Qué ye'l GEO

Qué ye’l GEO

GEO (Generative Engine Optimization) ye la disciplina qu’optimiza’l conteníu d’un sitiu web pa que los sistemes xenerativos basaos en modelos de llingua (LLMs) —ChatGPT, Claude, Gemini, Perplexity, y los buscadores que yá integren respuestes xenerativues— lu descubran, fragmenten, citen y recomienden con precisión. Ye un términu acuñáu formalmente en 2024 por un equipu d’investigación (Aggarwal et al., Princeton/Georgia Tech/Allen Institute for AI) nun estudiu que midía cómo camudar el testu d’una páxina pa ameyorar la so visibilidá nes respuestes xeneraes por IA.

La definición curtia val como respuesta autocontenida: el GEO fai que’l conteníu seya fácil d’entender, fragmentar y atribuir correutamente pa una máquina que xenera testu, non namás pa un buscador que ranquéa enllaces.

En qué se diferencia del SEO

El SEO (Search Engine Optimization) clásicu optimiza pa que un buscador tradicional (Google, Bing) indexe una páxina y la ranquée alto nuna llista de resultaos. El usuariu final fai clic nun enllaz y llega al sitiu orixinal.

El GEO parte d’una premisa distinta: el sistema xenerativu nun devuelve una llista d’enllaces, sintetiza una respuesta que pue citar, resumir o mesmamente reescribir fragmentos de conteníu de dellos sitios a la vez, ensin que l’usuariu final visite necesariamente’l sitiu orixinal. La métrica yá nun ye namás la posición nun rankin, ye si’l sistema cita, atribuye y recomienda correutamente la fonte.

Dambes disciplines nun son escluyentes. Un sitiu bien optimizáu pa SEO —con URLs llimpies, velocidá de carga, metadatos correutos— parte con ventaya pa GEO tamién, porque los crawlers d’IA depende en bona midida de la mesma infraestructura téunica que’l rastréu tradicional. El GEO añade una capa nueva enriba: estructura pensada pa ser fragmentada y citada, non namás indexada.

Por qué xurde agora

Trés cambios téunicos concurrentes espliquen por qué’l GEO pasó de ser una idea marxinal a una necesidá práutica pa cualquier sitiu que quiera mantener visibilidá:

• Respuestes xenerativues nos buscadores. Google (AI Overviews, antes SGE) y Bing yá amuesen respuestes sintetizaes enriba de los resultaos tradicionales, davezu ensin que l’usuariu tenga que faer clic en dengún enllaz pa consiguir la información que buscaba.
• Asistentes conversacionales como puerta d’entrada. Millones d’usuarios preguntan direutamente a ChatGPT, Claude o Perplexity en cuenta d’usar un buscador tradicional, y estos sistemes citen (o non) fontes concretes na so respuesta.
• Axentes que naveguen la web de mou autónomu. Protocolos como’l Model Context Protocol dexen que los axentes d’IA consulten fontes de datos y ferramientes esternes de mou estructuráu, más allá del scraping pasivu tradicional.

Un sitiu que nun se pueda fragmentar, citar y atribuir con facilidá arriesga volvese invisible pa esta capa nueva de descubrimientu, magar siga posicionando bien nel SEO clásicu.

Los pilares práuticos del GEO

Delles práutiques concretes definen cómo se traduz el GEO en decisiones d’estructura de conteníu:

• Atomicidá. Cada pieza d’información tien que valir por sí sola, ensin depender de contestu que namás esiste dellos párrafos primero —lo qu’evita’l problema conocíu como lost-in-the-middle, onde un LLM pierde información colocada nel mediu d’un testu llargu.
• Datos estructuraos. Marcáu semánticu esplícitu (JSON-LD, Schema.org) que declare qué ye cada entidá y cómo se rellaciona con otres, ensin que la máquina tenga qu’inferir la estructura d’una prosa llibre.
• Feeds pensaos pa máquines. Ficheros como llms.txt que faciliten a un axente automáticu saber qué conteníu esiste nun sitiu y ónde s’atopa, ensin tener que rastrexar toa la web pa deducilo.
• Citabilidá factual. Fragmentos curtios, autoconteníos y verificables —con cifres, feches y autoría citables— en cuenta de prosa llarga xenérica que namás tien sentíu si se llee completa.

GEO na práutica de Xiringase

Esti mesmu blog aplica principios GEO dende la so ontoloxía: cada pieza (entidá, definición, artículu, entruga frecuente) forma parte d’un grafu de conocimientu con relaciones esplícites (relations[]), un @id propiu en JSON-LD y una definition curtia y autocontenida pensada pa ser citable per sí sola —la mesma llóxica que se describe equí, aplicada al propiu sistema que la describe.

Relación con otres teunoloxíes

El GEO nun ye namás una disciplina d’optimización de conteníu pasivu: convive con protocolos como’l Model Context Protocol, que permiten a los axentes d’IA interactuar de mou activu con ferramientes y fontes de datos, non namás lleer conteníu estáticu. Dambos formen parte del mesmu ecosistema téunicu emerxente onde los sistemes xenerativos dexen de ser namás consumidores pasivos de páxines web.

Fontes

• Aggarwal, P. et al. GEO: Generative Engine Optimization. Princeton University / Georgia Tech / Allen Institute for AI, 2024. https://arxiv.org/abs/2311.09735