabeza. En el nivel más bajo, el asistente ni siquiera te considera: no entras en el conjunto de fuentes candidatas. Un escalón por encima, entras en el conjunto pero el sistema elige leer y citar a otro. Más arriba, te lee y te usa, pero no te atribuye. Y en la cima, te lee, se apoya en ti y te cita con tu nombre. Cada uno de esos saltos corresponde a un tipo de trabajo distinto que irás haciendo a lo largo de la Academy: entrar en el conjunto es sobre todo descubrimiento y arquitectura; ser elegido es sobre todo claridad y estructura; ser citado con confianza es sobre todo entidad y autoridad.

Hay además tres momentos de verdad que se repetirán como un estribillo durante todo el programa, y vale la pena memorizarlos desde ya. Primero: ¿entras en el conjunto de candidatos? Segundo: ¿te eligen para leer? Y tercero: ¿te citan? Cada módulo de esta Academy, sin excepción, ataca uno de esos tres momentos. Cuando dudes de por qué estás haciendo una tarea, pregúntate cuál de los tres momentos estás intentando ganar; si no sabes responder, probablemente esa tarea no es prioritaria.

Las tres formas en que la IA usa tu contenido

Para optimizar con criterio necesitas distinguir las tres vías por las que tu contenido puede acabar influyendo en una respuesta de IA, porque no todas se controlan igual.

La primera es el conocimiento preentrenado. El modelo "recuerda" cosas que aprendió durante su entrenamiento, a partir de un corpus enorme capturado en el pasado. Si tu marca era conocida y estaba bien descrita cuando se entrenó el modelo, algo de eso quedará en su memoria. Pero esta vía tiene dos problemas serios: no la controlas de forma directa y está siempre desactualizada, porque el entrenamiento tiene una fecha de corte. Nunca confíes en que el modelo "se acuerde" de tus precios actuales: no lo hará, y si lo intenta, probablemente se equivoque.

La segunda vía es la recuperación, conocida técnicamente como RAG (retrieval- augmented generation). Aquí el sistema, en lugar de fiarse solo de su memoria, sale a buscar información fresca para fundamentar su respuesta. Es la vía más importante para GEO porque es donde tu contenido actual entra en juego en tiempo casi real. Y tiene un detalle técnico decisivo que conviene entender bien: cuando un asistente "busca", no recupera páginas enteras, recupera fragmentos (los llamados chunks) seleccionados por similitud semántica con la pregunta. Esto tiene una consecuencia práctica enorme: ganan los párrafos auto-contenidos, aquellos que responden por sí solos sin necesidad de haber leído el resto de la página. Un párrafo que empieza con "como decíamos antes..." es un mal chunk, porque fuera de contexto no dice nada. Guarda esta idea: gran parte del trabajo de contenido citable del Módulo 4 consiste, en el fondo, en escribir buenos chunks.

La tercera vía es la navegación en vivo mediante agentes: sistemas que visitan URLs en el momento, leen lo que encuentran y actúan en consecuencia. Aquí importa muchísimo qué recibe exactamente el agente cuando entra (¿tu HTML lleno de menús y scripts, o una versión limpia y legible?— y si hay señales que lo orienten hacia lo que de verdad importa. Los Módulos 6 y 7 viven en este terreno.

Tu trabajo de GEO se concentra, sobre todo, en las vías segunda y tercera: en la recuperación y en la navegación. La primera, el conocimiento preentrenado, la influyes solo de forma indirecta y a largo plazo, construyendo una entidad tan sólida y tan repetida por fuentes fiables que los futuros entrenamientos la absorban. Pero no es donde vas a ver resultados en semanas; es una consecuencia, no una palanca directa.

La película completa: cómo piensa un asistente cuando le preguntan por ti

Vale la pena recorrer, paso a paso y en cámara lenta, lo que ocurre cuando alguien le hace a un asistente una pregunta sobre tu categoría. Imagina que un usuario escribe: "¿Cuánto cuesta BotPass y qué incluye?"

Lo primero que hace el sistema es entender la intención. No se limita a las palabras literales: interpreta que la persona quiere precios y alcance de un producto concreto, probablemente para compararlo o decidir una compra. Ese matiz importará después, porque determina qué tipo de contenido considerará una buena respuesta.

Lo segundo es decidir si responde de memoria o si busca. Un buen sistema sabe que los precios cambian y que fiarse de la memoria es arriesgado. Así que decide buscar una fuente de verdad actualizada en lugar de arriesgarse a inventar una cifra vieja. Este momento es clave: cuanto más "volátil" es un dato (precios, disponibilidad, condiciones), más probable es que el sistema salga a recuperar en vez de tirar de memoria, y por tanto más peso tiene tu contenido actual.

Lo tercero es elegir qué fuentes leer. Aquí entra en juego todo lo que trabajarás en los módulos de descubrimiento y autoridad: si tu página existe, si es encontrable, si tu marca se reconoce como entidad, si otras fuentes te respaldan. El sistema arma un pequeño conjunto de candidatos y prioriza.

Lo cuarto es leer y extraer. El asistente entra en las páginas elegidas y toma lo que puede entender. Y aquí es donde muchísimas webs pierden la partida sin enterarse: si tu página está llena de menús, banners, scripts, ventanas emergentes y texto de relleno, el modelo recibe ruido y le cuesta encontrar la señal. Si en cambio encuentra una definición clara, unos planes bien delimitados, unas condiciones explícitas y un enlace a la fuente canónica, extrae justo lo que necesita.

Y lo quinto es redactar y, a veces, citar. El sistema compone una respuesta con lo que ha extraído. Si tu página fue clara y fiable, es probable que se apoye en ella y te mencione. Si fue confusa, puede mezclar tus planes, atribuir mal una condición o —lo peor— recurrir a una fuente externa peor que la tuya solo porque era más legible.

La moraleja de la película es incómoda pero liberadora: no puedes controlar la pregunta, pero controlas casi por completo lo que el asistente encuentra cuando aterriza en tu sitio. Y ese aterrizaje es donde se gana o se pierde la cita. Cuando un asistente llega a tu página, debería poder encontrar en segundos qué es tu producto, cuáles son sus planes o términos si aplica, cuáles son sus límites y excepciones, y un enlace claro a la fuente canónica donde vive la verdad oficial. Si eso está, juegas con ventaja. Si no, dependes de la suerte.

No todos los bots vienen a lo mismo

Un matiz que ahorra muchos malentendidos: cuando hablamos de "bots de IA" no hablamos de una sola cosa. Conviene distinguir al menos tres familias por su intención, porque no te interesan igual.

Están los bots de descubrimiento y navegación, que vienen a leer para responder una consulta concreta en ese momento o poco después. Son tus mejores amigos: son la puerta directa a ser citado, y son los primeros para los que debes optimizar.

Están los bots de recolección y entrenamiento, que capturan contenido a escala para alimentar futuros modelos. Su efecto es más lento y difuso: contribuyen a esa memoria preentrenada de la que hablábamos, pero no te dan una cita mañana. Optimizar para ellos es importante a largo plazo, no urgente.

Y están los scrapers y terceros, que a menudo son simplemente ruido, y en ocasiones abuso. Aquí la decisión no es tanto optimizar como decidir qué permites, qué limitas y qué monetizas, un tema que abordarás en los Módulos 6 y 10.

La buena noticia es que no tienes que adivinar cuál de estas familias te visita ni con qué frecuencia. Esa es exactamente la información que BotPass pone delante de ti, y a la que dedicaremos el Módulo 2 entero.

Dónde encaja BotPass en todo esto

Hasta aquí hemos hablado de mecanismos. Ahora, la herramienta. BotPass es lo que convierte todo este marco conceptual en algo medible y accionable, y por eso lo usarás en cada módulo.

En el nivel más básico, BotPass te muestra qué bots te están leyendo y qué URLs consumen, para que dejes de adivinar qué optimizar. Sin ese dato, todo el trabajo de GEO es una apuesta; con él, es un plan. Te ayuda además a identificar tus páginas fuente de verdad —esas que los agentes ya están usando para responder, como precios, documentación o políticas— y respalda una mentalidad de acceso transparente: en vez de bloquearlo todo por miedo, decides dónde quieres ser perfectamente legible, dónde guiar al agente hacia lo importante y dónde, llegado el caso, monetizar el consumo, todo ello sin cambiar la verdad subyacente que ven tus visitantes humanos.

Sobre esa base, BotPass añade dos métricas que vertebran la Academy y que empezarás a mirar hoy mismo. La primera es el GEO Score, una auditoría de 0 a 100 repartida en seis dimensiones —frontmatter, estructura, schema, descubrimiento, contenido y citabilidad— con una calificación por letra de la A a la F. Es tu diagnóstico de partida. La segunda es el Entity Equity Score, la métrica estrella que combina en un solo número el reconocimiento de tu entidad, tu schema, tus perfiles verificados con sameAs, la consistencia de tu identidad (NAP), la coherencia de tus clusters de contenido y las menciones de terceros. Es la que mide tu autoridad real ante la IA a medio plazo. Verás las dos subir a lo largo del programa, y esa subida es, literalmente, tu progreso.

Mini-método para hoy: tus primeros tres movimientos

La teoría solo se fija si la aterrizas en tu propio sitio hoy mismo. Antes de pasar al Nivel Academy, dedica una hora a estos tres movimientos. No son opcionales: son la materia prima con la que trabajarás en los nueve módulos siguientes.

El primer movimiento es definir tus tres a cinco temas principales. Un tema principal es un "territorio de preguntas" que quieres ganar dentro de la IA: no una palabra clave suelta, sino un espacio de intención. Piensa en cosas como "AI scraping", "licenciamiento de contenido", "llms.txt" o "GEO para ecommerce". Escribe entre tres y cinco. Si escribes quince, no tienes foco; si escribes uno, te falta ambición. La franja de tres a cinco es donde se puede trabajar de verdad.

El segundo movimiento es listar tus entidades. Para cada tema, anota tu producto o servicio, sus características, sus planes, sus casos de uso y sus alternativas o competidores. Esta lista parece burocrática, pero es oro: es el vocabulario con el que la IA tiene que aprender a reconocerte, y será la base del trabajo de entidad del Módulo 5.

El tercer movimiento es elegir tus veinte páginas fuente. Y ojo con el criterio, porque es contraintuitivo: no eliges las páginas más bonitas ni las que más te gustan, sino las que deberían citarse cuando alguien pregunta por tu categoría. Rellena una tabla como esta, que te servirá de inventario de partida:

Cuando tengas estas tres cosas —temas, entidades y páginas fuente— tendrás algo que la mayoría de la gente que "hace GEO" no tiene: un mapa de qué estás intentando ganar y con qué activos cuentas para lograrlo.

Cómo se ve una base sólida de GEO

Para que no quede en abstracto, mira cómo debería verse la parte superior de una página "fuente de verdad" bien construida. La clave es el principio de respuesta primero: lo esencial arriba, en un bloque que un humano entiende en quince segundos y del que un agente puede extraer definiciones, propósito, términos y enlaces canónicos sin inventarse nada.

⚡TL;DR (Respuesta primero)

Este bloque funciona por una razón muy concreta que conecta con todo lo anterior: es un chunk perfecto. Si un sistema de recuperación se lleva solo ese fragmento, sigue siendo útil y correcto fuera de contexto. Responde el "qué", el "para quién", el "cómo", señala dónde vive la verdad oficial y hasta se fecha a sí mismo para que el modelo sepa que es fresco. Cuando en el Módulo 4 hablemos de escribir para ser citado, volverás mentalmente a este ejemplo.