La búsqueda está experimentando un cambio importante a medida que los usuarios recurren a los chatbots de IA y a los grandes modelos lingüísticos (LLM) (como ChatGPT, Gemini, Bing Chat) para responder a preguntas que antes se escribían en Google. Por ejemplo, en lugar de buscar en una lista de enlaces el "mejor restaurante italiano en Hong Kong", los usuarios pueden preguntar a un asistente de IA y obtener una respuesta directa. Este paradigma significa que las empresas deben adaptar sus estrategias de SEO para asegurarse de que los LLM las mencionen y recomienden en estos resultados conversacionales. La popularidad de la búsqueda con IA se está disparando: el sitio web de ChatGPT atrae ahora miles de millones de visitas mensuales (acercándose a ~5% del tráfico de Google). Aparecer en las respuestas generadas por la IA puede aumentar enormemente la visibilidad y la credibilidad de una marca. A continuación, exploramos cómo los LLM seleccionan y clasifican los resultados (en general y para restaurantes), qué criterios de clasificación utilizan (con la importancia relativa), en qué se diferencia la búsqueda impulsada por la IA del SEO tradicional y consejos prácticos para optimizar su contenido para este nuevo panorama de búsqueda. Cómo los LLM seleccionan y clasifican los resultados (por ejemplo, "El mejor restaurante italiano en Hong Kong")

Los motores de búsqueda basados en LLM pretenden ofrecer una única respuesta completa en lugar de una lista de sitios web. Cuando un usuario pregunta algo como "el mejor restaurante italiano en Hong Kong", un LLM analizará la consulta e intentará nombrar algunos de los mejores restaurantes con una breve descripción en lugar de mostrar 10 enlaces azules. ¿Cómo decide la IA qué restaurantes mencionar? Funciona sintetizando información de sus datos de entrenamiento o de los resultados de búsqueda en vivo (si el LLM tiene capacidad de navegación) para identificar los establecimientos que aparecen consistentemente como los mejor valorados o "mejores" en fuentes confiables:

• Confianza en los datos de entrenamiento y el contenido web: Los modelos como ChatGPT (sin navegación en vivo) generan respuestas basadas en patrones en sus datos de entrenamiento. Recomendarán restaurantes que fueron escritos con frecuencia como los "mejores" en Hong Kong en artículos, reseñas o listas que el modelo ingirió. En la práctica, esto significa que la respuesta de un LLM a menudo refleja el consenso de numerosas fuentes web, por ejemplo, si varias guías de viaje y blogs de comida elogian el Restaurante X como un lugar italiano superior, es probable que la IA incluya el Restaurante X en su respuesta. En un análisis, muchas de las recomendaciones de negocios de ChatGPT fueron extraídas de sitios que publican listas de "mejor X" (a menudo sitios de afiliados o de reseñas), lo que indica que los nombres ampliamente mencionados en las listas de "mejores" influyen fuertemente en las elecciones de la IA. Esencialmente, cuanto más se hable positivamente de un restaurante en la web, más probable es que un chatbot lo considere entre los "mejores".

• Recuperación en tiempo real (Bing Chat, Gemini): Algunos LLM (como el chat de IA de Bing o Gemini de Google) realmente realizan una búsqueda web y luego hacen que el LLM componga una respuesta. Para nuestra consulta de ejemplo, la IA podría consultar a Bing/Google por "mejores restaurantes italianos Hong Kong" y recuperar los principales resultados (como las clasificaciones de TripAdvisor, artículos de revistas o blogs de comida). El LLM leerá esas páginas y consolidará las recomendaciones superpuestas en su respuesta. Los restaurantes que aparecen en múltiples resultados de búsqueda principales (por ejemplo, un restaurante que aparece en varios artículos de "Los 10 mejores restaurantes italianos en Hong Kong" y tiene reseñas estelares) es muy probable que sean nombrados en la respuesta de la IA. En esencia, el LLM está clasificando por consenso: si un nombre aparece repetidamente en contenido de alto rango, esa es una señal fuerte. Los estudios confirman una fuerte correlación entre las clasificaciones de búsqueda tradicionales y los resultados de LLM: las marcas que se clasifican en la página 1 de Google/Bing para un tema dado tienden a ser mencionadas por las respuestas de LLM para ese tema. Por lo tanto, el SEO y las recomendaciones de IA van de la mano: tener un buen desempeño en la búsqueda aumenta las probabilidades de que un LLM lo encuentre y lo mencione.

• Señales de satisfacción del usuario: Los LLM también tienen en cuenta las señales cualitativas de calidad y reputación. Para un restaurante, esto significa que las reseñas y calificaciones de los clientes son influyentes. Un modelo de IA tiene como objetivo sugerir opciones que satisfagan al usuario, por lo que prefiere negocios con muchas reseñas positivas y elogios en los datos que ha visto. Por ejemplo, si el Restaurante Y tiene cientos de reseñas de 5 estrellas en Google, Tripadvisor y OpenRice (una plataforma de comida de Hong Kong), y esos hechos se reflejan en el contenido web, una IA interpretará el Restaurante Y como una opción muy apreciada. De hecho, ChatGPT señaló explícitamente que considera la reputación y el historial de un negocio al hacer recomendaciones. Las altas calificaciones y las menciones frecuentes en plataformas de reseñas confiables señalan que un restaurante es bien considerado, lo que aumenta sus posibilidades de aparecer en una respuesta de "lo mejor de" impulsada por la IA.

Es importante recordar que los LLM de hoy no tienen una base de datos intrínseca y actualizada de cada restaurante y sus calificaciones en tiempo real, sino que confían en la información con la que han sido entrenados o que pueden obtener. Por lo tanto, aproximan una clasificación basada en la frecuencia, la actualidad y la autoridad de las menciones sobre cada candidato. En la práctica, la respuesta de un LLM para "el mejor restaurante italiano en Hong Kong" probablemente nombrará un puñado de restaurantes que: (a) son claramente italianos y están en Hong Kong (relevancia), (b) han sido destacados por múltiples fuentes de renombre (guías de viaje, bloggers de comida, sitios de noticias, etc.), y (c) tienen una sólida reputación (premios, reseñas positivas, longevidad). Por ejemplo, si tres revistas de comida diferentes y TripAdvisor listan a II Primo como un restaurante italiano superior, y tiene una calificación de 4.8 $/5$ de los comensales, esas señales en conjunto empujan a la IA a incluir a II Primo en su respuesta. Por otro lado, un restaurante italiano nuevo que tiene poca presencia en la web o un lugar con reseñas mixtas es poco probable que sea elegido por la IA como "el mejor" debido a la falta de datos de respaldo. En resumen, los LLM clasifican las respuestas buscando información ampliamente respaldada, autorizada y relevante en su corpus, en lugar de utilizar los algoritmos tradicionales de los motores de búsqueda. Este nuevo enfoque tiene sus peculiaridades: el experimento de Neil Patel encontró que las recomendaciones de ChatGPT no siempre eran acertadas (alrededor del 27% de las respuestas eran inexactas o fuera de lugar), pero el patrón general es que los negocios que dominan la conversación en línea tienden a ascender a la cima en los resultados generados por LLM.

Criterios clave de clasificación en los que confían los LLM (y su importancia) #

¿Qué factores específicos parece utilizar un LLM al decidir qué marcas o negocios recomendar? Investigaciones recientes que analizan las respuestas de ChatGPT descubrieron seis factores clave que se correlacionan fuertemente con si un producto, servicio o marca es recomendado por la IA. Estos factores reflejan de cerca los elementos que hacen que un negocio sea prominente y confiable en línea. Si bien los LLM no tienen "pesos de factores de clasificación" oficiales como los factores de algoritmo conocidos de Google, este análisis de expertos en SEO proporciona una buena aproximación de la influencia relativa de cada factor. A continuación, se muestra un gráfico de un estudio de NP Digital (por el equipo de Neil Patel) que ilustra estos seis factores y su fuerza relativa (las barras más altas indican una correlación más fuerte con ser recomendado por ChatGPT):

Seis factores principales que afectan si ChatGPT recomendará un producto, servicio o marca en su respuesta. Las "puntuaciones" más altas (que se muestran encima de cada barra, en una escala de 0 a 1) significan una influencia más fuerte. En particular, la relevancia para la consulta y las menciones de marca en la web se encuentran entre los factores de mayor peso, mientras que aparecer en listas de "recomendación" de terceros, aunque beneficioso, es un factor más débil en comparación. De este análisis, podemos derivar los siguientes criterios de clasificación de LLM, aproximadamente en orden de importancia:

• Relevancia: ¿Es el contenido sobre su negocio relevante para la consulta específica? Esto se identificó como el factor más influyente, con una correlación muy alta (~0.91). En esencia, la IA verifica si las palabras clave y el tema de la pregunta del usuario aparecen en contexto con su marca en la web. Por ejemplo, si la consulta es "el mejor restaurante italiano en Hong Kong", un LLM favorecerá los restaurantes que se mencionan explícitamente en conexión con "el mejor italiano" y "Hong Kong" en varios sitios web. Un proxy para la relevancia es si su sitio (o contenido sobre su negocio) se clasifica en la búsqueda tradicional para esas palabras clave. Si tiene contenido que se dirige a la consulta (por ejemplo, publicaciones de blog o descripciones que incluyen frases como "el mejor restaurante italiano en Hong Kong") o si otros han escrito sobre usted utilizando esos términos, mejora enormemente la relevancia. Esencialmente, la IA necesita ver una coincidencia temática clara: se debe hablar constantemente de su marca en el contexto de lo que sea que esté preguntando el usuario.

• Menciones de marca: ¿Con qué frecuencia se habla del nombre de su marca en otros sitios web? Esta es una medida de popularidad y conocimiento en línea, y fue casi tan importante como la relevancia (correlación ~0.87). Cuanto más a menudo se mencione su restaurante o negocio en la web (en artículos, foros, listas, redes sociales, etc.), más un LLM lo percibe como una entidad conocida y creíble. A diferencia del SEO tradicional que se basa en gran medida en menciones enlazadas (backlinks), es probable que los LLM consideren cualquier mención (enlazada o no enlazada) como una señal de prominencia. Para un restaurante, las menciones de marca podrían incluir ser nombrado en artículos de noticias, blogs de comida, guías de viaje, listas locales de "lo mejor de", e incluso foros de discusión. El volumen y el contexto importan: una gran cantidad de menciones, especialmente en contextos positivos o autorizados, señala a la IA que su marca tiene una presencia significativa y debe ser considerada. Piense en ello como la versión de la IA de la credibilidad de "boca a boca" en Internet.

• Reseñas y calificaciones: ¿Cuál es la opinión pública sobre su negocio y cuán abundante es? Este factor, la cantidad y la calidad de las reseñas, tuvo una influencia moderada-alta (corr. ~0.61). Los LLM están entrenados en vastas cantidades de texto, incluido el contenido de reseñas de sitios como Google Reviews, Yelp, TripAdvisor, Amazon, Trustpilot, etc. Tienen la comprensión de que una empresa o producto con muchas reseñas positivas es probablemente una buena recomendación. En los hallazgos de Neil Patel, las marcas con más reseñas (y generalmente buenas calificaciones) eran más propensas a ser recomendadas. Para un restaurante, esto significa que tener muchas reseñas de 4-5 estrellas en múltiples plataformas (Google, Yelp, OpenTable, TripAdvisor, etc.) aumenta su credibilidad a los ojos de la IA. Las reseñas esencialmente sirven como señales de calidad de origen colectivo. Un LLM preferirá un lugar que, digamos, tenga 500 reseñas con un promedio de 4.5 estrellas sobre uno con 5 reseñas con un promedio de 5 estrellas, porque el primero tiene más evidencia corroborante de calidad. Punto de acción: anime a los clientes a dejar reseñas y trabaje para mantener altas calificaciones; esto no solo ayuda al SEO local tradicional, sino que también alimenta a la IA con datos confiables sobre la calidad de su negocio.

• Autoridad: ¿Cuán autorizada y establecida está su marca en su dominio? La autoridad es un concepto amplio, pero en el contexto de la clasificación de LLM abarca cosas como la autoridad de dominio de su sitio web, la credibilidad de los sitios que hablan de usted e incluso sus seguidores en las redes sociales. Este factor tuvo una correlación moderada (~0.52). Los LLM infieren la autoridad al ver quién lo avala o hace referencia a usted. Si los sitios de alta autoridad (medios de noticias, blogs conocidos, Wikipedia, etc.) lo mencionan o enlazan, eso aumenta su autoridad percibida. Además, el equipo de Neil Patel consideró los seguidores en las redes sociales y la presencia multiplataforma como parte de la autoridad: una gran cantidad de seguidores comprometidos puede indicar que una marca es influyente o confiable para muchos. Para los restaurantes, la "autoridad" podría mejorarse con cosas como premios prestigiosos (estrellas Michelin, por ejemplo), artículos de prensa en publicaciones de renombre o una fuerte presencia en las redes sociales que muestre una base de fans comprometida. Si bien un LLM podría no verificar explícitamente su número de seguidores, el contenido generado por tener una comunidad activa (menciones, acciones, etc.) contribuye a los datos de entrenamiento de la IA. En resumen: se favorecen las marcas establecidas y confiables. Los negocios nuevos u oscuros tienen un obstáculo que superar, pero pueden construir autoridad con el tiempo a través de relaciones públicas, contenido de calidad y liderazgo de pensamiento en su espacio.

• Antigüedad (Longevidad): ¿Cuánto tiempo ha existido su negocio o producto? El estudio encontró que las empresas más antiguas y establecidas tendían a aparecer con más frecuencia en las respuestas de ChatGPT. Este factor mostró una correlación más débil (~0.46) pero aún era notable. Sugiere que los LLM tienen un sesgo (quizás a través de sus datos) hacia las entidades con un historial más largo. Un restaurante más antiguo que ha sido un elemento básico local durante 20 años ha tenido más tiempo para acumular menciones, reseñas e historia, mientras que un restaurante nuevo que abrió el mes pasado tiene muy poca huella. La IA, careciendo de experiencia en tiempo real, se apoya en datos históricos, y simplemente hay más datos sobre entidades más antiguas. Esto no significa que los negocios nuevos no puedan ser recomendados (especialmente si causan sensación en las noticias o ganan un gran premio), pero generalmente la longevidad proporciona una ventaja. Contribuye a la percepción de confiabilidad ("han existido y se ha hablado de ellos durante un tiempo, por lo que deben estar haciendo algo bien"). Si bien no puede cambiar su fecha de fundación, una conclusión es comenzar a construir su presencia en línea lo antes posible. Los negocios nuevos deben trabajar agresivamente en los otros factores (menciones, reseñas, etc.) para compensar la falta de antigüedad.

• Recomendaciones externas: ¿Los sitios de terceros lo recomiendan explícitamente como una opción superior? Este factor se refiere a aparecer en listículos, clasificaciones y artículos de recomendación (a menudo esas listas de "Los 10 mejores" o "Lo mejor de"). Tuvo la correlación más baja (~0.28) de los seis factores, pero sigue siendo una señal significativa. Si los sitios web o bloggers de renombre recomiendan su negocio como uno de los mejores, ese respaldo puede influir en un LLM. Por ejemplo, si la revista Travel + Leisure y un blog de comida popular listan su restaurante entre "Los mejores restaurantes italianos de Hong Kong", esas recomendaciones explícitas probablemente se reflejarán en la respuesta de la IA (de hecho, ¡la IA podría incluso estar resumiendo esos mismos artículos!). Neil Patel señaló que muchas sugerencias que dio ChatGPT fueron extraídas de sitios de afiliados que clasifican productos/servicios; de manera similar, para los restaurantes, la IA extraerá de las características locales de "mejores restaurantes". Por lo tanto, estar presente en esas recomendaciones seleccionadas es importante. Sin embargo, este factor por sí solo no es suficiente (de ahí la ponderación más baja); funciona mejor en combinación con los demás (por ejemplo, un sitio podría solo recomendarlo porque tiene excelentes reseñas y autoridad). Punto de acción: intente aparecer en listas de "lo mejor de" relevantes o resúmenes de premios en su industria/localidad, ya que puede alimentar directamente las respuestas de la IA.

¿Por qué importan estos factores? En resumen, estos criterios pintan una imagen de lo que los LLM "buscan" al formular una respuesta: quieren sugerir opciones que sean relevantes, conocidas, queridas, establecidas y respaldadas por otros. Gran parte de esto se alinea con el sentido común: una IA no quiere recomendar un restaurante malo o desconocido a un usuario que pregunta por "el mejor". Utiliza la amplitud de la evidencia en línea como un proxy para la calidad. Como lo expresó una guía de SEO de IA, "ChatGPT evalúa una combinación de factores como la relevancia, la autoridad y las menciones de marca para generar respuestas". Por lo tanto, optimizar para LLM significa reforzar estas señales alrededor de su marca (más sobre cómo hacerlo a continuación). La buena noticia es que estos factores se hacen eco de muchas prioridades tradicionales de SEO y relaciones públicas: si ha estado haciendo un SEO/marketing sólido, es probable que esté fortaleciendo las mismas señales que necesitan los LLM. La diferencia clave es que los LLM no "clasifican" los sitios web de la misma manera que lo hace Google; clasifican los hechos y las entidades en función del contenido que han visto. Asegurarse de que los hechos y la reputación de su marca brillen en ese contenido es el corazón de la optimización de LLM.

Cómo la búsqueda impulsada por la IA (LLM) difiere del SEO tradicional #

Optimizar para la respuesta de un chatbot de IA no es idéntico a optimizar para una clasificación SERP de Google. La búsqueda impulsada por LLM introduce nuevas dinámicas en cómo se evalúa y se entrega el contenido a los usuarios. Estas son algunas de las principales diferencias entre la búsqueda basada en IA y los motores de búsqueda tradicionales, y lo que significan para el SEO:

• Respuestas directas vs. Lista de enlaces: El SEO tradicional se trata de lograr que su sitio web se clasifique en la página 1 de los resultados de búsqueda, para que los usuarios hagan clic en su sitio. En contraste, un LLM como ChatGPT entrega una respuesta directa