Esta empresa taiwanesa de comercio electrónico se convirtió en una fuente citada habitualmente por Perplexity para preguntas relacionadas con su categoría. No lo consiguió publicando más contenido, sino adaptando unas pocas páginas existentes para que Perplexity pudiera extraer respuestas claras y completas. En un plazo de tres meses, su enlace aparecía casi siempre en las respuestas a más de una docena de preguntas frecuentes de la categoría. A continuación explicamos, punto por punto, qué cambios aplicamos.
Antes de entrar en los cambios, veamos qué estaba frenando sus resultados.
El cliente es una empresa taiwanesa de comercio electrónico que vende productos funcionales para el cuidado de la piel y registra una facturación anual de tamaño medio. Los datos que siguen se han anonimizado para proteger su identidad. Su posicionamiento orgánico en Google era razonablemente bueno y la mayoría de las palabras clave de la categoría ya tenían posiciones. El problema estaba en los motores de IA. Cuando los usuarios preguntaban en Perplexity «¿Qué ingrediente es adecuado para la piel sensible?» o «¿Cómo desarrollar tolerancia al alcohol A?», las respuestas citaban granjas de contenido extranjeras, varios medios de gran alcance y dos o tres productos de la competencia, pero nunca a esta empresa. Revisamos uno por uno una docena de sus artículos mejor posicionados y todos presentaban el mismo patrón: comenzaban con una historia de marca de entre 300 y 400 palabras; las respuestas importantes quedaban ocultas tras el segundo o tercer subtítulo; y los párrafos dependían tanto del contexto anterior que ninguno se entendía por sí solo. Las páginas tampoco incluían una estructura clara de preguntas y respuestas ni una fecha de actualización. Este tipo de contenido puede conservar posiciones en Google gracias a la autoridad general del sitio y a los enlaces entrantes. Perplexity, en cambio, evalúa si puede extraer información a nivel de párrafo y necesita encontrar una respuesta autónoma y defendible en un solo bloque de texto.
Perplexity selecciona sus fuentes con una lógica distinta a la de Google
Para elaborar una respuesta, Perplexity realiza una búsqueda en ese momento, selecciona unos cuantos fragmentos que sirven de base y añade la fuente junto a la afirmación correspondiente. No intenta construir una lista de diez páginas: prácticamente después de cada frase decide qué fuente puede respaldarla. Por eso, conseguir una cita es una competencia entre párrafos, no entre sitios completos por ver cuál acumula más autoridad. Las páginas que Perplexity selecciona de forma constante comparten varios rasgos. Comparemos cada uno con las páginas del cliente:
- Párrafos autónomos: cada párrafo puede responder por sí solo a una pregunta concreta, sin depender del contexto.
- Respuesta cerca del principio: Perplexity suele extraer los fragmentos que aparecen pronto y responden directamente a la pregunta, no las conclusiones escondidas al final del texto.
- Señales estructuradas: preguntas bien identificadas, secciones, tablas y marcado de FAQ que permiten relacionar cada fragmento con la consulta correspondiente.
- Actualización reconocible: la página muestra fechas claras de publicación y actualización, y permite comprobar que el contenido es reciente.
- Tema concreto y coherente: toda la página se centra en una pregunta bien definida, en lugar de abordar superficialmente asuntos distintos.
Los tres cambios que aplicamos
No reescribimos todo el sitio ni empezamos a publicar artículos sin medida. Primero enumeramos las preguntas que los usuarios planteaban con frecuencia a Perplexity dentro de la categoría. Después revisamos qué páginas existentes ya trataban esos temas. Por último, seleccionamos doce páginas que cumplían dos condiciones: tenían posiciones en Google y respondían a preguntas frecuentes. Concentramos el trabajo en solo tres cambios.
1. Colocar la respuesta al principio de la página
Debajo del primer subtítulo de cada página añadimos una respuesta directa de entre 40 y 80 palabras. El texto respondía de inmediato a la pregunta del título y resumía la conclusión, los componentes clave y las situaciones en las que se aplicaba; los detalles y la perspectiva de la marca quedaban para después. Redactamos cada respuesta para que pudiera entenderse de forma independiente: sin pronombres que remitieran a frases anteriores y sin presuponer que el lector conocía el contexto. Por ejemplo, uno de los artículos no indicaba hasta el cuarto párrafo que «para la piel sensible, conviene comenzar con ácido nicotínico de baja concentración». Trasladamos esa afirmación directamente al principio. Después del cambio, Perplexity extrajo casi siempre este fragmento.
2. Dividir la página en preguntas y respuestas fáciles de extraer
Volvimos a segmentar los artículos largos y convertimos cada subtítulo en una pregunta que un usuario escribiría realmente en el buscador. Por ejemplo, sustituimos «Introducción a los ingredientes» por «¿Se pueden utilizar juntos el alcohol A y el alcohol B?». Cada pregunta quedó acompañada de uno o dos párrafos autónomos. También incorporamos al final de la página una sección de preguntas frecuentes con datos estructurados FAQPage, para que Perplexity y otros motores pudieran identificar directamente la relación entre cada pregunta y su respuesta. Las tablas también resultaron útiles: organizamos en ellas los tipos de piel adecuados, las concentraciones recomendadas y las precauciones de los distintos ingredientes. La IA puede citar esta clase de estructura completa con especial facilidad porque presenta información clara y sin ambigüedades.
3. Aportar señales de actualización fiables
Perplexity tiene muy en cuenta la vigencia de la información, sobre todo en temas sujetos a cambios, como los ingredientes, la normativa y los precios. Añadimos a cada página una «fecha de publicación» y una «última actualización» claramente visibles, pero no nos limitamos a mostrar esas etiquetas. Cada trimestre revisamos el contenido, corregimos afirmaciones obsoletas y referencias normativas antiguas, retiramos enlaces a productos que ya no existen e incorporamos referencias temporales como «a fecha de X de 2026». El objetivo no es complacer al algoritmo, sino ofrecer al motor elementos para determinar si la información sigue siendo válida. Si una página no se ha actualizado en tres años, es natural que tienda a citar fuentes más recientes.
Principios generales que podemos extraer de este caso
Lo que puede replicarse de este caso no es la categoría de belleza, sino el orden de trabajo. Primero hay que identificar qué preguntas recibe con frecuencia el motor de IA dentro de la categoría. Después, conviene revisar qué páginas existentes ya abordan esos temas. La prioridad debe ser optimizar esas páginas antes de crear otras desde cero: el contenido existente ya ha acumulado confianza y las modificaciones suelen ofrecer un retorno muy superior al de una publicación nueva. Los tres focos de la revisión son siempre los mismos: colocar la respuesta al principio, ofrecer una estructura fácil de extraer y mostrar señales reconocibles de actualización. Si se trabajan bien estos tres aspectos, conseguir citas pasa a ser un resultado previsible y deja de depender de la suerte.
Que una IA cite una página depende de si la máquina puede extraer de ella, en pocos segundos, una respuesta sólida. Es algo que puede planificarse de manera proactiva, no un resultado que haya que esperar de forma pasiva.— Tenten GEO Consulting Team
Si quiere saber cómo interpretan su página motores como Perplexity y ChatGPT, y qué está limitando su visibilidad, puede solicitar un diagnóstico GEO de 30 minutos. Realizaremos una prueba con preguntas reales de su categoría, identificaremos qué páginas tienen más posibilidades de recibir citas rápidamente y le indicaremos por cuál conviene empezar.
