Medir si un asistente te nombra parece un procedimiento único: se hace una lista de preguntas, se repite cada semana y se cuenta cuántas veces aparece tu negocio. En la práctica ese método se rompe pronto. No porque la herramienta falle, sino porque el asistente no responde igual cuando le pides un restaurante, un despacho contable o una orientación personal. La categoría cambia el formato, el número de opciones y el tipo de cautela con la que responde.
Si buscas que es aeo encontrarás la definición base: optimizar para ser citado en una respuesta directa y no solo para aparecer en una lista de enlaces. La etiqueta answer engine optimization describe esa capa de respuesta. La etiqueta generative engine optimization se usa para la capa de modelos generativos, y la combinación geo seo aparece cuando se discute la relación entre ambas y el SEO clásico. Son distinciones útiles, pero ninguna elimina el problema de la medición: lo que cuenta como “aparecer” no significa lo mismo en cada categoría.
El asistente no responde igual en todas las categorías
En categorías transaccionales y locales, el asistente suele dar listas cortas con nombres, enlaces y criterios de elección. En categorías profesionales, tiende a explicar el proceso antes de dar nombres y pide más contexto. En categorías sensibles, como salud, dinero o decisiones de vida, tiende a dar marcos generales, advertencias y preguntas de seguimiento antes que una recomendación directa.
El interés por posicionamiento en chatgpt ha puesto todas esas situaciones en el mismo saco. La pregunta seo para chatgpt se formula como si hubiera una sola técnica, y la duda como aparecer en chatgpt se plantea como si hubiera un solo marcador. No lo hay. Un negocio puede ser citado con frecuencia en preguntas de comparación y nunca aparecer en preguntas abiertas. Otro puede ser mencionado como fuente y nunca como recomendación. Si la medición no distingue esos casos, el promedio esconde lo que importa.
Un ejemplo ayuda. No es lo mismo preguntar por un comparativo de precios que plantear una duda de orientación. En orientación, una búsqueda como mi hijo no sabe que estudiar genera respuestas prudentes, con preguntas sobre intereses, presupuesto y ubicación, y con pocas menciones directas. El asistente no está evadiendo el tema: está operando en un modo distinto, donde citar menos es parte del comportamiento esperado.
Lo que se rompe cuando usas la misma lista de preguntas para todo
El error más común es armar una sola lista de diez preguntas genéricas y repetirla sin cambios. Eso produce tres rupturas previsibles:
- Mezclas formatos incompatibles. Una pregunta que pide una lista de tres opciones no se puede promediar con una que pide una explicación. Son dos tareas distintas.
- Confundes cita con recomendación. Que tu página sea usada como fuente al final de la respuesta no equivale a que el modelo te haya recomendado en el cuerpo. Esa diferencia ya se explicó al hablar de cómo saber si un asistente ya te recomienda.
- Ignoras el contexto que cambia la respuesta. Ubicación, historial, hora del día y formulación alteran el resultado. Si no fijas esas variables, no sabes si el cambio vino de tu trabajo o del contexto.
Otra ruptura frecuente es medir solo la pregunta favorable. Si todas tus preguntas incluyen tu categoría y tu ciudad exactas, es normal que aparezcas más. El problema es que casi ningún cliente pregunta así. La medición necesita preguntas neutras, preguntas comparativas y preguntas donde eres una opción entre varias, no el protagonista.
Cuando revisas el contenido que ya publicaste, esa diferencia se vuelve visible. Hay páginas que explican bien un proceso y por eso son citadas, aunque no venden. Hay páginas comerciales que venden, pero que el asistente rara vez cita porque no aportan una afirmación reutilizable. Gran parte de lo que se vende como contenido para IA no distingue esas dos funciones y por eso promete menciones que no puede sostener.
Cómo separar la medición por intención
La salida no es medir más, sino medir por separado. Un muestreo mínimo por categoría suele incluir tres bloques:
- Bloque informativo. Preguntas que piden explicación, pasos o criterios. Aquí importa si te citan como fuente.
- Bloque comparativo. Preguntas que piden opciones, diferencias o recomendaciones condicionadas. Aquí importa si apareces entre las opciones y en qué posición del argumento.
- Bloque de decisión. Preguntas donde ya hay intención clara de contratar, visitar o comprar. Aquí importa si te recomiendan y con qué condicionantes.
Cada bloque se registra aparte. No se promedia en un solo porcentaje. Se anota la fecha, el modelo, la formulación exacta y si hubo ubicación declarada. Esa disciplina es la que permite decir, semanas después, si algo cambió o si solo cambió la forma de preguntar.
Para armar esos bloques conviene partir de lo ya explicado sobre generative engine optimization y sobre que es aeo, y luego bajarlo a preguntas concretas de tu categoría. También ayuda revisar las notas de trabajo donde se documentan pruebas y límites, porque ahí se ve qué parte del procedimiento se mantiene y qué parte se ajusta según el caso.
En categorías de orientación, el bloque comparativo necesita cuidado extra. Si la consulta la escribe un padre desde el teléfono de mi hijo, con historial mezclado y sin ubicación clara, la respuesta será más genérica que si la escribe el propio interesado con datos completos. Eso no es un fallo de visibilidad: es el asistente pidiendo el contexto que le falta. Registrar ese contexto es parte de la medición.
Lo que no se puede prometer al comparar categorías
No hay forma de garantizar que un modelo te mencione en una categoría sensible con la misma frecuencia que en una transaccional. Desconfía de quien diga que sí. Los modelos aplican distintos niveles de cautela según el riesgo del tema, y esa cautela no se desactiva con formato, con autoridad de dominio ni con repetición de la marca.
Tampoco se puede prometer estabilidad entre modelos. Lo que un asistente cita como fuente, otro lo resume sin citar. Lo que uno recomienda con tres opciones, otro lo responde con una explicación sin nombres. Por eso la medición útil no dice “aparecemos”, sino “aparecemos en este tipo de pregunta, en este modelo, con esta formulación”. Esa frase es menos vendible, pero es la única que se puede sostener.
El trabajo, entonces, no es forzar la misma presencia en todas partes. Es entender en qué bloque tu negocio tiene una ventaja verificable y reforzarla: mejores criterios de elección, páginas que respondan una pregunta completa, información de servicio clara y actualizada. El posicionamiento en chatgpt no es una posición única, es un conjunto de presencias parciales. Medirlas por separado es lo que permite decidir sin autoengañarse.
Más contexto sobre el enfoque general está en AEO AI, donde se explica el alcance del tema sin promesas de resultados.