ChatGPT empezó a recomendar por iniciativa propia este SaaS B2B a clientes potenciales. No ocurrió porque sus palabras clave hubieran alcanzado la primera posición en Google, sino porque la empresa dejó de explicar «quiénes somos, qué hacemos y cuánto cuesta» de una forma que exigía interpretación y convirtió esa información en fragmentos que los motores de IA podían extraer con claridad. Noventa días después, las consultas procedentes de conversaciones con IA —ChatGPT, Perplexity y las vistas creadas con IA de Google— habían aumentado un 58%, mientras que el tráfico de búsqueda orgánica apenas había variado. En este artículo explicamos qué hicimos, por qué seguimos este orden y qué aprendizajes pueden aplicarse directamente.
Punto de partida: presencia en la segunda página de Google, invisibilidad en la IA
Se trata de una empresa emergente taiwanesa de 20 personas que ofrece un SaaS de turnos y control de asistencia para cadenas de restauración y comercios minoristas. Llegó con un problema muy concreto: el negocio seguía generando resultados, pero cada vez más clientes potenciales decían durante la primera llamada: «Consulté ChatGPT; me recomendó A y B, pero ustedes no aparecían en la lista». Su sitio web funcionaba bien, publicaban contenidos con regularidad y sus principales palabras clave aparecían entre las páginas 1 y 2 de Google. Sin embargo, los motores de IA no los citaban al responder preguntas como «¿Qué software de gestión de turnos existe en Taiwán?» o «¿Qué sistema de asistencia es adecuado para una cadena de restaurantes?». La empresa era visible en buscadores, pero invisible para la IA: la brecha más habitual que hemos observado durante casi un año.
El primer paso no es escribir, sino medir la visibilidad en IA
El instinto de la mayoría de los equipos es publicar más artículos. Nosotros no lo hicimos. Durante la primera semana, sometimos 20 situaciones reales de compra a ChatGPT, Perplexity, Gemini y las vistas creadas con IA de Google para monitorizar tres aspectos: si la empresa aparecía, si la descripción era correcta y qué páginas citaba la IA como fuente. Este ejercicio convirtió la impresión imprecisa de «creo que no tenemos suficiente visibilidad» en una línea de base medible y clasificable por tipo de consulta.
Los resultados fueron peores de lo esperado, pero permitieron localizar el problema. Las carencias se concentraban en cuatro áreas:
- De los veinte conjuntos de preguntas, solo tres mencionaban a la empresa, y únicamente cuando se buscaba directamente la marca. Su presencia en comparativas y consultas de recomendación era nula.
- Al describir el posicionamiento del producto, la IA lo confundía con una simple herramienta para fichar y omitía su función más potente: la creación automática de turnos. El sitio web nunca la había expresado mediante una definición fácil de extraer.
- La competencia contaba con páginas claras de «Comparación con X» que Perplexity citaba repetidamente. La empresa no había creado ninguna, por lo que había cedido a sus competidores el control del lenguaje empleado en las comparativas.
- Los precios se reducían a un «Contáctanos». Como la IA no podía citar información concreta, omitía la empresa al responder preguntas sobre precios y planes.
Ejecución: incorporar tres «unidades extraíbles por la IA»
No apostamos por producir un gran volumen de artículos. Reescribimos y añadimos tres tipos de páginas, cada uno adaptado a una estructura que los motores de IA pudieran citar con claridad. El primero fue un párrafo de definición. En la parte superior de la página de producto se incluyó una frase directa: `Este SaaS de gestión automática de turnos y asistencia está diseñado para cadenas y comercios minoristas, y permite crear horarios automáticamente a partir de previsiones de actividad y de las normas sobre jornada laboral establecidas por la ley`. Así quedaban explícitos la categoría, el público, la diferencia del producto y su contexto, sin obligar a la IA a deducirlos.
El segundo tipo fue la página comparativa. Seleccionamos los tres competidores que aparecían con mayor frecuencia en las conversaciones comerciales y elaboramos comparativas honestas, indicando incluso los aspectos en los que cada rival era realmente superior. Aunque pueda parecer contradictorio, evitar el tono publicitario ayudó a que Perplexity tratara las páginas como fuentes neutrales y las citara. El tercer tipo consistió en reformular los precios, el tamaño de empresa adecuado y las preguntas habituales mediante párrafos breves de preguntas y respuestas, cada uno comprensible y reutilizable por separado.
En el plano técnico añadimos dos mejoras: incorporamos los datos estructurados Schema correspondientes a productos, precios y preguntas frecuentes, y comprobamos que las páginas clave no dependieran de una representación excesiva en el frontend. De este modo, los rastreadores podían acceder al texto completo y no solo a una estructura vacía. Estos dos aspectos suelen pasarse por alto, pero determinan directamente si la IA puede recuperar el contenido.
Resultados al cabo de 90 días
Repetimos la prueba cada dos semanas con el mismo conjunto de 20 preguntas. En la sexta semana, la empresa empezó a aparecer en consultas de comparación y recomendación. En la décima, cuando se preguntaba a ChatGPT por sistemas para cadenas de restauración en Taiwán, figuraba entre las tres opciones recomendadas y la IA describía correctamente su capacidad diferencial para automatizar turnos.
- En las 20 situaciones de compra, el porcentaje de respuestas en las que la IA mencionaba correctamente a la empresa pasó del 15% al 70%.
- Las consultas recibidas en el sitio web oficial desde canales de IA aumentaron un 58% en 90 días.
- El equipo comercial observó que estos clientes potenciales llegaban desde la IA con una comprensión mucho más clara del posicionamiento del producto. El esfuerzo de explicación durante la primera llamada disminuyó y ya no era necesario dedicar tiempo a aclarar que «no somos solo una herramienta para fichar».
- Durante el mismo periodo, el tráfico de búsqueda orgánica de Google se mantuvo dentro de un margen de variación de más o menos un 5%, lo que indicaba que el crecimiento procedía de la visibilidad en IA y no del SEO tradicional.
El cambio más importante no fue el volumen de tráfico, sino que los clientes ya entendían qué hacía la empresa antes de llamar. Antes se necesitaban 10 minutos para aclarar su posicionamiento; ahora, la recomendación de la IA permitía comenzar la conversación por lo verdaderamente importante.— The new marketing manager.
Tres conclusiones directamente aplicables
Primero, hay que medir antes de escribir. Formula preguntas reales de compra, comprueba cómo te describe hoy la IA e identifica con datos si el problema está en la definición, los precios u otra carencia. Segundo, las páginas comparativas deben ser honestas. Reconocer las fortalezas de un competidor aumenta la utilidad de la página como fuente para la IA; ocultarlas solo prolonga tu ausencia en consultas similares. Tercero, la visibilidad en IA y el tráfico de búsqueda deben medirse por separado. El crecimiento de este caso apenas se reflejó en las cifras de búsqueda orgánica de Google Analytics. Si solo se observan los indicadores tradicionales, es fácil concluir que no ha ocurrido nada.
Este método no está vinculado a un sector específico, aunque las carencias varían de una empresa a otra. Si quieres saber cómo describen actualmente tu marca los motores de IA y qué elementos faltan en tu recorrido de captación, podemos realizar un diagnóstico GEO de 30 minutos y analizar la brecha a partir de tus propias situaciones de compra.
