ChatGPT no «lee» una página web como lo hace un navegador. Recupera de su índice de búsqueda fragmentos de información que puede citar con claridad y los incorpora a una respuesta. Los datos estructurados y las etiquetas de entidad no sirven para ayudarte a «posicionar», sino para evitar que la máquina tenga que adivinar: cómo se llama tu producto, a qué categoría pertenece, quién lo ofrece y qué problema resuelve. Toda esa información queda expresada en un formato legible por máquinas. Sin esta capa, ChatGPT solo puede inferir los datos a partir de textos dispersos por toda la página. Si la inferencia es incorrecta, las referencias también lo serán.
ChatGPT lee datos, no diseños
Primero hay que entender cómo obtiene ChatGPT tu contenido. Cuando un usuario activa una búsqueda en ChatGPT, OAI-SearchBot, el rastreador de OpenAI, analiza el HTML de la página. Después, junto con el índice web existente, selecciona varias fuentes y se las proporciona al modelo para que genere la respuesta. Este proceso presenta dos limitaciones prácticas. La primera es que recupera sobre todo el HTML inicial, por lo que buena parte del contenido que depende de JavaScript ejecutado en el navegador puede quedar fuera. La segunda es que el modelo no busca el diseño que has preparado con tanto cuidado, sino datos que puedan condensarse en una frase y citarse directamente. Los datos estructurados, como JSON-LD, permiten indicar «Este es un producto llamado
Conviene dejarlo claro: los datos estructurados no son un interruptor mágico que garantiza una cita. En las auditorías GEO que realizamos para clientes B2B SaaS observamos que el esquema, por sí solo, rara vez determina «si una marca será citada», pero resulta casi decisivo para saber «si los datos serán correctos cuando aparezca la cita». Si presentas la misma información con claridad en el texto visible y también la marcas con JSON-LD, das al modelo dos indicios que se corroboran entre sí. Si solo incluyes el marcado, pero el texto sigue siendo ambiguo, su efecto se reduce considerablemente.
Configuración mínima viable: tres esquemas bastan para empezar
No hace falta implementar de una vez todos los tipos disponibles en schema.org. Para que ChatGPT entienda un producto B2B, empieza por configurar correctamente tres etiquetas: con ellas tendrás cubierto el 80% del trabajo.
- Organization: inclúyelo en la página de inicio o compártelo en todo el sitio. Especifica con claridad el nombre completo de la marca, el logotipo, el sitio web oficial y, sobre todo, sameAs, que debe enlazar con perfiles de referencia como LinkedIn, Crunchbase y Wikidata. Este es el punto de anclaje que permite al modelo identificar «quién eres».
- Product o SoftwareApplication: inclúyelo en la página del producto. Completa name, description, brand y offers —con los precios o planes—. Si existen reseñas reales, añade aggregateRating; si no las hay, no lo incluyas.
- FAQPage: inclúyelo en la página del producto o en una página informativa y utiliza preguntas y respuestas reales para presentar las entre tres y cinco consultas más frecuentes de los usuarios. Es el formato que ChatGPT puede convertir con mayor facilidad en una respuesta directa, porque ya ofrece una relación clara entre cada pregunta y su contestación.
Los tres tipos de marcado deben incorporarse a la página mediante JSON-LD. Evita Microdata, el sistema que distribuye el marcado entre las etiquetas HTML: resulta más costoso de mantener y es más propenso a errores. Cada bloque JSON-LD debe coincidir con el contenido visible de la página. Si el marcado indica que existe una valoración, esa valoración debe aparecer realmente; el precio del plan incluido en el marcado también debe ser idéntico al que figura en la página del producto. Cuando el marcado y el texto no coinciden, la implementación no solo pierde validez, sino que también puede interpretarse como un intento de manipulación.
El marcado de entidades es la verdadera palanca
Muchas implementaciones de datos estructurados se detienen en Product. Sin embargo, para que ChatGPT «reconozca» tu marca, en lugar de limitarse a «leer» una página concreta, necesitas trabajar la capa de entidad. La función principal de las etiquetas de entidad es desambiguar. En el mercado hay decenas de productos llamados «Radar» y debes lograr que el modelo tenga la certeza del 100% de que, cuando te menciona, habla de tu producto y no del de otra empresa con el mismo nombre. Sin esa desambiguación, por mucho contenido que publiques, solo contribuirás a acumular impresiones imprecisas que pueden atribuirse a otros.
El enfoque se apoya en tres pilares. Primero, mantén una nomenclatura coherente: el nombre completo de la marca debe escribirse exactamente igual en el sitio oficial, las redes sociales, los directorios y los comunicados de prensa. No alternes entre «Tenten GEO» y «Tenten». Segundo, utiliza @id para construir un grafo de entidades: asigna a Organization un @id estable —por ejemplo, https://yoursite.com/#organization— y haz que tanto brand en el producto como publisher en los artículos apunten al mismo @id. Así, el modelo podrá vincular con una única entidad los datos repartidos entre distintas páginas. Tercero, utiliza sameAs para enlazar fuentes externas de referencia, en especial Wikidata, una base de datos de entidades que comparten numerosos sistemas de IA. Figurar en ella equivale a disponer de una identificación válida en distintas plataformas.
No cierres la puerta a los rastreadores
Por impecable que sea el marcado, no servirá de nada si los rastreadores no pueden acceder a él. Es el paso que más suele pasarse por alto y uno de los que más problemas ocasiona.
- Permite el acceso en robots.txt: comprueba que OAI-SearchBot —utilizado por la búsqueda de ChatGPT— y GPTBot —empleado para el rastreo de OpenAI— no estén bloqueados. Querer que una marca aparezca citada y bloquear al mismo tiempo ambos rastreadores es una de las contradicciones más habituales que encontramos en las auditorías.
- El contenido esencial debe poder leerse en el HTML inicial: si la descripción del producto se genera exclusivamente con JavaScript en el front-end, es probable que el rastreador reciba una página vacía. Utiliza renderizado del lado del servidor (SSR) o generación estática para incluir los datos fundamentales directamente en el HTML original.
- No esperes a que una interacción con la página active un script que inserte dinámicamente el JSON-LD. Inclúyelo en el HTML de la primera respuesta para que los rastreadores puedan leerlo desde el primer momento.
Verifica antes de publicar: no te guíes por impresiones
Resulta mucho más sencillo verificar la implementación antes de publicarla que intentar adivinar después «por qué no apareció citada». Utiliza la prueba de resultados enriquecidos de Google o el validador oficial de Schema.org para confirmar primero que el JSON-LD no contiene errores de sintaxis y que todos los campos obligatorios están completos. A continuación, usa la opción «Ver código fuente» del navegador —no el panel Elements de las herramientas para desarrolladores— para comprobar que el marcado aparece realmente en el HTML original y que ningún script lo añade más tarde. El último paso es el más directo: entra en ChatGPT, pregunta «¿Qué hace determinado producto?» y revisa qué fuente cita y si la explicación es correcta. Es la prueba de aceptación que más se aproxima al uso real y, a menudo, basta una pregunta para descubrir incoherencias entre el texto y el marcado.
Los datos estructurados y el marcado de entidades son el punto de partida. Si los implementas correctamente, ChatGPT citará datos precisos; si no lo haces, ni siquiera dispondrá de información lo bastante clara como para citarte. En la mayoría de los sitios B2B, el problema no es simplemente la ausencia de un esquema, sino la falta de correspondencia entre las etiquetas y el texto, la inconsistencia en los nombres de las entidades o el bloqueo de los rastreadores. Si quieres saber cómo ve ChatGPT tu sitio web y qué aspectos debes corregir, puedes solicitar un diagnóstico GEO de 30 minutos. Te mostraremos directamente dónde están los problemas de extracción de información y claridad de las entidades.
