El GEO no se adivina, se testea: cómo medirlo de verdad

Entra en cualquier red y verás a decenas de personas afirmando con total seguridad qué "funciona" para aparecer en ChatGPT o Gemini. Casi ninguno trae un número detrás. Y ese es el problema: el GEO se ha llenado de opiniones confiadas y de muy pocas pruebas. La buena noticia es que se puede medir, con la misma disciplina con la que se mide el SEO.

¿Por qué casi todo lo que oyes sobre GEO es una opinión?

Porque la IA no responde igual dos veces, y sin repetir mucho una medición cualquier "hallazgo" puede ser azar. Una investigación de 2026 encontró que solo el 30% de las marcas sigue visible de una respuesta a la siguiente, y apenas el 20% aguanta presente a lo largo de cinco respuestas seguidas (recogido por SparkToro). Con esa inestabilidad, "probé X y aparecí" no prueba nada: pudo aparecer igual sin tocar nada.

De hecho, esa misma línea de investigación mostró que hacían falta entre 33 y 94 respuestas por consulta para que la medición se estabilizara. Por eso los rankings de visibilidad de una sola tirada son ruido. Si no repites y no comparas contra un control, estás leyendo una foto movida.

¿Se puede medir el GEO como se mide el SEO?

Sí, y ya hay herramientas que lo hacen. Plataformas de testing como SearchPilot aplican tests A/B a las páginas: dividen un grupo de URLs, cambian solo una cosa en la mitad y miden el efecto contra el control. Y lo interesante es que en el mismo experimento pueden medir a la vez el tráfico orgánico de Google y las referencias que llegan desde LLMs. Deja de ser fe: es un antes y un después con grupo de control.

Esta es, para nosotros, la línea que separa a una agencia seria del vendedor de hacks. Nuestra metodología de audit parte de ahí: cada hipótesis lleva una prueba diseñada para intentar tumbarla, no para confirmarla. Si un cambio no mueve tus citas en una medición honesta, no lo vendemos como que funciona.

¿Qué se testea exactamente en GEO?

Lo que hace que tu página sea la mejor fuente para que la IA la use al responder. En la práctica se prueban cosas como: el formato de la respuesta (una cápsula clara de 40-60 palabras que responde la pregunta), el schema y los datos estructurados, la cobertura de las preguntas derivadas que hace la IA sobre un tema, y qué versión de un contenido resulta más "citable". Se cambia una variable, se mide, se conserva lo que sube.

Adivinar vs testear

GEO adivinado	GEO testeado
"Probé esto y aparecí"	Cambio medido contra un grupo de control
Una sola consulta, un solo día	Decenas de corridas repetidas en el tiempo
No sabes si fue tu cambio o el azar	Sabes el efecto real, aislado del ruido
Copias el hack de moda	Conservas solo lo que mueve tus citas

¿Y si no tengo herramientas de testing A/B?

Puedes medir igualmente con tu tasa de citación. La idea es fijar un universo amplio de consultas de tu sector, preguntar muchas veces en ChatGPT, Gemini, Claude y Perplexity, y anotar en qué porcentaje te citan. Ese porcentaje, medido antes y después de un cambio, es tu señal. Es la lógica de la Citation Rate, y funciona mejor si eliges prompts de intención comercial, no de vanidad. Más aburrido que un "aparecí", sí, pero no te miente.

¿Qué NO deberías testear (porque Google los llama mitos)?

Los hacks técnicos que se venden como fórmula mágica. La guía oficial de Google para IA desmiente varios directamente: el "chunking" del contenido o tener un archivo llms.txt no son la palanca que muchos venden. Lo que aplica es una base de SEO técnico sólida más contenido de calidad. Si alguien te promete citas a base de un truco de formato, pídele el test con grupo de control. No lo tendrá.

Preguntas frecuentes

¿De verdad se puede hacer un test A/B para GEO?

Sí. Herramientas de testing como SearchPilot dividen tus URLs, cambian una variable en la mitad y miden el efecto contra el control, incluyendo las referencias que llegan desde LLMs. Es el mismo método de los tests A/B de SEO, aplicado a la visibilidad en IA.

¿Por qué no me fío de "probé X y funcionó"?

Porque la IA es inestable: solo el 30% de las marcas sigue visible de una respuesta a la siguiente. Sin repetir la medición decenas de veces y sin un grupo de control, no puedes saber si tu cambio funcionó o fue casualidad.

¿Cuántas veces hay que preguntar para tener un dato fiable?

Bastantes. La investigación citada por SparkToro necesitó entre 33 y 94 respuestas por consulta para que la medición se estabilizara. Una sola consulta no mide, enseña una foto movida.

¿El chunking o el llms.txt sirven para aparecer más en la IA?

Google los desmiente como mitos en su guía oficial. No son la palanca que se vende. Lo que funciona es una base de SEO técnico sólida y contenido de calidad, y medir el efecto real con pruebas.

¿Esto significa que el GEO es solo técnico?

No. La técnica se testea, pero el contenido lo pones tú con datos y experiencia reales. El testing sirve para saber qué formato y qué presencia mueven tus citas, no para fabricar autoridad de la nada.

Siguiente paso

Si estás invirtiendo en GEO a ciegas, lo primero es tener una medición honesta de dónde estás hoy. El audit gratuito de Citora mide tu tasa de citación en los cuatro motores con consultas reales de tu sector, y te da un punto de partida contra el que testear cada cambio. Sin línea base, no hay forma de saber si algo funciona.