Un exportador mediano de componentes electrónicos conservaba su posicionamiento para las palabras clave principales en Google, pero sus consultas internacionales habían disminuido durante dos trimestres consecutivos. Después de una auditoría GEO de 30 días y de corregir varios puntos críticos, las consultas del trimestre siguiente aumentaron cerca de un 40%. Por primera vez, además, un comprador escribió: «Los encontré en ChatGPT». El problema no era la falta de contenido, sino que los motores de IA no podían extraer la información sobre los productos y sus prestaciones.
Contexto: el posicionamiento se mantenía, pero las consultas disminuían
El cliente llevaba más de una década fabricando componentes activos y conectores con marca propia. Sus principales mercados eran pequeñas y medianas instalaciones de Europa y el Sudeste Asiático. Disponía de un sitio web en inglés y fichas de modelos en PDF; además, aparecía en la primera página de Google para la mayoría de sus categorías de búsqueda y especificaciones. Las consultas llegaban por tres vías: búsquedas en Google, intercambio de tarjetas en ferias y recomendaciones de antiguos clientes. Desde el segundo semestre de 2025, el tráfico web apenas había variado, pero las consultas registradas habían caído más de un 20% en cada trimestre.
El cambio se veía con mayor claridad en los mensajes comerciales. Antes, los compradores escribían: «He encontrado algunas de sus series». Con el tiempo, cada vez más contactos llegaban después de haber comparado ya dos o tres proveedores, como si hubieran completado buena parte de la evaluación antes de ponerse en contacto. Muchas de esas búsquedas se hacían mediante asistentes de IA. Por ejemplo, un comprador podía preguntar a ChatGPT: «¿Qué conectores cumplen la normativa europea, admiten este rango de corriente y pueden fabricarse en pequeñas cantidades?».
Una auditoría de 30 días y tres problemas críticos
Dividimos la auditoría en dos frentes. Primero, medimos la visibilidad real de la empresa en los principales motores de IA —ChatGPT, Perplexity, Google AI Overviews y Gemini— y utilizamos Brand Radar para seguir un conjunto de consultas que compradores reales emplearían al buscar proveedores. Segundo, analizamos el sitio web y su estructura de datos para entender por qué el contenido funcionaba en Google, pero no aparecía en las respuestas de IA. Los tres problemas no tardaron en salir a la luz.
- Las especificaciones esenciales estaban encerradas en archivos PDF. La corriente, el voltaje, la temperatura de funcionamiento y las dimensiones del encapsulado solo figuraban en las fichas de cada modelo; las páginas HTML apenas incluían una descripción general. Al rastrear el sitio, la IA no podía extraer parámetros comparables ni citar los productos en respuestas del tipo «proveedores que cumplen estos criterios».
- Las páginas de producto no incluían datos estructurados ni un párrafo autónomo que respondiera las preguntas principales. Funcionaban como folletos breves, por lo que citar su contenido exigía demasiado esfuerzo y entrañaba demasiado riesgo para la IA.
- No existía validación externa. La marca apenas aparecía en medios especializados, directorios B2B o comparativas de estándares. Sin referencias cruzadas, la IA no contaba con respaldo suficiente para incluirla en sus listas.
Los tres problemas explicaban la aparente contradicción. Google seguía reconociendo la autoridad del sitio antiguo mediante los enlaces y la coincidencia de palabras clave; los motores de IA, en cambio, necesitaban información directamente legible, verificable y fácil de citar.
Qué corregimos durante esos 30 días
La auditoría no terminó con la entrega de un informe. Priorizamos las tres acciones de mayor impacto y empezamos a ejecutarlas. Primero, trasladamos las especificaciones esenciales de las principales líneas de producto desde los PDF a páginas HTML, creamos tablas de parámetros fáciles de interpretar y añadimos datos estructurados y marcado FAQPage. Segundo, redactamos para cada categoría un párrafo autónomo que explicaba para quién era adecuada la serie, para quién no y qué aplicaciones cubría, de modo que la IA pudiera reutilizarlo. Tercero, seleccionamos tres consultas en inglés con una clara intención de compra, desarrollamos artículos comparativos y de aplicación con un motor de contenidos y, en paralelo, incorporamos información de la marca a varios directorios B2B y registros empresariales relevantes.
«Pensaba que tendría que invertir en un sitio web nuevo. Lo que realmente funcionó fue presentar las especificaciones que ya teníamos en un formato que la IA pudiera leer».— The client's sales manager.
90 días después: más consultas y mejores oportunidades comerciales
El trabajo no terminó con las correcciones. Cada dos semanas seguimos utilizando Brand Radar para monitorizar las menciones y citas. Durante los primeros 30 días empezaron a aparecer señales: Perplexity incluyó páginas de producto como fuente en varias consultas sobre especificaciones y ChatGPT comenzó a mencionar la marca en sus respuestas. El efecto sobre las consultas comerciales tardó más en materializarse, pero quedó reflejado en el trimestre siguiente.
- Las consultas internacionales aumentaron cerca de un 40% respecto al trimestre anterior, con un crecimiento notable de los contactos nuevos.
- Empezaron a llegar consultas de compradores que indicaban «los encontré en ChatGPT» o «los encontré en Perplexity»; antes de la auditoría no se había registrado ninguna.
- Mejoró la calidad de las consultas: aumentó la proporción de solicitudes aptas para cotización —con parámetros y cantidades claramente definidos— y disminuyó el esfuerzo de comunicación previo a la venta.
Conviene dejar clara la relación entre causa y efecto. No aumentamos la inversión publicitaria, no cambiamos los precios y la participación en ferias fue la misma que el año anterior. La única variable importante de ese trimestre fue que los motores de IA empezaron a leer y citar la información de producto. El crecimiento de las consultas no respondió a una moda: el proceso de documentación de los compradores dejó de empezar únicamente en Google y pasó a incluir también los asistentes de IA.
¿Se puede aplicar este enfoque a su línea de productos?
Si su empresa también observa que «el posicionamiento en Google se mantiene, pero las consultas disminuyen», es posible que haya perdido visibilidad en las respuestas de los motores de IA. Para saber si ChatGPT o Perplexity utilizan su información de producto —y detectar dónde están las carencias—, puede solicitar un diagnóstico GEO de 30 minutos. Probaremos consultas de compra reales relacionadas con su negocio y le indicaremos qué conviene corregir primero.
