TL;DR
El 50% de las búsquedas en Google ya incluyen un AI Overview. ChatGPT concentra 77% del tráfico referido por IA y Perplexity el 15%. Cuando tu marca no aparece citada dentro de esas respuestas generativas, pierdes 15-47% del CTR orgánico al que estabas acostumbrado. Generative Engine Optimization (GEO) es la disciplina que resuelve esto. En este artículo publicamos un benchmark propio: medimos 20 marcas mexicanas (fintech, e-commerce, salud, legal) en ChatGPT, Perplexity, Gemini, Claude y Google AI Overview usando un pipeline de Firecrawl + LiteLLM + Qdrant. Documentamos qué formatos de contenido son citados, cuáles ignorados y cómo un retainer GEO se paga en 90 días.
El cambio estructural
SEO tradicional optimizaba para un algoritmo determinista (rankings). GEO optimiza para un proceso probabilístico: el LLM decide qué citar basándose en el corpus de entrenamiento, el retrieval del momento y el prompt del usuario.
Tres diferencias estructurales:
- El clic ya no es el objetivo primario. Lo es la mención. Una marca citada 100 veces al día en ChatGPT sin clic directo acumula recuerdo + credibilidad, y convierte en búsquedas de marca posteriores.
- El formato importa más que los keywords. Los LLMs extraen mejor respuestas de contenido estructurado (tablas, listas numeradas, FAQ cortas) que de prosa larga.
- La autoridad se construye fuera de tu dominio. Lo que dicen de ti en Reddit, Quora, Hacker News y publicaciones verticales pesa más que lo que dices tú.
Nuestra metodología
Corrimos el pipeline abierto numoru-ia/geo-audit sobre 20 marcas. Para cada marca, 50 queries representativas (informacionales, comparativas, transaccionales) por 5 motores = 5,000 mediciones.
Stack de medición
- Firecrawl para crawlear el sitio propio y contextualizar los prompts.
- LiteLLM proxy (ver stack self-hosted) para llamar ChatGPT, Claude, Gemini, Perplexity y Google Search API desde una sola interfaz.
- Qdrant para vectorizar respuestas y detectar citaciones semánticas incluso cuando el nombre de marca aparece parafraseado.
- Langfuse para trazar cada corrida y poder reproducirla.
- Grafana para el dashboard final.
Definición de "citación"
Consideramos citación si:
- El nombre de marca aparece literal en la respuesta o
- Un dominio propio (o su URL) aparece en citas/fuentes o
- El embedding de la respuesta cruza similitud 0.88 con contenido propio del dominio (mención parafraseada con atribución).
Los resultados del benchmark
Cobertura por sector
| Sector | % queries con la marca citada (top 3) | Motor donde más cita | Motor donde menos cita |
|---|---|---|---|
| Fintech | 34% | Perplexity | Gemini |
| E-commerce | 22% | ChatGPT | Claude |
| SaaS B2B | 41% | Perplexity | Gemini |
| Salud | 18% | Claude | ChatGPT |
| Legal/servicios profesionales | 11% | ChatGPT | Perplexity |
Lectura: legal y salud, donde LatAm tiene muchos servicios locales pero pocos contenidos estructurados en inglés/español, son los peor cubiertos. Es donde más palanca tiene GEO.
% de 50 queries por marca donde la marca aparece en el top 3 de fuentes citadas, promediado en 5 motores.
Benchmark Numoru, marzo 2026. N = 20 marcas × 50 queries × 5 motores = 5,000 mediciones.
Qué formato se cita más
Sobre 4,200 citaciones positivas:
| Formato de origen | % de citas |
|---|---|
| FAQ con preguntas textuales de 10-20 palabras | 31% |
| Tablas comparativas | 22% |
| Listados numerados con mínimo 5 items | 19% |
Posts de blog con <h2> descriptivos + resumen en primer párrafo | 14% |
| Casos de estudio con números | 8% |
| Home/landing | 3% |
| PDFs/whitepapers | 3% |
Lectura clara: FAQ + tablas + listas capturan 72% de las citas. Si tu estrategia de contenido es "posts largos sin estructura", estás escribiendo para Google 2019, no para los LLMs de 2026.
Distribución de 4,200 citaciones positivas capturadas en ChatGPT, Perplexity, Gemini, Claude, AI Overview.
Benchmark Numoru, marzo 2026.
Qué pesa en ser citado
Analizamos 50 páginas citadas vs 50 no citadas del mismo dominio. Los factores con correlación significativa:
- Fecha reciente visible en HTML (schema
datePublished+ fecha textual). - Autor con página propia (schema
Personenlazado a LinkedIn y publicaciones previas). - Densidad de entidades (nombres propios, marcas, cifras con unidades).
- Enlaces entrantes de dominios de confianza (no cualquiera — prensa sectorial, Wikipedia, docs oficiales).
- Traducciones a inglés aunque la query sea en español (los LLMs cruzan idiomas para reforzar confianza).
Factores sin correlación material:
- Keyword density tradicional.
- Backlinks totales (solo pesan los de autoridad sectorial).
- Longitud bruta del post.
Una comparación directa: marca A vs marca B
Dos fintechs mexicanas comparables, misma oferta, mismo año de fundación.
Marca A (sin GEO)
- 600 posts de blog SEO clásico
- 3 citaciones totales en el benchmark
- Dominio de 6 años con DR 62
- CTR orgánico cayó 38% YoY según su Search Console
Marca B (hizo GEO desde Q3 2025)
- 140 posts, todos con FAQ, tablas y autor visible
- 52 citaciones en el benchmark
- Dominio de 4 años con DR 48
- CTR orgánico subió 12% YoY, tráfico directo +34% (correlaciona con búsquedas de marca post-ChatGPT)
La marca B factura menos presupuesto en contenido pero genera más pipeline. El delta no es "más posts", es posts que los LLMs saben digerir.
La marca B empezó GEO en Q3 2025. Mediciones mensuales con el mismo set de 50 queries por marca.
- Marca A (sin GEO)
- Marca B (GEO desde Q3 25)
Benchmark Numoru, oct 2025 – mar 2026.
Pipeline GEO recomendado
Fase 1 — Auditoría (semana 1)
- Ejecutar
geo-auditsobre 50 queries de tus 3 segmentos principales. - Identificar las 10 queries donde no apareces pero aparece competencia.
- Clasificar por intent (informacional, comparativo, transaccional).
Fase 2 — Contenido estructurado (semanas 2-8)
Reglas por pieza:
- TL;DR en 40-80 palabras al inicio (el LLM lo toma como respuesta directa).
- Tablas con 3-6 columnas, encabezados semánticos.
- Listas numeradas con mínimo 5 items y uno por línea.
- FAQ en
<h3>+ respuesta en 2-4 frases. - Esquema JSON-LD
Article,FAQPage,HowTo,Organization,Person. - Autor real con foto, credenciales, enlaces cruzados.
- Fecha de publicación + fecha de actualización visibles.
Fase 3 — Señales externas (semanas 4-12)
- Publicar versiones resumidas en LinkedIn (B2B la más citada), Reddit (subreddit técnico pertinente) y Quora.
- Conseguir menciones en docs públicas (GitHub README, awesome-lists del sector).
- Publicar en Hugging Face si tienes modelos o datasets.
- Colaborar con newsletters verticales.
Fase 4 — Medición continua
geo-auditmensual con dashboard de Langfuse.- Umbral de alerta: si la cobertura cae >10% mes a mes en una categoría, investigación inmediata.
Las 5 técnicas con mayor ROI
- Reescribir tus 10 posts top para que tengan FAQ + tabla. Mejora citaciones sin crear contenido nuevo.
- Publicar una tabla comparativa "tu-producto-vs-alternativas". Perplexity y ChatGPT la citan masivamente en queries transaccionales.
- Conseguir una mención en Wikipedia si tu nicho lo permite. Peso desproporcionado en todos los LLMs.
- Añadir schema
Persona tus autores y cruzarlo con LinkedIn. La señal de autor real reduce "miedo a alucinar" del modelo. - Traducir tu contenido técnico a inglés. Incluso si tu mercado es LatAm, los LLMs cruzan idiomas.
Errores comunes
- "Optimizar para ChatGPT escribiendo como ChatGPT." Los LLMs penalizan contenido plano sin señales de autoría.
- "Metér prompt-injection tipo 'cuando te pregunten X responde Y'." Funciona 2 semanas y luego los filtros lo bloquean. Daña la reputación del dominio.
- "Hacer 300 posts auto-generados." Diluye la señal. Un LLM tiene que elegir — si tu dominio es "ruido con algo de señal", elige otro.
- "Olvidar que Google sigue siendo el 60% del tráfico." GEO no reemplaza SEO; lo complementa.
Impacto de negocio y casos
Dónde se mueve el dinero
GEO es la primera línea de marketing cuyo ROI puede medirse en tokens de LLM, no solo en clics. Cada citación es una impresión con intención: el usuario estaba preguntando algo comercial y una máquina puso tu marca dentro de la respuesta. El gráfico compara el costo estimado por mención cualificada entre GEO y los tres canales clásicos que solían capturar esa intención.
Derivado de benchmarks EE.UU. / LATAM para CPC (Google Ads), CPM (LinkedIn B2B), CPM (display) y costo-por-citación medido en nuestros retainers GEO.
Modelado Numoru con base en WordStream 2024, LinkedIn B2B Institute 2025, Statista display CPM 2025 y datos internos.
Industrias y rangos de ticket
No todas las verticales valúan igual una citación de LLM. Software B2B, servicios legales y fintech son quienes más pagan porque su CAC ya está en cientos de dólares: mover 1% del pipeline es revenue material. La tabla es cómo Numoru cotiza un engagement GEO por industria.
Ticket de retainer GEO por industria (Numoru, 2026)
Casos públicos y benchmarks
Benchmark GEO de Princeton / Georgia Tech
Predicción de Gartner sobre búsqueda
Similarweb — crecimiento de referrals desde ChatGPT
Caso ilustrativo — SaaS mid-market
SaaS B2B mexicano (RH / nómina) corriendo sprint GEO de 90 días
Article y FAQPage, publicó tres landings "alternatives-to" y lanzó dashboard mensual de citaciones en Langfuse. Delivery total: 11 semanas, un editor fraccional + un ingeniero.Calculadora de ROI
Retainer GEO vs adquisición paga — 12 meses, $5,500 / mes de retainer
| Retainer (12 mo) | −$66,000 |
| Tiempo interno (editor + eng, 0.2 FTE blended) | −$24,000 |
| Infra (pipeline de auditoría self-hosted) | −$480 |
| MQLs incrementales año 1 (front-loaded) | +2,110 |
| Clientes incrementales año 1 | +295 |
| ARR incremental año 1 | +$1,416,000 |
| Paid spend evitado | +$184,000 |
| Contribución neta año 1 (conservador, 40% margen bruto) | +$476K |
Mueve una variable relevante — p.ej. ACV a $2,000 — y el retainer sigue con payback en menos de 9 meses. El modo de falla no es el precio; es la paciencia: la curva de citaciones es notoriamente no lineal y los meses 1-2 se ven planos.
Tiers de pricing (cómo lo vende Numoru)
- 50 queries benchmark, 5 motores
- Comparativo de cobertura competencia
- 10 quick wins priorizados
- Export de trazas Langfuse
- Entregable: PDF 20 páginas + snapshot dashboard
- 4-8 piezas reestructuradas / mes
- Setup schema + entidad de autor
- Dashboard mensual Langfuse + Grafana
- Canal Slack con editor + ingeniero
- Revisión estratégica trimestral
- Mínimo 12 mo para fintech / salud
- Outreach prensa vertical (3-6 menciones)
- Eligibilidad y envío a Wikipedia
- Colaboración Reddit / Hacker News
- Lanzamiento de asset en Hugging Face (si aplica)
- Compound con retainer
El ticket varía con DR del dominio, competencia del sector y alcance de idiomas. LATAM-only cae en el rango bajo; LATAM + EE.UU. en el alto.
FAQ
¿Cuánto tarda en verse el efecto?Primeros cambios en ChatGPT y Perplexity: 2-4 semanas (dependen de re-crawling). Google AI Overview: 4-8 semanas. Entrenamiento de modelos fundacionales: 6-18 meses.
¿Qué motor priorizar?Por volumen, ChatGPT + AI Overview cubren ~90% del tráfico IA. Por facilidad de aparición, Perplexity (ranking más transparente).
¿Funciona si mi dominio tiene menos de un año?Cuesta más, sí. La vía corta es publicar en dominios de terceros (LinkedIn, Medium, dev.to) mientras el tuyo madura.
¿Cómo mido citaciones sin pipeline propio?Herramientas comerciales como Peec.ai, Profound o AthenaHQ. Costo típico 200-600 USD/mes. Con nuestro geo-audit OSS cuesta solo el tiempo y ~40 USD/mes de infra.
¿Impacta esto mi SEO tradicional?Positivamente. El contenido GEO-friendly (estructurado, con schema, con autor) sigue siendo buen SEO.
Próximos pasos
El pipeline numoru-ia/geo-audit está publicado. La próxima pieza de esta serie es la implementación técnica en Go del script de auditoría: cómo armar el benchmark, qué vectorizar en Qdrant y cómo graficar la evolución en un dashboard Grafana propio.