← AICite

Glosario GEO

Definiciones autoritativas de los términos clave de Generative Engine Optimization, AI search, y citation analysis.

GEO (Generative Engine Optimization)

Disciplina de optimizar contenido web para ser citado por motores de búsqueda generativos como ChatGPT, Claude, Perplexity y Google AI Overviews.

A diferencia del SEO clásico que busca posición #1 en Google, GEO busca que la inteligencia artificial recomiende tu contenido cuando un usuario hace una pregunta. La práctica incluye agregar definiciones explícitas, schema.org estructurado, snippets de respuesta directa, y posicionamiento competitivo en texto plano que la IA pueda extraer.

Relacionado: AI Search · Citation Score · Schema.org

AI Overviews

Bloques de respuesta generativos que Google muestra arriba de los resultados orgánicos cuando detecta una pregunta. Anteriormente conocido como SGE (Search Generative Experience).

Funcionan como una capa AI sobre el SERP de Google: leen las top páginas para tu query, sintetizan una respuesta, y citan las fuentes inline. Si tu contenido aparece como AI Overview source, recibes tráfico altamente cualificado. Si no, los usuarios suelen no scrollear hasta los resultados orgánicos clásicos.

Relacionado: AI Search · Citation Score

Citation Score

Métrica de visibilidad de un sitio en motores AI — porcentaje de queries plausibles donde el sitio aparece citado en las respuestas de los AI consultados.

En AICite calculamos el score generando 15 queries representativas del contenido de la URL, ejecutándolas en cada motor AI configurado, y midiendo el ratio de citaciones. Score 0/100 = nunca te citan. Score 100/100 = te citan en cada query × cada motor. La mayoría de sitios indie obtiene 0-20/100; unicornios establecidos llegan a 50-90/100 dependiendo del motor.

Relacionado: GEO · LLM-as-judge

LLM-as-judge

Patrón de AI engineering donde un LLM evalúa la salida de otro LLM contra criterios estructurados — útil para clasificar, extraer información, o detectar propiedades en respuestas no determinísticas.

En AICite usamos Claude Haiku 4.5 como juez para extraer si la respuesta de un motor AI cita un sitio dado: lee el texto + sources, decide cited (sí/no), position, sentiment (positivo/neutral/negativo), y lista de competidores citados. Es el reemplazo moderno del regex-y-cross-fingers para clasificar texto. Funciona porque modelos como Haiku son baratos ($1/$5 por millón de tokens) y consistentes en tareas estructuradas.

Relacionado: Multi-engine orchestration · Citation Score

Multi-engine orchestration

Patrón de ejecutar múltiples LLMs en paralelo para una sola tarea, agregando los resultados o usando consenso.

AICite consulta ChatGPT y Claude (y opcionalmente Perplexity, AI Overviews) en paralelo con Promise.allSettled — si un motor falla, los demás siguen, y reportamos el subset exitoso. Cada motor tiene sesgos distintos (Claude conoce mejor empresas SaaS B2B, ChatGPT tiene mejor cobertura general), por lo que ejecutarlos juntos da una vista más completa de la visibilidad.

Relacionado: LLM-as-judge · Cross-engine asymmetry

Cross-engine asymmetry

Fenómeno donde un mismo sitio tiene scores muy diferentes en motores AI distintos (ej: 93% en Claude pero 20% en ChatGPT).

Cada motor AI tiene un training data distinto, prioriza tipos de contenido distintos, y usa estrategias de retrieval distintas. Sitios bien establecidos en un nicho específico (ej: Linear en project management) pueden ser bien conocidos por un motor y casi invisibles en otro. Detectar esta asimetría es una de las primeras cosas que GEO permite hacer — antes de optimizar, mide para cada motor por separado.

Relacionado: GEO · Citation Score

Hallucination

Cuando un LLM genera información incorrecta con tono de seguridad — ej: inventar features de un producto, atribuir mal una cita, confundir entidades con nombres similares.

Particularmente dañino en GEO porque tu sitio puede ser citado pero descrito incorrectamente. Ejemplo real auditado: ChatGPT cree que Staxly (catálogo de plataformas dev) es un proxy de Minecraft. La causa típica es contenido ambiguo o falta de disambiguation signals — falta una sección "About" clara, o los términos del nicho no están definidos. Los fixes para GEO incluyen detectar y corregir hallucinations específicas.

Relacionado: GEO · Disambiguation

Disambiguation signals

Pistas explícitas en el contenido que ayudan a una IA a clasificar correctamente tu sitio: "X es una herramienta de Y para Z usuarios", "X compite con A, B, C", JSON-LD SoftwareApplication.

Sin disambiguation signals, los AI tienden a inferir incorrectamente — sobre todo para nombres de marca ambiguos o productos en categorías nuevas. Buenos signals incluyen: definición one-liner explícita en H1 o párrafo introductorio, schema.org structured data, comparaciones explícitas con competidores conocidos, y secciones "Qué NO somos" para casos edge.

Relacionado: Hallucination · Schema.org

Schema.org

Vocabulario estandarizado de tipos de datos (Article, FAQPage, SoftwareApplication, etc.) que se inserta como JSON-LD en HTML para que crawlers AI y motores de búsqueda extraigan información estructurada sin ambigüedad.

En GEO es particularmente útil para: marcar FAQs visibles (FAQPage), declarar pricing y categoría (SoftwareApplication), describir comparaciones (Product), y proveer breadcrumbs. Los motores AI lo usan tanto para retrieval como para citaciones — un FAQ marcado con FAQPage tiene mucho más probabilidad de ser citado que prosa libre con la misma información.

Relacionado: Disambiguation signals · GEO

¿Quieres saber qué tan visible es tu sitio en motores AI?

Audita tu URL gratis →