Aprender el sistema
Aprende por qué la misma consulta cambia fuentes, menciones y recomendaciones.
Construir el modelo
Etapa 06 · Mejorar
Visibilidad por plataforma: mide cada motor como un mercado
Compara motores, superficies, ecosistemas de fuentes y modos de consulta en lugar de mezclar toda la IA.
Resultado
Construir una vista por plataforma y actuar según variaciones observadas.
- Requisito
- Completar o repasar la etapa anterior: Contenido citable
- Esfuerzo
- 60–90 min + una sesión de trabajo
- Entregable
- Matriz motor×consulta con fuentes, rol de marca, diferencias y prioridades.
Aprender → Hacer → Probar
Hacer el trabajo
Ejecuta el mismo conjunto en varios motores y clasifica el rol de la marca.
Crear el entregable
Probar el resultado
Demuestra una brecha importante con respuestas y fuentes guardadas.
Revisar evidencia
Concept boundaries
Engine-surface pair
A specific engine and answer interface observed under a declared context.
Behavior on one surface should not be generalized to the entire company or model family.
Platform variance
Differences in sources, brand roles, answers, or volatility across engine-surface pairs.
Variance describes the sample and may change with market, time, account state, or wording.
Source ecosystem
The mix of owned, publisher, community, directory, marketplace, and other sources used in observed answers.
A source category appearing often does not prove a universal platform preference.
Core lesson
01
Treat each observed surface as a separate market
The same buyer question can produce different source mixes and brand roles across platforms.
Compare compatible captures rather than combining everything into one visibility score. Record the engine, surface, market, language, date, query version, and relevant account context.
Classify both source type and answer role. A platform may cite an owned guide for a definition, rely on community discussion for reputation, and use marketplace data for a shortlist.
- Keep engine-surface pairs separate.
- Classify source type as well as domain.
- Report variance before averages.
02
Prioritize by buyer use and correctable gaps
A visible difference matters only when it changes a buyer decision or reveals an actionable source gap.
Start with platforms and question modes that the intended audience actually uses or that a defined experiment needs to evaluate. Then inspect whether the gap comes from unavailable sources, weak evidence, inconsistent entity facts, or platform-specific source behavior.
Do not copy a tactic from one engine to every other engine. Preserve the shared source of truth, then adapt distribution and evidence to the observed ecosystem.
- Name the buyer behavior behind platform priority.
- Identify the correctable gap in the source ecosystem.
- Define a platform-specific rerun.
Decision framework
Relevance × gap × control
Which platform gap deserves action first?
- 01
Relevance
Does this surface matter to the intended buyer and decision?
Deprioritize surfaces with no supported audience rationale.
- 02
Gap
Is the observed difference material to accuracy, presence, or shortlist position?
Document the role and source difference before acting.
- 03
Control
Can the team improve a source, fact, passage, or distribution path?
Prefer correctable gaps over speculative platform manipulation.
- 04
Verify
Can the same collection method test the change?
Define the rerun and stop rule before implementation.
Worked non-client example
A brand is cited for a definition on one engine, absent from comparison answers on another, and mentioned without a source on a third.
- The comparison surface relies heavily on independent category pages.
- The brand has no neutral comparison source covering the stated criteria.
- The definition citation comes from an owned guide.
Keep the useful owned guide, then improve accurate third-party comparison coverage and rerun the comparison sample separately.
The material gap concerns evaluation evidence on one source ecosystem, not universal brand awareness.
The captures justify a targeted test; they do not prove a permanent platform rule.
Reusable work template
Engine-by-query matrix
Use one row per query and one comparable column per engine-surface pair.
- 01
Query and buyer stage
Keep intent and wording version explicit.
- 02
Collection context
Record platform, surface, locale, market, date, and account context.
- 03
Brand role
Classify absence, mention, citation, comparison, or recommendation.
- 04
Cited sources
Capture domains, passages, and source categories.
- 05
Material variance
Describe the difference that could change a buyer decision.
- 06
Action and rerun
Name the correctable source gap, owner, and next comparable collection.
Failure modes and corrections
Universal visibility score
Different engines, roles, and questions collapse into one number.
The average removes the variance needed to choose work.
Report pair-level roles and sources before any summary.
Platform folklore
One capture becomes a rule about what an engine always prefers.
Answers vary by context and time, and the sample cannot support the generalization.
Label the observation, repeat the method, and keep the claim bounded.
Tactic cloning
A distribution tactic is copied across engines without examining their observed sources.
The tactic may not address the actual source or evidence gap.
Preserve shared facts and adapt only to captured platform variance.
Practice exercise
Compare one decision across engines
Use one controlled query set tied to a meaningful buyer decision.
- 01Capture compatible answers across selected engine-surface pairs.
- 02Classify brand roles and source ecosystems.
- 03Identify one material, correctable variance.
- 04Propose an action and rerun that apply only to that variance.
Proof artifact
An engine-by-query matrix with raw captures, source classifications, a prioritized gap, and a bounded test.
Completion rubric
- Collection contexts are comparable and explicit.
- Roles are not collapsed into presence alone.
- The chosen action addresses an observed source gap.
- No sampled pattern is stated as a universal rule.
BIBLIOTECA DE LA ACADEMY
Explora la biblioteca completa
Elige una etapa y usa el tema y la intención para escoger la profundidad adecuada.
considerationhubboth
Estrategia GEO multimotor: cómo adaptar contenidos y prioridades a cada motor
No optimices para la «IA» en abstracto, sino para motores concretos. Esta guía resume la lógica, la función de los contenidos y las prioridades de recursos para cinco motores.
Leer artículoconsiderationdatashareable
Análisis de 300 respuestas de Perplexity: en qué áreas importa más el contenido estructurado
Perplexity no siempre te cita por tu posición en buscadores, sino porque tus párrafos son fáciles de extraer. Y la importancia de este factor depende, en gran medida, del ámbito en el que operes.
Leer artículoconsiderationdatashareable
Analizamos 1.000 palabras clave de Taiwán: estos son los resultados
Tras analizar 1.000 palabras clave de Taiwán, comprobamos que más de la mitad de las fuentes citadas en AI Overviews no aparecen en la primera página de los resultados orgánicos.
Leer artículoconsiderationdatashareable
Analizamos 500 citas de ChatGPT: estos son los 6 tipos de fuentes que más selecciona
ChatGPT no suele citar la página mejor posicionada, sino aquella cuyo contenido puede extraerse con mayor facilidad. A partir de 500 citas, identificamos seis tipos de fuentes recurrentes y explicamos por qué algunas páginas aparecen arriba en Google, pero el modelo no las selecciona.
Leer artículoconsiderationdatashareable
B2B en Taiwán: qué motor de IA priorizar según el tráfico de referencia y el solapamiento de fuentes
Los clics de referencia son solo la punta del iceberg. Los datos del mercado B2B de Taiwán muestran en qué motores de IA conviene invertir y cómo distribuir los recursos.
Leer artículoimplementationhow-tosearchable
7 señales de contenido que Perplexity cita: títulos, fechas y listas estructuradas
Perplexity no lee el artículo completo: selecciona los párrafos que mejor responden a la consulta. Siete señales determinan si tu contenido aparece en la respuesta y se cita como fuente.
Leer artículoTarea de prueba
Tarea de prueba: Visibilidad por plataforma
Demuestra una brecha importante con respuestas y fuentes guardadas.
- 01Guardar evidencia inicial — Aprende por qué la misma consulta cambia fuentes, menciones y recomendaciones.
- 02Completar entregable — Ejecuta el mismo conjunto en varios motores y clasifica el rol de la marca.
- 03Revisar contra resultado — Demuestra una brecha importante con respuestas y fuentes guardadas.
Entregable
Matriz motor×consulta con fuentes, rol de marca, diferencias y prioridades.
Biblioteca de apoyo
Profundiza el tema
El núcleo sigue abierto; algunos whitepapers avanzados mantienen su acceso actual.
Whitepaper5 capítulos · 2026.06
Desglose de las preferencias de cita de los seis motores
En qué se diferencia la lógica de cita de ChatGPT, Perplexity, AI Overviews, Gemini, Claude y Copilot — y por qué un mismo contenido corre suertes completamente distintas en cada motor.
Desglose de las preferencias de cita de los seis motoresInforme6 capítulos · 2026.06
¿Reddit es la fuente número uno de citas? La frase es medio falsa
"Publica en Reddit y la IA te citará" es el mito del atajo más en boga de 2026. Este informe lo desmonta con la distribución de citas entre plataformas: una misma marca puede tener hasta 615 veces más citas según el motor, y YouTube incluso está superando a Reddit.
¿Reddit es la fuente número uno de citas? La frase es medio falsaJugada6 capítulos · 2026.06
La IA cita la transcripción, no el vídeo: la jugada de GEO para YouTube
YouTube ya superó a Reddit como la plataforma social más citada en las respuestas de IA, pero la clave es que lo que la IA cita es la «transcripción», no el vídeo en sí. Esta jugada enseña a los equipos de vídeo a convertir transcripciones limpias y capítulos en formato de pregunta en activos citables.
La IA cita la transcripción, no el vídeo: la jugada de GEO para YouTubeInforme6 capítulos · 2026.06
11 herramientas de visibilidad en IA comparadas: no pagues de más por ese plan de $499/mes
Desde los 29 dólares al mes de Otterly hasta los 499 de Profound, los precios y las metodologías de las herramientas de visibilidad en IA son mundos aparte. Este informe coloca en paralelo la cobertura de motores, las métricas y los precios de las herramientas principales para ayudarte a elegir según tu necesidad, evitar la parálisis por análisis y no comprar la equivocada.
11 herramientas de visibilidad en IA comparadas: no pagues de más por ese plan de $499/mesAplica la etapa con una herramienta
Brand Radar
Ejecuta el mismo conjunto en varios motores y clasifica el rol de la marca.
Límite de evidencia
Use the output for the decision it describes; do not treat a technical scan, self-assessment, or planning model as proof of live AI citations.
APLICAR
Pasa a la siguiente decisión revisable
Usa herramienta o servicio solo si su evidencia coincide con la decisión.