Cómo los LLM descubren y recomiendan productos
Los grandes modelos de lenguaje no rastrean la web como lo hace Google, pero están cada vez más conectados al acceso web en tiempo real (ChatGPT con navegación, Gemini con integración de Google Search, Perplexity como motor de respuestas basado en la web). Cuando un usuario pregunta "¿cuál es la mejor cafetera de émbolo para uso doméstico por menos de 50 $?", estos sistemas recuperan y sintetizan información de múltiples fuentes para dar una recomendación.
Las fuentes en las que se basan los LLM para las recomendaciones de productos incluyen: sitios y publicaciones de reseñas (Wirecutter, Consumer Reports, blogs especializados), tus propias páginas y contenido de productos, datos estructurados (marcado schema.org) que hacen que los atributos del producto sean legibles por máquina, datos de catálogo UCP para inventario y precios en tiempo real, y las señales de autoridad de tu marca en toda la web.
GEO vs SEO: qué es diferente
El SEO tradicional optimiza para: densidad y ubicación de palabras clave, autoridad de backlinks, rastreabilidad técnica y señales de tasa de clics. La GEO optimiza para: precisión fáctica y verificabilidad, cobertura completa de atributos, validación de terceros (menciones, reseñas, citas) y estructura legible por máquina (schema.org, UCP). El SEO y la GEO se superponen significativamente en los fundamentos técnicos, un buen SEO es un requisito previo para una buena GEO, pero la GEO añade una capa de optimización de contenido y datos que va más allá de la orientación por palabras clave.
Estrategia 1: Escribe para consultas en lenguaje natural, no para consultas de palabras clave
El texto optimizado para SEO se escribe para que coincida con consultas de palabras clave cortas: "mejor cafetera de émbolo", "cafetera de émbolo de acero inoxidable". El texto optimizado para GEO anticipa las preguntas completas en lenguaje natural que los usuarios hacen a los asistentes de IA: "¿Cuál es una buena cafetera de émbolo para alguien que quiere hacer 4 tazas a la vez y no quiere lidiar con una limpieza complicada?". Escribe descripciones de productos y contenido que respondan directamente a estas consultas más largas y conversacionales.
En la práctica: identifica las 10 principales preguntas en lenguaje natural que los usuarios hacen sobre tu categoría de producto (usa los cuadros "Otras preguntas de los usuarios", los hilos de Reddit, las preguntas del servicio de atención al cliente como fuentes). Crea contenido que responda a cada pregunta de forma fáctica y completa. Utilízalos como secciones de preguntas frecuentes en las páginas de productos y en las páginas de contenido dedicadas.
Estrategia 2: Construye autoridad fáctica con afirmaciones citables
Los LLM favorecen el contenido que pueden citar con confianza. Las afirmaciones de marketing vagas ("la mejor calidad del mercado") se ignoran. Se citan hechos específicos y verificables: dimensiones, materiales, resultados de pruebas, certificaciones, tasas de devolución de clientes, origen de fabricación. Para cada categoría de producto que vendas, identifica los hechos que más importan a los compradores y hazlos prominentemente disponibles, declarados con precisión.
Para productos B2B: incluye los estándares de cumplimiento alcanzados (ISO, CE, UL), las especificaciones técnicas en formatos estandarizados y la información de compatibilidad. Estos son exactamente los hechos estructurados que los agentes de IA sintetizan al hacer recomendaciones de compra empresarial.
Estrategia 3: Gana menciones en fuentes autorizadas
Los LLM ponderan la información de fuentes autorizadas y frecuentemente citadas más que la de fuentes menos referenciadas. Las menciones de productos en Wirecutter, The Verge, Consumer Reports o publicaciones especializadas relevantes crean "anclas de citación" que los LLM utilizan al hacer recomendaciones.
Las relaciones públicas y el marketing de contenidos para fines de GEO deben centrarse en: asegurar reseñas de productos en publicaciones con mucho tráfico, conseguir que tu producto aparezca en artículos de comparación ("el mejor [categoría] de 2026"), contribuir con contenido experto a sitios de la industria que discutan tu categoría de producto y construir una presencia en Wikipedia para tu marca donde esté justificado fácticamente.
Estrategia 4: Implementa un marcado schema.org completo
Los datos estructurados de Schema.org son la forma más directa de hacer que la información del producto sea legible por máquina para los sistemas de IA. Para cada página de producto, implementa schema.org/Product con: name, description, brand, sku, gtin, offers (precio, disponibilidad, moneda, URL), aggregateRating, review y propiedades específicas de la categoría (para electrónica: color, weight, dimensiones; para alimentos: ingredients, nutrition).
También implementa schema.org/FAQPage en las páginas de productos para que tu contenido de preguntas y respuestas sea directamente analizable por los LLM, y schema.org/HowTo para cualquier contenido instructivo relacionado con tus productos.
Estrategia 5: Despliega un archivo llms.txt
El archivo llms.txt (alojado en yourdomain.com/llms.txt) es un estándar emergente que indica explícitamente a los rastreadores de IA qué contenido está disponible y cómo acceder a él. Para el e-commerce, un archivo llms.txt bien estructurado debe listar la URL de tu endpoint UCP, la URL de tu sitemap, tus categorías de productos clave y la información de tu marca. Los agentes de IA que respeten llms.txt lo usarán como punto de partida para comprender tu catálogo.
Estrategia 6: UCP como la capa GEO en tiempo real
Para los agentes de IA que realizan consultas de compra en tiempo real (en lugar de depender del conocimiento preindexado), UCP es el mecanismo GEO. Un agente que haya conocido tu marca a través del descubrimiento de contenido consultará tu endpoint UCP para obtener precios actuales, disponibilidad y detalles del producto en el momento de la compra. La calidad de tus datos UCP determina directamente tu tasa de conversión en el comercio agentivo.
GEO y UCP son complementarios: GEO introduce tu marca en la "conciencia" y preferencia del agente de IA, UCP permite a los agentes de IA realizar transacciones contigo en el momento de la intención de compra.
Medición del éxito de GEO
Las métricas de SEO tradicionales (clasificaciones de palabras clave, tráfico orgánico) capturan parcialmente el rendimiento de GEO, pero no completamente. Métricas adicionales a seguir: volumen de menciones de marca en contenido generado por IA (usa herramientas que monitoreen las apariciones de respuestas de IA), cuota de transacciones de comercio agentivo atribuidas a la referencia de asistentes de IA y la brecha entre tu visibilidad SEO y tu visibilidad GEO para consultas clave de productos. Prueba regularmente preguntando a ChatGPT, Gemini y Perplexity sobre tu categoría de producto y observando si tu marca aparece en las recomendaciones.