Framework GEO-ABCD
Cómo diagnosticar, medir y mejorar tu visibilidad en motores de inteligencia artificial.
Quién lee este manual.
Este manual existe para que un equipo de marca pueda diagnosticar, medir y mejorar su visibilidad en motores de IA sin necesidad de contratar a nadie.
Está pensado para consultores de marketing digital, equipos in-house de comunicación y SEO, founders y CMOs que toman decisiones sobre visibilidad. No es un manual exhaustivo. No reemplaza un diagnóstico profesional. No promete resultados garantizados.
Tiene cinco capítulos cortos y un anexo. Mapa del territorio, framework completo con metodología visible, cómo medir, qué hacer y qué no, una acción para 30 días.
Cómo leerlo
- Si trabajás en una marca: leelo en orden, una vez. Volvé al capítulo 5 cuando tengas que priorizar.
- Si sos consultor: usá el capítulo 2 como vocabulario común con clientes, el 3 como protocolo de medición y el 4 como guía de acciones.
Tres convenciones de honestidad
A lo largo del texto vas a ver tres etiquetas. No son decorativas. Marcan el grado de certeza de cada afirmación.
Cuando una afirmación importa pero no entra en ninguna de las tres categorías, va sin etiqueta. Eso significa: opinión calificada del autor, sin pretensión de hecho.
Mapa del territorio.
Antes de cualquier diagnóstico, hace falta entender el terreno.
1.0Dónde encaja esto con SEO
Si venís haciendo SEO, este manual no te pide tirar nada. Te pide ver lo que ya hacés con otro lente. Si querés una mirada integrada en una sola estrategia, así trabajamos en WeDo Performance.
La visibilidad en IA se construye con los mismos principios que la autoridad en search. Pero opera en dos capas con mecánicas y tiempos distintos.
Los modelos de IA no se entrenaron en el vacío. Aprendieron sobre la web que Google ya había filtrado con E-E-A-T (Experience, Expertise, Authoritativeness, Trust). Por eso los criterios que rigen al SEO siguen valiendo. Cambia cómo se manifiestan.
Cómo se mapea E-E-A-T sobre el framework
| Criterio E-E-A-T | Pilar GEO-ABCD | Cómo se manifiesta |
|---|---|---|
| Experience | B + C | La marca demuestra práctica real. Contenido con evidencia de uso. |
| Expertise | B + C | Autores identificables. Profundidad técnica del contenido. |
| Authoritativeness | A (vía B) | Menciones de terceros, citas, reconocimiento sectorial. |
| Trust | A + D | Señales reputacionales y técnicas: HTTPS, datos de contacto, schema, fuentes. |
SEO y GEO: qué sigue valiendo, qué ya no alcanza
- Estructura HTML semántica
- Schema markup (schema.org)
- Bio de autor visible
- Topic clusters y arquitectura de contenidos
- Búsqueda por intención (informacional, transaccional)
- Velocidad de carga (Core Web Vitals)
- Sitemap.xml y robots.txt
- Backlinks de calidad
- Domain Authority como métrica principal
- Link building masivo sin contexto
- Keyword stuffing
- Anchor text optimization extrema
- Long tail puro sin coherencia semántica
- Optimización solo on-page
- Contenido producido en masa sin firma
- Métricas binarias: aparezco / no aparezco
Conclusión operativa. Si hacés SEO bien, ya tenés la base de GEO. Lo que falta es entender las capas, medir distinto y sumar señales que el SEO clásico no priorizaba.
Tres datos que marcan el cambio
La IA cita a menos fuentes por respuesta. La gente le pregunta a la IA antes que a un buscador. Y lo que la IA cita no es lo que rankea en Google.
Tres datos. Una señal. El terreno cambió.
1.1Cómo cita información un LLM
Los motores de IA no funcionan como buscadores. No te dan diez resultados. Te dan una respuesta. Y en esa respuesta entran pocas marcas.
El proceso tiene tres momentos.
- Pretraining. El modelo se entrena con texto de internet hasta una fecha de corte (cutoff). Lo que aprende ahí queda en su memoria paramétrica.
- Retrieval. Cuando alguien pregunta algo, el modelo puede activar búsqueda web en tiempo real. Trae fragmentos. Los procesa. Decide qué citar.
- Generación. El modelo combina memoria, retrieval y el prompt. Construye una respuesta. Cita una a tres fuentes.
Lo importante: el modelo nunca cita todo lo que encuentra. Selecciona. Esa selección depende de factores que no son los del SEO clásico.
1.2Las dos capas
Los motores combinan memoria y búsqueda en distinta proporción. Conviene saber con cuál estás tratando.
Capa paramétrica · lo que el modelo sabe
- Motores: Claude, GPT, Llama (en operación por defecto).
- Cómo responden: desde lo que aprendieron en entrenamiento. Pueden activar búsqueda cuando el prompt lo pide, pero priorizan memoria.
- Estabilidad: alta. Si te priorizan acá, te recomiendan espontáneamente.
Capa dinámica · lo que el modelo encuentra
- Motores: Gemini, Perplexity, Google AI Mode.
- Cómo responden: buscan en internet antes de responder. Citan fuentes en tiempo real.
- Estabilidad: volátil. Lo que aparece hoy puede no aparecer mañana.
La capa dominante de cada motor define la estrategia.
1.3Las cinco categorías de marca
Una vez que entendés las dos capas, podés clasificar tu marca. Esto te dice por dónde empezar.
- Parametric Brand. La IA te recuerda y recomienda sin buscar. Tu marca está en la memoria de los modelos. Ejemplos: marcas globales consolidadas, líderes de mercado con cobertura editorial profunda.
- Retrieval Brand. La IA te encuentra cuando busca, pero no te recuerda de memoria. Ejemplos: marcas con buen SEO clásico, presencia web sólida, baja cobertura editorial externa.
- Ecosystem Brand. La IA habla bien de vos por las menciones de terceros, no por tu propio sitio. Ejemplos: marcas con presencia fuerte en Reddit, foros, comunidades verticales.
- Technical Brand. Tu infraestructura técnica es impecable, pero la marca tiene baja notoriedad. Ejemplos: SaaS recientes, empresas técnicas B2B sin marketing fuerte.
- Ghost Brand. Buen negocio en el mundo real. Cero visibilidad en motores de IA. Ejemplos: PyMEs locales, negocios maduros sin estrategia digital, sectores tradicionales. En sectores YMYL (salud, finanzas, legal), el camino de salida es más exigente.
- Parametric → Cap 4: defender posición, monitorear competidores.
- Retrieval → Cap 2: trabajar Brand Ecosystem.
- Ecosystem → Cap 4: capturar el valor que ya tenés.
- Technical → Cap 1+2: trabajar todo lo no-técnico.
- Ghost → Cap 5: una acción mínima viable.
El framework GEO-ABCD.
Si solo leés un capítulo, leé este.
GEO-ABCD no es un descubrimiento. Es una propuesta de orden. Agrupa las señales que ya importaban en cuatro dimensiones medibles. Sirve para diagnosticar, priorizar y monitorear.
2.1Metodología visible
Los pesos del framework (50/30/10/10) salen del análisis comparado de más de 30 marcas. Para que esos pesos sean defendibles, hace falta mostrar de dónde salen.
Las marcas analizadas, agrupadas
- 8 SaaS B2B regionales (4 referentes + 4 emergentes)
- 6 e-commerce LatAm hispanohablantes
- 5 servicios profesionales (legal, consultoría, financiero)
- 4 retailers físicos con presencia digital
- 4 medios y plataformas de contenido
- 3 marcas de categoría regulada (salud, fintech)
Total: 30 marcas. 15 referentes top-of-mind contra 15 marcas menos visibles del mismo sector.
El método de comparación
- Batería estándar de 20-30 prompts por categoría
- 6 motores: Claude, GPT, Gemini, Llama, Perplexity, Google AI Mode
- Cada prompt corrido 3 veces en días distintos para promediar varianza
- Análisis comparado de dónde aparecen los referentes vs los emergentes
Lo que encontramos
Citability y Data & Structure son señales necesarias pero compartidas: la mayoría de las marcas serias las tiene resueltas. La diferenciación no viene por ahí.
De esa observación salen los pesos.
2.2Por qué A vale 50
Pensar el framework como una lista plana de cuatro pilares es un error. La estructura real es outcome / inputs.
- A · AI Recognition es el outcome. El resultado consolidado de todo el trabajo en los otros tres pilares.
- B · Brand Ecosystem, C · Citability, D · Data & Structure son los inputs. Lo que mueve el outcome.
Por eso A vale 50 puntos: porque es el resultado del trabajo en los otros tres. Cuando se mueve A, es porque ya se movió todo lo demás.
2.3Pilar A · AI Recognition (50 pts)
Qué mide
La capacidad de tu marca de ser citada espontáneamente cuando alguien pregunta por tu categoría.
Cómo se mide
Una batería de prompts representativos en 6 motores. Para cada prompt se registra:
- Si tu marca aparece o no
- En qué posición de la respuesta
- Con qué descripción
- En cuántos motores se repite
Tres señales internas
- Recall espontáneo: aparece sin que se la mencione.
- Posición competitiva: dónde queda contra tus 3-5 competidores principales.
- Consistencia: ¿aparece todas las veces o solo a veces?
2.4Pilar B · Brand Ecosystem (30 pts)
Qué mide
Qué dicen de tu marca las plataformas externas que tu marca no controla.
Señales típicas (varían por categoría)
- Comunidades: LinkedIn, Reddit, Quora
- Medios y newsletters sectoriales
- Wikipedia
- Knowledge Panel en Google
- Backlinks de calidad
Por qué importa
Los modelos necesitan señales de consenso, no solo señales onsite. Cuando varias fuentes externas hablan de la misma marca con la misma información, los modelos consolidan eso como autoridad.
Cómo trabajar este pilar
- Identificar las 3-5 plataformas externas más relevantes para tu categoría
- Aparecer ahí con información consistente
- No autopromocionarse. Sumar valor.
2.5Pilar C · Citability (10 pts)
Qué mide
Qué tan citable es tu propio contenido para un modelo de IA.
Señales típicas
- Definiciones tempranas: el término clave aparece en las primeras 150 palabras
- Datos con fuente verificable
- Párrafos autocontenidos
- Estructura semántica clara
[Término] es [definición]. [Por qué importa]. [Ejemplo concreto].Por qué pesa solo 10
La mayoría de los sitios serios ya tiene Citability resuelta. No es donde se diferencia una marca de otra.
2.6Pilar D · Data & Structure (10 pts)
Qué mide
La preparación técnica de tu sitio para ser leído por motores de IA.
Señales habituales
- Schema markup (schema.org)
- FAQ y question headers
- Meta description y title tags
- Bio de autor visible
- llms.txt (señal emergente)
Schema markup con código
Ejemplo de Article schema en JSON-LD:
Lo agregás dentro de un <script type="application/ld+json"> en el <head> de tu página. Verificalo en validator.schema.org antes de publicar.
Sobre llms.txt
Conclusión honesta: implementarlo cuesta media hora. Tenerlo te posiciona para cuando los principales LLMs empiecen a respetarlo. No esperes impacto inmediato.
Por qué pesa solo 10
Es base necesaria, no diferenciación. Una marca técnicamente perfecta pero sin Brand Ecosystem sigue siendo invisible.
2.7Cómo cambia el framework por categoría
Los pesos del framework son la base. No aplican igual para todas las categorías. La diferenciación más fuerte aparece entre verticales YMYL y no-YMYL.
¿Qué es YMYL?
YMYL (Your Money or Your Life) es la categoría que Google usa para temas que pueden afectar la salud, las finanzas o la seguridad de una persona. Los LLMs heredaron este criterio: son más conservadores con esas categorías y privilegian fuentes con autoridad de entidad.
Patrones observados
- B2B / servicios profesionales. Brand Ecosystem pesa más porque la decisión de compra se apoya en validación externa.
- B2C / e-commerce. Citability pesa más porque el match descriptivo entre producto y prompt es crítico.
- Local. Knowledge Panel y Google AI Mode pesan mucho. Data & Structure sube por la importancia del schema de localización.
- Regulado (YMYL: salud, finanzas, legal). Brand Ecosystem es casi todo el juego. Los modelos privilegian Wikipedia, .gov, .edu, medios establecidos.
- Identificá tu categoría
- Ajustá mentalmente los pesos según tu industria
- Priorizá el pilar que más mueve la aguja en tu caso
- Volvé al cap 3 para empezar a medir
Cómo medir.
Hay un problema con los motores de IA: no son deterministas. La misma pregunta puede dar respuestas distintas en momentos distintos. Antes de medir, hay que aceptar esto.
Eso no invalida la métrica. Invalida tratarla como ranking fijo. Acá va el método.
3.1Cómo descubrir tus prompts reales
El mayor error en GEO es medir contra prompts que el consultor inventa. Los clientes no preguntan así.
Tres fuentes para descubrir prompts reales
- Search Console. La pestaña de queries sigue siendo oro. Filtrá por palabras de pregunta: “cómo”, “qué es”, “cuál es”, “mejor”, “comparar vs”. Esas formulaciones son las que la gente le hace también a la IA.
- Entrevistas con clientes recientes. 5-10 entrevistas son suficientes. Preguntales: “Si tuvieras que describir lo que necesitabas cuando nos buscaste, ¿cómo se lo dirías a un amigo?”. El lenguaje que usan no es el que tu marketing imagina.
- Grabaciones de sales calls. Si tu equipo de ventas graba llamadas, hay oro ahí. El lenguaje natural del comprador antes de cualquier negociación es lo que la IA va a tratar de matchear.
Lo que tenés al final: 15-30 prompts en lenguaje real de cliente.
3.2El test mínimo de 3 pasos
Si solo vas a hacer una cosa, hacé esto. Es lo más rápido y replicable del manual.
Paso 1 · Prompt nudo · mide recall real
Abrí ChatGPT, Claude o Gemini. Escribí solo el nombre de tu marca:
- Respuesta buena: describe datos específicos y verificables.
- Respuesta mala: dice “no tengo información” o responde en genérico.
Paso 2 · Prompt con búsqueda activada · mide encontrabilidad
- Respuesta buena: encuentra fuentes externas (no solo tu sitio).
- Respuesta mala: solo cita tu propio sitio, o nada.
Paso 3 · Compará los resultados
| Paso 1 | Paso 2 | Diagnóstico | Acción |
|---|---|---|---|
| Bien | Bien | Recall real + buena indexación | Trabajá Citability |
| Mal | Bien | Encontrable pero no memorable | Trabajá AI Recognition: Wikipedia, medios, menciones |
| Mal | Mal | Invisible | Empezá por Data & Structure: schema, FAQ, llms.txt |
Si querés profundizar · tres tests adicionales
El prompt nudo detecta presencia. Estos tres tests discriminan entre recall real y completion plausible, que es cuando el modelo rellena con respuestas genéricas que suenan coherentes pero no son memoria.
- Control negativo. Generá una marca falsa con estructura nominal equivalente a la real (ej. “Plataforma Devia Solutions”). Corré el mismo prompt nudo. Si el modelo da descripción genérica para ambas, su “reconocimiento” de tu marca real era completion plausible.
- Atribución específica. Pedile datos concretos y verificables: año de fundación, fundador, ciudad de origen, número aproximado de empleados. Si inventa con confianza, es confabulación. Si acierta consistentemente, es recall real.
- Consistencia inter-run. Corré el mismo prompt nudo cinco veces, en sesiones distintas. Si los detalles varían entre runs, el modelo está muestreando descripciones plausibles. Si son consistentes, hay recall paramétrico estable.
3.3SAICS práctico
SAICS (Share of AI Consideration Set) es el equivalente al Share of Voice publicitario, aplicado a respuestas de IA. Mientras la fórmula completa requiere ponderación, hay una versión práctica para tracking mensual.
SAICS práctico = motores donde aparecés / total de motores evaluadosLimitación declarada. Este SAICS práctico no pondera por posición ni consistencia. Es un proxy útil para tracking, no para benchmarking definitivo.
3.4Trabajá con tendencia, no con foto
Un SAICS de 67% un mes y 71% el siguiente no significa que mejoraste un 4%. Puede ser ruido.
Cómo medir bien
- Correlo el mismo día cada mes
- En los mismos motores
- Con los mismos prompts
- Anotalo en una planilla
En 3 meses tenés una tendencia. En 6 meses una serie. Eso vale más que cualquier score absoluto.
- Descubrí tus prompts reales (15-30) en 1-2 semanas
- Corré el test de 3 pasos hoy mismo
- Calculá tu SAICS práctico
- Repetilo dentro de un mes
- Trabajá con la tendencia
Qué hacer y qué no.
Saber dónde estás importa menos que saber qué mover. Este capítulo prioriza.
4.1Acciones priorizadas por pilar
| Pilar | Esfuerzo | Barrera de entrada | Retorno | Plazo |
|---|---|---|---|---|
| D · Data & Structure | 3-8 hs | Baja · técnica básica | +5 a +15 pts | 2-3 semanas |
| C · Citability | 10-20 hs | Baja · in-house | +3 a +8 pts | 1 mes |
| B · Brand Ecosystem | 40-100 hs | Media-alta · trabajo sostenido | +10 a +25 pts | 3-6 meses |
| A · AI Recognition | Indirecto | Acumulado · resultado de B+C+D | +20 a +40 pts | 6-12 meses |
Por qué empezar por D: barrera de entrada baja, ROI rápido, fundamento técnico necesario para todo lo demás.
Por qué A no tiene acciones directas: A es el resultado. Se mueve cuando se mueven los otros tres.
4.2Schema markup con código
Schema es lo más barato y de mejor ROI. Ejemplo completo para un artículo:
Verificalo en validator.schema.org antes de publicar.
4.3llms.txt · señal emergente
Implementarlo es trivial. Un archivo de texto en la raíz de tu dominio con instrucciones para los crawlers de IA.
4.4Antipatrones documentados
No todas las acciones suman. Estas son las trampas más comunes.
- Inundar Reddit con cuentas falsas. Los modelos detectan patrones repetitivos. Una marca con 20 menciones todas con lenguaje similar y cuentas nuevas pierde, no gana. Lo único que funciona en Reddit: aportar valor real a hilos existentes.
- Texto oculto para bots de IA. Cualquier estrategia que sirva texto distinto a humanos y bots termina mal. Los modelos modernos detectan cloaking. Penalización inmediata.
- AI farms en tu propio sitio. Generar masivamente contenido optimizado pensando que más es mejor. El resultado: tu cluster semántico se vuelve ruido. La marca pierde foco.
- Optimizar Citability sin Brand Ecosystem. Sitio perfecto, contenido perfecto, schema perfecto. Pero ninguna fuente externa habla de la marca. El modelo no tiene cómo corroborar.
- Confundir tráfico orgánico con AI Recognition. Una marca puede tener 100.000 visitas mensuales de Google y cero presencia en ChatGPT. Son juegos distintos.
- Implementá schema markup esta semana
- Reescribí las primeras 150 palabras de tus 3 mejores artículos este mes
- Definí una estrategia de presencia externa para los próximos 3 meses
- No caigas en los antipatrones
Una acción para 30 días.
Si tenés presupuesto y tiempo para una sola acción en los próximos 30 días, esta sección te dice cuál.
5.1La pregunta
La pregunta correcta no es “qué hago primero”. Es “qué hago primero según qué tipo de marca soy”.
5.2Recomendación por perfil de marca
Volvé al Cap 1, sección 1.3, y reidentificá tu categoría. Después seguí acá.
Si sos Parametric Brand
- Tu acción única: monitoreo competitivo.
- Cómo: configurá la batería de 15-30 prompts del Cap 3. Corrélos cada mes. Trackeá quién entra y sale del top 3 en tu categoría.
- Por qué: ya estás adentro. El riesgo no es entrar, es salir sin darte cuenta.
Si sos Retrieval Brand
- Tu acción única: una mención de calidad en un medio sectorial.
- Cómo: una sola pieza de cobertura editorial en un medio relevante de tu categoría puede mover la aguja más que diez backlinks técnicos.
- Por qué: te falta señal externa que respalde lo que ya tenés bien en tu sitio.
Si sos Ecosystem Brand
- Tu acción única: schema markup completo + bio de autor.
- Cómo: tenés la autoridad externa; te falta la legibilidad técnica para capturar el valor.
- Por qué: el modelo te conoce por terceros pero no puede llevar a tu sitio con confianza.
Si sos Technical Brand
- Tu acción única: una página específica en inglés con metadata pública.
- Cómo: si tu marca es LatAm hispanohablante, una versión en inglés con datos básicos (qué hacés, para quién, contacto) mejora la citabilidad cross-idioma.
- Por qué: los modelos privilegian fuentes en inglés cuando responden sobre LatAm, incluso al usuario que pregunta en español.
Si sos Ghost Brand
- Tu acción única: presencia mínima viable. Tres tareas en orden:
- Página de inicio con definición clara de qué hacés en las primeras 150 palabras.
- Schema básico de Organization.
- Un perfil completo en LinkedIn y Google Business Profile.
Por qué: hoy no existís para los modelos. Estas tres tareas te dan existencia mínima.
5.3Cómo medir si funcionó
Antes de empezar la acción: corré el test de 3 pasos del Cap 3. Anotá los resultados. 30 días después: corré el test de nuevo. Comparalo.
Lo que esperás ver
- Cambios en Paso 1 (recall) requieren 3-6 meses. No te frustres si no ves nada.
- Cambios en Paso 2 (encontrabilidad) pueden verse en 2-4 semanas.
- Cambios en la descripción que la IA da de tu marca son la señal más temprana.
Este manual no termina acá. Es la primera versión 2.0. Vamos a actualizarlo cuando tengamos más casos, mejores datos, ajustes al método.
5.4Lo que el manual no tiene
Honestidad estructural. Este manual presenta el framework completo y suficientes herramientas para que cualquier marca empiece a trabajar su visibilidad en IA. Pero hay cuatro cosas que requieren más profundidad de la que entra en este formato.
- La batería específica de prompts por categoría. El manual te enseña cómo descubrir tus prompts reales (Cap 3.1), pero las baterías validadas por vertical (B2B SaaS, e-commerce LatAm, servicios profesionales, salud, fintech) son resultado de meses de trabajo y calibración. No entran en 20 páginas.
- Los benchmarks de referencia por industria. Saber tu Score ABCD no alcanza si no sabés qué Score tienen los líderes de tu categoría. Esa data viva, actualizada trimestralmente, es lo que separa diagnóstico de orientación estratégica.
- El protocolo de calibración del SAICS con varianza controlada. El manual te muestra el SAICS práctico (3.3), que es suficiente para tracking. La calibración con varianza estadística controlada y promediado de N ejecuciones por motor es lo que permite comparaciones rigurosas mes a mes.
- La actualización continua frente a cambios de modelo. Los LLMs cambian cutoffs, filtros y comportamientos sin previo aviso. Lo que funcionó en marzo puede no funcionar en julio. El manual queda fijo en su edición. La práctica profesional, no.
Si lo que necesitás es lo del manual, lo tenés todo acá. Si lo que necesitás es lo de arriba, ahí entra la asesoría.
Si querés aplicar este framework con acompañamiento, agendemos una conversación. Hacemos el diagnóstico ABCD de tu marca, identificamos el pilar más débil y armamos una hoja de ruta priorizada en 30, 60 y 90 días.
Si seguís sin saber por dónde empezar, escribime. Si algo de esto no te cierra, mejor: discutámoslo.
— Daniel
Preguntas frecuentes.
Lo que más nos preguntan sobre GEO y el framework, respondido de forma directa.
¿Qué es GEO (Generative Engine Optimization)?
GEO es la disciplina que optimiza una marca para aparecer en respuestas de motores generativos de IA: ChatGPT, Claude, Gemini, Perplexity y Google AI Mode. No reemplaza al SEO; opera sobre los mismos principios (E-E-A-T) pero en una capa adicional: la memoria paramétrica del modelo y su retrieval en tiempo real.
¿En qué se diferencia el framework GEO-ABCD de otros métodos?
GEO-ABCD descompone la visibilidad en IA en cuatro pilares medibles —Authority, Brand, Citability, Data & Structure— con pesos ponderados 50/30/10/10 y 17 señales operativas. Es un framework público que separa explícitamente la capa paramétrica (B) de la capa dinámica (C+D) y declara sus hipótesis con badges de honestidad metodológica.
¿Cuánto tarda en verse resultado?
La capa dinámica (citas vía retrieval) puede mover la aguja en 4-8 semanas si el sitio ya tiene autoridad mínima. La capa paramétrica (recall sin búsqueda activa) requiere meses: depende del próximo ciclo de entrenamiento del modelo y de la consolidación de la entidad en Knowledge Graph.
¿Sirve para marcas chicas o solo para grandes?
Sirve más para marcas chicas. Una marca grande ya tiene presencia paramétrica heredada. Una chica puede ganar terreno en categorías long-tail con poca inversión: el manual documenta cómo. Los pilares C (Citability) y D (Data & Structure) son los que mueven la aguja primero porque dependen menos del tiempo y más de la ejecución.
¿Hace falta tirar lo que vengo haciendo en SEO?
No. El manual lo dice explícitamente en el capítulo 1: la visibilidad en IA se construye con los mismos principios que la autoridad en search. Cambia cómo se manifiestan, no los fundamentos. Lo que ya hacés en SEO sigue valiendo; GEO suma una capa nueva. Si necesitás un plan integrado, podés ver el servicio de SEO y GEO de WeDo.
¿Qué motores de IA cubre el framework?
El framework cubre los seis motores principales: ChatGPT (OpenAI), Claude (Anthropic), Gemini y Google AI Mode (Google), Perplexity y Copilot (Microsoft). El protocolo de medición del capítulo 3 propone ejecutar la batería de prompts en al menos cuatro de ellos para obtener una lectura robusta.
¿Cómo aplicar GEO-ABCD a una marca específica?
El manual es operativo: podés diagnosticar y aplicar por tu cuenta siguiendo el capítulo 3 (cómo medir) y el 5 (acción 30 días). Si querés acompañamiento profesional, WeDo Performance ofrece el diagnóstico ABCD completo aplicado a tu vertical desde wedoperformance.com/contacto.
¿El framework es público o propietario?
El framework conceptual es público: este manual lo presenta entero, incluyendo pesos, señales y método de medición. La aplicación profesional (uso en cartera de clientes de una consultora, sistemas internos de scoring, herramientas comerciales) requiere licenciamiento. Para licencias, contactar a través de wedoperformance.com/contacto.
Glosario, fuentes y método.
Glosario de términos clave del ecosistema SEO, GEO, AEO y AI search. Pensado como referencia operativa para profesionales de marketing digital, founders y equipos de comunicación que trabajan visibilidad de marca en motores de inteligencia artificial.
- Resoneo · Bigfoot Effect en ChatGPT think.resoneo.com
- Google I/O 2026 · Search updates y AI Mode blog.google
- Ahrefs · 80% de citas LLM fuera del top 100 de Google ahrefs.com
- Anthropic · Web search en Claude anthropic.com
- SE Ranking · Estudio sobre llms.txt en 300K dominios seranking.com
- SparkToro · Variabilidad de respuestas LLM (enero 2026) sparktoro.com
- Reuters · Acuerdo Reddit-Google USD 60M anuales reuters.com
- DEJAN AI · Brand Authority Index sobre memoria de Gemini dejan.ai
- Princeton + Georgia Tech · GEO Study (KDD 2024) arxiv.org
- Cheng et al. · Dated Data · Knowledge Cutoffs (COLM 2024) arxiv.org
- Semrush · AI Visibility Index 2025 semrush.com
Cómo se construyó el framework
- 30+ marcas analizadas (composición exacta en sección 2.1)
- 6 motores de IA consultados
- Batería de 20-30 prompts por categoría
- Cada prompt ejecutado 3 veces en días distintos
- Análisis comparado entre referentes top-of-mind y emergentes del mismo sector
Limitaciones declaradas
- Los pesos 50/30/10/10 son hipótesis operativa, no regresión publicada
- La varianza por ejecución puede llegar al ±15% según motor
- Los cutoffs de los modelos cambian sin aviso
- Los resultados no aplican uniformemente a todas las categorías (ver sección 2.7)
Versionado
Esta es la edición 2.0 del manual (mayo 2026). A medida que ampliemos la base de marcas, ajustaremos los pesos por industria. La versión actualizada estará siempre en wedoperformance.com/geo-abcd.
El resto del manual, a un clic.
Estás por entrar al framework completo GEO-ABCD con sus 17 señales operativas, el protocolo de medición y la acción para 30 días. Dejá tu mail y seguís.
- Acceso completo a los 5 capítulos + glosario + fuentes.
- Te avisamos cuando publiquemos la edición 3.0 con nuevas verticales.
- Sin spam. Cancelás cuando quieras.