Quiero mi diagnósticoDiagnóstico
Daniel Devia · Consultor GEO · WeDo Performance Edición 2.1

Manual operativo

Framework GEO-ABCD

Cómo diagnosticar, medir y mejorar tu visibilidad en motores de inteligencia artificial.

Autor
Daniel Devia López
Edición
Agosto · 2026
Editor
WeDo Performance

En 60 segundos

El manual, resumido.

GEO-ABCD es un marco operativo de cuatro dimensiones ponderadas que mide y mejora la visibilidad de una marca en motores de IA: A · AI Recognition (50 puntos), B · Brand Ecosystem (30), C · Citability (10) y D · Data & Structure (10). Son 17 señales medidas sobre 6 motores, en un puntaje de 0 a 100 que llamamos AI Score.

  • A es el resultado, no una tarea. B, C y D son los insumos que lo mueven.
  • Diagnóstico con prompts reales y métricas explícitas (capítulo 3).
  • Hoja de ruta priorizada por dimensión (capítulo 4 y 5).
  • Cada afirmación etiquetada como dato, hipótesis o proyección.

Citá este manual como: Devia López, D. (2026). Manual operativo del Framework GEO-ABCD. WeDo Performance. https://wedoperformance.com/geo-abcd/

Índice

Los capítulos 1 y 2 están completos acá: son el método entero. Los capítulos 3, 4 y 5 son la parte operativa y están en el PDF. El glosario, las fuentes y la metodología son abiertos.

Introducción00 / 05

Quién lee 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, equipos internos de comunicación y SEO, y para quien toma decisiones sobre visibilidad. No es exhaustivo. No reemplaza un diagnóstico profesional. No promete nada garantizado.

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 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.

Dato observado Hecho medido, con fuente y fecha atribuibles.

Hipótesis operativa Lo que vemos en nuestros datos hasta hoy. Puede afinarse con más casos.

Proyección estratégica Lo que esperamos del futuro próximo. Es interpretación.

Cuando una afirmación importa pero no entra en ninguna de las tres, va sin etiqueta. Eso significa: opinión calificada del autor, sin pretensión de hecho.

Capítulo 0101 / 05

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 las dos cosas en una sola estrategia, así trabajamos en posicionamiento en Google y en IA.

La visibilidad en IA se construye con los mismos principios que la autoridad en buscadores. Pero opera en dos capas con mecánicas y tiempos distintos.

Los modelos no se entrenaron en el vacío. Aprendieron sobre la web que Google ya había filtrado con E-E-A-T: experiencia, pericia, autoridad y confianza. Por eso los criterios del SEO siguen valiendo. Cambia cómo se manifiestan.

Cómo se mapea E-E-A-T sobre el framework

CriterioDimensiónCómo se manifiesta
ExperienceB + CLa marca demuestra práctica real. Contenido con evidencia de uso.
ExpertiseB + CAutores identificables. Profundidad técnica del contenido.
AuthoritativenessA, vía BMenciones de terceros, citas, reconocimiento del sector.
TrustA + DSeñales de reputación y técnicas: HTTPS, contacto, datos estructurados, fuentes.

Qué sigue valiendo y qué ya no alcanza

Sigue valiendo
  • Estructura HTML semántica
  • Datos estructurados (schema.org)
  • Firma de autor visible
  • Arquitectura de contenidos por tema
  • Búsqueda por intención
  • Velocidad de carga
  • Mapa del sitio y robots.txt
  • Enlaces entrantes de calidad
Ya no alcanza
  • Autoridad de dominio como métrica principal
  • Construcción masiva de enlaces sin contexto
  • Repetir la palabra clave hasta el cansancio
  • Optimización extrema del texto del enlace
  • Cola larga sin coherencia semántica
  • Trabajar solo dentro de tu propio sitio
  • Contenido producido en masa y sin firma
  • Métricas binarias: aparezco o no aparezco

Dato observado El 28,3% de las páginas que ChatGPT cita no tienen ninguna visibilidad orgánica en Google (Ahrefs, octubre de 2025). El SEO no garantiza el GEO. Pero su ausencia tampoco lo impide. Son dos juegos parcialmente superpuestos.

Hipótesis operativa La autoridad de dominio medida por enlaces no correlaciona con la memoria de los modelos (DEJAN AI). El E-E-A-T sí. Las prácticas de SEO basadas en autoridad de dominio pierden peso; las basadas en E-E-A-T lo ganan.

Conclusión operativa: si hacés SEO bien, ya tenés la base del GEO. Falta entender las capas, medir distinto y sumar señales que el SEO clásico no priorizaba.

1.1Cómo cita información un modelo

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.

  • Entrenamiento. El modelo aprende de texto de internet hasta una fecha de corte. Lo que aprende ahí queda en su memoria.
  • Recuperación. Cuando alguien pregunta, el modelo puede buscar en la web en el momento. Trae fragmentos, los procesa, decide qué citar.
  • Generación. Combina memoria, lo recuperado y la pregunta. Construye una respuesta y cita una a tres fuentes.

Lo importante: el modelo nunca cita todo lo que encuentra. Selecciona. Y 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. Las capas se definen por motor, no por dimensión del framework.

Capa paramétrica · lo que el modelo sabe

  • Motores: Claude, GPT, Llama en su operación por defecto.
  • Cómo responden: desde lo aprendido en el entrenamiento. Pueden buscar si la pregunta lo pide, pero priorizan memoria.
  • Estabilidad: alta. Si te priorizan acá, te recomiendan sin que nadie te nombre primero.

Capa dinámica · lo que el modelo encuentra

  • Motores: Gemini, Perplexity, Google AI Mode.
  • Cómo responden: buscan en internet antes de contestar y citan fuentes del momento.
  • Estabilidad: volátil. Lo que aparece hoy puede no aparecer mañana.

Dato observado Anthropic activó búsqueda web en Claude en marzo de 2025. OpenAI lo hizo en ChatGPT en 2024. La frontera entre las dos capas se corre, y por eso conviene medir en las dos.

1.3Las cinco categorías de marca

Una vez que entendés las capas, podés clasificar tu marca. Esto te dice por dónde empezar.

  • Marca en memoria. La IA te recuerda y te recomienda sin buscar. Suelen ser marcas consolidadas con cobertura editorial profunda.
  • Marca encontrable. La IA te encuentra cuando busca, pero no te recuerda. Buen SEO clásico, poca cobertura externa.
  • Marca de ecosistema. La IA habla bien de vos por lo que dicen terceros, no por tu sitio. Presencia fuerte en comunidades y foros.
  • Marca técnica. Infraestructura impecable, notoriedad baja. Común en empresas B2B sin trabajo de comunicación.
  • Marca invisible. Buen negocio en el mundo real, cero visibilidad en IA. En rubros sensibles como salud, finanzas o legales, salir de acá cuesta más.

Hipótesis operativa La mayoría de las marcas medianas y chicas de la región hoy son invisibles o técnicas.

Lo que hacés con esto

Antes de seguir, identificá tu categoría. La acción prioritaria cambia según dónde estés.

  • En memoria → defender la posición y vigilar a los competidores.
  • Encontrable → trabajar Brand Ecosystem.
  • De ecosistema → capturar el valor que ya tenés, con base técnica.
  • Técnica → todo lo que no es técnico.
  • Invisible → presencia mínima viable.

Capítulo 02 · el centro del manual02 / 05

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 a la vista

Los pesos 50/30/10/10 salen del análisis comparado de más de 30 marcas. Para que sean defendibles, hace falta mostrar de dónde salen.

Las marcas analizadas

  • 8 empresas de software B2B regionales, 4 referentes y 4 emergentes
  • 6 comercios electrónicos de la región
  • 5 servicios profesionales: legales, consultoría, financieros
  • 4 comercios físicos con presencia digital
  • 4 medios y plataformas de contenido
  • 3 marcas de rubro regulado: salud y finanzas

Total: 30 marcas. 15 referentes de su categoría contra 15 menos visibles del mismo sector.

El método de comparación

  • Batería estándar de 20 a 30 preguntas por categoría
  • 6 motores: Claude, GPT, Gemini, Llama, Perplexity y Google AI Mode
  • Cada pregunta corrida 3 veces en días distintos, para promediar la variación
  • Comparación entre referentes y emergentes del mismo sector

Hipótesis operativa Referentes y emergentes se diferencian sobre todo en una cosa: AI Recognition. Las marcas que la IA recuerda y recomienda sola son las que ganan. Y esa diferencia viene de un ecosistema de menciones externas más que del propio sitio.

Citability y Data & Structure son necesarias pero compartidas: casi toda marca seria 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 dimensiones es un error. La estructura real es resultado contra insumos.

  • A · AI Recognition es el resultado. Lo que queda cuando el trabajo en las otras tres ya sucedió.
  • B, C y D son los insumos. Lo único sobre lo que se puede actuar de forma directa.

Por eso A vale 50: cuando A se mueve, es porque ya se movió todo lo demás. No hay tarea que diga "hacer AI Recognition".

2.3A · AI Recognition · 50 puntos

Mide la capacidad de tu marca de ser nombrada de forma espontánea cuando alguien pregunta por tu categoría. Se mide con una batería de preguntas en 6 motores, registrando si aparecés, en qué lugar de la respuesta, con qué descripción y en cuántos motores se repite.

Sus tres señales

  • Recuerdo espontáneo: aparecés sin que nadie te haya nombrado antes.
  • Posición competitiva: dónde quedás contra tus tres a cinco competidores.
  • Consistencia: aparecés todas las veces, o solo a veces.

Dato observado La variación entre corridas de la misma pregunta puede llegar al ±15% según el motor (SparkToro, enero de 2026). Por eso se repite cada pregunta tres veces.

2.4B · Brand Ecosystem · 30 puntos

Mide qué dicen de tu marca las plataformas que tu marca no controla. Es el insumo que más mueve la aguja y el que más tarda.

Sus cinco señales

  • Comunidades y foros del sector
  • Medios y boletines especializados
  • Enciclopedias colaborativas
  • Ficha de empresa en Google
  • Enlaces entrantes de calidad

Los modelos necesitan señales de consenso, no solo señales de tu sitio. Cuando varias fuentes externas dicen lo mismo sobre una marca, el modelo lo consolida como autoridad.

Dato observado Reddit firmó acuerdos de licencia de datos con Google (USD 60 millones anuales, Reuters, febrero de 2024) y con OpenAI (mayo de 2024). Su contenido alimenta directamente a los modelos.

2.5C · Citability · 10 puntos

Mide qué tan citable es tu propio contenido para un modelo.

Sus cuatro señales

  • Definiciones tempranas: el término clave en las primeras 150 palabras
  • Datos con fuente verificable y fecha
  • Párrafos que se entienden solos, sin leer los tres anteriores
  • Estructura semántica clara

La fórmula de la frase citable: [Término] es [definición]. [Por qué importa]. [Ejemplo concreto].

"GEO-ABCD es un marco de cuatro dimensiones para medir la visibilidad de una marca en motores de IA. Importa porque pone número a algo que hoy se discute por intuición. Con él, una marca puede compararse contra sus competidores y decidir dónde invertir primero."

Por qué pesa solo 10: la mayoría de los sitios serios ya lo tiene resuelto. No es donde una marca se diferencia de otra.

2.6D · Data & Structure · 10 puntos

Mide qué tan preparado está tu sitio para ser leído por una máquina.

Sus cinco señales

  • Datos estructurados (schema.org)
  • Preguntas frecuentes y encabezados en forma de pregunta
  • Títulos y descripciones de página
  • Firma de autor visible y verificable
  • Archivo llms.txt y permisos para los robots de IA

Ejemplo mínimo · va dentro de un script de tipo ld+jsonJSON-LD

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Cómo funciona el Framework GEO-ABCD",
  "author": {
    "@type": "Person",
    "name": "Daniel Devia López",
    "url": "https://danieldevia.ar"
  },
  "datePublished": "2026-08-11",
  "publisher": {
    "@type": "Organization",
    "name": "WeDo Performance"
  }
}

Verificalo en validator.schema.org antes de publicar.

Dato observado Un estudio de SE Ranking sobre 300.000 dominios (noviembre de 2025) no encontró correlación medible entre tener llms.txt y ser citado con más frecuencia.

Proyección estratégica Implementar llms.txt cuesta media hora y te deja listo para cuando los modelos empiecen a respetarlo. No esperes efecto inmediato: hoy no lo tiene.

Por qué pesa solo 10: es base necesaria, no diferenciación. Una marca técnicamente perfecta sin ecosistema sigue siendo invisible.

2.7Cómo cambia por rubro

Los pesos son la base y no aplican igual a todas las categorías. La diferencia más marcada aparece entre rubros sensibles y el resto. Se llaman sensibles los temas que pueden afectar la salud, las finanzas o la seguridad de una persona: los modelos son más conservadores ahí y privilegian fuentes con autoridad reconocida.

  • B2B y servicios profesionales. Brand Ecosystem pesa más: la decisión se apoya en validación externa.
  • Comercio electrónico. Citability pesa más: la coincidencia entre cómo describís el producto y cómo lo pregunta la persona es crítica.
  • Negocio local. La ficha de empresa y Google AI Mode pesan mucho. Data & Structure sube por los datos de localización.
  • Rubros regulados. Brand Ecosystem es casi todo el juego: los modelos privilegian enciclopedias, sitios oficiales y medios establecidos.

Hipótesis operativa Los ajustes por rubro son patrones observados, no reglas cerradas. La calibración fina por vertical es parte del trabajo de aplicación.

Lo que hacés con esto

  • Identificá tu rubro y ajustá mentalmente los pesos
  • Priorizá la dimensión que más mueve la aguja en tu caso
  • Acordate: sobre A no se actúa. Se actúa sobre B, C y D

Sobre el framework El Framework GEO-ABCD es metodología propia de WeDo Performance. Este manual lo presenta entero para que cualquier marca pueda entenderlo y aplicar sus principios. Para uso en cartera de clientes de otra consultora o en herramientas comerciales, escribinos.

Capítulo 0303 / 05

Cómo medir.

Los motores de IA no son deterministas: la misma pregunta puede dar respuestas distintas en momentos distintos. Antes de medir, hay que aceptar eso.

Dato observado SparkToro corrió 2.961 preguntas en enero de 2026 y encontró menos de una probabilidad en cien de obtener dos veces la misma lista de marcas.

Eso no invalida la métrica. Invalida tratarla como un ranking fijo. Lo que sirve es la tendencia, no la foto. El capítulo desarrolla el protocolo completo en cuatro secciones.

  • 3.1 · Cómo descubrir tus preguntas reales. Las tres fuentes para sacarlas de datos y no de la imaginación del consultor: Search Console, entrevistas a clientes recientes y grabaciones de llamadas de venta.
  • 3.2 · El test mínimo de tres pasos. Lo más rápido y replicable del manual. Distingue entre que el modelo te mencione y que el modelo te recuerde, con tres pruebas de control para descartar falsos positivos.
  • 3.3 · El AI Score práctico. La versión de campo del puntaje, la que se puede correr todos los meses sin instrumental, con sus limitaciones declaradas.
  • 3.4 · Trabajar con tendencia. Por qué pasar de 67 a 71 puntos puede ser ruido, y cómo montar una serie que sí signifique algo.

Capítulo 0404 / 05

Qué hacer y qué no.

Saber dónde estás importa menos que saber qué mover. Este capítulo prioriza.

El orden recomendado es D, después C, después B. Se empieza por Data & Structure porque la barrera de entrada es baja, el trabajo se hace una vez y es el cimiento sobre el que apoya todo lo demás. Se termina por Brand Ecosystem porque es el que más rinde y el que más tarda. Sobre A no hay acciones directas: se mueve solo cuando se movieron las otras tres.

  • 4.1 · Acciones priorizadas por dimensión. Tabla con esfuerzo estimado en horas, barrera de entrada, retorno en puntos y plazo, para cada una de las cuatro.
  • 4.2 · Datos estructurados, con código. El marcado completo listo para copiar, y qué validar antes de publicarlo.
  • 4.3 · llms.txt. El archivo completo de ejemplo y la lectura honesta de cuánto rinde hoy.
  • 4.4 · Los cinco antipatrones. Las trampas que restan en lugar de sumar, incluido por qué inundar foros con cuentas nuevas se detecta, y por qué servir texto distinto a personas y a robots termina mal.

Capítulo 05 · cierre05 / 05

Una acción para 30 días.

Si tenés tiempo y presupuesto para una sola acción en los próximos treinta días, este capítulo te dice cuál.

La pregunta correcta no es "qué hago primero". Es "qué hago primero según qué tipo de marca soy". Las cinco categorías del capítulo 1.3 tienen cada una una acción única distinta, y hacer la del vecino es perder el mes.

  • 5.1 y 5.2 · La acción única, por categoría de marca. Qué hacer si estás en memoria, si sos encontrable, de ecosistema, técnica o invisible. Con el porqué de cada una.
  • 5.3 · Cómo medir si funcionó. Qué esperar a los 30 días y qué no, y cuál es la primera señal que se mueve, que no es la que la mayoría vigila.
  • 5.4 · Lo que este manual no tiene. Las cuatro cosas que no entran en este formato y por qué: las baterías de preguntas validadas por vertical, los puntajes de referencia por industria, el protocolo de calibración con variación controlada, y la actualización continua cuando los modelos cambian sin avisar.

Hasta acá la versión abierta

La parte operativa está en el manual completo.

Los capítulos 1 y 2 te dieron el método entero: qué es el GEO, en qué se diferencia del SEO, las cuatro dimensiones, sus pesos, sus 17 señales y de dónde salieron. Eso está completo acá arriba y va a seguir estando.

Lo que está en el PDF es la parte que se ejecuta:

  • Capítulo 3 completo. Las tres fuentes de preguntas reales, el test de tres pasos con sus controles, el AI Score práctico y el protocolo de seguimiento mensual.
  • Capítulo 4 completo. La tabla de priorización con esfuerzo y retorno por dimensión, el marcado listo para copiar, y los cinco antipatrones documentados.
  • Capítulo 5 completo. El plan de 30 días, con la acción única para cada una de las cinco categorías de marca y cómo medirla.
  • Anexos ampliados. Plantillas y baterías de preguntas listas para usar.
Acceder al manual completo

Acceso inmediato · pago seguro · garantía de 7 días

Sobre esta edición Esta es la edición 2.1, de agosto de 2026. A medida que ampliemos la base de marcas vamos a publicar ajustes por industria. La versión vigente está siempre en esta misma dirección.

Preguntas frecuentesAbierto

Preguntas frecuentes.

¿Qué es el GEO (Generative Engine Optimization)?

El GEO es la disciplina que trabaja para que una marca aparezca dentro de las respuestas de los motores de IA: ChatGPT, Claude, Gemini, Perplexity y Google AI Mode. No reemplaza al SEO: opera sobre los mismos principios de experiencia, pericia, autoridad y confianza, pero en una capa adicional, que es lo que el modelo recuerda de su entrenamiento y lo que busca en el momento.

¿En qué se diferencia GEO-ABCD de otros métodos?

GEO-ABCD descompone la visibilidad en IA en cuatro dimensiones medibles: A · AI Recognition, B · Brand Ecosystem, C · Citability y D · Data & Structure, con pesos 50/30/10/10 y 17 señales.

Dos cosas lo separan del resto. Primero, distingue el resultado de los insumos: A es lo que se mide, B, C y D son sobre lo que se actúa. Segundo, cada afirmación del manual está etiquetada como dato, hipótesis o proyección, así se ve qué está medido y qué es interpretación.

¿Cuánto tarda en verse un cambio?

Depende de la capa. Los motores que consultan la web en el momento (Gemini, Perplexity, Google AI Mode) pueden moverse en cuatro a ocho semanas si el sitio ya tiene una base mínima de autoridad.

Lo que el modelo tiene guardado de su entrenamiento (ChatGPT, Claude, Llama) depende de cuándo se lo vuelva a entrenar y de que la marca se consolide como entidad reconocida. Eso se mide en meses.

¿Sirve para marcas chicas o solo para grandes?

Sirve más para las chicas. Una marca grande ya arrastra presencia en la memoria de los modelos. Una chica puede ganar terreno en categorías específicas con poca inversión, y las dimensiones C y D son las que se mueven primero porque dependen de la ejecución y no del tiempo.

¿Hace falta tirar lo que vengo haciendo en SEO?

No. El capítulo 1 lo dice explícito: la visibilidad en IA se construye con los mismos principios que la autoridad en buscadores. Cambia cómo se manifiestan, no los fundamentos. Lo que ya hacés sigue valiendo y el GEO suma una capa nueva. Si necesitás las dos cosas en un solo plan, así trabajamos el posicionamiento en Google y en IA.

¿Qué motores cubre el framework?

Seis: ChatGPT, Claude, Gemini, Google AI Mode, Perplexity y Copilot. El protocolo de medición propone correr la batería de preguntas en al menos cuatro de ellos, porque responden distinto entre sí y una sola lectura no dice nada.

¿Por qué A vale 50 puntos y las otras tres suman 50 entre las tres?

Porque A no es una tarea, es el resultado. AI Recognition mide si la IA te nombra sola, y eso no se hace: se consigue moviendo las otras tres. Si el framework le diera el mismo peso a las cuatro, sugeriría que se puede trabajar A directamente, y no se puede.

El reparto de los otros 50 sale de lo observado: Brand Ecosystem es lo que separa a las marcas que la IA recuerda de las que no. Citability y Data & Structure son necesarias, pero casi toda marca seria ya las tiene, así que no diferencian.

¿Cómo aplico el framework a mi marca?

Podés hacerlo por tu cuenta con el manual completo, que trae el protocolo de medición y el plan de 30 días. Si preferís acompañamiento, el diagnóstico inicial con tu AI Score es sin costo: te damos el puntaje, las brechas por dimensión y qué marcas están ocupando hoy tu lugar en las respuestas.

¿El framework es público o propietario?

El framework conceptual es público: esta página lo presenta entero, con sus pesos, sus 17 señales y el método del que salieron. El manual en PDF agrega la parte operativa.

La aplicación profesional por parte de otra consultora, o su uso dentro de herramientas comerciales, requiere licencia. Para eso, escribinos.

AnexosA · B · C

Glosario, fuentes y método.

Anexo A · Glosario

Referencia operativa de los términos del ecosistema de búsqueda con IA. Abierto y sin registro: es la parte del manual que más nos citan.

GEO Generative Engine Optimization
Trabajo sobre el contenido y la presencia de una marca para que los motores de IA la citen y la recomienden dentro de sus respuestas. Es la evolución del SEO hacia la búsqueda generativa.
SEO Search Engine Optimization
Trabajo para que un sitio aparezca en los resultados de buscadores tradicionales. Su base conceptual es el punto de partida del GEO.
AEO Answer Engine Optimization
Optimización para sistemas que devuelven una sola respuesta: asistentes de voz, respuestas destacadas, resúmenes de IA. Es un subconjunto del GEO con foco en la pregunta directa.
AI Score
El puntaje de 0 a 100 que devuelve el framework GEO-ABCD. Suma las cuatro dimensiones con sus pesos: 50, 30, 10 y 10.
A · AI Recognition
Primera dimensión, 50 puntos, tres señales. Mide si la IA nombra la marca sin que nadie se la haya mencionado. Es el resultado del framework, no una tarea.
B · Brand Ecosystem
Segunda dimensión, 30 puntos, cinco señales. Mide qué dicen de la marca las plataformas que la marca no controla. Es el insumo que más mueve la aguja.
C · Citability
Tercera dimensión, 10 puntos, cuatro señales. Mide qué tan citable es el contenido propio: definiciones tempranas, datos con fuente, párrafos que se entienden solos.
D · Data & Structure
Cuarta dimensión, 10 puntos, cinco señales. Mide qué tan legible es el sitio para una máquina: datos estructurados, autoría, permisos para robots.
Capa paramétrica
Lo que el modelo recuerda de su entrenamiento. Estable y reproducible; solo cambia cuando el modelo se vuelve a entrenar. Trabajarla lleva meses.
Capa dinámica
Lo que el modelo encuentra buscando en la web antes de responder. Volátil, cambia día a día. Trabajarla puede dar resultado en semanas.
Recuerdo espontáneo
Que el modelo nombre una marca sin que se la haya mencionado antes en la conversación. Es la prueba más fuerte de que está en su memoria.
Relleno plausible
Cuando el modelo no conoce una marca pero completa el patrón de la pregunta con algo genérico y coherente. Parece recuerdo real y no lo es.
Alucinación
Cuando un modelo afirma con seguridad algo falso o inventado. Los motores que buscan en la web antes de responder alucinan menos que los que solo usan memoria.
Recuperación aumentada RAG
El sistema de dos etapas de los motores generativos: primero recuperan fragmentos relevantes, después los usan para redactar. Lo que no es recuperable en la primera etapa nunca llega a la respuesta.
Fragmento semántico
Bloque de 150 a 400 palabras que se entiende sin contexto adicional. Es la unidad que el modelo recupera y evalúa. Escribir en fragmentos claros mejora la citabilidad.
Vector semántico embedding
Representación matemática del significado de un texto. Permite comparar ideas sin depender de las palabras exactas. Es la base de la búsqueda por significado.
Fecha de corte knowledge cutoff
Hasta cuándo fue entrenado un modelo. Lo que pasó después no está en su memoria hasta el próximo entrenamiento. El corte efectivo suele diferir del oficial según el tema.
Ventana de contexto
Cuánto texto puede procesar un modelo en una sola interacción. Define qué tan extensa puede ser la información que evalúa antes de responder.
Datos estructurados schema markup
Vocabulario estándar que describe el contenido de una página dentro del HTML, en formato JSON-LD. Lo leen buscadores y motores de IA por igual. Es la base de la dimensión D.
JSON-LD
El formato recomendado para escribir datos estructurados. Se inserta en un script dentro del HTML y no afecta el diseño de la página.
llms.txt
Archivo en la raíz del dominio que le indica a los modelos qué contenido pueden usar y cómo. Equivalente conceptual del robots.txt para IA. Señal emergente: hoy no hay evidencia de que rinda.
robots.txt
Archivo estándar que indica a los rastreadores qué páginas pueden recorrer. Desde 2024 incluye reglas específicas para robots de IA.
GPTBot · ClaudeBot · PerplexityBot
Los rastreadores oficiales de OpenAI, Anthropic y Perplexity. Recorren la web tanto para entrenar los modelos como para las búsquedas del momento. Su acceso se configura desde robots.txt.
E-E-A-T
Experiencia, pericia, autoridad y confianza. El marco con el que Google evalúa la calidad del contenido. Los modelos lo absorbieron al entrenarse sobre la web que Google ya había filtrado. Es el puente entre SEO y GEO.
Rubro sensible YMYL
Temas que pueden afectar la salud, las finanzas o la seguridad de una persona. Los modelos son especialmente conservadores ahí: privilegian enciclopedias, sitios oficiales y medios establecidos.
Grafo de conocimiento
La base de entidades de Google. Cuando una marca está reconocida ahí, aparece con su ficha lateral. Es señal directa de autoridad para los modelos.
Ficha de conocimiento Knowledge Panel
La tarjeta lateral que Google muestra de una entidad reconocida. Su presencia indica que la marca existe formalmente para el grafo.
Respuesta destacada featured snippet
La respuesta que Google muestra arriba de todo, extraída de una página. Es el antecesor directo de los resúmenes de IA.
Resúmenes de IA AI Overviews
El bloque generado por IA que Google muestra arriba de los resultados. Google los clasifica dentro de la búsqueda orgánica, no como tráfico de asistentes.
Google AI Mode
El modo conversacional completo dentro de la Búsqueda de Google. Combina memoria y búsqueda en tiempo real.
Sin clic zero-click
Búsqueda que termina sin que la persona entre a ningún sitio. La causan las respuestas directas, las destacadas y los resúmenes de IA.
Enlace entrante backlink
Enlace desde otro sitio hacia el tuyo. En SEO clásico es señal central de autoridad. En GEO importa menos la cantidad y más la calidad y el contexto de quien enlaza.
Autoridad de dominio
Métrica de terceros que estima la autoridad de un sitio según su perfil de enlaces. No correlaciona con lo que los modelos recuerdan.
Mención de marca
Que otro sitio nombre tu marca, con enlace o sin él. Para los modelos vale casi tanto como un enlace: la consistencia y el volumen consolidan la entidad.
Cita
La referencia que un modelo hace a una fuente concreta dentro de su respuesta. La frecuencia de citas es la métrica central de la visibilidad en IA.
Prueba del nombre solo
Escribir únicamente el nombre de una marca en un modelo, sin contexto, para ver si hay recuerdo real o relleno plausible. Es la prueba más rápida del manual.
Enmascaramiento cloaking
Servir contenido distinto a las personas y a los robots. Los modelos y los buscadores lo detectan. Es uno de los antipatrones documentados en el capítulo 4.

Anexo B · Fuentes

  • Aggarwal et al. · GEO: Generative Engine Optimization, KDD 2024arxiv.org
  • Cheng et al. · Dated Data: fechas de corte de los modelos, COLM 2024arxiv.org
  • Ahrefs · Páginas citadas por ChatGPT sin visibilidad orgánica, octubre de 2025ahrefs.com
  • SE Ranking · llms.txt sobre 300.000 dominios, noviembre de 2025seranking.com
  • SparkToro · Variabilidad de las respuestas, enero de 2026sparktoro.com
  • Reuters · Acuerdo de licencia Reddit-Google, febrero de 2024reuters.com
  • DEJAN AI · Autoridad de marca en la memoria de Geminidejan.ai
  • Anthropic · Búsqueda web en Claude, marzo de 2025anthropic.com
  • Google · Grupos de canales predeterminados, incluido Asistentes de IAsupport.google.com

Anexo C · Metodología y límites

Cómo se construyó el framework

  • 30 marcas analizadas, con la composición exacta en la sección 2.1
  • 6 motores de IA consultados
  • Batería de 20 a 30 preguntas por categoría
  • Cada pregunta corrida 3 veces en días distintos
  • Comparación entre referentes y emergentes del mismo sector

Límites declarados

  • Los pesos 50/30/10/10 son hipótesis operativa, no una regresión publicada
  • La variación entre corridas puede llegar al ±15% según el motor
  • Las fechas de corte de los modelos cambian sin aviso
  • Los patrones no aplican igual a todos los rubros, como se ve en 2.7
  • La muestra es regional y de habla hispana: no la extrapoles a otros mercados sin volver a medir

P.D.

Si seguís sin saber por dónde empezar, escribime. Y si algo de todo esto no te cierra, mejor todavía: discutámoslo.

— Daniel

DDL danieldevia.ar

¿Querés tu AI Score medido? Pedí el diagnóstico

Corremos el framework sobre tu marca en los 6 motores y te devolvemos el puntaje, las brechas por dimensión y qué marcas están ocupando hoy tu lugar en las respuestas. Sin costo y sin compromiso.

Quiero mi AI Score Ver el servicio de posicionamiento
WhatsApp +54 9 11 2398 7767 [email protected]
Scroll al inicio