Lo que realmente funciona en GEO, según datos
Desde hace meses circulan todo tipo de recomendaciones sobre GEO: añadir llms.txt, llenar las páginas de schema, escribir contenidos más extensos… SISTRIX ha decidido ir más allá de las teorías y medir qué tiene impacto real, y el resultado es uno de los estudios más rigurosos que he visto sobre este tema.
La metodología merece atención: analizaron 48.527 páginas citadas por ChatGPT, AI Mode y AI Overviews y las compararon con otra página del mismo dominio que no recibía ninguna cita. De este modo, la autoridad de la marca queda fuera de la ecuación y solo se mide el efecto de la propia página.
El elemento que más marca la diferencia es la estructura. Las páginas que incluyen un índice de contenidos tienen 1,7 veces más probabilidades de ser citadas, y las que implementan el schema Article multiplican por 1,6 esa probabilidad. También suman puntos disponer de FAQs con schema, tablas con cabecera, un autor identificable con foto y la fecha de última actualización visible.
Pero lo que no funciona resulta igual de revelador. El fichero llms.txt no ofrece ninguna ventaja medible. La longitud del texto por sí sola tampoco: los artículos extensos aparecen más citados porque tienden a estar mejor organizados, no por el simple hecho de tener más palabras. En el caso del ecommerce, el schema Product se asocia incluso a menos citas, por lo que la recomendación para tiendas online pasa por crear secciones de guías o consejos con schema Article.
Hay un apunte metodológico que me parece fundamental para quienes hacen este tipo de estudios: con muestras pequeñas, las conclusiones se vuelven poco fiables. El propio efecto del FAQ schema salía negativo con 833 URLs y positivo al llegar a 4.600. Por debajo de 5.000 URLs, advierten, los datos no son concluyentes.
Conviene aclarar que son correlaciones y que el estudio se centra en el mercado DACH. Aun así, el mensaje final es claro: si solo puedes hacer una cosa, estructura bien tu contenido.
Estudio SISTRIX: qué factores on-page determinan realmente las citas en ChatGPT, AI Overviews y AI Mode
Resumen técnico
El estudio de SISTRIX analiza 48.527 URLs citadas por ChatGPT, Google AI Overviews y Google AI Mode, comparadas con páginas del mismo dominio no citadas para aislar el efecto de página frente al de marca. Resultados clave: páginas con índice de contenidos se citan 1,7x más; schema Article incrementa citas 1,6x; FAQ schema, tablas con cabecera, autoría visible con foto y fecha de actualización suman señales positivas. llms.txt no muestra ventaja medible. El volumen de palabras no es factor independiente. Schema Product en ecommerce correlaciona negativamente con citas. Muestra mínima fiable: 5.000 URLs.
Análisis de implicaciones
El estudio demuestra que los LLMs priorizan parseabilidad estructural sobre volumen de contenido. El efecto del FAQ schema invirtió su signo estadístico al pasar de 833 a 4.600 URLs, lo que invalida estudios GEO con muestras pequeñas. La correlación negativa del schema Product sugiere que los modelos interpretan páginas transaccionales como fuentes de baja autoridad informacional. Esto obliga a separar arquitectura de contenido editorial y comercial dentro del mismo dominio para maximizar visibilidad en respuestas generadas por IA.
Aplicación práctica
Implementación prioritaria: añadir schema Article con campos author, dateModified e image a todo contenido editorial. Generar índice de contenidos con anclas HTML en artículos largos. Para ecommerce, crear una sección de guías o consejos independiente con schema Article, desvinculada de las fichas de producto. Validar toda implementación de schema con Google Rich Results Test y Schema Markup Validator. No invertir tiempo en llms.txt hasta que aparezca evidencia de impacto medible en citaciones reales.
Contexto del sector
El mercado DACH es el ámbito del estudio, aunque los patrones estructurales son consistentes con señales observadas en otros mercados. La GEO está consolidando un consenso técnico: la optimización para LLMs converge con buenas prácticas de structured data ya existentes en SEO técnico. La diferencia es que el schema Article ahora impacta directamente en visibilidad dentro de respuestas de IA, no solo en rich snippets de búsqueda tradicional.
