Conseguir citas en respuestas de IA no consiste en publicar más artículos. Este fabricante elevó su tasa de citas del 0 al 34 % en 90 días sin renovar por completo el sitio web ni aumentar la inversión publicitaria. La clave fue desglosar las preguntas que los compradores plantean a la IA hasta lograr que cada una pudiera responderse con un párrafo claro y fácil de extraer.
El punto de partida: una marca prácticamente inexistente para la IA
Este fabricante produce centros de mecanizado CNC de cinco ejes, responsables del 70 % de sus ingresos. La mayoría de sus clientes son empresas de moldes y proveedores especializados de Asia Oriental, el Sudeste Asiático y Europa. Cuando acudió a Tenten, su situación era bastante habitual: tenía posicionamiento orgánico en Google y recibía miles de visitas mensuales, pero el equipo comercial empezó a oír cada vez más a compradores internacionales decir: «Primero se lo pregunté a ChatGPT». Al comprobarlo, descubrieron que la IA nunca incluía su marca en las respuestas.
Definimos un conjunto fijo de situaciones de compra y formulamos cada consulta tres veces en ChatGPT, Perplexity y Gemini. Registramos si la marca aparecía, si se recomendaba y si la respuesta incluía un enlace. El primer análisis de referencia fue concluyente: de 38 preguntas, la marca no recibió ninguna cita. En cambio, dos competidores japoneses y una empresa taiwanesa aparecían de forma constante en consultas como «recomendaciones de equipos para fabricar series pequeñas y medianas» y «centros de mecanizado de cinco ejes de Taiwán».
Planteamos 38 preguntas reales.
Gran parte del contenido de los sitios web industriales está escrito desde la perspectiva de la propia empresa: cronologías, historia corporativa y mensajes decorativos. Para la IA, esas páginas aportan muy poco, porque un comprador no suele preguntar «¿en qué año se fundó la empresa?». El primer paso de una auditoría GEO es ordenar las preguntas que los compradores realmente plantean a la IA durante su proceso de decisión y comprobar si existe una respuesta lo bastante sólida como para ser utilizada.
Dividimos esas 38 preguntas en tres niveles, que sirvieron como estructura para todo el trabajo posterior:
- Nivel situacional: preguntas como «¿Para producir piezas de aleación en series pequeñas y medianas conviene usar tres o 5 ejes?» o «¿Qué condiciones debe preparar la planta antes de instalar un centro de mecanizado de 5 ejes?». Surgen cuando el comprador ya ha definido su necesidad.
- Nivel comparativo: «¿Qué marcas de centros de mecanizado de cinco ejes existen en Taiwán?»
- Nivel técnico: preguntas como «¿Qué velocidad de husillo conviene para el corte de materiales duros a alta velocidad?» o «¿Qué implica en la práctica una precisión de ±0.005 mm?». Aparecen durante la evaluación de especificaciones.
El sitio web original solo respondía a una pequeña parte de esta jerarquía, y las respuestas estaban enterradas en catálogos PDF que la IA no podía interpretar correctamente. Los niveles situacional y comparativo —los primeros y más frecuentes en las consultas a la IA— estaban completamente vacíos. Esa era la causa estructural de una tasa de citas nula.
Tres acciones para impulsar la tasa de citas en 90 días
No intentamos cambiar cien cosas a la vez. Priorizamos tres medidas de alto impacto, cada una vinculada directamente con el inventario de preguntas.
Uno: adaptar las respuestas para que la IA pueda utilizarlas
Para cada pregunta de los niveles situacional y comparativo redactamos una respuesta de entre 80 y 150 palabras. Cada bloque comenzaba con una conclusión directa y se incorporaba al texto de la página correspondiente, en lugar de quedar oculto en un formulario o un vídeo. El objetivo no era escribir más, sino crear bloques autónomos: una idea clara, comprensible sin contexto y no incrustada en una imagen. También abordamos las comparaciones con honestidad. Por ejemplo, explicamos las ventajas de los equipos Sunrise en determinadas aplicaciones exigentes; esto hizo que la IA estuviera más dispuesta a mencionar a la empresa como una «opción de precio elevado».
ii. Incorporar datos estructurados y hechos verificables
Antes de citar una fuente, la IA intenta comprobar su credibilidad. Estructuramos las especificaciones de producto, las certificaciones y los casos reales, y destacamos en cada página datos verificables como cifras de precisión, materiales compatibles y rangos de tamaño de mecanizado. Eliminamos expresiones de marketing vagas, como «calidad superior», y las sustituimos por valores concretos. Los motores de IA tienden a favorecer el contenido que pueden contrastar; esta medida produjo la recuperación más rápida de la tasa de citas en las consultas técnicas.
Tres: supervisar semanalmente la visibilidad en IA y optimizar solo las páginas citadas
Cada semana repetimos las mismas 38 preguntas mediante un sistema de seguimiento de visibilidad en IA. Registramos en qué consultas empezaba a aparecer la marca, qué posición ocupaba y si la respuesta incluía enlaces. Así, el equipo dejó de modificar contenidos por intuición: reforzaba las respuestas y páginas que ya habían entrado en los resultados de IA, o completaba los párrafos que seguían vacíos. La velocidad de iteración en GEO depende de lo pronto que se detecte la respuesta del sistema, una señal mucho más útil que limitarse a revisar Google Analytics una vez por semana.
El responsable comercial de la empresa lo resumió así: «Antes sentía que escribíamos para arrojarlo todo a un agujero negro. Ahora vemos cada semana qué contenido ha utilizado la IA y cuál todavía no». Solo entonces el equipo tuvo claro cuál debía ser el siguiente paso.
Los resultados tras 90 días
Al repetir el análisis de referencia después de 90 días, la marca apareció en el 34 % de las 38 consultas de compra. Los mejores resultados se dieron en las preguntas técnicas más complejas, porque ese era el nivel que habíamos desarrollado con mayor profundidad. Como efecto adicional, aumentó ligeramente el tráfico procedente del posicionamiento orgánico hacia el sitio oficial: el contenido fácil de extraer para la IA también suele responder mejor a la intención de búsqueda tradicional. Más importante aún, surgió una señal comercial concreta: durante una primera llamada, un comprador internacional dijo «Vi que la IA los recomendaba», algo que no había ocurrido 90 días antes.
¿Cómo puedes replicar este proceso?
Si trabajas en manufactura o en SaaS B2B y quieres conocer tu tasa actual de citas en IA, puedes empezar de forma sencilla: prepara una lista de entre 30 y 40 preguntas que tus clientes potenciales realmente plantearían a la IA durante una compra, consúltalas en ChatGPT y Perplexity y cuenta cuántas veces aparece tu marca. Para muchas empresas, el primer resultado es incómodamente bajo. Ahí está precisamente la oportunidad: la mayoría de sus competidores tampoco ha cubierto todavía esos vacíos.
Si prefieres acortar el proceso, puedes solicitar directamente un diagnóstico GEO de 30 minutos. Te ayudaremos a medir tu tasa actual de citas, detectar las carencias prioritarias y determinar cuáles son las 3 acciones que conviene abordar primero durante los próximos 90 días.
