Sí, si lo único que optimizás es el cuerpo del texto. Un estudio de las universidades de Yonsei y Konkuk, aceptado en KDD 2026, probó las ocho estrategias de optimización para motores generativos más difundidas de la literatura sobre un sistema de búsqueda completo, y midió qué pasa en cada etapa. El resultado: optimizar solo el cuerpo del texto degrada la visibilidad en todas las etapas. El Hit Rate promedio cayó 9%, y la estrategia automatizada más agresiva lo hundió 36%, con una caída de 22,35 posiciones en el ranking de recuperación.
La razón es que una respuesta de IA no se produce en un solo paso. Antes de que un modelo escriba una palabra, un buscador tiene que recuperar tu página de entre millones y un reordenador tiene que subirla hasta el puñado de documentos que el modelo va a leer. Los trucos que hacen que un texto suene citable —cargarlo de estadísticas, de citas, de terminología técnica, de palabras poco frecuentes— actúan sobre la última etapa y perjudican las dos primeras. Un documento que nunca se recupera no compite por ser citado: no existe.
El mismo estudio midió qué corrige esa caída, y ahí está el hallazgo que le importa a cualquiera que tenga un sitio.
Porque las etapas previas a la generación no evalúan lo mismo que el modelo. El recuperador y el reordenador buscan coincidencia con la consulta; el generador busca material para armar una respuesta. Cuando reescribís un texto para agradarle al generador, cambiás las señales de las que dependen las dos etapas anteriores.
Los autores probaron ocho estrategias tomadas de la literatura previa —autoridad, citar fuentes, fluidez, entrecomillados, lenguaje simple, estadísticas, términos técnicos y palabras únicas—, más una combinación de todas y una estrategia automatizada por reglas de preferencia. Ninguna zafó del cuello de botella del reordenamiento: todas mostraron degradación en esa etapa, sin importar el alcance de la optimización. En términos concretos, un 5,8% de los documentos objetivo cayó del puesto 10 al 11 — la frontera entre entrar y no entrar en el conjunto que la IA efectivamente lee.
No lo contradice: lo completa, y explica por qué los resultados anteriores eran tan optimistas. Los benchmarks previos evaluaban las estrategias de optimización sobre un conjunto de documentos candidatos ya elegido de antemano, es decir, dando por hecho que tu página ya había sido recuperada y reordenada. Con esa condición asegurada, mejorar el texto para el generador efectivamente mejora la citación — y así se midieron las mejoras de más de 40% que circulan desde 2024.
Lo que hace distinto a este estudio es que no da nada por hecho: mide la cadena completa, desde la recuperación sobre un corpus grande hasta la respuesta final. Y ahí aparece el costo que el laboratorio no veía. La mejora en citación sigue siendo real; lo que se descubrió es que llegar a la instancia donde esa mejora se aplica es un problema aparte, y que optimizar solo el texto lo empeora.
Para quien tiene un sitio, la lectura práctica es simple: los consejos de optimización que circulan no son falsos, están incompletos. Fueron medidos en una etapa del proceso e interpretados como si valieran para todo el proceso.
Los componentes del documento que un buscador lee como señal independiente del cuerpo del texto. El estudio los enumera: el título, la meta descripción, los encabezados y el marcado JSON-LD. Es lo que en la práctica se llama marcado estructurado, y es exactamente lo que los benchmarks anteriores de optimización para IA descartaban al evaluar — por eso llegaban a conclusiones que no se sostienen fuera del laboratorio.
Al extender la optimización a esos componentes, la mejora en recuperación fue de 22% en Hit Rate y 2,72 posiciones de ganancia promedio. El motivo que dan los autores es directo: la información estructural está diseñada para ser densa en términos relevantes a la consulta, lo que aumenta la coincidencia léxica que los recuperadores priorizan.
No, y esta es la parte que conviene no saltear. El mismo estudio analizó de dónde salen las citas en la respuesta final y encontró lo contrario: el cuerpo del texto es el que se cita.
Los autores lo atribuyen a la densidad de información: el cuerpo del texto aporta evidencia más rica para responder la consulta que la naturaleza concisa y orientada a palabras clave de la información estructural.
De ahí la conclusión operativa, y es la frase que ordena todo el tema: el marcado estructural te hace encontrable; el cuerpo del texto te hace citable. No son intercambiables, y optimizar uno a costa del otro te deja afuera en alguna de las dos etapas. Por eso los autores concluyen que una optimización efectiva requiere ajustarse a cada etapa del sistema por separado.
La mitad estructural es, en la práctica, la que está más descuidada. En el estudio propio de Nostos sobre 39 sitios de e-commerce argentinos, el marcado es el punto más débil del conjunto.
23% de los sitios analizados no tiene ningún marcado estructurado. No un marcado incompleto: ninguno. Para la etapa de recuperación, esos sitios entran a competir sin la señal que el estudio de Yonsei y Konkuk identifica como la que más aporta.
62% quedó por debajo de 30 puntos sobre 100 en estructura de contenido, y el promedio general del conjunto fue de 35/100, con un máximo de 62 y ningún sitio en el nivel más alto.
Es el escenario opuesto al del paper: no sitios que sobreoptimizaron el texto, sino sitios que nunca tocaron la mitad que decide si los encuentran.
Trabajar las dos mitades por separado, sabiendo qué hace cada una:
Obtené tu score GEO sobre los ocho criterios con respaldo académico, incluido tu marcado técnico y tu estructura de contenido.
Hacer el análisis en nostosgeo.app