Tres acrónimos, una revolución
Desde la aparición de las IAs generativas que pueden responder preguntas directamente sin redirigir a sitios web, el SEO clásico por sí solo ya no es suficiente. Han surgido tres nuevas disciplinas:
- GEO (Generative Engine Optimization), optimización para ser citado por motores generativos (Google AI Overviews, SearchGPT, Perplexity)
- LLMO (Large Language Model Optimization), optimización de tu presencia en los corpus de entrenamiento y respuestas de los LLM
- AEO (Answer Engine Optimization), estructuración de contenido para que los motores de respuesta (Perplexity, Bing Copilot, You.com) lo seleccionen como fuente autorizada
GEO, Generative Engine Optimization
Google AI Overviews, SearchGPT y Perplexity generan respuestas sintéticas a partir de fuentes seleccionadas. GEO tiene como objetivo estar entre esas fuentes, e idealmente ser nombrado en la respuesta generada.
Factores GEO confirmados en 2026
Autoridad editorial. Las IAs favorecen las fuentes reconocidas como autorizadas: autores identificados con experiencia verificable, contenido factual con fuentes, citas de fuentes de referencia (NRF, Google, Shopify, instituciones oficiales).
Estructura del contenido. Los encabezados H2/H3 como preguntas, listas estructuradas, tablas comparativas y definiciones precisas facilitan la extracción por parte de la IA. El contenido denso con términos técnicos bien definidos se sintetiza más fácilmente que el contenido narrativo fluido.
Frescura. Las fechas de publicación y actualización son leídas por las IAs. El contenido bien fechado de 2026 es preferido para consultas sobre temas recientes sobre contenido de 2023 no actualizado.
Datos estructurados de Schema.org. FAQPage, Article, HowTo y Organization ayudan a las IAs a comprender la naturaleza y el contexto del contenido.
LLMO, Large Language Model Optimization
Los LLM (GPT-4o, Gemini 2.0, Claude 3) fueron entrenados con corpus de texto masivos. Lo que apareció en esos corpus influye directamente en sus respuestas, incluidas las recomendaciones comerciales.
Cómo optimizar para LLM
Estar presente en fuentes indexadas. Common Crawl, Wikipedia, GitHub, arXiv y los principales blogs del sector están sobrerrepresentados en los corpus de entrenamiento. Ser citado en estas plataformas mejora tu huella en los LLM.
Crear contenido de referencia. Los LLM memorizan mejor las definiciones precisas, las listas factuales y los datos cuantificados. Producir el contenido de referencia sobre un tema, la definición más completa, la tabla comparativa más precisa, aumenta las posibilidades de ser memorizado y citado.
El archivo llms.txt. Un estándar emergente implica colocar un archivo /llms.txt en la raíz del sitio, listando el contenido clave en un formato optimizado para la lectura de la IA, el equivalente de robots.txt para los rastreadores de entrenamiento.
AEO, Answer Engine Optimization
Perplexity, You.com y Bing Copilot recuperan fuentes web en tiempo real para generar sus respuestas. AEO tiene como objetivo ser seleccionado y citado sistemáticamente por estas herramientas.
Factores clave de AEO
Relevancia temática directa. Los motores de respuesta favorecen las páginas cuyo título coincide precisamente con la consulta. Una página titulada exactamente "¿Qué es el comercio agéntico?" será seleccionada con más frecuencia que un artículo que cubra el tema de pasada.
Pasajes extraíbles. Párrafos cortos y autónomos que responden a una pregunta específica en 2-3 frases, comprensibles sin el resto del artículo.
Citar fuentes fiables. Citar NRF, Google, Shopify o estudios académicos refuerza la credibilidad de AEO.
Aplicación práctica al comercio agéntico
| Disciplina | Acción concreta | Impacto esperado |
|---|---|---|
| GEO | Encabezados H2 como preguntas + esquema JSON-LD de FAQPage | Aparecer en Google AI Overviews |
| GEO | Actualizar páginas con fechas actuales y fuentes | Ser seleccionado como fuente fresca |
| LLMO | Publicar /llms.txt completo y mantenido | Mejor indexación por rastreadores de IA |
| LLMO | Ser citado en GitHub awesome-ucp, Wikipedia | Presencia en corpus de entrenamiento |
| AEO | Introducciones en formato de definición directa | Citas en Perplexity y Bing Copilot |
| AEO | FAQ con pares de preguntas/respuestas autónomas | Fragmentos destacados y "Otras preguntas de los usuarios" |
Plan de acción prioritario para 2026
- Añadir fechas de publicación y actualización a todas las páginas
- Transformar cada H2 en una pregunta explícita ("Cómo...", "Por qué...")
- Implementar el esquema JSON-LD de FAQPage en páginas clave
- Publicar /llms.txt listando las páginas principales con descripciones
- Crear o mejorar la presencia de tu marca en Wikipedia
- Enviar tu sitio a directorios de IA (directory.llmstxt.cloud)
- Estructurar las páginas de productos con schema.org Product + Offer + Review
Lectura adicional
- Datos estructurados para agentes de IA: schema.org y UCP
- llms.txt para e-commerce
- Optimización GEO para e-commerce: guía práctica
Actualización · Mayo de 2026
Google declara oficialmente que llms.txt no es utilizado por su búsqueda de IA. llms.txt sigue siendo relevante para los rastreadores de LLM de terceros (ChatGPT, Perplexity, Claude), no como una palanca de Google. Consulta nuestro análisis de la guía GEO de Google. Fuente: Google.