ChatGPT Search y Google AI Overviews están cambiando el SEO: Habr AI lanzó una guía sobre GEO

Una guía detallada sobre GEO—optimización de contenido para búsqueda LLM—fue publicada en Habr AI. La idea principal es simple: ChatGPT Search, Perplexity y Google AI Overviews cada vez más responden a los usuarios directamente, así que la batalla ya no es solo por un clic en los resultados de búsqueda, sino por la inclusión en la respuesta del modelo.

Por qué surgió GEO

El autor cita estos marcadores de reestructuración de la búsqueda en 2024–2026:

• Los bloques de IA de Google ocuparon la parte superior de la pantalla
• ChatGPT Search alcanzó más de 100 millones de usuarios activos en modo búsqueda para abril de 2026
• Perplexity llegó a 15+ millones de consultas por día
• Las búsquedas zero-click alcanzaron el 65%
• Algunos sitios ya están perdiendo 20–40% del tráfico orgánico

Al mismo tiempo, surge un nuevo canal—AI-referral, cuando un usuario llega a través de un enlace de la respuesta de un modelo de IA.

GEO, AIO, AEO y LLMO son términos relacionados, pero significan lo mismo: el contenido debe ser conveniente no solo para el lector y el robot de búsqueda, sino también para el modelo de lenguaje que ensambla una respuesta a partir de fragmentos de diferentes páginas. A diferencia del SEO antiguo, donde podías ganar a través de palabras clave, meta tags y link building, ahora la claridad de significado, la experiencia y la extractabilidad de hechos son más importantes.

Cómo eligen los modelos

El artículo desglosa un esquema RAG típico: el sistema recibe una consulta, busca páginas relevantes, las clasifica, corta el texto en blocos de 200–500 tokens, inserta los mejores fragmentos en un prompt y solo entonces genera una respuesta con citas.

La consecuencia clave: no es el artículo completo el que compite, sino cada párrafo individual. Si un hecho necesario está oculto profundamente, diluido con relleno o no separado estructuralmente, simplemente puede no llegar al contexto del modelo, incluso si la página en sí es sólida.

El artículo muestra que patrones antiguos de SEO como densidad de palabras clave, páginas delgadas dirigidas a una única consulta y esquemas de enlaces funcionan mal en búsqueda LLM. El enfoque se desplaza a señales que ayudan al modelo a entender rápidamente el significado del texto y confiar en él. En otras palabras, el material ganador no es donde se repite más una frase clave, sino donde la tesis se formula directamente, respaldada por números y fácilmente traducible a una respuesta de IA sin pérdida de contexto.

"La optimización para el algoritmo cede a la optimización para la comprensión".

• Autoridad de dominio y autor: E-E-A-T e historial acumulado de citas aumentan la confianza.
• Extractabilidad estructural: títulos claros, definiciones, FAQ y schema markup ayudan a extraer hechos mecánicamente.
• Densidad semántica: menos relleno, más unidades semánticas independientes en cada párrafo.
• Verificabilidad: fechas, números, estudios y enlaces específicos aumentan la oportunidad de citación.
• Actualidad: los datos actuales reciben prioridad en sistemas que trabajan con indexación web en tiempo real.

Qué deben hacer las redacciones

Las recomendaciones prácticas suenan bastante directas. El artículo aconseja dar una respuesta directa en los primeros 200–300 palabras, mover definiciones al inicio de las secciones, añadir schema FAQPage, HowTo, Article y Person, y montar materiales en topic clusters en lugar de páginas dispersas dirigidas a una única consulta. Se pone énfasis especial en la página del autor: byline, fecha de actualización, perfiles y publicaciones son necesarios no por estética, sino como señales de confianza legibles por máquina.

El primer paso para una redacción es verificar 10–15 consultas clave en ChatGPT Search y Perplexity y ver a quién estos servicios ya están citando. A continuación, tiene sentido configurar un segmento separado de tráfico de IA en GA4, recorrer los materiales principales y añadirles respuestas directas, hechos con fechas y confirmaciones claras.

A continuación, reestructura el núcleo de contenido en pillar pages, cluster pages y enlaces internos explícitos para que el tema se lea como un cuerpo experto unificado en lugar de una colección aleatoria de publicaciones.

El autor sugiere medir el progreso con nuevas métricas: presencia en AI Overviews, volumen de tráfico AI-referral, frecuencia de citas de dominio y proporción de respuestas donde aparece la marca. Este es un cambio importante para redacciones y equipos de contenido: los KPI ya no pueden reducirse solo a posición en SERP y tráfico orgánico general. Necesitas entender con qué frecuencia los modelos de lenguaje eligen tu material como fuente base para una respuesta.

Qué significa esto

GEO no cancela el SEO técnico, pero desplaza el objetivo de la optimización. Los ganadores no serán quienes insertaron palabras clave más precisamente, sino quienes publican contenido experto denso, verificable y bien estructurado. Para medios, blogs y sitios B2B, esta es una señal directa: si el material no es adecuado para cita párrafo a párrafo, cada vez será menos visible para los usuarios.