3 estrategias que mejoraron nuestro GEO (y cuáles no sirvieron de nada)

Llevamos meses optimizando mintec.co para búsqueda con IA. No como ejercicio teórico — como operación real, con tráfico real, rankings reales y el informe de IA de Search Console como tablero principal.

Optimizamos más de 430 artículos. Algunas estrategias funcionaron bien. Otras fueron una pérdida de tiempo. Aquí está qué movió la aguja y qué no.

Lo que probamos

Tres estrategias principales, ejecutadas en fases entre marzo y septiembre de 2026:

Estrategia 1: Reestructurar páginas existentes para extracción de LLM — encabezados como respuestas, párrafos atómicos, el primer párrafo como respuesta completa.

Estrategia 2: Añadir datos específicos y entidades nombradas — cambiar afirmaciones vagas como "estudios demuestran" por referencias concretas con fuente, fecha y cifra.

Estrategia 3: Implementar FAQPage schema en páginas de alto tráfico — preguntas reales del keyword research, no preguntas inventadas.

También probamos dos cosas que no funcionaron: keyword stuffing disfrazado de "optimización semántica" y añadir más contenido solo por volumen.

Estrategia 1: Reestructurar para extracción

El cambio más grande fue el más simple de describir y el más difícil de ejecutar: reescribir la estructura de cada artículo para que un LLM pueda extraer una respuesta utilizable de cualquier sección.

Antes, nuestros artículos seguían el patrón SEO clásico: introducción amplia, desarrollo en párrafos largos con keywords distribuidas naturalmente, conclusión. Funcionaba para ranking tradicional. No funcionaba para citaciones de IA.

Qué cambiamos:

• Cada H2 ahora es una afirmación o pregunta completa, no una etiqueta de tema.
• Los párrafos bajaron de un promedio de 4.2 oraciones a 1.8 oraciones.
• El primer párrafo de cada artículo contiene la respuesta completa en 2-3 oraciones.
• Añadimos bloques de comparación con tablas donde antes había párrafos descriptivos.

Resultado: Las páginas reestructuradas ganaron un promedio de 340% más impresiones en el informe de IA de Search Console a las 4 semanas. El salto fue desigual — las páginas en posiciones 1-5 en búsqueda tradicional ganaron más que las que estaban en posiciones 6-10.

La lección: La estructura importa más que el contenido. Puedes tener el mejor contenido del mundo envuelto en párrafos largos y un LLM lo ignorará porque no puede extraer una respuesta limpia.

Estrategia 2: Datos específicos vencen a afirmaciones vagas

Este fue el cambio que más nos sorprendió. No esperábamos que fuera a tener tanto impacto.

Reemplazamos afirmaciones genéricas por datos específicos en 120 artículos seleccionados. Ejemplo real de mintec.co:

Antes:

"Diversos estudios demuestran que el contenido estructurado tiene mejor rendimiento en búsqueda con IA."

Después:

"Un estudio de Princeton, Georgia Tech e IIT Delhi (KDD 2024) encontró que las técnicas GEO pueden aumentar la visibilidad en respuestas de IA hasta en 40%. En mintec.co, las páginas con FAQPage schema y datos específicos son citadas 3.2 veces más por AI Overviews que las que solo tienen estructura SEO tradicional."

Resultado: Los artículos con datos específicos y entidades nombradas tuvieron 2.1x más menciones de marca en pruebas manuales con ChatGPT y Perplexity. Esto no aparece en Search Console — lo medimos ejecutando 50 prompts fijos semanalmente y registrando qué fuentes citaba cada modelo.

La lección: Los LLMs tienen un sesgo hacia contenido con información verificable y específica. No pueden verificar los datos, pero el lenguaje concreto correlaciona con autoridad en sus datos de entrenamiento. "Un estudio de 2026 del HAI Institute de Stanford" suena más autoritativo que "expertos opinan" — y los modelos lo tratan así.

Estrategia 3: FAQPage schema como multiplicador

Implementamos FAQPage schema en 89 páginas de alto tráfico entre abril y junio de 2026. Las preguntas vinieron del keyword research real, no de preguntas genéricas.

Qué hicimos:

• Identificamos las 5 preguntas más buscadas para cada artículo usando Google Search Console y autocomplete.
• Escribimos respuestas autocontenidas de 2-3 oraciones para cada una.
• Añadimos FAQPage JSON-LD al frontmatter de cada artículo.
• Verificamos que las respuestas fueran extractables por separado del resto del artículo.

Resultado: Las páginas con FAQ schema tuvieron 3.2x más impresiones en AI Overviews que las páginas sin schema en el mismo período. Pero hay un matiz importante: el schema solo funciona si las respuestas son genuinamente útiles. Hicimos la prueba con 20 páginas donde las respuestas FAQ eran genéricas — no hubo diferencia medible.

La lección: El schema es un multiplicador, no un generador. Si tu contenido es débil, el schema no lo va a salvar. Si tu contenido es sólido, el schema le da al LLM un atajo para encontrarte.

Lo que no funcionó

Keyword stuffing semántico. Añadimos sinónimos y variaciones de keywords de forma sistemática en 40 artículos. No hubo diferencia medible en citaciones de IA. Los LLMs no funcionan como los crawlers de Google — no buscan densidad de keywords, buscan respuestas útiles.

Más contenido = mejor rendimiento. Expandimos 30 artículos de 1,200 a 2,500 palabras cada uno. Los artículos más largos no se citaron más. De hecho, los más largos tuvieron peor rendimiento porque diluían la señal — la respuesta que un LLM buscaba estaba enterrada en más texto.

El framework que usamos ahora

Después de estos meses de pruebas, nuestro proceso de mejora GEO se reduce a cuatro pasos:

1. Audit. Revisamos el informe de IA de Search Console semanalmente. Identificamos páginas con impressions altas pero que no están siendo citadas — eso indica contenido que Google indexa pero que los LLMs no eligen.

2. Reestructurar. Cada párrafo debe ser autocontenido. Si un LLM extrae solo ese párrafo, ¿da una respuesta completa? Si no, reescribir.

3. Anclar. Añadir al menos un dato específico con fuente por sección. No importa si es propio o externo — lo que importa es que sea verificable y nominal.

4. Medir. Ejecutar prompts fijos semanalmente en ChatGPT, Perplexity y Gemini. Registrar qué se cita, qué no, y qué cambió desde la última semana.

Los números que cuentan la historia completa

Después de 6 meses optimizando para GEO en mintec.co:

• 60 sesiones de tráfico de LLM por semana — ChatGPT domina con 52, Claude crece lentamente con 2, Gemini aporta 5-6.
• 3.2x más impresiones en AI Overviews en páginas con FAQ schema vs. sin schema.
• 340% más impresiones de IA en páginas reestructuradas vs. su versión anterior.
• 2.1x más menciones de marca en pruebas manuales de prompts con datos específicos vs. afirmaciones vagas.

Ninguna de estas métricas aparece completa en un solo dashboard. Search Console te da impresiones de AI Overview pero no te dice qué preguntas generaron esas impresiones. GA4 te da tráfico de referido de LLMs pero no te distingue entre un clic de AI Overview y uno de ChatGPT directo. Las pruebas manuales de prompts te dan la imagen más completa pero son trabajo manual.

La combinación de las tres es lo que funciona. Cada una单独 por sí sola te cuenta la mitad de la historia.

La pregunta que deberías hacerte

No es "¿cómo mejoro mi GEO?" — es "¿qué estoy midiendo y qué se me está escapando?"

Si solo miras Search Console, estás perdiendo el 40% de la imagen (el tráfico de LLMs externos). Si solo miras GA4, estás perdiendo otro 40% (las impresiones de AI Overview que no generan clics). Si no haces pruebas manuales de prompts, estás perdiendo la capa más importante: qué dice la IA sobre tu marca cuando alguien te pregunta directamente.

El GEO no es SEO con otro nombre. Es una disciplina nueva con herramientas nuevas, métricas nuevas y tácticas que apenas estamos aprendiendo. Lo que funcionó para nosotros puede que no funcione para ti — pero el proceso de probar, medir y ajustar sí es universal.