Cuando un motor de IA responde una pregunta, no compara únicamente las palabras clave de una página: recurre a su interpretación interna de «quién eres y con qué te relacionas». La unidad mínima de ese conocimiento es la entidad. Si tu marca no constituye una entidad claramente definida, da igual cuánto contenido publiques: Google AI Overviews, ChatGPT y Perplexity solo verán una cadena de texto sin identidad y no te incluirán cuando deban formular una recomendación. El SEO de entidades busca que las máquinas te reconozcan, te recuerden y sepan en qué contextos deben mencionarte.
¿Qué es una entidad y por qué las máquinas entienden entidades, no solo palabras clave?
Una entidad es algo con identidad propia que puede identificarse con claridad: una empresa, una persona, un producto, un lugar o un concepto. La diferencia esencial es que una palabra clave solo es una cadena de caracteres, mientras que una entidad posee atributos y relaciones. «Apple», por ejemplo, puede aludir a una fruta o a la empresa que fabrica el iPhone. Cuando la máquina la vincula con atributos como «sede en Cupertino», «dirigida por Tim Cook» y «su producto es el iPhone», la cadena ambigua se convierte en una entidad inequívoca. Durante los últimos diez años, la evolución de los buscadores y los motores de IA ha girado en torno a este cambio: pasar de comparar cadenas de texto a comprender entidades.
El efecto sobre la visibilidad es directo. Si alguien pregunta «¿Qué agencias GEO de Taipéi trabajan con empresas B2B SaaS?», la IA no busca quién ha repetido más veces esas palabras en una página. Identifica en su base de conocimiento las entidades que reúnen los atributos «agencia × GEO × B2B × Taipéi» y las enumera. Aparecer o no en la respuesta depende de que la máquina te haya identificado como una entidad con esas características, no de cuántas veces hayas incluido el término en tu sitio web. Esta es también la razón de fondo por la que muchas marcas en chino tradicional, pese a publicar abundante contenido, están completamente ausentes de las respuestas generadas por IA.
¿Cómo funciona un grafo de conocimiento?
Un grafo de conocimiento es una red formada por entidades y relaciones. Cada nodo representa una entidad y las líneas entre nodos expresan relaciones: «Tenten GEO — ofrece — auditorías GEO» o «Tenten GEO — tiene su sede en — Taipéi». Google Knowledge Graph es el ejemplo más conocido, pero los modelos de lenguaje de gran tamaño también condensan en sus parámetros una red de relaciones similar durante el entrenamiento. Que una IA pueda citarte con precisión depende de que los nodos asociados contigo estén bien definidos y de que sus relaciones sean correctas. Una entidad plenamente construida suele reunir los siguientes tipos de información, que ayudan a la máquina a determinar quién eres y cuándo debe mencionarte:
- Nombres oficiales y alias: el nombre oficial de la marca, su nombre en inglés, las abreviaturas habituales y las denominaciones anteriores permiten que la máquina entienda que todas se refieren a la misma entidad.
- Tipo: indica si eres una empresa, un software o una persona.
- Atributos: ubicación, fecha de fundación, servicios y sector.
- Relaciones: quién fundó la empresa, cuál es su empresa matriz y qué productos o conceptos suelen aparecer vinculados con ella.
- Fuentes de autoridad: qué sitios externos, como Wikipedia, LinkedIn o los directorios sectoriales, confirman esos datos.
Por qué las marcas en chino tradicional parten con desventaja
Gran parte de las fuentes que sustentan el conocimiento sobre entidades está en inglés. Wikipedia, Wikidata y distintas bases de datos sectoriales en inglés alimentan la interpretación que los modelos hacen del mundo. Sin embargo, la presencia de las marcas en chino tradicional en esas fuentes suele ser escasa. Por eso, con un esfuerzo similar, una marca en inglés puede consolidarse con facilidad como entidad, mientras que una marca en chino tradicional queda a medio definir: la máquina reconoce su nombre, pero no tiene claro quién es. Cuando llega el momento de recomendar opciones, termina omitiéndola.
La ambigüedad de los nombres agrava el problema. Los nombres de marca en chino suelen coincidir con palabras comunes, otras empresas e incluso nombres de personas. Las máquinas tampoco resuelven necesariamente por sí solas la conversión entre chino simplificado y tradicional, el uso de «Co., Ltd.» ni la vinculación entre los nombres en chino y en inglés. En las auditorías que realizamos para clientes, el primer problema más habitual no es la falta de contenido, sino que una misma empresa aparece fragmentada en dos o tres entidades imprecisas y poco relevantes para la IA. Como consecuencia, su visibilidad se diluye.
Cinco acciones para convertir tu marca en una entidad reconocible
Convertir una marca en una entidad bien definida no consiste en publicar un solo artículo. Hay que facilitar que las máquinas verifiquen «quién eres» mediante varias fuentes. Este es el proceso que aplicamos con nuestros clientes:
- Define un único nombre oficial. El sitio web oficial, el pie de página, los datos estructurados, las cuentas sociales y los directorios sectoriales deben utilizar exactamente la misma grafía, en lugar de alternar entre «Teng Teng» y «Tenten». Sin un nombre estable, las máquinas no pueden agrupar menciones dispersas bajo una sola entidad.
- Identifica la entidad con Schema.org. Añade datos estructurados de tipo Organization al sitio web oficial, completa las propiedades name, url y logo, y utiliza sameAs para enlazar perfiles externos como LinkedIn, páginas wiki y directorios sectoriales. Es una forma explícita de indicar a la máquina: «todas estas páginas hablan de mí».
- Crea una página de referencia para la entidad. Prepara una página «Acerca de» o una página de marca con información completa y datos inequívocos: quién eres, qué haces, dónde estás y quién fundó la organización. Esa página debe convertirse en la fuente principal de la que las máquinas extraigan tus atributos.
- Refuerza las fuentes externas de autoridad. Procura que Wikidata, LinkedIn y los directorios sectoriales de confianza contengan información coherente. Cuando varias fuentes independientes apuntan al mismo conjunto de datos, aumenta la confianza de la máquina en la entidad.
- Construye relaciones entre entidades. Haz que la marca aparezca de forma natural junto a los temas, productos y sectores con los que quieres asociarla. Así, la máquina conectará tu nodo con las relaciones adecuadas, en lugar de dejarlo aislado fuera de la red.
¿Cómo saber si la entidad está bien construida?
El SEO tradicional se evalúa mediante posiciones; el SEO de entidades, mediante la interpretación que la máquina hace de la marca. Hay varias señales prácticas: si al buscar el nombre de la marca en Google aparece un panel de conocimiento; si los motores de IA la mencionan y la citan espontáneamente al responder preguntas relacionadas; y si, al preguntar al modelo «¿qué es esta marca?», ofrece una descripción precisa y coherente con su posicionamiento. Estas señales no aparecen en los informes convencionales de posicionamiento por palabras clave. Es necesario medir específicamente la visibilidad de marca en los motores de IA, que es lo que hacemos mediante la monitorización de visibilidad en IA.
El posicionamiento indica si la máquina está dispuesta a situarte entre los primeros resultados; la entidad determina si te reconoce. Lo primero depende de lo segundo, y ese orden no puede invertirse.
El SEO de entidades no es otro tecnicismo de moda, sino una condición básica para ganar visibilidad en la era de los motores de IA. El primer paso es consolidar la marca como una entidad clara y reconocible para las máquinas. Después tiene sentido invertir en contenido y posicionamiento. Si no sabes cómo te percibe la IA ni dónde están las inconsistencias, puedes solicitar un diagnóstico GEO de 30 minutos para que te ayudemos a identificar las carencias.
