Caso real Q2 2026: una página de "AI instructions" + arquitectura semántica desplegada en un sitio B2B generó un crecimiento del 1.900% MoM en citaciones ChatGPT del dominio. El análisis honesto muestra qué funcionó, qué probablemente NO funcionó, dónde el resultado es risky de replicar y por qué la correlación con otras métricas (tráfico, branded search) fue pobre. Frame honesto + análisis Citora.
Caso real observado en la comunidad SEO técnica Q2 2026: una página de "AI instructions" + arquitectura semántica desplegada en un site B2B generó un crecimiento del 1.900% MoM en citaciones ChatGPT del dominio. El análisis honesto que publicó el equipo responsable es lo más valioso del caso — explícitamente identifica qué probablemente funcionó, qué NO funcionó pese a la apariencia, dónde el resultado es risky de replicar, y por qué la correlación con tráfico/branded search/engagement fue pobre. Para PYME B2B la lección NO es "haz una página AI instructions" — es "construye arquitectura semántica densa y testea con metodología falsable". Análisis Citora + cómo aplicar el frame para tu PYME.
Sitio B2B sector tech, dominio establecido con baseline conocido de citaciones ChatGPT pre-test (medido vía Scrunch tool + tracking propio en BigQuery con Claude para análisis). Desplegaron una página única con estas características:
Después de 30 días post-deploy, tracking Scrunch + BigQuery mostró:
| Métrica | Baseline 30d pre | Post-deploy 30d | Delta |
|---|---|---|---|
| Citaciones ChatGPT dominio | ~140 | ~2.660 | +1.900% |
| Tráfico orgánico GSC | — | +3% | (no correlation) |
| Branded search | — | +8% | (débil correlation) |
| Engagement rate | — | ±0% | (zero correlation) |
| Pipeline qualified leads | — | +2% | (zero correlation) |
El frame honesto del responsable del experimento es lo más valioso. 5 lecciones explícitas:
Las citaciones ChatGPT crecieron exponencialmente pero el pipeline qualified leads solo +2%. La correlación entre citation count y revenue es DÉBIL. Razón probable: el modelo cita la página AI instructions cuando responde queries específicas de definición/data lookup, no en queries comerciales/decisionales del comprador real B2B. Aparecer citado en respuesta IA NO siempre se traduce a click + conversión.
El experimento confunde dos factores. La página tenía simultáneamente: (a) etiqueta explícita "AI instructions" + (b) arquitectura semántica densa + Schema completo + densidad factual + internal linking. La hipótesis Citora con confianza media es que el factor (b) explica el 80%+ del efecto, NO el factor (a) "AI instructions" label. Replicar solo el (a) probablemente no genera el resultado.
Tools como Scrunch miden citaciones cross-prompts en LLMs, pero su metodología tiene sesgo de selección de prompts (no es muestra random). Un +1.900% MoM tan grande sugiere posible artefacto metodológico (cambio de cobertura de prompts entre baseline y post-deploy). Validación rigurosa requeriría usar 3+ tools tracking diferentes + prompts fijos cross-período.
Cuando una intervención mueve dramáticamente UNA métrica (citations) pero NO mueve métricas estructuralmente correlacionadas (tráfico AI-referred, engagement, branded search, pipeline qualified), el frame escéptico es: la métrica que se movió posiblemente NO refleja lo que crees que refleja. Real citation impact aparecería también en otras métricas — al menos parcialmente.
Un caso único con N=1 sin grupo control y sin replicación independiente NO es evidencia robusta. Es señal interesante para investigar, no recomendación operativa para PYME B2B España. Citora considera replicable solo cuando hay 5+ casos independientes documentados con metodología similar + correlación con métricas estructurales.
Cruzando análisis Citora cross-cliente España + research community internacional, las palancas con evidencia robusta (5+ casos independientes verificables) son:
| Palanca | Efecto típico Citation Rate | Tiempo a observar | Confianza |
|---|---|---|---|
| Schema.org Article + FAQPage + Organization completo | +15-25% | 30-60d | ALTA |
| Densidad factual (claims + sources verificables) en pillar pages | +20-35% | 60-120d | ALTA |
| Internal linking entrante desde páginas autoridad propias | +10-20% | 30-90d | ALTA |
| Consenso digital cross-source (prensa + directorios + foros B2B) | +25-50% | 90-180d | ALTA |
| "AI instructions" page única | ±0 a +5% | 30d | BAJA (N=1) |
La inversión correcta NO es "una página AI instructions" — es las 4 primeras palancas con confianza alta y evidencia robusta cross-cliente.
Lo más valioso del caso N=1 NO son los +1.900% — es la metodología honesta + falsable que aplicó:
Esa metodología ES replicable para PYME B2B España. La intervención específica NO lo es. Aplicar el frame epistemológico falsable a cualquier inversión GEO/SEO ahorra €5-25K/año en agencias vendiendo silver bullets sin evidencia robusta.
NO como driver principal de visibility AI. SÍ como complemento ético a estructura semántica densa + Schema + densidad factual. La página per se aporta poco; el conjunto sí. Coste oportunidad: 2-3h una vez. ROI esperado: marginal vs invertir esas 2-3h en mejorar Schema en pillar pages existentes.
El modelo cita páginas en queries de definición/data lookup ("qué es X", "cuándo se fundó Y") donde el usuario NO tiene intent comercial. Aparecer en esas queries crece citation count pero no pipeline. Lo que mueve pipeline es aparecer en queries comerciales/comparativas del comprador real ("mejor X para [perfil]", "comparativa X vs Y"). Citation Rate sin desglose por tipo de query engaña.
4 tests: (1) ¿Se mueve >1 métrica correlacionada (no solo citations)? (2) ¿La hipótesis es falsable y publicada pre-test? (3) ¿Hay 5+ casos independientes documentados? (4) ¿El efecto persiste 90+ días? Si respondes "no" a 2+, trata como hipótesis interesante, no recomendación operativa.
3-stack para evidencia robusta: (1) Audit Citora mensual cross-4-motores (gratuito), (2) Scrunch o equivalente comercial (~$200-500/mes), (3) Tracking propio con prompts fijos cross-período (gratuito, 1-2h setup). Sin tres fuentes independientes, una métrica única tiene sesgo no-detectable.
Baseline esperado cliente Citora plan Visibilidad: +15-30% Citation Rate cross-motores en 90-120 días con inversión €1.500/mes. +50%+ es excepcional. +100%+ es señal red flag (probable artefacto). +1.900% es N=1 sin replicabilidad confirmada.
Estimación Citora cross-fuente: Q1-Q2 2027 emerge body of research cross-replicado con metodología robusta. Ahora mismo (mid-2026) la mayoría de claims públicos son N=1 sin replicación. Validación rigurosa requiere 5+ casos cross-vertical + grupo control + análisis estadístico — todavía no existe a escala.
Si tu agencia GEO te promete "+500% citas en 30 días" basándose en casos N=1 sin replicación + correlación con pipeline, replantea. El audit gratuito de Citora mide tu Citation Rate cross-4-motores con metodología falsable + identifica gaps específicos vs benchmark sector. 2 minutos.
Si quieres profundizar: Citation Rate métrica GEO, Google publica llms.txt oficial, AI traffic +42% mejor.
Descubre tu Visibility Score en 2 minutos. Gratuito, sin tarjeta.
Hacer mi audit gratisViperChill publicó en mayo 2026 el mega benchmark más grande hasta la fecha sobre AI search: 100M+ data points, 13 estudios cruzados, 8 autores. Análisis Citora del documento + las 7 cifras más relevantes para PYME B2B + por qué algunas contradicen lo que se vendía hasta ahora.
LeerMicrosoft publicó en mayo 2026 una guía oficial titulada "How To Get Traffic From ChatGPT" — primera vez que una de las big tech detrás de un motor IA documenta públicamente cómo optimizar para aparecer en sus respuestas. Análisis Citora del documento + 6 acciones concretas para PYME B2B española.
LeerConductor (250+ CMOs encuestados): 94% de enterprises incrementan budget GEO en 2026 pero el 93% lo construyen in-house. La razón no es coste — es que el buyer sabe MÁS que el vendor sobre GEO. Análisis Citora y por qué PYME B2B necesita criterio epistemológico, no comercial, al elegir agencia.
Leer