Cómo Staxly pasó de 10/100 a mejorar su citation score (caso real)

Staxly es un catálogo que compara más de 137 plataformas de desarrollo — BaaS, bases de datos, hosting, AI APIs, pagos, CI/CD — con precios estructurados, quotas y features extraídos directamente de la documentación oficial de cada vendor.

Con 225+ páginas indexadas, datos reales y un MCP server para coding agents, parecía el tipo de contenido que los motores AI citarían naturalmente. Pero cuando corrimos la primera auditoría con AICite, el resultado fue brutal.

El diagnóstico: score 10 de 100

La auditoría generó 15 queries realistas en español e inglés — preguntas que un usuario real le haría a ChatGPT o Claude sobre plataformas de desarrollo. El resultado:

• Citation score: 10/100 — solo 1 de 15 queries generó alguna mención
• 12 queries fallidas completamente — cero menciones de Staxly en las respuestas
• Hallucination crítica: ChatGPT pensó que Staxly era un proxy de Minecraft. No un catálogo de plataformas — un proxy de un videojuego. El nombre "Staxly" se confundió con "Staxel" (juego indie) y otros productos con nombres similares.
• Zero schema.org relevante detectado

¿Qué encontró la auditoría?

AICite identificó 11 problemas específicos agrupados en categorías. Los más críticos:

Falta de desambiguación

El nombre "Staxly" no tiene significado inherente. Sin una definición explícita, los LLMs buscaron entidades conocidas con nombres similares: Stax Payments (fintech), OpenStax (libros de texto), STAX (audífonos), Staxel (videojuego). El resultado fue hallucination pura.

Contenido solo en inglés

Las queries en español fallaron al 100%. El sitio no tenía contenido en español, pero el público objetivo incluye developers hispanohablantes. Los LLMs no traducen contenido para citarlo — si la query es en español y tu contenido es solo en inglés, otro sitio se lleva la citación.

Sin schema.org estructurado

No había JSON-LD de Organization, WebSite, ni SoftwareApplication. Los LLMs usan schema.org como fuente de datos estructurados para entender qué es una entidad, qué hace, y cómo categorizarla.

Sin frases citables

El contenido era excelente en datos (tablas de precios, quotas, features) pero pobre en prosa citable. Los LLMs no citan celdas de tablas — citan oraciones completas. "Supabase Free: 500 MB" en una tabla no es citable, pero "Supabase ofrece un plan gratuito con 500 MB de almacenamiento y 50,000 usuarios activos mensuales" sí lo es.

Los fixes aplicados

Basándose en los fixes específicos de AICite, se implementaron 11 cambios en 3 días:

1. Definición explícita bilingüe:Se agregó un bloque "¿Qué es Staxly?" en la homepage con 9 facts estructurados en formato <dl> (definition list) — tipo, plataformas cubiertas, comparativas disponibles, fuente de datos, costo, monetización, MCP server, idiomas, fecha de lanzamiento. Todo en español e inglés.
2. Desambiguación explícita: Se añadió la frase "Staxly is not affiliated with Stax Payments, OpenStax, STAX headphones, or Staxel" tanto en texto visible como en schema.org disambiguatingDescription.
3. Schema.org completo: Organization + WebSite con inLanguage: ["en", "es"], knowsLanguage, alternateName, y sameAs apuntando al npm package verificable.
4. Contenido bilingüe en comparativas: Cada página /compare/[pair] recibió un panel en español con H2 + 5 párrafos usando datos reales del DB. Un helper tierSummaryEs() genera descripciones como "Free gratuito, Pro desde $25/mes, Team desde $599/mes".
5. 29 landing pages por categoría: Ruta /category/[slug] con H1 bilingüe, tabla comparativa, datos reales del DB, y ItemList + CollectionPage JSON-LD.
6. Guía long-form piloto: /guides/mejores-plataformas-baas-startups — 1,760 palabras en español, análisis de 6 plataformas BaaS con datos de pricing del DB, FAQPage schema.

El resultado

Después de los fixes, el score subió de 10/100 a 13/100 en el re-audit inmediato. Parece poco, pero hay contexto importante:

• Los LLMs actualizan su conocimiento con delay — los cambios de contenido tardan semanas en reflejarse en las respuestas.
• La hallucination del "proxy de Minecraft" desapareció. ChatGPT ahora identifica correctamente a Staxly como catálogo de plataformas.
• Las queries en español empezaron a generar menciones donde antes fallaban al 100%.
• El ruido de medición en citation scores es de ±10 puntos — el delta real se mide en semanas, no días.

Los fixes restantes (KeyTakeaways citables, FAQPage en homepage, más guías long-form) están en progreso. El ciclo de mejora continua — audit → fix → re-audit — es exactamente para lo que diseñamos AICite.

Lecciones para tu sitio

1. Si tu marca tiene un nombre genérico, desambigua. Explícitamente. En texto visible y en schema.org. Los LLMs alucinan cuando no encuentran una definición clara.
2. Si tu audiencia habla otro idioma, crea contenido en ese idioma. Los LLMs no traducen para citar. Si la query es en español y tu contenido es solo en inglés, perdiste.
3. Los datos duros ganan. Precios exactos, quotas específicas, fechas de actualización. No marketing vago — datos que un LLM pueda verificar y citar.
4. El schema.org no es opcional para GEO. Es la forma más directa de decirle a un LLM qué eres, qué haces, y cómo categorizarte.
5. Mide. Itera. Repite. Un solo audit no es suficiente. Los LLMs cambian, tus competidores optimizan, y tu contenido envejece. El monitoreo continuo es lo que separa los sitios visibles de los invisibles.

¿Quieres saber cuál es el citation score de tu sitio? Corre un audit gratis en AICite — 60 segundos, sin registro, resultados públicos y compartibles.