«De estas treinta, ¿por cuál empiezo?»
Meter datos estructurados. Añadir citas. Añadir estadísticas.
Hex-ko fue apuntando acciones para la búsqueda con IA hasta que la tabla llegó a treinta filas.
En el comité del mes pasado esa tabla estuvo veinte minutos en la pantalla. Nadie señaló la fila uno y se pasó al siguiente punto del orden del día.
Pero un artículo que volvió a leer 45 estudios sobre optimización para la IA encontró dos factores que aguantaban en todas las plataformas. Ninguno más.
Es un preprint, publicado en julio de 2026 y todavía sin revisión externa.
¿Qué acciones aguantan en la investigación sobre IA?
Dos: la relevancia del documento respecto a la pregunta y la posición que ocupa dentro del contexto con el que trabaja el modelo. Son las únicas que siguen en pie tras poner los 45 estudios uno al lado del otro, con las condiciones cambiando por debajo. Lo cuenta la de Martinez (enlace).
El GEO (generative engine optimization, optimización para motores generativos) busca que tus páginas acaben citadas dentro de la respuesta de una IA. No colocadas en una lista de enlaces.
Los 45 artículos se publicaron entre el 16 de noviembre de 2023 y el 14 de julio de 2026.
¿Y dónde toca eso en un día de trabajo, cuando alguien tiene que sentarse a editar una página?
Responder a la pregunta gana a sonar autorizado
El primer factor es la coincidencia entre la pregunta y el documento.
Los modelos se van a la coincidencia explícita con la consulta antes que a lo que una persona lee como señales de solvencia. Así resume la revisión los 45 estudios.
Pero las cifras que hay debajo de esa lectura no son suyas. Están en el artículo de 2024 que acuñó la palabra GEO (Aggarwal y su equipo). Ese equipo montó un banco de 10.000 preguntas, sacadas de nueve conjuntos de datos y repartidas por 25 áreas temáticas.
Con ese banco midieron qué le hacía a la visibilidad de una página cada forma de reescribirla. Esto es lo que salió:
- Añadir citas textuales: alrededor de un 44 %.
- Añadir estadísticas y cifras concretas: alrededor de un 34 %.
- Indicar las fuentes: alrededor de un 29 %.
Escribir con un tono más autorizado se quedó en torno a un 13 %. De hecho, amontonar palabras clave salió en torno a un 8 % en negativo.
Las cinco cifras son cambios relativos frente a una línea base (baseline), medidos con el mismo indicador. Ese indicador cuenta cuánto ocupa tu contenido dentro de la respuesta y lo pondera según el lugar en que aparece.
Pon las cinco acciones en fila. Arriba quedan las que hacen más concreta la respuesta, abajo las que ajustan el tono. De ese orden sale la lectura de que el modelo elige la coincidencia antes que la señal de autoridad.
Quien hace esa lectura es el autor de la revisión.
No es un experimento nuevo montado aparte de los 45. Ese orden de arriba, con las tácticas que cambian el fondo por encima de las que cambian el tono, es lo que sostiene la interpretación.
Así que lo que sí puedes mover es el encabezado y el párrafo de debajo.
Coge la pregunta que tu lector escribiría de verdad, ponla en el encabezado en forma de afirmación y termina de responderla antes de que llegue el siguiente encabezado.
Subir la fuente pesa más que reescribirla
El segundo factor es la posición dentro del contexto. Subir una fuente hacia arriba en ese montón pesa más que la mayoría de las reescrituras.
El es el montón de documentos que el modelo reúne justo antes de escribir. Lo que se queda fuera de ese montón se queda fuera de la respuesta, por mucho que trabajes la redacción.
La posición, aquí, es el orden de ese montón una vez reunido. Quién va arriba lo decide el paso de recuperación, que cae al otro lado del cristal.
¿Queda algo de este lado?
Dentro de uno de esos documentos, dónde está la respuesta sí es cosa tuya. Una página que responde en la primera pantalla y otra que responde cinco pantallas más abajo no entregan el mismo fragmento.
Aunque cuidado: lo que mide la revisión es el orden de unos documentos frente a otros, no el orden interno de una página. Ahí Hex-ko está metiendo una suposición, y podría no sostenerse.
Primero que te recuperen, luego la colocación
Los trucos de uso general no viajan de una plataforma a otra. Una reescritura que funcionó en un asistente no tiene confirmación ninguna para el siguiente.
La revisión lo dice todavía más fuerte. De los 45 estudios, ninguno demostró un efecto causal sobre la visibilidad natural que se sostuviera a la vez entre plataformas y en el tiempo.
Es que buena parte de las mejoras que se publican se midieron sobre documentos que ya estaban en el montón de candidatos. Dicen algo sobre lo que le pasa a una página una vez dentro, y nada sobre lo que mete a una página dentro.
¿Cuál de las dos va primero?
Va primero que te recuperen (que el buscador encuentre tu página y entres siquiera en la lista de candidatos), junto con la relevancia respecto a la pregunta. Cómo quedas colocado después es el segundo trabajo, y solo paga cuando el primero está hecho.
Puedes rehacer el cartel del lineal las veces que quieras. Si el producto no está en la estantería, no hay ojo que se pose en él.
Qué medían en realidad esos 45 estudios
El autor ordena la evidencia en cinco niveles. Arriba están los ensayos de campo que asignan las condiciones al azar, abajo los escenarios sintéticos con contexto fijo. La mide hasta dónde viaja un hallazgo. La construye la forma del estudio, no lo que el estudio encontró.
Sin embargo, buena parte de los 45 cae en ese nivel de abajo, el de los escenarios sintéticos con contexto fijo. Se midieron en condiciones que dejan fuera justo el momento en que una búsqueda real sale a buscar y trae los documentos.
Además, esto no es una medición nueva. Es una relectura de 45 artículos que ya existían (arXiv:2607.14035, publicado el 15 de julio de 2026).
La primera página tampoco dice dónde trabaja el autor. Hay una dirección de contacto y un ORCID, el identificador que se asigna a cada investigador. Nada más. Pesar este trabajo por quién lo firma no es una opción.
Los estudios que recoge son, en su mayoría, de ámbito anglosajón. Si los dos mismos factores aguantan en las respuestas en español, no lo ha medido nadie todavía.
La comprobación queda en tu tejado.
parte tu lista en relevancia, posición y resto
Dibuja tres cajas al lado de tu tabla de acciones para la IA. Filas que trabajan la relevancia con la pregunta. Filas que trabajan el sitio que ocupas una vez te han recuperado. Filas que no son ninguna de las dos.
La tercera caja no se tira.
Ninguno de los 45 estudios demostró que esas filas fueran inútiles. Lo que no apareció fue un efecto constante, y es mejor bajar una fila de orden que atribuirle a la investigación un resultado que nunca dio.
La relevancia va primero.
La caja de la posición se abre cuando la parte de la recuperación está resuelta.
Cuánto mueve el número de citas cada acción por separado está en Para que la IA te cite, añade cifras y fuentes: lo que demostró el estudio. Por qué el puesto en el buscador y la cita de la IA son dos cosas distintas, en «No gano en búsqueda, así que en IA tampoco»… pues mira el puesto 11.
Las treinta de Hex-ko quedaron en nueve y veintiuna. Veinte minutos de silencio en aquel comité, y la misma tabla se deja señalar en cuanto baja a nueve filas.
Fuentes
- Martinez, O., «Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026)», arXiv:2607.14035, 2026-07-15, https://arxiv.org/abs/2607.14035
- Aggarwal, P. et al., «GEO: Generative Engine Optimization», 2024, https://arxiv.org/abs/2311.09735
