AEO/GEO
Visibilidad en IA: estrategia integrada que sí funciona
Amazon controla el 12,5% de sus citas en IA. El 91% aparece en un solo motor. Por qué el SEO aislado falla y cómo construir visibilidad durable.
La visibilidad en IA se ha convertido en el objetivo más discutido del marketing digital en 2026. Y también en el más malentendido.
Amazon, el retailer más grande del mundo, controla apenas el 12,5% de lo que la inteligencia artificial dice sobre Amazon. Con el mejor equipo técnico de ecommerce del planeta. Con schema perfecto, velocidad optimizada y estructura impecable.
Share de citas IA que Amazon controla sobre sí mismo
Fuente: Aleyda Solis, análisis de 25 sitios ecommerce, mayo 2026
Etsy llega al 17,1%. Sony al 2,1%. El 87,5% restante lo controlan terceros: Reddit, YouTube, reviews especializadas, medios de nicho. Este número no es un fallo técnico. Es la nueva arquitectura del mercado digital.
La visibilidad en IA está fragmentada en tres sistemas distintos
El análisis de Kevin Indig sobre 3,7 millones de citas IA (mayo 2026) documenta la escala real del problema. El ecosistema de visibilidad IA no es un sistema unificado. Son tres sistemas con lógicas distintas que casi nunca se superponen.
URLs citadas en IA que aparecen en un solo motor de los tres principales
Fuente: Kevin Indig / Omnia, 3,7 millones de citas analizadas, mayo 2026
Solo el 2,37% de las URLs citadas tiene presencia universal entre ChatGPT, Perplexity y Google AI Overviews simultáneamente. Presencia en ChatGPT no predice presencia en Perplexity. Visibilidad en AI Overviews no predice visibilidad en Claude.
La fragmentación no es temporal ni un bug del sistema. Es la consecuencia de que cada motor tiene arquitectura de recuperación distinta, índices distintos y criterios de selección distintos. No hay un leaderboard unificado de visibilidad IA.
Por qué las tácticas de AI SEO aisladas fallan de forma predecible
Mientras la fragmentación crecía, el mercado construía una industria de atajos: FAQ farms, listicles programáticos, comparativas a escala, llms.txt como solución mágica. El resultado es documentado.
Sitios con estrategia de AI content que perdieron 30% o más de su pico de tráfico orgánico
Fuente: Lily Ray, análisis de 220+ sitios, 2026
De los 220+ sitios monitoreados por Lily Ray, el 39% perdió la mitad de su tráfico y el 22% perdió más del 75%. Los mismos templates que generaron visibilidad temporal son exactamente los que Google lleva años penalizando: contenido sin perspectiva propia, sin datos reales, sin experiencia demostrada.
El caso de llms.txt merece un párrafo aparte, porque ahora hay evidencia y no solo escepticismo. En un protocolo de julio de 2026 sobre un dominio monitoreado, el robot de OpenAI descargó el sitemap aproximadamente una vez al día y no siguió ninguna de las ocho URLs listadas únicamente ahí. Esa misma mañana rastreó las ocho páginas alcanzables mediante un enlace interno. Si el descubrimiento corre por enlaces, un archivo declarativo más no cambia nada.
URLs listadas solo en el sitemap fueron rastreadas por el robot de OpenAI. Las 8 alcanzables por enlace interno sí se rastrearon ese mismo día
Fuente: Resoneo, julio 2026, protocolo sobre dominio monitoreado
La lectura accionable es poco glamorosa y por eso se ignora: antes de implementar cualquier archivo nuevo, revisa que las páginas que te importan estén enlazadas desde otra página ya rastreada. El enlazado interno vuelve a ser la palanca, igual que en el SEO de siempre.
Google lo confirmó en su guía oficial publicada en mayo 2026: AEO y GEO son simplemente SEO. No existe un atajo técnico que reemplace la construcción de autoridad real.
La IA selecciona lo que resuelve mejor la necesidad del usuario en ese momento. No lo que está más optimizado. No lo que publicó más páginas. El criterio de selección es invariante en todos los layers del ecosistema: utilidad real para una necesidad específica.
Los tres layers del conocimiento IA: qué construye autoridad en cada uno
Para entender por qué la optimización de un solo canal no alcanza, es necesario entender cómo los sistemas IA acceden al conocimiento. Operan en tres capas distintas, con lógicas de selección distintas.
| Layer | Cómo funciona | Qué construye autoridad |
|---|---|---|
| 1. Training data | Lo que el modelo aprendió durante entrenamiento. Estático. Costo estimado: $78M-$191M por modelo. | Menciones en medios, foros y fuentes humanas. PR que genera presencia externa verificable. |
| 2. RAG en tiempo real | Recuperación sobre índices de Google y Bing al momento de la consulta. Dinámico. | Brand search elevado, citas externas, contenido con profundidad temática real. SEO estructural. |
| 3. APIs y MCPs | Herramientas activas conectadas al modelo. Acceso a datos en tiempo real. | Integraciones directas, datos propios accesibles, perspectiva que la IA no puede generar internamente. |
Una marca que solo invierte en producción de contenido en su propio dominio aparece en los tres layers de la misma forma: presente técnicamente, invisible funcionalmente. El layer 1 requiere señales externas. El layer 2 requiere profundidad estructural real. El layer 3 requiere datos e integración que la IA no tiene sin acceso directo.
La estrategia que sí construye visibilidad durable en IA
La visibilidad en IA no es un canal que optimizar. Es un ecosistema que coordinar.
La visibilidad durable en IA no se construye optimizando mejor un canal aislado. Se construye coordinando cuatro disciplinas que se refuerzan mutuamente.
1. PR que genera menciones reales
Las menciones en medios confiables, las referencias en sitios de terceros y las recomendaciones verificables son el combustible del layer 1. No son relaciones públicas en el sentido tradicional: son señales que terminan en los datasets de entrenamiento y que los sistemas RAG encuentran cuando buscan grounding en tiempo real. Sin presencia externa real, la IA no tiene de dónde aprender que una marca existe o es confiable.
2. SEO con profundidad estructural
El 83% de las fuentes citadas en AI Overviews no está en el top 10 orgánico de Google. La profundidad temática (guías reales, contenido de soporte, respuestas a preguntas específicas) es lo que los sistemas RAG recuperan. El contenido que mejor viaja entre los tres motores son las guías y tutoriales (2,3% de portabilidad universal frente al 1,1% de las homepages): son los que resuelven incertidumbre concreta, no los que representan a la marca.
3. Performance que amplifica lo que ya funciona
El tráfico desde LLMs convierte al 18% en ecommerce, frente al 1-2% típico del canal orgánico. Pero la atribución last-click lo invisibiliza como referral de bajo volumen. Paid media mal coordinado sobreinvierte en canales que capturan intención ya construida por otros, y subestima exactamente donde más rinde. La integración entre performance y señales de marca amplifica la visibilidad en lugar de competir con ella.
A ese subregistro hay que sumarle un sesgo técnico que agrava el problema en la misma dirección. ChatGPT etiqueta con utm_source casi todos los enlaces que muestra, pero las páginas que el modelo abrió y leyó él mismo nunca llevan ese parámetro. Y son justamente esas las que tienen un 74% de probabilidad de ser citadas, frente al 7% de las que solo recupera. El mejor caso es el que peor se atribuye.
Esa tasa de conversión también está medida fuera del ecommerce, y en el mismo orden de magnitud. En el conjunto de datos de una agencia de performance, el tráfico referido desde LLMs convierte al 20% y es la táctica que mejor convierte de todas las que mide, un 61% por encima de la búsqueda pagada.
convierte el tráfico referido desde LLMs, un 61% por encima de la búsqueda pagada en el mismo conjunto de datos
Fuente: Search Engine Land, agosto de 2026
Esa diferencia no es un premio, es un encargo. Quien llega desde una cita ya pasó por la parte alta del embudo dentro del chat: el modelo sintetizó las opciones y le recomendó una. No viene a comparar diez alternativas, viene a verificar la que le dieron. Una landing de captación, sin navegación y con un formulario por delante, le quita exactamente aquello a lo que venía. Lo que convierte a ese visitante es la profundidad: la evidencia que sostiene lo que la IA afirmó, las rutas hacia el detalle y el paso siguiente visible sin pedirle datos primero.
El corolario para la medición interna es que el clic dejó de ser el final del trabajo. Si el visitante entra en una etapa del embudo distinta de la de hace dos años, la página que lo recibe tiene que hacerse cargo de esa etapa. Una página que rankea, recibe el clic y no mueve ninguna señal posterior, ni visita a producto, ni retorno, ni conversión asistida, está midiendo un éxito que el negocio no ve.
4. Contenido que la IA no puede replicar
El contenido que construye visibilidad durable es el que no puede ser generado por IA: datos propios, experiencia real en proyectos reales, punto de vista específico sobre problemas concretos. La perspectiva cultural local es la ventaja estructural frente al sesgo inglés de los modelos globales, y no se puede comprar con presupuesto de contenido genérico.
La pregunta correcta no es '¿cómo aparecer en IA?'. Es: ¿para qué necesidades específicas somos la fuente más útil y confiable? Si la respuesta es clara, la aparición en IA es una consecuencia. Si es vaga, más optimización técnica no la va a resolver.
La fragmentación también ocurre dentro de un mismo motor
Hasta acá el argumento fue que ChatGPT, Perplexity y AI Overviews son sistemas distintos. En julio de 2026 apareció una medición que agrega un nivel más: dentro de ChatGPT también hay sistemas distintos que no comparten infraestructura entre sí.
| Superficie | De dónde saca los datos | Qué disciplina la trabaja |
|---|---|---|
| Búsqueda web | Índice interno o Google scrapeado | SEO y AEO sobre tu propio sitio |
| Noticias | Resúmenes generados por máquina y feeds de partners | Relaciones con medios, no optimización on-page |
| Local y mapas | Feeds de Yelp, TripAdvisor y Google Maps | SEO local y ficha de Google Business |
| Shopping | Catálogo propio alimentado por feeds de comerciantes | Feed de producto, no ranking orgánico |
| Imágenes | Re-alojadas en servidores de OpenAI | SEO de imágenes, sin tráfico ni logs propios |
El dato más contundente es el de shopping: el carrusel de productos no comparte una sola dirección con los motores de búsqueda. Rankear bien en los enlaces de ChatGPT no te mete en las fichas de producto, son dos trabajos distintos. Una estrategia de visibilidad que solo trabaje la búsqueda web deja cuatro puertas cerradas dentro del mismo motor.
El detalle de cómo se alimenta cada una de esas cinco superficies, y qué implica para el trabajo concreto, está en cómo funciona ChatGPT Search.
La gente no se fue de Google: usa los dos
El 95% de los usuarios de ChatGPT también aparece en la audiencia de Google, y esa proporción se mantuvo igual entre septiembre de 2025 y mayo de 2026, mientras las visitas a plataformas de IA generativa crecían un 70% interanual. La IA se sumó al recorrido en lugar de reemplazarlo.
de los usuarios de ChatGPT también aparece en la audiencia de Google, sin variación entre septiembre de 2025 y mayo de 2026
Fuente: Similarweb, mayo de 2026
Ese dato llega a las reuniones como prueba de que no pasa nada, y ahí se rompe. Una persona que hace una sola búsqueda al mes ya cuenta como usuaria de Google, y puede estar usándolo para mapas, para entrar a un servicio o para ver un horario mientras traslada su investigación a un chat. La superposición mide personas, no consultas ni clics, y esas tres cosas se mueven por separado.
Las otras dos sí se movieron. Un estudio de la Universidad Bocconi sobre datos de navegación de escritorio en Estados Unidos midió que los hogares que ganaron acceso a ChatGPT Search redujeron sus búsquedas tradicionales un 9,4%, y que la brecha se ensanchaba con el tiempo hasta el 17% a las veinte semanas. Un experimento de campo publicado en agosto de 2026, con 1.100 usuarios de Chrome a los que se enrutó el 94,7% de sus búsquedas a AI Mode, midió una caída de 18,8 puntos en el clic hacia sitios externos y sesiones más largas. Siguieron buscando en Google y dejaron de salir de Google.
cayó el clic hacia sitios externos al enrutar a AI Mode el 94,7% de las búsquedas de 1.100 usuarios de Chrome, con la duración de la sesión subiendo
Fuente: Wang, Gleason, Bart, Wilson y Metaxa, experimento de campo, arXiv, agosto de 2026
La caída no se reparte por igual, y ahí está la parte accionable. En el estudio de Bocconi las referencias a sitios académicos cayeron un 32,8%, las de sitios de referencia un 26,5%, las de desarrollo un 15,1% y las de noticias un 13,4%, mientras que las de marketplaces y entretenimiento se movieron tan poco que no se distinguen de cero. Lo que se sustituye es la consulta informativa, la que se responde con un párrafo. Lo que sobrevive es la que termina en una transacción o en algo que el chat no puede entregar.
Si el catálogo de contenidos de una marca es mayoritariamente informativo, su tráfico va a caer aunque su visibilidad en IA suba, y las dos series hay que leerlas juntas. La asimetría por tipo de página (informativa, transaccional, de marca) se mide antes de que la pregunte la gerencia, no después.
Cómo distribuir la inversión en el ecosistema IA
El marco de los tres layers convierte la pregunta de visibilidad en una pregunta de distribución de inversión. No hay una respuesta única para todas las marcas, pero hay tres preguntas que toda estrategia debe responder:
- ¿Cuánto va a construir señales externas para los datasets de entrenamiento? PR, partnerships, menciones en medios relevantes para el mercado.
- ¿Cuánto a estar disponible y ser recuperado en tiempo real por los sistemas RAG? SEO con profundidad temática, contenido que responde incertidumbre concreta, accesibilidad técnica sin fricciones.
- ¿Cuánto a amplificar lo que ya tiene tracción? Performance coordinado con señales de marca, no compitiendo contra ellas.
La respuesta correcta no es la misma para una marca global que para una marca de mercado específico. Pero la lógica de coordinar los tres layers es universal.
Conclusión: la visibilidad en IA es un ecosistema, no un canal
Amazon controla el 12,5% de sus citas en IA no porque falló en su estrategia técnica. Falló porque ninguna estrategia técnica aislada puede controlar cómo el mercado habla de una marca en un ecosistema fragmentado. Lo mismo aplica a cualquier empresa que apuesta a visibilidad IA optimizando un solo canal.
Las marcas que van a dominar la visibilidad en IA en los próximos años no son las que mejor optimizaron un canal. Son las que mejor coordinaron PR, SEO, performance y contenido como un sistema que se refuerza mutuamente.
La visibilidad en IA no es un canal que optimizar. Es un ecosistema que coordinar.
¿Estructurando la estrategia de visibilidad IA de tu marca?
En Milimetrix somos expertos en GEO y trabajamos exactamente en esto: ayudamos a marcas a coordinar PR, SEO, performance y contenido como un sistema de visibilidad IA que construye resultados duraderos.
