Cómo buscan los usuarios y cómo van a buscar cada vez más
En Google se hacen alrededor de 13.700 millones de búsquedas diarias.
En ChatGPT se realizan unos 2.500 millones de prompts al día, pero solo unos 600 millones se utilizan para buscar o aclarar información. El resto de los prompts se utilizan para realizar tareas.
Ojo, por eso no podemos suponer que cada prompt que se hace en ChatGPT está sustituyendo a una búsqueda. No es así.
Una persona que le pide a ChatGPT que le redacte un correo, que resuma un documento o que le ayude a programar no está dejando de buscar en Google. Simplemente está utilizando la IA para hacer una tarea.
¿Está cambiando la forma en la que buscamos información? Sí.
¿Google ha dejado de ser relevante? No.
Google se mantiene como el lugar para buscar información más utilizado y, además, es la fuente que más tráfico manda a los sitios web, a pesar de las AI Overviews.
Ahora que tienes presente cómo buscan los usuarios, el siguiente paso es entender cómo funcionan estos sistemas. Sin conocerlos ni entenderlos, no podemos optimizar para ganar visibilidad en ellos.
Cómo funcionan los sistemas de búsqueda de los LLM
Para explicar el funcionamiento de los sistemas de búsqueda de los LLM, lo voy a hacer con ChatGPT, porque es el más usado de todos. Los demás funcionan, en esencia, de forma similar.
La IA identifica si puede responder usando la información que ya tiene en su entrenamiento. Si no puede, decide qué necesita buscar y dónde puede encontrarlo.
A partir de ahí, el modelo transforma la pregunta original en varias consultas sintéticas con las que cree que puede recuperar la información necesaria. Después, realiza esas búsquedas utilizando distintos subsistemas y proveedores:
- SERPs.
- Fuentes permitidas como Wikipedia, arXiv, The Wall Street Journal, Financial Times o Reuters.
- Bright Data.
- Oxylabs.
Después descarta la información que no considera relevante, divide el contenido restante en fragmentos y selecciona los que mejor responden a la pregunta.
Las fuentes que han proporcionado esos fragmentos pasan a ser candidatas para aparecer citadas en la respuesta final. Por último, el modelo lee más contenido de esas fuentes, combina la información y redacta una respuesta citando las fuentes que ha usado.
Quédate con estas dos ideas
- Se hacen varias consultas paralelas.
- Ser elegible no garantiza que te citen en la respuesta final.
Ahora bien, ¿esto es algo tan diferente al SEO que llevamos haciendo desde hace años?
No. De hecho, lo que realiza ChatGPT es una simplificación de lo que hace Google, porque Google lleva casi 30 años optimizando la mejor forma de encontrar respuestas a preguntas mucho más ambiguas y vagas de lo que hacemos ahora cuando conversamos con ChatGPT. ¿O acaso eres de los que le escriben dos palabras?
No te dejes llevar por las palabras fancy que se escuchan cuando se habla de este tema: grounding, context window, fan-outs, RAG… Aunque suenan diferentes, y técnicamente son procesos diferentes a los de IR, buscan resolver el mismo problema.
En la siguiente tabla te pongo frente a frente ambos sistemas.
| Acción de ChatGPT | Motor de búsqueda semántico o híbrido |
|---|---|
| Clasificar el prompt o pregunta | Query understanding e intent classification |
| Decidir qué buscar o generar fan-outs | Query rewriting, expansión y augmentation |
| Filtrar páginas por metadatos | Clasificación léxica tradicional |
| Descargar y parsear páginas | Parsing y anotación de los contenidos |
| Dividir en chunks | Extracción de pasajes |
| Embedding y semantic scoring | Dense retrieval y similitud vectorial |
| Seleccionar los mejores fragmentos | Top-k retrieval |
| Lectura profunda de candidatos | Reranking |
| Generar una respuesta | Generar las SERPs |
Por qué el GEO ha generado tanta confusión
Entonces, si estos procesos son tan similares, ¿por qué hay tanta gente confundida y con un FOMO tremendo por no saber qué hacer para optimizar para la IA?
El problema surgió cuando Pranjal Aggarwal y otros publicaron el paper "GEO: Generative Engine Optimization" y la gente empezó a sacarlo de contexto o ni se molestó en leerlo.
Si investigas un poco, verás que estas personas son muy respetadas en su campo, pero no entienden o no han ejercido SEO profesionalmente. En el mismo paper se proponen técnicas de optimización obsoletas o técnicas básicas de SEO como si fueran técnicas GEO: contenido fácil de entender, autoritativo, con citas de fuentes o estadísticas. Incluso aparecen algunas que Google penaliza desde 2012, como el keyword stuffing.
Estamos hablando de que han evaluado cómo funcionan los sistemas de búsqueda en los LLM utilizando técnicas de SEO que nosotros descartamos hace 13 o 14 años. Encima, afirman que las técnicas básicas de SEO son técnicas de GEO. Ese paper no tiene ninguna relevancia para alguien que lo mira con ojo crítico. Para quien lo ve como una oportunidad para vender los mismos servicios de antes con nuevos palabros y precios más altos, es oro puro.
También tenemos el argumento de quien dice que solo el 12 % de las URLs que cita la IA aparece en el top 10 de Google.
Este porcentaje sale de un estudio de Ahrefs. En él, curiosamente, dicen que solo el 8,6 % de las citaciones de Gemini aparecen en el top 10 de los resultados. Pero el estudio utiliza una metodología en la que no se tienen en cuenta los query fan-outs ni las query augmentations.
Y no lo digo yo. El propio estudio indica que esas diferencias se producen en parte por recuperar las URLs con la técnica del query fan-out.
Lo importante, que es lo que habría que analizar, más aún teniendo en cuenta la patente de las AI Overviews, es si para cada top 10 de cada fan-out los dominios asociados a esos resultados se solapan entre sí y aparecen en las citaciones finales para la consulta original.
Ya sabes cómo está cambiando el comportamiento de los usuarios y cómo funcionan los sistemas de búsqueda de forma simplificada. Ahora es el momento de optimizar.
Cómo optimizar para aparecer en la IA
Teniendo en cuenta todo lo que he dicho anteriormente, la estrategia es muy sencilla.
Haz lo que harías para aparecer en Featured Snippets de Google e intenta dominar las SERPs de tu mercado.
Eso es más de lo que hace el 90 % de tus competidores.
Optimizando para Featured Snippets vas a conseguir que, en el sistema de extracción de pasajes, los tuyos sean los más adecuados cuando la IA extrae esos chunks. Si ya antes habías optimizado para Featured Snippets, sabes que lo que buscabas era que te eligieran por similitud vectorial.
Y con intentar dominar las SERPs de tu mercado me refiero a cubrir todas las redes de consultas que puede realizar un usuario para tu nicho. Al intentar dominar eso, al intentar obtener autoridad temática, tienes más probabilidades de que cualquier IA te encuentre. Cuando busca en distintas SERPs mediante los fan-outs, tu sitio debería aparecer ahí.
Cuando el LLM encuentra tu sitio varias veces, las probabilidades de ser citado por la IA aumentan drásticamente. Además, de paso, estarás posicionando en Google como has hecho siempre.
Así que no es momento de despreciar lo antiguo por lo nuevo. Aparecer arriba en Google sigue siendo el mayor beneficio de todos. No te olvides de que Google todavía es la mayor fuente de tráfico y de ventas orgánicas, cosa que no podemos decir de los chats de IA.