Glosario GEO: 49 términos de búsqueda con IA, definidos y con fuentes

En inglés: generative engine optimization. Otras etiquetas: AI SEO, LLMO (LLM optimization), GSO (generative search optimization) y AIO; ninguna fuente primaria que hayamos encontrado las define como disciplinas distintas.

El artículo que presentó el GEO creó GEO-bench, con 10.000 consultas de 25 dominios, y reescribió fuentes web de distintas maneras para medir qué cambios aumentaban su visibilidad en las respuestas. Esas respuestas las redactaba gpt-3.5-turbo a partir de los cinco primeros resultados de Google. En la tabla 1 (versión 3 en arXiv), añadir citas textuales subió en torno a un 41 % el recuento de palabras ajustado por posición, que mide cuánto texto de la respuesta sale de cada fuente; añadir estadísticas, un 31 %, y citar fuentes, un 27 %. El relleno de palabras clave quedó por debajo del texto original. En Perplexity.ai la mejora llegó hasta el 37 % y varió según el dominio. C-SEO Bench (NeurIPS 2025) repitió ocho de los métodos del artículo con modelos más recientes y concluyó que la mayoría son en gran medida ineficaces; el SEO tradicional dio mejores resultados.

Evidencia

Origen revisado por pares; un banco de pruebas posterior, también revisado por pares, concluyó que la mayoría de estos métodos son en gran medida ineficaces.

Relacionados

Optimización de buscadores de respuestas (AEO)Buscador generativoRecuento de palabras ajustado por posiciónContenido citable

Para profundizar

Qué es el GEO y por qué importa ya

En inglés: answer engine optimization. La guía de Google la presenta junto al GEO como etiqueta para el mismo tipo de trabajo.

La etiqueta nació con la búsqueda por voz. Un artículo de Search Engine Watch de 2018 sostenía que la voz estaba convirtiendo los buscadores en buscadores de respuestas (answer engines), porque la mayoría de las búsquedas por voz reciben una única respuesta leída por un asistente, y que eso pedía una estrategia distinta del SEO clásico. Hoy el término abarca también las respuestas de IA. La guía de Google en español dice que AEO y GEO son términos que «se pueden usar para describir el trabajo centrado específicamente en mejorar la visibilidad en las experiencias de búsqueda con IA», y trata ese trabajo como SEO. Su página sobre consejos de SEO de terceros cita ambas siglas y pide contrastar esos consejos con su documentación oficial. En nuestro test de motores (29 de septiembre de 2026), todas las definiciones de AEO que obtuvimos eran correctas.

Evidencia

Etiqueta del sector con un origen en disputa; Google la reconoce, pero trata ese trabajo como SEO.

Relacionados

Optimización de buscadores generativos (GEO)Buscador generativoDatos estructuradosAI Overviews de Google

Para profundizar

Qué es el AEO (Answer Engine Optimization)

En inglés: generative engine, answer engine, AI search. La guía de Google en español habla de «búsqueda con IA generativa» y de «experiencias de búsqueda con IA».

El artículo que presentó el GEO acuñó el término para los buscadores que usan modelos generativos para reunir y resumir información y responder a las consultas, normalmente combinando varias fuentes. Buscador de respuestas (answer engine) es anterior: en 2018, Search Engine Watch lo usaba para los buscadores que dan una única respuesta hablada a una búsqueda por voz, y Perplexity, que presenta su producto como uno de ellos, lo define como una herramienta que da respuestas directas y detalladas. Búsqueda con IA no tiene definición formal; Google la aplica en español a sus «funciones de IA generativa de la Búsqueda de Google (como las vistas creadas con IA y el modo IA)». Las tres etiquetas se solapan: todas describen un sistema que responde con un texto redactado a partir de fuentes, mientras que un buscador clásico devuelve una lista de enlaces.

Evidencia

Solo «buscador generativo» tiene una definición revisada por pares; «buscador de respuestas» y «búsqueda con IA» son etiquetas del sector.

Relacionados

Optimización de buscadores generativos (GEO)Optimización de buscadores de respuestas (AEO)Modo IA de GoogleModelo de lenguaje grande (LLM)

Para profundizar

Posicionamiento en IA: qué es y cómo se trabaja

En inglés: zero-click search o zero-click searches.

SparkToro la mide con paneles de navegación de terceros, y el proveedor ha cambiado: Jumpshot en 2019, Datos (de Semrush) en 2024 y Similarweb en 2026. En 2024, el 58,5 % de las búsquedas en Google en EE. UU. y el 59,7 % en la UE terminaron sin clic; en 2026, el 68,01 % en EE. UU. entre enero y abril. En 2021, Danny Sullivan, de Google, ya había escrito que ese cálculo parte de una metodología errónea: una búsqueda puede acabar sin clic porque la persona reformula la consulta, obtiene un dato rápido o llama a un negocio. Pew Research Center, con datos independientes de 900 adultos de EE. UU. (marzo de 2025), vio clics en un resultado tradicional en el 8 % de las visitas a una página con resumen de IA, frente al 15 % sin él, y en enlaces del resumen, en el 1 %.

Evidencia

Lo mide SparkToro, que vende software de investigación de audiencias, con paneles de navegación de terceros; Google discute el enfoque.

Relacionados

AI Overviews de GoogleModo IA de GoogleTráfico de referencia desde IA

En inglés: large language model. Google también usa «modelo de lenguaje extenso» en su documentación en español.

El glosario de aprendizaje automático de Google lo define como un modelo de lenguaje con una gran cantidad de parámetros o, de manera informal, cualquier modelo de lenguaje basado en Transformer. Un LLM escribe prediciendo un token tras otro; el curso de Google lo compara con un mecanismo de autocompletado. Lo que aprende en el entrenamiento queda guardado en sus parámetros, que pueden ser cientos de miles de millones o incluso billones, así que un texto fluido puede ser falso: el mismo curso reconoce que los LLM alucinan y que sus predicciones a menudo contienen errores. En los buscadores con IA, el modelo va acompañado de un paso de búsqueda: el sistema encuentra páginas y el modelo redacta la respuesta con ellas. Por eso una respuesta puede reflejar lo aprendido en el entrenamiento, las páginas encontradas o ambas cosas.

Relacionados

AlucinaciónFundamentaciónGeneración aumentada por recuperación (RAG)Datos de entrenamiento frente a búsqueda en tiempo real

En inglés: retrieval-augmented generation. La guía de Google en español la equipara con la fundamentación.

Lewis y sus coautores describieron los modelos RAG como la combinación de dos memorias preentrenadas: la paramétrica, un modelo secuencia a secuencia, y la no paramétrica, un índice vectorial denso de Wikipedia que consulta un buscador neuronal. Los pasajes encontrados aportan al modelo información que no guardó durante el entrenamiento. La guía de Google en español define la RAG como una «técnica (también conocida como fundamentación) que se usa para mejorar la calidad, la precisión y la actualidad de las respuestas de la IA», y explica que se apoya en los sistemas de clasificación principales de la Búsqueda para encontrar páginas relevantes y actualizadas en su índice. Por eso, para salir como enlace de apoyo en las AI Overviews de Google (vistas creadas con IA) o en el modo IA, una página tiene que estar indexada y poder mostrarse en la Búsqueda con un fragmento.

Relacionados

FundamentaciónDatos de entrenamiento frente a búsqueda en tiempo realAlucinaciónQuery fan-out

En inglés: grounding. La guía de Google en español la usa como sinónimo de generación aumentada por recuperación (RAG).

Google usa la palabra en dos sentidos. En la API de Gemini, «la Fundamentación con la Búsqueda de Google conecta el modelo de Gemini con contenido web en tiempo real», y la respuesta incluye anotaciones que enlazan cada parte del texto con su fuente; según Google, así Gemini puede citar fuentes verificables más allá de su fecha límite de conocimiento. En la Búsqueda, en cambio, su guía llama fundamentación a la generación aumentada por recuperación (RAG). Para enseñarlo conviene separarlos: la fundamentación es el objetivo, una respuesta atada a fuentes que se pueden comprobar, y la RAG, una forma de conseguirlo. La página de Google sobre funciones de IA también distingue entre entrenamiento y fundamentación: si quieres limitar cualquiera de los dos en algunos de sus otros sistemas, te remite a Google-Extended.

Relacionados

Generación aumentada por recuperación (RAG)AlucinaciónCitaGoogle-Extended

Google usa en otra de sus páginas en español «distribución múltiple de consultas». En inglés: query fan-out, fan-out queries.

Google le puso nombre al lanzar el modo IA, y su documentación indica que tanto las AI Overviews como el modo IA pueden usarla. El ejemplo de su guía en español: si alguien busca «cómo arreglar un césped lleno de malas hierbas», las consultas de ramificación podrían ser «mejores herbicidas para céspedes», «eliminar malas hierbas sin productos químicos» y «cómo evitar las malas hierbas en el césped». Cada subconsulta trae sus propios resultados, así que una página puede salir citada por responder a una parte de la pregunta sin posicionar para la pregunta completa. Google no publica cuántas subconsultas genera ni cuáles son: las herramientas que prometen enseñarte «tus consultas de fan-out» las están estimando.

Relacionados

Modo IA de GoogleAI Overviews de GoogleGeneración aumentada por recuperación (RAG)Abuso de contenido a gran escala

Para profundizar

Cómo trabajamos la investigación de prompts y consultas

En inglés: training data vs live retrieval; knowledge cutoff. En la investigación se habla de memoria paramétrica frente a no paramétrica.

En la investigación se habla de memoria paramétrica y no paramétrica. Petroni y sus coautores (2019) analizaron el conocimiento relacional que los modelos de lenguaje preentrenados absorben de sus datos de entrenamiento, y el equipo de Lewis (2020), partiendo de que esos modelos guardan conocimiento factual en sus parámetros, les añadieron un índice consultable como segunda memoria. El conocimiento paramétrico llega hasta la fecha límite de conocimiento del modelo, la de sus datos de entrenamiento más recientes, y no cambia hasta que se vuelve a entrenar. Lo que se busca en el momento puede ser tan reciente como el índice consultado. Para el GEO, la consecuencia es directa: una página publicada después de la fecha límite de un modelo solo puede llegar a sus respuestas a través de la búsqueda, mientras que lo que el modelo absorbió al entrenarse puede influir aunque no se busque nada.

Relacionados

Generación aumentada por recuperación (RAG)Modelo de lenguaje grande (LLM)Búsqueda de ChatGPTActualidad del contenido

La ayuda de OpenAI en español habla de «citas»; Google llama «enlaces de contribución» a los que muestran las vistas creadas con IA y el modo IA. En inglés: citation, source attribution.

Los buscadores con IA añaden citas para que puedas comprobar de dónde sale cada afirmación: las respuestas de ChatGPT con búsqueda web pueden incluir citas, Perplexity numera las suyas y las vistas creadas con IA y el modo IA de Google muestran enlaces de contribución. En investigación se habla de atribución: según el marco AIS (Attributable to Identified Sources) de Rashkin y sus coautores, lo que un modelo afirma sobre el mundo debe poder contrastarse con una fuente identificada e independiente. Un enlace no lo garantiza. Liu, Zhang y Liang revisaron a mano las respuestas de cuatro buscadores generativos (Bing Chat, NeevaAI, perplexity.ai y YouChat): de media, solo el 51,5 % de las frases generadas estaban totalmente respaldadas por sus citas. Para una web, que la citen significa que una de sus páginas aparece enlazada en la respuesta, algo distinto de que solo se nombre la marca.

Relacionados

Tasa de citasAtribución erróneaAlucinaciónFundamentación

Nombre oficial de Google en español: «vistas creadas con IA». En nuestro test de motores (29 de septiembre de 2026), ChatGPT llamó a la función «Visión general creada por IA» y Claude, «Resúmenes creados con IA»; Gemini y Perplexity usaron el nombre de Google, y la propia AI Overview de Google, el inglés. Se probó antes como SGE (Search Generative Experience). En inglés: AI Overviews.

Google las probó primero en SGE (Search Generative Experience), un experimento de Search Labs anunciado el 10 de mayo de 2023, y el 14 de mayo de 2024 empezó a mostrarlas, ya como AI Overviews, a todos los usuarios de EE. UU., con un modelo Gemini adaptado a la Búsqueda de Google. Llegaron a España el 25 de marzo de 2025, en español y en inglés, para usuarios de 18 años o más con la sesión iniciada, y el 20 de mayo de 2025 Google anunció que ya estaban disponibles en más de 200 países y territorios y en más de 40 idiomas. Según su documentación, las vistas creadas con IA y el modo IA pueden usar la ramificación de búsquedas (query fan-out), que lanza varias búsquedas relacionadas sobre subtemas y fuentes de datos, y muestran más enlaces, y más variados, que una búsqueda web clásica.

Relacionados

Modo IA de GoogleQuery fan-outControl de la IA generativa de la BúsquedaBúsqueda sin clic

Para profundizar

Cómo aparecer en Gemini y en las AI Overviews

Google lo escribe «modo IA» en su documentación en español. En inglés: AI Mode.

Google lo presentó el 5 de marzo de 2025 como experimento de Labs, con invitaciones primero para suscriptores de Google One AI Premium, y el 20 de mayo de 2025 empezó a abrirlo a todos los usuarios de EE. UU. En español empezó a llegar el 23 de septiembre de 2025, en todo el mundo. Google dice que es especialmente útil para consultas que piden explorar más, razonar o hacer comparaciones complejas. Funciona con ramificación de búsquedas (query fan-out): divide la pregunta en subtemas, lanza muchas búsquedas a la vez y junta los resultados en una sola respuesta con enlaces. SparkToro, con el panel web de escritorio y móvil de Similarweb en EE. UU. (que deja fuera la app de Google), midió que solo el 0,34 % de las búsquedas en Google llegaron al modo IA entre enero y abril de 2026.

Evidencia

La cifra de uso viene de un estudio de SparkToro, que vende software de investigación de audiencias, con datos de Similarweb, que vende datos de tráfico web.

Relacionados

AI Overviews de GoogleQuery fan-outControles de fragmentosBúsqueda sin clic

OpenAI la probó en 2024 como prototipo, con el nombre de SearchGPT. Su artículo de ayuda en español se titula ahora «Buscar en la web con ChatGPT». En inglés: ChatGPT search.

OpenAI la probó como SearchGPT, un prototipo abierto a un grupo pequeño de usuarios y editores desde el 25 de julio de 2024, y lanzó la búsqueda de ChatGPT el 31 de octubre de 2024 para suscriptores de Plus y Team y para la lista de espera de SearchGPT. El 16 de diciembre de 2024 llegó a todos los usuarios con sesión iniciada y el 5 de febrero de 2025, a todo el mundo en las regiones donde ChatGPT está disponible. ChatGPT puede buscar por su cuenta cuando la pregunta necesita información actual, o puedes activarla tú desde el menú de herramientas. Según OpenAI, usa proveedores de búsqueda externos y contenido de sus socios, y tras revisar los primeros resultados puede lanzar consultas más específicas a otros proveedores. OpenAI tiene un rastreador propio para esta función, OAI-SearchBot, distinto de GPTBot, cuyo rastreo puede servir para entrenar sus modelos.

Relacionados

Rastreadores de IArobots.txtCitaTráfico de referencia desde IA

Para profundizar

Cómo aparecer en ChatGPT y ganarte la cita

En inglés: hallucination. La investigación distingue entre alucinación intrínseca y extrínseca.

Conviven dos definiciones. El glosario de aprendizaje automático de Google la trata como un error de hecho: un resultado que parece plausible pero es incorrecto, generado por un modelo que lo presenta como una afirmación sobre el mundo real. La revisión de Ji y sus coautores (ACM Computing Surveys, 2023) la mide frente a la fuente y, siguiendo trabajos anteriores, distingue dos tipos: la alucinación intrínseca contradice la fuente; la extrínseca no se puede comprobar con ella: la fuente ni la respalda ni la contradice. En la búsqueda con IA, donde la fuente son las páginas encontradas, una alucinación intrínseca tergiversa lo que dice una página citada y una extrínseca añade algo que no dice ninguna. Un estudio de OpenAI (investigación de un proveedor, 5 de septiembre de 2025) sostiene que los modelos alucinan porque el entrenamiento y la evaluación habituales premian adivinar antes que reconocer la incertidumbre.

Relacionados

FundamentaciónGeneración aumentada por recuperación (RAG)CitaAtribución errónea

También «agentes de navegador». La guía de Google en español habla de «experiencias con agentes» y de «experiencias agénticas». La expresión «búsqueda agéntica» (agentic search) circula sin una definición formal. En inglés: AI agents, agentic browsing.

La guía de Google sobre funciones de IA generativa define los agentes de IA como sistemas autónomos que realizan tareas en nombre de las personas. Los de navegador pueden sacar de una web lo que necesitan analizando capturas de pantalla, inspeccionando el DOM e interpretando el árbol de accesibilidad; según web.dev (1 de abril de 2026), los actuales cruzan la lista de elementos interactivos del DOM y del árbol de accesibilidad con el renderizado visual. De ahí sus consejos: HTML semántico (botones y enlaces reales, no div con estilos), etiquetas asociadas a cada campo, un diseño estable y ninguna capa transparente sobre los controles. Ejemplos de OpenAI: ChatGPT agent (17 de julio de 2025), que trabaja en su propio ordenador virtual con un navegador visual, otro de texto y un terminal, y el navegador ChatGPT Atlas (21 de octubre de 2025), con modo agente.

Evidencia

«Búsqueda agéntica» no tiene una definición formal; Google documenta los agentes de IA y los agentes de navegador.

Relacionados

Rastreadores de IARenderizado en el servidorllms.txtBúsqueda de ChatGPT

En inglés: AI visibility. Las herramientas usan la misma etiqueta para métricas distintas: AI Visibility en Semrush y Visibility en Peec AI.

No tiene una fórmula única. En Semrush, AI Visibility es una puntuación de 0 a 100 que combina la cobertura de temas (en cuántos temas aparece la marca en las respuestas de IA, frente a todos los demás dominios) y la constancia de las menciones dentro de esos temas. En Peec AI, Visibility es una tasa de menciones: respuestas que nombran la marca ÷ respuestas totales × 100. El artículo que acuñó el término GEO definió la visibilidad de una web con métricas de impresión, como la parte de las palabras de una respuesta generativa que está en frases que la citan. Microsoft mide citas: su informe AI Performance de Bing Webmaster Tools (versión preliminar pública desde el 10 de febrero de 2026) da Total Citations, Average Cited Pages y Grounding Queries. Solo puedes comparar dos cifras si se calcularon igual, con los mismos prompts, motores y fechas.

Evidencia

Hay acuerdo sobre la idea general, pero cada herramienta la calcula con su propia fórmula.

Relacionados

Tasa de mencionesTasa de citasCuota de voz en IASet de prompts y seguimiento de prompts

Para profundizar

El Diagnóstico de Visibilidad en IA gratis: dónde está tu marca en cinco motores

También AI SOV. Bing Webmaster Tools ofrece una versión que solo cuenta citas: Citation Share.

El término viene de la publicidad, donde la cuota de voz era la parte de la exposición en medios de una categoría que se llevaba cada marca. Las herramientas de IA miden cosas distintas con el mismo nombre: Semrush cuenta las menciones de la marca frente a las de sus competidores; Ahrefs pondera las menciones por el volumen de búsqueda de cada prompt (una cuota de «impresiones»), y Bing Webmaster Tools ofrece Citation Share: la parte de todas las citas que recibe un sitio para una consulta. Una cifra sin fórmula, set de prompts, motores, fechas y lista de competidores dice poco. Las respuestas cambian de una ejecución a otra: en un estudio de SparkToro con 2961 ejecuciones, la probabilidad de que ChatGPT o la IA de Google repitieran la misma lista de marcas era inferior a 1 entre 100. Por eso conviene promediar muchas preguntas y varias ejecuciones.

Evidencia

No hay una fórmula estándar: cada proveedor la define a su manera.

Relacionados

Tasa de mencionesTasa de citasSet de prompts y seguimiento de promptsVisibilidad en IA

Para profundizar

Cómo medimos la cuota de voz en el Sourcelift Loop

En inglés: mention rate. Peec AI la llama Visibility (Visibility Score).

La fórmula: tasa de menciones = respuestas que mencionan la marca ÷ respuestas totales × 100. Los proveedores la calculan igual aunque la llamen distinto: el Visibility Score de Peec AI usa exactamente esta fórmula y ZipTie la llama tasa de menciones (mention rate). Semrush, en cambio, da las menciones como un recuento: el número total de prompts en cuyas respuestas aparece la marca. Para que haya mención basta con que la marca salga en el texto de la respuesta; no hace falta enlace ni cita. La cifra depende del set de prompts y de cada ejecución: en un estudio de SparkToro, el mismo prompt casi nunca devolvía dos veces la misma lista de marcas. Por eso conviene promediarla en muchos prompts y ejecuciones, y publicarla con sus prompts, motores y fechas.

Evidencia

Los proveedores coinciden en la fórmula, no en el nombre.

Relacionados

Tasa de citasCuota de voz en IASet de prompts y seguimiento de promptsMenciones de marca

En inglés: citation rate. Bing Webmaster Tools ofrece, en su lugar, Total Citations y Citation Share.

No hay una fórmula estándar. Peec AI la calcula como las citas de una URL ÷ las veces que el modelo la encuentra y la incluye entre sus candidatas para responder (lo que Peec llama retrieval). Como una respuesta puede citar la misma URL más de una vez, la tasa puede pasar de 1: en sus datos, un 2,0 significa que la URL se citó de media dos veces por respuesta. ZipTie divide las respuestas que citan tu URL entre todas las respuestas analizadas, así que nunca supera el 100 %. Microsoft, por su parte, muestra en Bing Webmaster Tools Total Citations (las citas que recibe tu sitio como fuente en respuestas de IA durante un periodo) y Citation Share (tu porcentaje de todas las citas mostradas para una consulta concreta). Antes de comparar dos cifras, mira qué base usa cada una.

Evidencia

No hay fórmula estándar: cada proveedor divide por una base distinta.

Relacionados

Tasa de mencionesCitaCuota de voz en IABrecha de citas

En inglés: citation gap. Términos cercanos de proveedores: AI visibility gap y Missing Sources (Semrush), brand gap analysis (Ahrefs).

No hay definición estándar: cada herramienta usa sus propios prompts y competidores. El informe Missing Sources de Semrush enumera las webs externas citadas en respuestas de IA que mencionan a tus competidores pero no a tu marca. Su guía sobre brechas de visibilidad distingue cinco tipos (mención, prompts, fuentes, citas y narrativa) y describe la brecha de citas como el caso en que la IA no cita contenido de tu web en sus respuestas. Ahrefs habla de brand gap analysis: la diferencia entre la visibilidad que podría tener tu marca y la que tiene en Google, en las respuestas de IA y en el resto de la web. Una brecha solo tiene sentido con su set de prompts, sus motores, sus fechas y sus competidores. Y como las respuestas cambian entre ejecuciones, una brecha vista una sola vez puede no repetirse.

Evidencia

No hay definición estándar: cada herramienta calcula la brecha con sus propios prompts y competidores.

Relacionados

Tasa de citasFuentes de terceros en las respuestas de IASet de prompts y seguimiento de promptsCuota de voz en IA

En inglés: prompt set, prompt tracking, branded y non-branded prompts. La ayuda en español de Search Console habla de consultas «con marca» y «sin marca», y también «de marca» o «genéricas».

En un estudio de SparkToro con Gumshoe.ai (28 de enero de 2026), 600 voluntarios lanzaron 12 prompts 2961 veces a ChatGPT, Claude y las AI Overviews de Google (vistas creadas con IA), y la probabilidad de que ChatGPT o la IA de Google repitieran la misma lista de marcas en dos respuestas fue inferior a 1 entre 100. Rand Fishkin concluyó que el porcentaje de visibilidad en decenas o cientos de prompts, ejecutados varias veces, sí es una métrica razonable. Semrush mide a diario y Peec AI repite los prompts cada 24 horas, con un 20 % de prompts de marca (los que nombran la marca) por defecto; el resto son genéricos. Search Console aplica esa división solo a las búsquedas en Google con su filtro de consultas de marca (anunciado en noviembre de 2025), y avisa de que «algunas consultas pueden identificarse incorrectamente como de marca o genéricas».

Evidencia

Los datos sobre la variabilidad de las respuestas son de SparkToro (vende software de investigación de audiencias) con Gumshoe.ai (vende seguimiento de visibilidad en IA).

Relacionados

Visibilidad en IATasa de mencionesCuota de voz en IABrecha de citas

Para profundizar

Agencia GEO, herramienta o equipo propio: cómo elegir

En inglés: Position-Adjusted Word Count. Métrica hermana: Subjective Impression (impresión subjetiva). Las dos vienen del artículo del GEO.

Lo propusieron Aggarwal y sus coautores en el artículo del GEO. La métrica base, Word Count, divide las palabras de las frases que citan la fuente entre el total de palabras de la respuesta; si varias fuentes comparten una frase, se reparten sus palabras. La versión ajustada reduce el peso de cada frase con una función que decae exponencialmente según la posición de la cita, así que lo citado al principio cuenta más, y todo se normaliza para que las citas de una respuesta sumen 1. La impresión subjetiva recoge lo que no miden las palabras, como la relevancia para la consulta, la influencia, la singularidad o la probabilidad de clic; cada faceta la puntuó el modelo GPT-3.5 con un método parecido a G-Eval. Se aplicaron a GEO-bench (10.000 consultas de 25 ámbitos). Son métricas de investigación; las de los proveedores son recuentos más simples.

Evidencia

Aceptado en KDD 2024, según la ficha del artículo en arXiv.

Relacionados

Optimización de buscadores generativos (GEO)Contenido citableVisibilidad en IABuscador generativo

En inglés: AI referral traffic. En Google Analytics, el canal se llama Asistente de IA (AI Assistant).

Google Analytics añadió el 13 de mayo de 2026 un canal nuevo a su grupo de canales predeterminado: Asistente de IA. Su ayuda en español lo define así: «Asistente de IA es el canal por el que los usuarios llegan a tu sitio desde fuentes como ChatGPT, Gemini, Deepseek, Copilot o Grok». La clasificación depende de la URL referente: si coincide con una lista de asistentes de IA, Analytics marca el medio como ai-assistant y la campaña como (ai-assistant). Las visitas desde las AI Overviews de Google (vistas creadas con IA) y el modo IA no entran en este canal: cuentan como Búsqueda orgánica. Y el informe de rendimiento de IA generativa de Search Console, que cubre esas dos funciones, solo define impresiones. Con la documentación de Google en la mano, ninguna de sus herramientas separa las visitas que llegan desde su propia IA.

Relacionados

Informe de rendimiento de IA generativaBúsqueda sin clicAI Overviews de GoogleModo IA de Google

En inglés: Generative AI performance report. Discover tiene su propio informe de rendimiento de IA generativa.

Google lo anunció el 3 de junio de 2026 y lo probó primero con un subconjunto de propietarios de sitios del Reino Unido; desde el 31 de agosto de 2026 está disponible para todas las webs del mundo. Recoge las impresiones en las AI Overviews de Google (vistas creadas con IA) y en el modo IA, sin los experimentos de Search Labs, y toma los datos del tipo de búsqueda web del informe «Rendimiento». Puedes agruparlos por página, país, fecha y dispositivo. El total de impresiones indica «el número de veces que se han mostrado enlaces a tu sitio a un usuario en una función de IA generativa en la Búsqueda de Google». Discover tiene un informe aparte. Si un sitio se excluye con el control de la IA generativa de la Búsqueda, Google avisa de que no recibirá tráfico ni impresiones de estas funciones.

Relacionados

Tráfico de referencia desde IAControl de la IA generativa de la BúsquedaAI Overviews de GoogleModo IA de Google

También «bots de IA». Google, en español, habla de la «cadena de user-agent» de cada rastreador. En inglés: AI crawlers, user agents.

Las empresas de IA ya usan un bot distinto para cada tarea, y en robots.txt cada nombre se trata por separado. Para entrenar modelos están GPTBot (OpenAI) y ClaudeBot (Anthropic). Para alimentar sus buscadores, OAI-SearchBot, Claude-SearchBot y PerplexityBot; Applebot hace lo propio con la búsqueda de Spotlight, Siri y Safari. Y cuando alguien hace una pregunta, ChatGPT-User, Claude-User o Perplexity-User pueden visitar una página para responder. OpenAI advierte de que a esas visitas pueden no aplicarse las reglas de robots.txt, y Perplexity, de que su bot suele ignorarlas; Anthropic, en cambio, dice que bloquear Claude-User impide que su sistema lea tu contenido para responder. Applebot-Extended no rastrea nada: sirve para excluir tu web del entrenamiento de los modelos de Apple. Para las AI Overviews (vistas creadas con IA) y el modo IA, Google remite a Googlebot, porque «la IA está integrada en la Búsqueda».

Relacionados

robots.txtGoogle-ExtendedBúsqueda de ChatGPTRenderizado en el servidor

Para profundizar

Qué revisa la auditoría GEO en el acceso de los rastreadores

Archivo robots.txt. Nombre formal: Robots Exclusion Protocol (RFC 9309).

Tiene que estar en el nivel superior del sitio, como /robots.txt y en minúsculas, y se lee por grupos: una o varias líneas user-agent que nombran rastreadores, seguidas de reglas allow y disallow para rutas de URL. Según Google, se usa sobre todo para evitar que las solicitudes sobrecarguen tu sitio. Controla el rastreo, no la indexación: si bloqueas una página, su URL puede seguir saliendo en los resultados de Google, sin descripción, y Google puede indexarla si otras webs la enlazan. Con la IA, robots.txt es donde te diriges a cada bot por su nombre. OpenAI, por ejemplo, te deja bloquear su rastreador de entrenamiento, GPTBot, y permitir OAI-SearchBot, que es el que muestra webs en la búsqueda de ChatGPT.

Relacionados

Rastreadores de IAGoogle-ExtendedControles de fragmentosllms.txt

Archivo llms.txt. En inglés: llms.txt.

Jeremy Howard propuso el formato en septiembre de 2024 para que los modelos de lenguaje y los agentes puedan leer lo esencial de una web sin pelearse con menús, scripts y anuncios. Lo único obligatorio es un H1 con el nombre del sitio; un resumen breve en una cita (blockquote) y secciones H2 con listas de enlaces son opcionales. A diferencia de robots.txt, no permite ni bloquea nada, y la propuesta no tiene campos para permisos de entrenamiento, derechos de uso ni atribución. La guía de Google dice que la Búsqueda de Google no usa estos archivos, tampoco para sus funciones de IA generativa. El equipo de Chrome lo ve de otra forma: Lighthouse comprueba si existe porque, sin él, los agentes pueden tardar más en entender la estructura del sitio. La documentación de los rastreadores de OpenAI y Perplexity no dice que sus bots lo lean.

Evidencia

Una propuesta sin efecto documentado en la Búsqueda de Google.

Relacionados

robots.txtRastreadores de IADatos estructuradosCoherencia de entidad

También SSR (server-side rendering). Google, en español, habla de «renderizar el contenido previamente o en el servidor». La alternativa es el renderizado en el cliente (CSR).

Con el renderizado en el cliente, el navegador monta la página ejecutando JavaScript que modifica el DOM; un bot que no ejecute scripts puede encontrarse un HTML casi vacío. Googlebot procesa estas páginas en tres fases (rastreo, renderizado e indexación) y pone en cola de renderizado todas las que devuelven un código HTTP 200, salvo que se le indique que no las indexe. Aun así, Google recomienda renderizar en el servidor o previamente, porque la web va más rápida para usuarios y rastreadores y «no todos los robots pueden ejecutar JavaScript». Para los asistentes de IA, los datos vienen de un único estudio del sector, de 2024: Vercel y MERJ analizaron el tráfico de la red de Vercel y vieron que los principales rastreadores de IA que midieron, de OpenAI, Anthropic, Meta, ByteDance y Perplexity, no renderizaban JavaScript; Gemini (vía la infraestructura de Googlebot) y Applebot sí lo hacían.

Evidencia

El consejo de Google es documentación oficial; lo de los rastreadores de IA se basa en un único estudio de 2024 de Vercel, que vende alojamiento en la nube para webs, con la consultora MERJ.

Relacionados

Rastreadores de IArobots.txtAgentes de IA

Google también habla de «marcado de datos estructurados». En inglés: structured data, schema markup.

Google recomienda JSON-LD y también lee Microdata y RDFa. Según su documentación, el marcado le da pistas explícitas sobre el significado de la página y puede hacerla apta para los resultados enriquecidos; casi todo se escribe con el vocabulario de schema.org, pero para la Búsqueda lo que vale es lo que documenta Google. Para las funciones de IA generativa, su guía dice que los datos estructurados no son obligatorios y que no hace falta ningún marcado especial. Los tipos de resultado enriquecido, además, cambian: el de preguntas frecuentes (FAQ) dejó de aparecer en la Búsqueda de Google el 7 de mayo de 2026. En nuestro test de motores (29 de septiembre de 2026), Gemini seguía recomendando, en los dos idiomas, el marcado FAQPage y HowTo para los buscadores de respuestas.

Relacionados

Optimización de buscadores de respuestas (AEO)Entidad y Knowledge Graphllms.txtAI Overviews de Google

Para profundizar

Cómo revisa la auditoría GEO tus datos estructurados

Google, en español, los llama «controles de vista previa». En inglés: snippet controls, preview controls.

Google los define en su especificación de la etiqueta meta robots. nosnippet quita el fragmento de texto y la vista previa de vídeo y, además, impide que el contenido se use como entrada directa en las AI Overviews (vistas creadas con IA) y en el modo IA. max-snippet:[número] limita el fragmento a ese número de caracteres (con 0 equivale a nosnippet) y también cuánto contenido puede usarse como entrada directa en esas dos funciones. El atributo data-nosnippet, en elementos span, div o section, deja fuera solo el texto que marques. La página de Google sobre funciones de IA los cita, junto con noindex, como la forma de limitar lo que la Búsqueda muestra de tus páginas. Tiene un precio: para salir como enlace en las AI Overviews o en el modo IA, la página debe estar indexada y poder mostrarse en la Búsqueda con un fragmento.

Relacionados

Control de la IA generativa de la BúsquedaGoogle-ExtendedAI Overviews de GoogleModo IA de Google

Token de producto de robots.txt; no es un rastreador. No se traduce.

Si lo bloqueas en robots.txt, frenas dos usos: el entrenamiento de las futuras generaciones de modelos Gemini de las aplicaciones de Gemini y de Vertex AI, y la fundamentación (darle al modelo, al responder, contenido del índice de la Búsqueda) en las aplicaciones de Gemini y en Grounding with Google Search de Vertex AI. La página de Google sobre funciones de IA lo recomienda para limitar el entrenamiento y la fundamentación «en algunos de los otros sistemas de Google»; para la Búsqueda, el control son las directivas de robots.txt para Googlebot. La ayuda del control de la IA generativa de la Búsqueda le suma un uso: limitar el entrenamiento de los modelos que generan las respuestas de la Búsqueda. Aparecer en las AI Overviews y el modo IA depende, en cambio, de Googlebot, de los controles de fragmentos y de ese ajuste.

Evidencia

Dos páginas de Google describen de forma distinta para qué sirve; la entrada cita las dos.

Relacionados

Control de la IA generativa de la BúsquedaRastreadores de IArobots.txtControles de fragmentos

En Search Console: Ajustes > IA generativa de la Búsqueda. En inglés: Search generative AI control.

Ofrece tres opciones: incluir los enlaces y el contenido del sitio (la predeterminada en todas las propiedades), excluirlos o heredar el valor de la propiedad superior. Si incluyes, tu contenido puede salir como enlace en las AI Overviews (vistas creadas con IA), el modo IA y las funciones de IA generativa de Discover, y ayudar a fundamentar sus respuestas. Si excluyes, deja de mostrarse y de enlazarse ahí, y no recibirás tráfico ni impresiones de esas funciones; según Google, la exclusión suele tardar unos días. No sirve para el entrenamiento de modelos: para eso, la propia ayuda remite a Google-Extended. Hasta su llegada, las vías que documentaba Google eran las reglas de robots.txt para Googlebot y los controles de página (nosnippet, data-nosnippet, max-snippet, noindex), que también cambian cómo aparece la página en los resultados normales.

Relacionados

Google-ExtendedControles de fragmentosInforme de rendimiento de IA generativaAI Overviews de Google

Antes, E-A-T. En inglés: experience, expertise, authoritativeness and trustworthiness (las directrices para evaluadores dicen «Trust»).

E-E-A-T sale de las directrices para los evaluadores de Google, que le dicen si sus algoritmos devuelven buenos resultados. Según Google, sus sistemas combinan varios factores que identifican contenido con buen E-E-A-T y le dan aún más peso en los temas YMYL («Your Money or Your Life»), que pueden afectar significativamente a la salud, la estabilidad financiera o la seguridad de las personas, o al bienestar social. Las directrices definen la experiencia como la vivencia directa o personal del autor y ponen la fiabilidad por delante: una página poco fiable tiene un E-E-A-T bajo por mucho que aparente saber. El contenido no tiene que demostrar los cuatro. Las funciones de IA de Google buscan páginas con los mismos sistemas. En nuestro test de motores (29 de septiembre de 2026), las diez respuestas que leímos dijeron que E-E-A-T no es un factor directo de posicionamiento, en línea con Google.

Relacionados

Contenido no genéricoActualización principal frente a actualización de spamAbuso de contenido a gran escalaAI Overviews de Google

Lo contrario: contenido genérico. En inglés: non-commodity content, frente a commodity content.

Google usa esta distinción en su guía de IA generativa del 15 de mayo de 2026. El contenido genérico «suele basarse en conocimientos comunes que cualquiera podría ofrecer y, por lo general, aporta poca información valiosa y única a los lectores»; el no genérico «ofrece perspectivas únicas de expertos o basadas en la experiencia que van más allá del conocimiento común y de lo convencional». Sus ejemplos: «7 consejos para quienes compran una casa por primera vez», frente al relato de quien renunció a una inspección y ahorró dinero. La idea es anterior a la búsqueda con IA: la autoevaluación de Google pregunta si el contenido ofrece «información, datos de informes, investigaciones o análisis originales», y sus sistemas de contenido original anteponen los reportajes originales a quienes solo los citan. Google lo recomienda para su propia IA; no consta su efecto en las citas de otros motores.

Relacionados

E-E-A-TContenido citableAbuso de contenido a gran escalaAI Overviews de Google

En su documentación en español, Google llama «Gráfico de conocimiento» al Knowledge Graph y «paneles de información» a los knowledge panels. En inglés: entity, Knowledge Graph.

Google presentó el Knowledge Graph el 16 de mayo de 2012 con el lema «things, not strings» (cosas, no cadenas de texto): dejar de emparejar palabras clave y entender a qué se refiere cada búsqueda. Su ejemplo fue Taj Mahal, que puede ser el monumento o el músico; el gráfico permite distinguirlos. En el lanzamiento contenía más de 500 millones de objetos y más de 3500 millones de datos sobre ellos y sus relaciones. Los paneles de información son los recuadros que Google muestra cuando alguien busca una entidad del gráfico. La API pública del Gráfico de conocimiento devuelve entradas del gráfico, pero Google avisa de que no sirve como servicio crítico en producción. Su guía para las funciones de IA generativa no menciona las entidades ni el Knowledge Graph, así que ahí no hay nada documentado sobre su papel en las AI Overviews.

Relacionados

Coherencia de entidadMenciones de marcaDatos estructuradosFuentes de terceros en las respuestas de IA

También coherencia NAP. En inglés: entity consistency, NAP consistency (name, address, phone number).

Viene del SEO local. Las directrices de Perfil de Empresa en Google piden que el nombre sea el real de la empresa, «tal y como aparece en el escaparate, el sitio web y el material de oficina, y como lo conozcan los clientes», y Google añade que las empresas con información completa y precisa tienen más probabilidades de aparecer en los resultados locales. Su guía de IA indica que estos perfiles pueden ayudar a mostrar tus productos y servicios en las respuestas de la IA y en otros resultados de la Búsqueda. Fuera de Google, el argumento es de práctica profesional: los motores de IA toman datos de empresas de terceros (en una prueba pequeña de BrightLocal, todos los modelos usaban directorios), y si el nombre, la dirección o el teléfono no coinciden, reciben datos contradictorios. No conocemos documentación de ningún motor ni estudio controlado que mida ese efecto.

Evidencia

Google documenta cómo nombrar un Perfil de Empresa; el efecto de la coherencia en otras webs sobre las respuestas de IA no está documentado.

Relacionados

Entidad y Knowledge GraphFuentes de terceros en las respuestas de IADatos estructuradosAtribución errónea

Incluye menciones con enlace y sin él; Ahrefs las llama branded web mentions. No son las menciones dentro de las respuestas de IA (ver tasa de menciones). En inglés: brand mentions.

En GEO se estudian porque las funciones de IA recogen lo que dicen otras webs: según la guía de Google, pueden mostrar lo que se dice sobre productos y servicios en toda la Web, «incluidos blogs, vídeos y debates en foros». Un estudio de Ahrefs, que vende software de SEO y de visibilidad en IA, analizó 75.000 marcas: las menciones del nombre de la marca en cualquier parte de la Web fueron el factor con la correlación más alta (Spearman 0,664) con su presencia en las AI Overviews de Google (vistas creadas con IA), por delante del texto ancla con la marca (0,527) y del número de enlaces entrantes (0,218). El estudio solo mide las AI Overviews y solo muestra correlación, no causa. Además, cuenta las menciones con y sin enlace, así que no permite separar unas de otras.

Evidencia

Estudio de Ahrefs, que vende software de SEO y de visibilidad en IA; solo mide correlación y solo en las AI Overviews de Google.

Relacionados

Tasa de mencionesEnlaces entrantesFuentes de terceros en las respuestas de IAManipulación de respuestas de IA

Para profundizar

Menciones de marca en ChatGPT: cómo ganarlas

También backlinks. En inglés: backlinks, inbound links.

Los enlaces están entre las señales más antiguas de Google. Su guía de posicionamiento explica que tiene sistemas que «comprenden cómo se enlazan las páginas entre sí» para saber de qué trata cada una, y que PageRank, usado desde los inicios de Google, «sigue siendo uno de nuestros sistemas de posicionamiento principales». Las funciones de IA de Google buscan páginas con esos sistemas. Para la IA en general, la evidencia es de correlación. Semrush, que vende software de SEO y de visibilidad en IA, estudió con Kevin Indig 1000 dominios al azar en ChatGPT, Gemini, Perplexity y las AI Overviews de Google (16 de octubre de 2025). Su Authority Score, un indicador de la calidad de los enlaces, se correlacionaba con las menciones en respuestas de IA (Pearson 0,65; Spearman 0,57), y los enlaces nofollow mostraban una relación casi igual. Eso no demuestra que los enlaces causen las menciones.

Evidencia

Estudio de Semrush, que vende software de SEO y de visibilidad en IA, que solo muestra correlación; Google documenta el análisis de enlaces en su propio posicionamiento.

Relacionados

Spam de enlacesMenciones de marcaVisibilidad en IAFuentes de terceros en las respuestas de IA

Incluye plataformas de reseñas, directorios de empresas y foros como Reddit. En inglés: third-party sources.

Los estudios de proveedores miden cosas distintas en fechas distintas. Directorios locales: BrightLocal, que vende software de SEO local, hizo 20 búsquedas de 10 sectores en ChatGPT search, Gemini, Perplexity y el modo IA de Google, y Yelp salió como fuente en el 33 % de ellas (julio de 2025, sin fecha de las búsquedas). Reseñas de software: SE Ranking, que vende software de SEO con seguimiento de las AI Overviews de Google (vistas creadas con IA), revisó 30.000 palabras clave comerciales de EE. UU. el 1 de diciembre de 2025, y el 34,5 % de esas respuestas citaba al menos una de 23 plataformas de reseñas, como G2 o Capterra. Foros: según Semrush, que vende software de visibilidad en IA, ChatGPT citaba Reddit en cerca del 60 % de las respuestas a principios de agosto de 2025 y en torno al 10 % a mediados de septiembre.

Evidencia

Estudios de BrightLocal, SE Ranking y Semrush, que venden software de SEO local, de SEO y de visibilidad en IA; las muestras y las fechas son distintas.

Relacionados

CitaMenciones de marcaCoherencia de entidadVisibilidad en IA

Agrupa tres métodos del artículo que definió el GEO: Cite Sources, Quotation Addition y Statistics Addition (los nombres suelen dejarse en inglés). En inglés: citable content.

La idea sale del artículo que introdujo el GEO (Aggarwal y sus coautores, arXiv, 16 de noviembre de 2023; aceptado en KDD 2024), que probó nueve formas de reescribir páginas. Cite Sources añade referencias a fuentes creíbles; Quotation Addition, citas textuales de esas fuentes; y Statistics Addition cambia afirmaciones cualitativas por datos cuantitativos siempre que se puede. En la tabla principal del artículo (versión 3 de arXiv), la puntuación Position-Adjusted Word Count pasó de 19,3 en las páginas sin cambios a 27,2 con citas textuales, 25,2 con estadísticas y 24,6 con fuentes; Fluency Optimization sacó 24,7 y Keyword Stuffing, 17,7. Las respuestas las generaba gpt-3.5-turbo con los cinco primeros resultados de Google, y una prueba en Perplexity.ai dio mejoras de hasta el 37 %. C-SEO Bench (NeurIPS 2025) repitió estos tres métodos con dos modelos de 2024 en seis dominios y no encontró ninguna mejora significativa.

Evidencia

Los estudios revisados por pares no coinciden: el artículo GEO de 2023 encontró mejoras y un benchmark de 2025 no halló ninguna significativa con estos métodos.

Relacionados

Optimización de buscadores generativos (GEO)Recuento de palabras ajustado por posiciónCitaContenido no genérico

Para profundizar

SEO para ChatGPT: checklist página a página

Google, en español, habla de «sistemas de actualización» y de «consultas que necesitan una actualización». En inglés: freshness, query deserves freshness.

La guía de Google sobre sus sistemas de posicionamiento explica que dispone de «varios sistemas para “consultas que necesitan una actualización”, diseñados para mostrar contenido más actualizado en las consultas que deberían mostrarlo». Su ejemplo: quien busca una película recién estrenada seguramente quiere reseñas recientes, no artículos de cuando empezó su producción. En español hay un matiz: Google llama a estos sistemas «sistemas de actualización», la misma palabra con la que traduce «update» (las core updates son, en su documentación, «actualizaciones principales»), así que es fácil confundir las dos cosas. La actualidad también cuenta en las respuestas de IA: Google define la RAG, que también llama fundamentación, como una técnica para mejorar «la calidad, la precisión y la actualidad de las respuestas de la IA» con páginas de su índice.

Relacionados

FundamentaciónDatos de entrenamiento frente a búsqueda en tiempo realActualización principal frente a actualización de spamContenido no genérico

Google llama «actualización de spam de enlaces» a la que se centra específicamente en el spam de enlaces. En inglés: core update vs spam update.

Las actualizaciones principales cambian de forma amplia los algoritmos y sistemas de búsqueda de Google y no van dirigidas a sitios ni páginas concretas: si tu web baja, no es una sanción a tu sitio, y Google te remite a su autoevaluación de contenido. Las de spam mejoran unos sistemas automáticos que funcionan sin parar; si corriges las infracciones, puedes mejorar cuando esos sistemas observen «durante algunos meses» que cumples, pero tras una actualización de spam de enlaces la ventaja que dieran esos enlaces se pierde para siempre. Google anuncia ambas en su Search Status Dashboard. A 29 de septiembre de 2026, este año recogía actualizaciones principales iniciadas el 27 de marzo y el 21 de mayo, y de spam el 24 de marzo, el 24 de junio, el 18 de agosto y el 24 de septiembre; esta última, global y para todos los idiomas, seguía en despliegue.

Relacionados

Acción manualSpam de enlacesAbuso de contenido a gran escalaE-E-A-T

Informalmente, «penalización de Google». En inglés: manual action.

Son la excepción: Google asegura que sus algoritmos detectan el spam con mucha eficacia y casi siempre lo encuentran y eliminan de forma automática; las personas intervienen para proteger la calidad de su índice. Si un revisor te aplica una, Google te avisa en el informe «Acciones manuales» y en el centro de mensajes de Search Console, con el tipo de problema, como «Enlaces artificiales a tu sitio» o «Encubrimiento o redirecciones engañosas». Cuando hayas corregido todos los problemas en todas las páginas, puedes solicitar una revisión; según Google, la mayoría tarda entre varios días y varias semanas, y las de enlaces, más. Si el informe está vacío, la caída tiene otra causa, como los sistemas automáticos antispam o una actualización principal. Por la política de reputación de sitios ya no hay acciones manuales en los resultados que ven los usuarios del Espacio Económico Europeo (EEE).

Relacionados

Actualización principal frente a actualización de spamPolítica de reputación de sitiosSpam de enlacesEncubrimiento

En inglés: scaled content abuse.

Las políticas de spam de Google dan ejemplos: usar IA generativa u otras herramientas para generar muchas páginas sin aportar valor; hacer scraping de feeds, resultados de búsqueda u otros contenidos, incluso con transformaciones automáticas como sinónimos o traducciones, cuando aportan poco; juntar textos de varias páginas sin añadir nada, o repartir el contenido entre varios sitios para ocultar su volumen. La guía de Google para la búsqueda con IA lleva la política a las respuestas generativas: crear contenido independiente para cada variante de una búsqueda, incluidas las consultas de ramificación (fan-out), sobre todo para manipular el posicionamiento o esas respuestas, la infringe. Una política vecina, el abuso de páginas puerta, cubre sitios o páginas creados para posicionar en búsquedas específicas y parecidas. En nuestro test de motores (29 de septiembre de 2026), las diez respuestas que leímos, en inglés y en español, describieron bien la política.

Relacionados

Query fan-outContenido no genéricoPolítica de reputación de sitiosActualización principal frente a actualización de spam

La versión en español del informe «Acciones manuales» aún la llama «Abuso de reputación del sitio». En inglés: site reputation policy (antes, site reputation abuse).

El contenido de terceros es el que crea alguien distinto del sitio anfitrión, como sus usuarios, colaboradores externos o servicios de marca blanca; la política solo se aplica si se publica sobre todo para aprovechar el posicionamiento del anfitrión. En una actualización publicada el 28 de agosto de 2026, Google cambió cómo la aplica en el Espacio Económico Europeo (EEE). En los resultados que ven los usuarios del EEE, las páginas afectadas pueden clasificarse como independientes del dominio principal y posicionar por sus propios méritos, pero ya no sufren acciones manuales. Google retirará las acciones manuales previas en esos resultados y ofrece a los sitios del EEE un nuevo proceso de reconsideración y la resolución alternativa de disputas. Fuera del EEE, siguen en vigor. La Comisión Europea abrió el 13 de noviembre de 2025 una investigación sobre esta política al amparo de la Ley de Mercados Digitales.

Relacionados

Acción manualAbuso de contenido a gran escalaFuentes de terceros en las respuestas de IASpam de enlaces

La acción manual que Google aplica en estos casos se llama «Enlaces artificiales a tu sitio». En inglés: link spam.

Entre los ejemplos de Google están comprar o vender enlaces para posicionar (con dinero, productos o servicios, o enviando un producto a cambio de que escriban sobre él y enlacen), los intercambios excesivos de enlaces, los enlaces creados con programas automáticos, los anuncios de texto que transmiten autoridad y los enlaces con texto ancla optimizado en artículos, publicaciones como invitado o notas de prensa distribuidas en otros sitios. Pagar por un enlace no está prohibido: Google ve la compraventa de enlaces como algo normal en la web con fines publicitarios o de patrocinio, siempre que el enlace lleve rel="sponsored" o rel="nofollow". Google lo combate con sistemas automáticos, incluidas las actualizaciones de spam de enlaces, y con acciones manuales. Desde el 15 de mayo de 2026, su documentación aclara que las políticas de spam también se aplican a las respuestas de IA generativa de la Búsqueda de Google.

Relacionados

Enlaces entrantesAcción manualActualización principal frente a actualización de spamMenciones de marca

La acción manual de Google se llama «Encubrimiento o redirecciones engañosas». En inglés: cloaking.

Las políticas de spam de Google ponen como ejemplo insertar texto o palabras clave en una página solo cuando quien la solicita, según su user-agent, es un buscador y no una persona. Desde el 15 de mayo de 2026, la documentación de Google aclara que sus políticas de spam también se aplican a las respuestas de IA generativa de la Búsqueda. La técnica también puede dirigirse a otros sistemas de IA, cuyos rastreadores se identifican con su propio user-agent, como OAI-SearchBot y ChatGPT-User, de OpenAI. En experimentos controlados que SPLX, empresa que vende software de seguridad para IA, publicó en octubre de 2025, un sitio de prueba servía una página alterada a los rastreadores de IA, y herramientas como el navegador Atlas de OpenAI repitieron esa versión.

Evidencia

La definición de Google es oficial; la prueba con rastreadores de IA es un experimento de un proveedor.

Relacionados

Rastreadores de IAManipulación de respuestas de IAAcción manual

Incluye la inyección indirecta de prompts. En inglés: AI answer manipulation, prompt injection.

Para Google, el spam son las técnicas que engañan a los usuarios o manipulan sus sistemas para destacar un contenido, e incluye «intentar manipular las respuestas de la IA generativa en la Búsqueda de Google». Su política de abuso de texto oculto y enlaces cubre el contenido colocado para manipular los buscadores sin que los visitantes lo vean fácilmente, como texto blanco sobre fondo blanco. Google no habla de inyección de prompts; la investigación, sí. Greshake y sus coautores (2023) mostraron cómo atacar aplicaciones basadas en modelos de lenguaje, como el chat de Bing con GPT-4, colocando instrucciones en datos que probablemente consultarán. Kumar y Lakkaraju (2024; preprint de arXiv, sin revisión por pares que sepamos) comprobaron con cafeteras ficticias que añadir una secuencia de texto estratégica a la ficha de un producto puede aumentar mucho la probabilidad de que un LLM lo recomiende en primer lugar.

Evidencia

La política es de Google; la investigación sobre ataques incluye un artículo revisado por pares y un preprint de arXiv.

Relacionados

EncubrimientoGeneración aumentada por recuperación (RAG)Modelo de lenguaje grande (LLM)Abuso de contenido a gran escala

También se habla de precisión de las citas. En inglés: misattribution.

El Tow Center for Digital Journalism lo midió en un estudio publicado en Columbia Journalism Review el 6 de marzo de 2025. Tomó fragmentos de 10 artículos de cada uno de 20 medios y pidió a ocho buscadores con IA, entre ellos la búsqueda de ChatGPT, Gemini y Perplexity, que identificaran el titular, el medio original, la fecha y la URL de cada artículo: 1600 consultas. En conjunto, las herramientas respondieron mal a más del 60 % de las consultas. Más de la mitad de las respuestas de Gemini y Grok 3 citaban URL inventadas o rotas que llevaban a páginas de error. A veces, los chatbots enlazaban copias republicadas en otras plataformas en vez del original, a menudo aunque se supiera que el medio tenía un acuerdo de licencia con la empresa de IA. Las versiones probadas son de principios de 2025: hoy los resultados pueden variar.

Evidencia

Estudio del Tow Center for Digital Journalism, de la Escuela de Periodismo de la Universidad de Columbia: un centro académico, no un proveedor; no pasó revisión por pares.

Relacionados

CitaAlucinaciónTasa de citasFundamentación