Qué es GEO (Generative Engine Optimization)
GEO, o Generative Engine Optimization, es la disciplina de medir y mejorar cómo una marca es representada en las respuestas que generan los modelos de lenguaje: ChatGPT, Claude, Perplexity y Gemini, entre otros. Donde el SEO optimiza la posición de un enlace en una página de resultados, el GEO optimiza si una marca es nombrada dentro de la respuesta que el usuario lee, en qué orden aparece y con qué tono se la describe.
La diferencia es estructural. Una búsqueda tradicional devuelve una lista de enlaces y deja la elección al usuario. Un motor generativo devuelve una respuesta sintetizada que menciona un conjunto reducido de marcas y omite el resto. Para una empresa, la pregunta dejó de ser "en qué puesto aparece mi sitio" y pasó a ser "me nombra el modelo, y cómo".
Las cuatro señales que mide el GEO
El GEO se descompone en cuatro señales medibles, cada una con un análogo en el SEO que los equipos de marketing ya conocen:
- Tasa de mención. El porcentaje de respuestas relevantes en las que la marca es nombrada. Es el piso de la visibilidad: una marca que aparece en el 15% de las respuestas es, en la práctica, invisible frente a una que aparece en el 70%.
- Tasa de citación. El porcentaje de menciones acompañadas de un enlace a la fuente. Determina el tráfico de referencia que efectivamente llega al sitio.
- Posición. El orden de aparición cuando el modelo enumera varias marcas. Los modelos tienden a dar más peso a la primera entidad nombrada.
- Sentimiento. El tono con el que se describe a la marca. "Innovadora y sólida" y "tradicional pero lenta" enrutan la intención del usuario de forma distinta.
Por qué es un problema nuevo
La respuesta de un buscador clásico es determinística: la misma consulta devuelve la misma página. La respuesta de un modelo generativo es estocástica y depende del contexto. La misma pregunta, formulada cinco veces, puede nombrar marcas distintas. Por eso la medición seria no puede ser una sola consulta: requiere muestreo repetido de variantes de prompt, a través de varios modelos, a lo largo del tiempo.
Esa es la metodología detrás de los rankings públicos de iarank: cada leaderboard sectorial es el resultado de unos 20 prompts en el idioma local, por cuatro motores, repetidos cinco veces cada uno. La metodología completa está publicada.
Qué pueden hacer las marcas
La evidencia disponible en 2026 apunta a un conjunto reducido de palancas. Las menciones de marca en la web —más que los enlaces entrantes— correlacionan con la visibilidad en las respuestas generadas. Las páginas profundas y específicas, densas en datos y citas verificables, son citadas con más frecuencia que las páginas de inicio. Y el contenido estructurado para responder una pregunta concreta en sus primeras líneas es el que los motores tienden a extraer.
El primer paso, sin embargo, es medir. Una marca no puede mejorar una presencia que no ha cuantificado. Los leaderboards de iarank publican ese punto de partida, sector por sector, para seis mercados de América Latina.