El nuevo problema de visibilidad
Durante 14 semanas el equipo de Gudari corrió un experimento simple. Tomamos 200 marcas mexicanas B2B en cinco categorías (logística, manufactura, fintech, edtech y servicios profesionales) y ejecutamos 50 queries comerciales por categoría contra cuatro motores generativos: ChatGPT, Claude, Gemini y Perplexity.
El resultado fue contundente: 87% de las marcas no apareció ni una sola vez en respuestas a queries que podrían razonablemente generar negocio. La sorpresa no fue que pocas marcas aparezcan — la sorpresa fue cuáles aparecieron.
Empresas con menor presupuesto de marketing aparecían más que líderes de categoría. La diferencia no era el dinero — era la arquitectura de su presencia digital.
Por qué el SEO clásico no es suficiente
El motor de un LLM no premia las mismas señales que Google clásico. Lo que vimos en los datos:
- Las marcas con un sitio bien posicionado en Google pero sin presencia en Wikipedia, Wikidata, Reddit o foros sectoriales rara vez aparecen.
- Las marcas mencionadas en comparativos de terceros (Capterra, G2, Software Advice equivalentes) aparecen 4.2x más.
- El schema.org básico (Organization, WebSite) no es suficiente. Schema enriquecido (Product, FAQPage, HowTo, Review) sí mueve.
- El archivo llms.txt — el favorito de Twitter — no mostró diferencia estadísticamente significativa.
Las tres palancas que sí funcionan
1. Citaciones de terceros
Los LLMs son entrenados sobre la web pública. Si tu marca solo existe en tu propio dominio, el modelo no tiene forma de aprender que existes. Necesitas estar mencionada en sitios que el modelo considera autoritativos: Wikipedia, Wikidata, gremios industriales, comparativos y reviews.
Esto es distinto a los backlinks tradicionales. No buscas autoridad de dominio — buscas cobertura de entidad. Una mención en Wikipedia vale más que cien blog posts en sitios DR-50.
2. Schema enriquecido y datos estructurados
Los modelos modernos cada vez extraen más datos estructurados durante su preentrenamiento y, sobre todo, durante las búsquedas activas que hacen al responder. Implementar schema completo (Product, Service, FAQPage, BreadcrumbList, Review, Organization con knowsAbout) hace que tu información sea legible máquina-a-máquina.
3. Entity coverage de Wikidata
Wikidata es el grafo de conocimiento que alimenta a Wikipedia, a Google y, cada vez más, a los LLMs. Tener una entrada Wikidata bien construida — con propiedades P31 (instance of), P361 (part of), P127 (owned by), P159 (headquarters location) — es una de las palancas con mejor ROI que vimos.
Qué hacer en los próximos 90 días
Si tu marca está en ese 87% que no aparece, este es el playbook que aplicamos con clientes:
- Semana 1–2: Audit completo de presencia generativa. ¿Para qué queries apareces? ¿Para cuáles no? ¿Quién aparece en tu lugar?
- Semana 3–4: Crear o reclamar entrada en Wikidata. Asegurar consistencia con Wikipedia, sitios oficiales y registros gubernamentales.
- Semana 5–8: Schema enriquecido en producción. Empezar por homepage y top 10 páginas con tráfico.
- Semana 9–12: Campaña de citaciones en sitios de tercera parte. Identificar 30 sitios con autoridad para tu sector y lograr 10 menciones de calidad.
La ventana se cierra
En 12–18 meses esta ventaja será mucho más cara. Hoy las grandes agencias todavía no lo tienen integrado a sus procesos. Los precios de los "GEO experts" están en el suelo. Mañana — cuando todas las marcas grandes lo demanden — tendrás que pagar lo que cuesta SEO clásico hoy: cinco a diez veces más.
Si quieres que veamos tu caso específico, agenda 30 minutos. Auditoria de visibilidad generativa va sin costo en el primer call.