Cinco cosas, en este orden: que el sistema decida buscar, que pueda entrar a tu sitio, que te recupere entre miles de páginas, que te ubique entre las pocas que el modelo va a leer y que lo que lea de vos sirva para armar la respuesta. Una web trabajada en cada una de esas etapas tiene más posibilidades de ser encontrada, elegida y usada por una IA.
El orden importa porque cada etapa depende de la anterior. En el banco de pruebas de las universidades de Yonsei y Konkuk (KDD 2026), el 5,8% de las páginas probadas —todas elegidas entre las diez que llegan al modelo— bajó al puesto 11 en el reordenamiento después de reescribirlas, y quedó afuera. Este artículo ordena ese camino y manda cada etapa al artículo donde la explicamos. Cada estudio mide una etapa con su propio sistema de prueba, por eso el mapa no promete resultados: dice qué hace cada etapa y qué la favorece.
Depende de la pregunta. La documentación de la herramienta de búsqueda web de Claude (Anthropic) dice que busca cuando la consulta depende de información actual, cambiante o ajena a su entrenamiento —entre otros casos, datos sobre organizaciones, personas o productos específicos que pudieron cambiar— y que responde directo ante conocimiento estable, como hechos establecidos o matemática. Esa descripción corresponde a la herramienta para desarrolladores: quien la integra puede inclinarla a buscar más o a buscar menos.
Un estudio de la Universidad de Toronto (Chen, Wang, Chen y Koudas, EDBT/ICDT 2026) mostró con GPT-4o la otra cara. Ante entidades muy conocidas, lo que el modelo recupera funciona como confirmación de lo que ya sabía. Ante entidades de nicho, la respuesta depende mucho más de lo que encuentra. Por eso lo específico de tu negocio es donde lo que publicás pesa más; lo explicamos en ¿Por qué una ferretería no debería competir contra Wikipedia?.
Antes de leer algo, el sistema tiene que poder entrar. Esta etapa no forma parte del análisis de Nostos; la incluimos porque sin ella las demás no ocurren.
OpenAI separa sus rastreadores según para qué sirven. Según su documentación, los sitios que excluyen a OAI-SearchBot no se muestran en las respuestas de la búsqueda de ChatGPT, aunque pueden aparecer como enlaces de navegación, y recomienda permitirlo en el archivo robots.txt. GPTBot, el que se usa para entrenar modelos, es un ajuste independiente: se puede permitir la búsqueda y rechazar el entrenamiento.
Google explica en su guía que, para ser enlace de apoyo en AI Overviews y AI Mode, la página tiene que estar indexada y poder mostrarse con fragmento, y que no hay requisitos técnicos adicionales ni un marcado especial. Entre las prácticas que menciona figura permitir el rastreo en robots.txt y en el CDN o el hosting.
El IAB Tech Lab publicó en mayo de 2026, para comentario público, una guía para decidir qué bots y rastreadores permitir. No recomienda bloquear ni permitir uno en particular: plantea que tomar todo o nada no es apropiado, y propone evaluar cada rastreador por separado y observar antes de bloquear.
Si querés ver qué le pasa a una máquina que entra pero no puede leer lo que publicaste, lo contamos en ¿Tu web está preparada para que la encuentren?.
Comparando las palabras de la pregunta con las de cada campo de tu página: título, descripción, encabezados y marcado. En el mismo estudio de Yonsei y Konkuk, mejorar solo esos campos hizo que una página apareciera entre los 20 primeros candidatos en el 71% de las consultas, contra el 58% de partida. Reescribir solo el cuerpo la dejó en el 53%.
El sistema es un banco de pruebas propio —un recuperador por palabras, un reordenador y un generador, sobre unas 171.000 páginas— y no reproduce un motor comercial en particular. Lo explicamos en ¿Optimizar tu texto para IA puede volverte invisible? y la parte práctica está en ¿Cómo escribir título y descripción para que una IA te recupere?.
Siendo la que mejor contesta lo que se preguntó. Después de recuperar, un reordenador elige las pocas páginas que se le entregan al modelo. En el estudio de Yonsei y Konkuk, ese reordenador favorecía el contenido que respondía lo que buscaba la consulta, premiaba que la respuesta estuviera al principio de la página y penalizaba el que ampliaba el tema más allá de eso.
Un estudio de la Universidad de California, Berkeley (Wan, Wallace y Klein, ACL 2024) llegó a algo parecido con otro método. Enfrentó párrafos con respuestas opuestas ante preguntas polémicas: agregar referencias científicas o sonar más objetivo tuvo un efecto neutro o negativo, y los cambios que acercaban el texto a la pregunta mejoraron su tasa de victoria. Lo desarrollamos en ¿Por qué a una IA le importa más la relevancia que el estilo?.
Con lo que dice el cuerpo de tu página. En el estudio de Yonsei y Konkuk, la gran mayoría de las citas de la respuesta final salía del cuerpo del texto y no de los campos estructurales: los campos ayudan a que te encuentren y el cuerpo, a que te citen.
Sobre cómo ordenar ese cuerpo hay un preprint —un trabajo publicado en arXiv, todavía sin revisión de pares— de las universidades de Tokio, Tsukuba y Hiroshima y del Instituto Nacional de Informática (Yu et al.). Los autores reorganizaron la estructura de 200 artículos —jerarquía de encabezados, extensión de los párrafos, listas y tablas, énfasis— conservando su significado, y informan que la tasa de cita pasó de 45,0% a 52,8% en seis motores generativos, un 17,3% más. El detalle está en ¿Cómo tenés que ordenar tu contenido para que una IA te cite?.
Son cinco revisiones. Ninguna garantiza aparecer; cada una le da a tu web más posibilidades en su etapa.
Obtené tu score GEO sobre los ocho criterios con respaldo académico y enterate en qué estado está tu web frente a los motores de IA.
Hacer el análisis en nostosgeo.app