El pedido de seis cifras que recibió este fabricante de piezas de precisión no nació en una feria, una acción comercial ni la primera página de Google. Todo empezó cuando un ingeniero de compras norteamericano preguntó en Perplexity: «¿Qué empresas de Taiwán pueden fabricar conectores personalizados en volúmenes pequeños?». La IA incluyó el nombre de la empresa. Tres meses antes, ante esa misma consulta, la marca ni siquiera aparecía. Entre ambos momentos hubo una auditoría GEO y tres meses de ejecución.
Antes de la auditoría: una buena fábrica, invisible para la IA
La empresa llevaba 20 años fabricando conectores de precisión. Ofrecía buenas tarifas, certificaciones y plazos de entrega competitivos, y sus clientes internacionales rara vez se marchaban. El problema estaba antes de llegar a esa relación. Casi todos los clientes nuevos procedían de ferias, mientras que el sitio web apenas cumplía una función informativa. En los dos años anteriores a diciembre de 2024, los hábitos de compra internacional habían cambiado: muchos compradores ya no empezaban por Google, sino que pedían a ChatGPT o Perplexity que les ayudara a encontrar proveedores capaces de fabricar una pieza concreta. En esas respuestas, esta empresa no existía.
Al principio, el propietario no estaba convencido. Hicimos una prueba en directo con tres consultas clave relacionadas con sus propias líneas de producto. La marca no apareció ni una sola vez, mientras que dos competidores más pequeños se citaban repetidamente. En ese momento decidió empezar por una auditoría, en lugar de invertir de inmediato en publicidad.
30 días, tres brechas al descubierto
Una auditoría GEO no persigue una posición ficticia en un ranking. Evalúa si los motores de IA comprenden una empresa y si consideran su contenido digno de ser citado. Tras 30 días de análisis, identificamos tres problemas concretos, todos corregibles:
- El contenido no se podía extraer: las páginas de producto estaban repletas de referencias de modelos y adjetivos comerciales, pero no respondían a las preguntas reales de los compradores, como el pedido mínimo, los plazos para muestras, el alcance de las certificaciones o los sectores adecuados. Sin respuestas claras que pueda interpretar, la IA no utilizará el sitio como fuente.
- Las máquinas no podían identificar a la empresa: el sitio web apenas incluía datos estructurados. Sin marcado Schema de tipo Organization y Product, resultaba difícil confirmar la identidad, el origen y la credibilidad de la compañía.
- La tasa de menciones de marca en los motores de IA era prácticamente nula: mediante la monitorización de visibilidad en IA seguimos ocho consultas de compra prioritarias. El resultado inicial fue 0/8; las respuestas estaban dominadas por competidores.
Cerrar las brechas: convertir el conocimiento técnico en respuestas que la IA pueda citar
Una vez definida la dirección, la ejecución fue sencilla. No reconstruimos todo el sitio; reorganizamos lo que ya existía. Primero, reescribimos las páginas principales de producto como bloques de preguntas y respuestas independientes. Cada bloque empezaba por la conclusión y continuaba con los criterios y casos de uso, para que la IA pudiera extraerlo completo y sin perder contexto. Después, incorporamos datos estructurados de tipo Organization y Product para que las máquinas reconocieran la identidad y las capacidades de la empresa. Por último, utilizamos el motor de contenidos GEO para responder a búsquedas reales. Los temas dejaron de girar en torno a «por qué somos tan buenos» y pasaron a resolver preguntas como «cómo elegir conectores para lotes pequeños» o «qué debe comprobarse en un conector médico».
Durante el primer mes se reescribió y etiquetó todo el contenido de tres líneas principales de producto. Después se añadieron nuevas respuestas cada dos semanas. No hubo magia: el trabajo consistió en transformar el conocimiento que ya existía dentro de la fábrica en información que la IA pudiera interpretar y los compradores pudieran utilizar. Los técnicos eran la mejor fuente posible, pero hasta entonces ese conocimiento solo aparecía en cotizaciones, correos y llamadas; nunca se había convertido en un activo susceptible de ser citado.
La monitorización de visibilidad en IA muestra el cambio
La visibilidad no se intuye: se mide. Cada semana utilizamos la monitorización de visibilidad en IA para comprobar si la marca aparecía en las respuestas de ChatGPT, Perplexity y Google AI Overviews a ocho preguntas prioritarias. En el día 30, la tasa de menciones había pasado de 0/8 a 3/8; a los 60 días alcanzó 5/8 y, al cabo de tres meses, se estabilizó en 6/8. En dos grupos de consultas, las respuestas enlazaban directamente con las preguntas frecuentes del sitio oficial. No era una métrica decorativa en un informe, sino la respuesta a una cuestión comercial muy concreta: cuando un cliente potencial consulta a la IA, ¿menciona su empresa?
¿Cómo llegó el pedido?
El recorrido hasta la venta fue claro. Un responsable de compras norteamericano buscó en Perplexity un proveedor asiático. La IA citó una guía sobre selección de conectores e incluyó un enlace al sitio oficial de la empresa. El comprador entró, encontró en las preguntas frecuentes el pedido mínimo y el plazo para preparar muestras, y completó el formulario de inmediato. Como el sitio ya respondía a sus principales dudas, la barrera de confianza era mucho menor cuando llegó la consulta. Durante los 30 días siguientes, el equipo preparó una muestra, presentó la cotización y cerró el pago. El propietario lo resumió así:
«Antes gastábamos cientos de miles de dólares en una feria. Con este pedido, el cliente llegó confiando en nosotros, porque lo que decía la IA coincidía con lo que explicábamos en el sitio web».
¿Se puede replicar este caso?
Sí, pero con una condición: la empresa ya contaba con capacidades reales. La auditoría se limitó a desenterrar ese conocimiento técnico y expresarlo en un lenguaje que la IA pudiera interpretar. Si el producto no está a la altura, la estrategia no se sostendrá. En Taiwán hay numerosos fabricantes B2B con una gran capacidad tecnológica que siguen siendo invisibles para la IA. No les falta experiencia; les falta una capa de información que permita a las máquinas reconocerlos. El valor de una auditoría consiste en mostrar con precisión dónde están las brechas y si merece la pena corregirlas antes de invertir en contenidos o publicidad.
Si se pregunta si la IA mencionará su empresa cuando un cliente consulte «¿qué proveedores pueden fabricar esto?», puede solicitar un diagnóstico GEO de 30 minutos. Utilizaremos una de sus propias líneas de producto y probaremos varias consultas en directo. Por lo general, las respuestas hablan por sí solas.
