Los siete consejos de GEO: reproduje la única prueba que existe y después audité mis 72 páginas

Llevo semanas leyendo la misma lista de consejos para que un modelo de lenguaje cite tu página. Aparecen en todas partes, siempre iguales, siempre sin un número detrás: pon la palabra clave al principio del título, agrega un bloque de preguntas frecuentes, marca todo con Schema.org, deja la URL limpia, muestra la fecha, firma con tu nombre.

Nadie enseña la medición. Y como el sitio donde estás leyendo esto cumple casi todos, quería saber si servían de algo.

Alguien lo midió, y el resultado incomoda

El 23 de agosto apareció en Habr un experimento que hace justo lo que faltaba. Su autor lanzó 20 consultas, tres veces cada una, contra seis motores. Y esa lista de seis es la primera cosa que hace distinto a este experimento.

• ChatGPTEstados Unidos
• ClaudeEstados Unidos
• PerplexityEstados Unidos
• GeminiEstados Unidossin fuente visible
• GigaChatRusia
• AlisaRusia

Uno de los seis no deja ver a quién cita

Gemini entrega sus fuentes a través de vertexaisearch.cloud.google.com, y detrás de la redirección no se ve la dirección real de la página. Por eso quedaron fuera otras 160 direcciones: existen, fueron citadas, y no hay manera de saber a qué apuntan.

De las citas a la muestra

1. 199 direcciones útilesaparecieron en las fuentes que citaron los motores
2. 76 candidatas36 citadas por dos motores o más, más las primeras 40 en orden alfabético de las citadas una sola vez
3. 73 páginas analizadas34 y 39: tres no se descargaron
4. 160 direcciones opacasRedirecciones de Gemini, apartadas. No salen de las 199.

De las direcciones útiles armó dos grupos: 36 candidatas citadas por dos motores o más, y de las citadas una sola vez, las primeras 40 en orden alfabético. Bajaron 34 y 39, o sea 73 páginas.

Ese segundo grupo conviene mirarlo dos veces: es un corte alfabético, no un muestreo al azar. Ordenar por URL agrupa por dominio, así que un sitio con muchas páginas citadas una sola vez puede quedar sobrerrepresentado en la mitad del experimento. No lo invalida, pero es la clase de detalle que decide cuánto peso darle a una diferencia pequeña.

Después descargó cada una con curl, sin ejecutar JavaScript, detectó los atributos y comparó los dos grupos con el test exacto de Fisher, que es el que corresponde cuando la muestra es pequeña.

Los siete consejos, uno por uno

Antes de discutir los números conviene fijar de qué estamos hablando, porque casi ningún artículo sobre GEO define sus propios términos. Estos son los siete, con el criterio exacto que usa el detector para decidir si una página cumple o no. El criterio importa tanto como el consejo: «tener una FAQ» no significa nada hasta que alguien dice qué cuenta como FAQ.

1. Palabra clave al principio del title

   Que el término por el que quieres salir abra el título, no que aparezca en cualquier parte.

   se mide así Se toma el <title>, se le quitan las etiquetas y se busca la clave en sus primeros 40 caracteres.

   0,2058p

2. Palabra clave al principio del h1

   Lo mismo en el encabezado que ve el lector.

   se mide así Igual, sobre el primer <h1> de la página.

   0,1615p

3. Fecha de publicación visible

   Que se pueda saber cuándo se escribió.

   se mide así Cuenta si hay datePublished o dateModified en el marcado, article:published_time, o un <time>.

   0,6383p

4. Bloque de preguntas frecuentes

   Preguntas y respuestas cortas que un modelo pueda citar tal cual.

   se mide así Cuenta un FAQPage en el marcado o el texto «preguntas frecuentes» en la página. Cualquiera de los dos.

   0,7837p

5. Marcado Schema.org

   Decir en un formato que la máquina entienda qué es esta página.

   se mide así Basta un bloque application/ld+json que parsee, o un itemtype de schema.org.

   0,1646p

6. URL sin parámetros

   Una dirección estable y limpia.

   se mide así Sobre la URL final tras redirecciones: sin «?» y sin terminar en .html, .php, .aspx ni .jsp.

   0,2432p

7. Volumen de texto y subencabezados

   Suficiente cuerpo, partido en secciones.

   se mide así Se cuentan los h2 a h4 y los caracteres del texto sin etiquetas ni scripts. Son cifras continuas.

   El único continuo: el estudio publicó medianas y nunca le corrió una prueba. Por eso los valores de p son siete y no ocho.

   sin test

8. Autor visibleno venía en la lista

   Que se sepa quién escribió.

   se mide así author en el marcado, o itemprop="author", rel="author", name="author" o article:author.

   0,0127p

Aquí hay que ser preciso con la cuenta, porque de ella depende todo lo demás. La lista tiene siete consejos, pero uno no llegó al test: el volumen de texto y los subencabezados son cifras continuas, y de esos solo publicó las medianas, sin prueba. Quedan seis. A cambio agregó un atributo que no estaba en la lista, autor visible. En total, siete valores de p.

Seis de esos siete dieron valores entre 0,16 y 0,78. Nada. El séptimo, el que él mismo agregó, dio 0,0127: el único por debajo del 0,05 de siempre.

Reproduje sus números y me dieron exactamente lo mismo

Un resultado que nadie repite no es un resultado. Así que antes de creerle, reconstruí los conteos desde los porcentajes que publica sobre sus 34 y 39 páginas, los pasé por scipy.stats.fisher_exact y comparé.

Los siete valores salen idénticos a los suyos, hasta el cuarto decimal. No es un trámite: significa que su tabla se puede auditar sin pedirle los datos, y eso es más de lo que ofrece casi todo lo que se publica sobre GEO.

Su lectura también es correcta. Probó siete hipótesis sobre la misma pareja de grupos, y cuando haces siete comparaciones la probabilidad de que alguna dé un falso positivo por puro azar ya no es del 5%: es bastante mayor. Él mismo lo señala, calcula el corte de Bonferroni en 0,05/7 ≈ 0,007 y reconoce que su 0,0127 no llega.

0,00714 Bonferroni

0,05 sin corregir

• Preguntas frecuentes0,7837
• Fecha visible0,6383
• URL sin parámetros0,2432
• Clave en el title0,2058
• Marcado Schema.org0,1646
• Clave en el h10,1615
• Autor visible0,0127

Seis se quedaron lejos de cualquier umbral. El séptimo, el que lleva la firma, entró en la franja: pasa el 0,05 de siempre y falla el corte que exigen siete comparaciones sobre la misma muestra. El propio autor hace esa cuenta y llega a lo mismo.

Conviene decirlo con cuidado, porque este es un artículo sobre rigor: Bonferroni funciona como una corrección deliberadamente conservadora entre varias posibles, y llamarla «la estadística honesta» sobra. Pero aquí da lo mismo cuál se elija. Con Holm, que es menos estricta, el valor de p más pequeño se compara igual contra ese 0,00714. No llega por ninguna vía.

La confusión que sostiene todo el negocio

Aquí hay que separar dos preguntas que casi nadie separa, y que no son la misma:

1. Que un motor recupere tu página cuando alguien pregunta algo.
2. Que, una vez recuperada y puesta delante del modelo, la cite en su respuesta.

El trabajo académico que acuñó el término, «GEO: Generative Engine Optimization» de Aggarwal y otros, presentado en KDD 2024, reporta mejoras de visibilidad de hasta 40%. Es un resultado real y hay que decirlo. Pero mide la segunda pregunta: su banco de pruebas parte de consultas que ya vienen con sus fuentes web relevantes, y lo que optimiza es cómo está escrito ese contenido que el motor ya tiene delante.

Eso no es lo que promete la industria del GEO. Lo que se vende es la primera pregunta: pon una FAQ y un Schema y el motor te encontrará. El experimento de Habr es de los pocos que mira justamente eso, sobre páginas que los motores citaron de verdad, y ahí no aparece ninguna señal.

Así que la frase precisa no es «GEO no funciona». Es más incómoda: hay evidencia de que se puede hacer más citable un documento que el motor ya recuperó, y no la hay de que estos siete atributos consigan que lo recupere. Una puntuación que promedia los siete y la llama visibilidad está cobrando por la segunda cosa con la evidencia de la primera.

Y que quede claro qué no significa esto: no que los consejos sean dañinos. Declarar el autor, marcar con Schema.org o mantener URLs limpias son buenas prácticas por motivos que no tienen nada que ver con la IA, como la accesibilidad o los resultados enriquecidos.

Lo apliqué a mi propio sitio

Escribí un detector de los siete atributos binarios y lo pasé por las 72 páginas HTML de efraingaray.com, con la misma regla del estudio: descargar sin ejecutar JavaScript. Antes de tocar nada:

La mediana de subencabezados salió en 8 y la de texto en 4.097 caracteres.

Antes de sacar conclusiones de esa tabla, dos filas hay que leerlas con cuidado, y esto vale para cualquier auditoría de GEO que te enseñen: las dos de palabra clave dependen de qué palabra decidas que es la clave de cada página. Yo pasé una lista corta para las 72, y con una lista corta un artículo sobre el modelo OSI no contiene ninguna. Ese 26% no dice que mis encabezados estén mal: dice que mis palabras de prueba no eran las suyas.

Compruébalo con el mismo detector. Sobre el h1 real El modelo OSI explicado: las 7 capas y la encapsulación, la clave osi da cumple y la clave rust da no cumple. Es la misma página y el mismo encabezado. Un atributo cuyo valor depende de lo que escribas en el formulario no es una propiedad de la página, y agregarlo a un promedio es lo que convierte una puntuación en humo.

Por eso la herramienta ahora deja esos dos sin medir cuando no le das palabras clave, en vez de contarlos como incumplidos. Un cero mudo se lee como suspenso.

Quitando esas dos, lo llamativo fue el único atributo con alguna señal en el estudio: autor visible, en un tercio de las páginas. Los artículos sí lo declaran; lo que no lo hacía era todo lo demás.

Lo que arreglé, y lo que decidí no arreglar

Podría haber marcado autoría en las 72 páginas. El número habría saltado al 100% y el antes y después se vería espectacular.

No lo hice, y esa es la parte que importa.

El criterio que usé: declara autor la página donde alguien escribió algo. Los hubs temáticos, que llevan texto editorial propio. El laboratorio y los proyectos, donde cada ficha tiene su descripción. Fuera quedaron los listados cronológicos y las páginas de reels, que solo enumeran enlaces.

Marcar los 72 habría sido exactamente el truco que este experimento no logra respaldar: mover un atributo sin que cambie nada real detrás.

Antes y después del arreglo, sobre las mismas 72 páginas:

33%→39%

24/72 · 28/72

• 24 ya firmadas Artículos, hubs temáticos, laboratorio y proyectos
• 4 firmadas en esta pasada
• 44 sin firmar a propósito Listados cronológicos y páginas de reels: nadie las escribió.

Rellenar las otras 44 habría marcado 100% y no habría significado nada.

Cuatro páginas. Un salto del 33% al 39%. Es un resultado modesto y es el correcto.

Mi propio detector también mentía

Publicar una herramienta y no auditarla sería el mismo pecado que le achaco al resto, así que le pasé casos preparados a la primera versión. Aprobó los cinco.

Tres atributos se llaman visible y no medían nada visible. Una fecha que solo existe dentro del JSON-LD contaba como fecha visible. Un <meta name="author"> contaba como autor visible. Y un enlace a «Preguntas frecuentes» en el menú daba por bueno el bloque de FAQ en todas las páginas del sitio, porque el menú sale en todas. Además, un datePublished escrito dentro de un comentario de HTML contaba como fecha, y la clave ia daba positivo dentro de la palabra «familia».

Ahora visible significa que aparece en el texto que un lector ve, con la navegación, la cabecera y el pie fuera; y la firma se acepta cuando el nombre que declara el marcado se encuentra de verdad en la página, o cuando hay un «Por Fulano» escrito a mano.

Corregido eso, mis propias cifras empeoran, y es la parte que vale:

Lo interesante no es el número, es lo que aparece debajo: 15 páginas llevan la fecha en el marcado y no se la enseñan a nadie, y 14 declaran un autor que no sale por ninguna parte. Eso es un defecto real de mi sitio que la primera versión del detector escondía dándome un aprobado. La herramienta ahora lo reporta aparte, porque es lo único del informe que dice qué hacer mañana.

Medido sobre las 84 páginas del sitemap, con el mismo detector que está publicado.

El defecto que sí valía la pena, y que ninguno de los siete detecta

Mientras revisaba el marcado encontré algo bastante peor que la falta de autor.

Todas las páginas que no son un artículo compartían el mismo nodo WebSite, con el mismo identificador fijo. Para un motor que lee el grafo, el índice de temas y la portada eran literalmente el mismo objeto. Ninguna sección tenía identidad propia.

Ahora cada una emite su propio WebPage, con su identificador en la URL canónica y una relación isPartOf hacia el sitio.

Antes

1 entidad

//temas//lab//proyectos/

#website

Las cuatro declaraban el mismo @id. Para el grafo eran el mismo objeto.

Después

4 entidades

//temas//lab//proyectos/

//temas//lab//proyectos/

Cada una con su @id en su canónica, y una relación isPartOf hacia el sitio.

Ninguno de los siete atributos mira esto. El detector marcaba Schema.org presente en las 72 páginas, porque marcado había. Que ese marcado colapsara cuatro páginas en un solo objeto no lo comprueba ninguna de las recomendaciones.

Cuándo sí y cuándo no

Los siete atributos valen la pena por lo que son: accesibilidad, resultados enriquecidos, poder compartir un enlace decente. Cúmplelos por eso.

El detector que usé para todo esto está publicado en el laboratorio del sitio: detector de GEO. Reporta cada atributo por separado con su valor de p al lado, y no entrega ninguna puntuación promediada, que es justamente lo que no se puede sostener.

Lo que no tiene sentido es tratarlos como una palanca de descubrimiento, ni pagar por una puntuación que los promedie. Esa parte no está demostrada, y el único experimento observacional que la midió no encontró nada.

Si vas a invertir tiempo en que un modelo te cite, la evidencia disponible apunta a algo mucho más aburrido: que el contenido sea original, verificable y esté escrito por alguien identificable. Que es, por cierto, lo mismo que funciona sin modelos de por medio.

Fuentes

• «Проверил семь советов по повышению видимости в нейросетях. Не сработал ни один» — el experimento original, con las 73 páginas, los dos grupos y el test de Fisher.
• Documentación de Google sobre AI Overviews y AI Mode — confirma que no hace falta marcado ni archivos especiales para aparecer en sus experiencias generativas.
• scipy.stats.fisher_exact — la implementación usada para reproducir los cálculos.
• «GEO: Generative Engine Optimization», Aggarwal y otros, KDD 2024 — el trabajo que acuñó el término y el que sí reporta mejoras, sobre contenido que el motor ya tiene delante.