La clave para duplicar la tasa de citación no consiste en publicar decenas de artículos más, sino en reformular unas pocas páginas estratégicas para que ChatGPT pueda utilizarlas directamente en sus respuestas. Un cliente de SaaS B2B con el que trabajamos casi cuadruplicó su tasa de citación en ChatGPT, del 6% al 24%, en noventa días. No hubo técnicas misteriosas: solo tres acciones replicables y una tarea previa que la mayoría pasa por alto, medir primero la tasa de citación.
El cliente, cuyo nombre no se publica a petición suya, desarrolla software de monitorización de API para equipos de ingeniería. Su situación inicial era muy habitual: tenía un posicionamiento orgánico razonablemente bueno, varios grupos de palabras clave principales aparecían en la primera página de Google y la atribución del tráfico de pago y orgánico estaba bien definida. Sin embargo, cada vez que alguien preguntaba en ChatGPT «¿Qué herramientas de monitorización de API merecen la pena?», la respuesta repetía los mismos dos o tres productos de la competencia y nunca incluía el suyo. En una categoría donde el comprador pide directamente al chat que prepare su lista de opciones, quedar fuera de la respuesta de la IA equivale a no entrar en la fase de evaluación.
Antes de mejorar, mide la «tasa de citación» y fija un punto de partida
Sin un punto de referencia no es posible medir el progreso. Primero utilizamos una herramienta de seguimiento de visibilidad en IA para reunir cuarenta preguntas de compradores reales: desde «la mejor herramienta de monitorización de API» y «¿cuál es mejor, A o B?» hasta «¿cómo debería elegir el equipo una solución de monitorización?». Ejecutamos cada pregunta diez veces en ChatGPT y registramos si la marca aparecía mencionada, si figuraba como fuente y en qué turno de la conversación surgía. Los resultados iniciales eran poco alentadores: la marca se mencionaba en el 15% de las respuestas, pero solo se citaba como fuente en el 6%. Además, casi siempre aparecía después de que el usuario insistiera una segunda o tercera vez; en la primera respuesta era prácticamente invisible.
- Tasa de menciones: ¿el texto de la respuesta de la IA incluye el nombre de tu marca?
- Tasa de citación (tasa como fuente): ¿la IA incluye tu página web entre las fuentes de su respuesta?
- Cuota en la primera respuesta: proporción de consultas en las que la marca aparece en la respuesta a la primera pregunta del usuario. Es el espacio más difícil de conquistar y también el más valioso.
Diagnóstico: si el posicionamiento es bueno, ¿por qué la marca no entra en la respuesta?
Al revisar en detalle las seis páginas principales, encontramos problemas sorprendentemente homogéneos. Primero, el contenido estaba redactado para «quien hace clic»: la información esencial quedaba enterrada después del tercer o cuarto párrafo. El modelo necesitaba extraer una respuesta clara, autónoma y comprensible fuera de contexto, pero no podía hacerlo. Segundo, los datos clave eran imprecisos. El modelo no podía determinar si debía aceptar una frase como «admite varios canales de notificación», y mucho menos reproducirla literalmente ante el usuario. Tercero, fuera del sitio web oficial, apenas había fuentes independientes que explicaran con precisión qué hacía el producto. ChatGPT contrasta distintas fuentes antes de seleccionarlas; cuando una afirmación solo aparece en un sitio, tiende a descartarla.
Tres acciones bien ejecutadas en tres meses
- Adelantar la respuesta: abrir cada página estratégica con un párrafo que responda directamente a la pregunta.
- Aportar evidencias legibles por máquinas: sustituir los adjetivos vagos por cifras concretas, definiciones claras e información estructurada.
- Conseguir que otras fuentes hablen del producto: incorporarlo a reseñas de terceros, directorios y páginas de socios de integración para generar corroboración cruzada.
Pon la respuesta al principio para conquistar antes el primer turno
Reescribimos esas seis páginas para que la primera frase de cada página y de cada subtítulo presentara directamente la conclusión. El texto original, «En cuanto a la configuración de notificaciones, ofrecemos opciones bastante flexibles...», pasó a decir: «Esta herramienta admite cuatro tipos de notificaciones de alerta: Slack, PagerDuty, Webhook y correo electrónico, y puede distribuirlas automáticamente según el calendario de guardias del equipo». La segunda versión expresa un hecho completo que el modelo puede extraer palabra por palabra e incorporar a su respuesta sin que pierda sentido fuera de contexto. Fue la medida con resultados más rápidos: al repetir la prueba tres semanas después, la cuota en la primera respuesta había pasado de casi cero al 18%, sin haber publicado todavía ningún artículo nuevo.
Añade evidencias que el modelo pueda interpretar
Presentar una conclusión no basta: el modelo también debe decidir si el contenido es fiable. Añadimos cifras específicas a cada página de producto —frecuencia de monitorización, número de integraciones compatibles y cantidad real de clientes atendidos—, sustituimos los adjetivos por definiciones precisas y agregamos datos estructurados de Product y FAQPage. Así, las máquinas podían entender de qué trataba cada página sin tener que inferirlo. Definir los conceptos con claridad ofrece un rendimiento especialmente alto: cuando alguien pregunta «¿Qué es la monitorización sintética?», un párrafo que explica el término con precisión tiene más probabilidades de citarse íntegramente que diez artículos de marketing llenos de generalidades.
Día 90: cómo se calcula que la tasa se cuadruplicó
La tercera palanca —conseguir que otros hablen del producto— es la que tarda más en dar resultados, pero también la que permite superar el punto de inflexión. Durante dos meses presentamos el producto a varios directorios de evaluación e integración de herramientas para desarrolladores. También ayudamos a los clientes a publicar en comunidades técnicas descripciones concretas y verificables de su experiencia de uso. Cuando el modelo incorpora estas páginas de terceros y puede contrastar las afirmaciones, la tasa de citación da un salto real. Al repetir en el día 90 la prueba con las mismas cuarenta preguntas, la tasa de menciones había subido del 15% al 44%; la tasa de citación, del 6% al 24%; y la cuota en la primera respuesta, de casi cero al 31%. La tasa de citación era exactamente cuatro veces mayor y, esta vez, el resultado se apoyaba en la validación de terceros, no en afirmaciones promocionales de la propia marca.
En el entorno de las respuestas de IA, una mención es la entrada y una cita es el asiento. Que otras fuentes hablen de tu marca es el único activo que no se puede comprar y, al mismo tiempo, el que mejor sostiene la tasa de citación.— Tenten GEO
¿Se puede replicar este resultado?
Sí, siempre que no se plantee como una competición por producir más contenido. En tres meses, este cliente solo reescribió seis páginas, añadió tres recursos estructurados e incorporó varias fuentes de terceros. No publicó artículos nuevos de forma compulsiva, pero consiguió cuadruplicar su tasa de citación. La verdadera palanca está en el orden de actuación: medir primero el punto de partida, averiguar por qué el modelo omite la marca y corregir después esas causas con precisión, en lugar de empezar escribiendo cien artículos. Si también quieres saber qué le falta a tu presencia en las respuestas de ChatGPT —si el contenido no puede extraerse o si no hay fuentes externas que lo respalden—, puedes solicitar un diagnóstico GEO de 30 minutos. Utilizaremos tus preguntas reales para mostrarte la brecha en la tasa de citación y el orden adecuado para cerrarla.
