La clave para que Perplexity cite un artículo no es la elegancia de su redacción, sino que pueda «extraer» de la página, en unos cientos de milisegundos, un fragmento listo para incorporarlo a la respuesta. Perplexity no recorre el texto completo de principio a fin: separa, compara y selecciona los párrafos que mejor resuelven la consulta, y después añade una fuente numerada al final de la frase. Por eso, lo que realmente determina si un contenido entra en la respuesta es su facilidad de extracción, no su calidad literaria.
Muchos equipos de contenidos se hacen la misma pregunta: si su posicionamiento orgánico es bueno y el contenido es sólido, ¿por qué apenas aparecen en la lista de fuentes de Perplexity? Es probable que el problema no sea la calidad, sino el formato y las señales que ofrece la página. El modelo necesita indicios claros para confiar en una frase e incorporarla al texto con el que responde. Tras comprobarlo repetidamente, estas son las siete señales que más influyen en la probabilidad de obtener una cita.
Antes de nada, entiende cómo selecciona Perplexity sus fuentes
Perplexity se basa en la generación aumentada por recuperación (RAG): cuando planteas una pregunta, ejecuta varias búsquedas en tiempo real, recupera un conjunto de páginas, divide cada una en bloques de texto más pequeños, los reordena según su relevancia para la consulta y selecciona los fragmentos más pertinentes para elaborar la respuesta. Durante todo el proceso favorece dos elementos: las páginas recientes y los párrafos que pueden aislarse con claridad y entenderse por sí solos. Visto así, las siete señales dejan de ser tácticas inconexas y responden a un mismo mecanismo.
- Señal 1, el encabezado refleja la pregunta: formula los subtítulos como consultas reales de los usuarios y dedica cada uno a responder una subpregunta.
- Señal 2, fecha visible: muestra en la página la fecha de la última actualización y haz que coincida con dateModified en los datos estructurados.
- Señal 3, listas y tablas estructuradas: si el contenido se puede enumerar, no lo escondas en un largo párrafo de prosa.
- Señal 4, párrafos autosuficientes: abre cada párrafo con la conclusión, de modo que conserve su sentido aunque se extraiga del resto del texto.
- Señal 5, cifras concretas: sustituye expresiones vacías como «resultados extraordinarios» por datos verificables.
- Señal 6, coherencia de entidades: mantén alineadas en toda la web las descripciones de la marca y sus productos.
- Señal 7, contenido rastreable: incluye la información clave en el HTML original y no bloquees los rastreadores de IA en la configuración.
Señal 1: el encabezado debe reflejar la pregunta
Perplexity compara la proximidad semántica entre el párrafo y la consulta, y el encabezado —sobre todo si es H2 o H3— constituye su indicio más claro para determinar de qué trata el fragmento. Si un usuario pregunta «¿Cómo selecciona Perplexity las fuentes que cita?», pero tu subtítulo dice «Breve análisis del mecanismo de las fuentes», la idea puede ser correcta, pero la correspondencia literal es menor y el contenido pierde posiciones al reordenarse. La solución práctica es redactar los subtítulos como preguntas o sintagmas nominales que los usuarios introducirían de verdad. Haz que cada uno corresponda a una subpregunta concreta, para que el modelo identifique de inmediato qué puede responder ese párrafo.
Señal 2: muestra la fecha de actualización
Perplexity concede mucho peso a la actualidad, en especial cuando la consulta trata sobre herramientas, precios, versiones o tendencias. Su preferencia por las páginas actualizadas recientemente es evidente. Debes hacer dos cosas: mostrar en la página una fecha visible de «última actualización» e incluir el valor correcto de dateModified en los datos estructurados. Ambas fechas tienen que coincidir. Eso sí, solo debes cambiarlas cuando exista una actualización sustancial. Modificar la fecha de un artículo de hace tres años sin tocar su contenido quizá resulte engañoso a corto plazo, pero la discrepancia entre el texto y la actualidad declarada terminará perjudicando la confianza.
Señal 3: utiliza listas y tablas estructuradas
Las listas, las tablas y los bloques de definiciones tienen formatos que facilitan la extracción. Si la respuesta consiste en una serie de pasos, una comparación o un conjunto de condiciones, presentarla como lista ordenada o tabla permite que el modelo la incorpore casi intacta. Ante un párrafo extenso y sin puntos de separación claros, en cambio, tiene que segmentarlo por su cuenta y deducir dónde empieza y termina cada idea. El riesgo aumenta y las probabilidades de selección disminuyen. Esto no significa que todo el artículo deba convertirse en una lista, pero, cuando la respuesta se pueda enumerar, no conviene esconderla en la prosa.
Señales 4 a 7: lleva al máximo la facilidad de extracción
La cuarta señal consiste en crear párrafos autosuficientes: la primera frase presenta la conclusión y las siguientes desarrollan las razones. Si el modelo extrae esa frase inicial, debe poder entenderse por sí sola, sin depender de lo explicado en el párrafo anterior. La quinta señal son las cifras concretas y los hechos verificables. En lugar de afirmar que «el efecto es significativo», conviene aportar detalles comprobables, por ejemplo: «aplicar un ciclo de reescritura de tres semanas para aumentar, semana a semana, la presencia en las respuestas a las preguntas objetivo». Al sintetizar una respuesta, el modelo prefiere fuentes con cifras y condiciones específicas porque reducen el margen de error y ofrecen referencias más precisas.
La sexta señal es la coherencia de las entidades y la autoridad de la fuente. Perplexity no evalúa únicamente una página: también comprueba si la marca y el autor se describen de manera uniforme en toda la web y si otras fuentes fiables los mencionan. Si el nombre de la empresa, el nombre del producto o su posicionamiento cambian entre el sitio oficial, una wiki, los directorios y la cobertura de medios, la confianza del modelo disminuye. Alinear el relato de marca entre distintos sitios no siempre se refleja en una página concreta, pero sí influye en las citas.
Por dónde empezar para obtener mejores resultados
No es necesario activar las siete señales al mismo tiempo. Para la mayoría de los sitios web B2B, el orden que suele ofrecer mejores resultados es el siguiente: primero, confirmar que el contenido puede leerse desde el punto de vista técnico (señal 7); después, adaptar los subtítulos a las preguntas reales (señal 1); a continuación, convertir el contenido enumerable en listas y párrafos autosuficientes (señales 3 y 4); y, por último, añadir la fecha y cifras concretas (señales 2 y 5). La alineación de entidades (señal 6) es un proceso lento que merece una gestión continua, pero no debería impedirte obtener antes los resultados rápidos de las demás acciones.
Perplexity no selecciona los mejores artículos, sino las mejores respuestas. Convierte la facilidad de extracción en una disciplina editorial y la frecuencia de tus citas empezará a mejorar.— Tenten GEO
Si no sabes qué señal está frenando tu contenido —si existe un problema técnico de lectura o si el formato impide extraerlo—, puedes recurrir a un diagnóstico GEO de 30 minutos. Tomamos varias preguntas que sean realmente importantes para tu negocio, las probamos directamente en Perplexity y otros motores, e identificamos las carencias y el orden en que conviene resolverlas. Cuando puedes ver dónde está el problema, dejas de depender de intuiciones para decidir qué corregir.
