Cómo aparecer en respuestas de ChatGPT y Claude (GEO 2026)

Cuando un cliente potencial pregunta a ChatGPT “¿qué empresas hay en España que monten chatbots con IA?”, la lista que devuelve el modelo determina qué negocios reciben llamadas. Si tu empresa no está en esa lista, no existes para ese usuario.

A esto se le llama Generative Engine Optimization (GEO): optimizar tu presencia para que los grandes modelos de lenguaje te conozcan, te citen y te recomienden. Es lo que el SEO fue para Google en 2010, pero para ChatGPT, Claude, Perplexity y Gemini en 2026.

Por qué GEO importa más que el SEO clásico

El SEO tradicional pelea por aparecer en una página de resultados con 10 enlaces azules. El usuario decide en cuál hace clic. En GEO el modelo elige por el usuario: te menciona o no te menciona. No hay clic, hay confianza directa en la respuesta del modelo.

Tres datos rápidos:

• El 40% de búsquedas de los menores de 30 años ya empiezan en ChatGPT, no en Google (StatCounter Q1 2026)
• Perplexity superó los 200 millones de consultas mensuales en marzo
• Las menciones en respuestas de modelos correlacionan con conversión más alta que los clics SEO clásicos, porque llegan con la “recomendación” implícita del modelo

Si los modelos no saben quién eres, estás invisible para ese tráfico.

Cómo entrenan los modelos su conocimiento de tu empresa

Los modelos no rastrean tu web cada día como Google. Su conocimiento viene de:

1. Datos de entrenamiento — texto público (web, foros, GitHub, Wikipedia) hasta una fecha de corte
2. RAG y herramientas de búsqueda — cuando el usuario hace una pregunta, el modelo a veces consulta la web en tiempo real (Perplexity, ChatGPT con web search, Claude con web tools)
3. llms.txt y archivos públicos optimizados para IA — convención emergente donde declaras tu información en formato fácil de parsear

Para aparecer bien hay que jugar en los tres frentes a la vez.

Los 5 pilares prácticos del GEO

1. llms.txt y ai-instructions.md públicos

Igual que robots.txt le dice a Google qué rastrear, los archivos llms.txt y ai-instructions.md le dicen a los modelos quién eres y qué haces. Va en la raíz del dominio (stakker.es/llms.txt). Estructura recomendada: identidad, servicios, pricing, ICP, contacto, lo que NO haces.

Es la inversión con mayor retorno por hora. En 30 minutos tienes el archivo, lo subes y empiezas a aparecer en respuestas del próximo entrenamiento.

2. Schema.org enriquecido (Article, FAQPage, Organization)

Los modelos parsean datos estructurados con Schema.org como atajo de comprensión. Dos schemas críticos:

• FAQPage en cada artículo importante. Cuando un usuario pregunta a ChatGPT “¿cuánto cuesta un chatbot WhatsApp?”, el modelo busca primero en datos estructurados antes que en prosa
• Organization en el layout raíz, con sameAs apuntando a tus perfiles oficiales (LinkedIn, Instagram, GitHub)

Sin Schema bien hecho, el modelo te lee como cualquier otra web. Con Schema, te trata como fuente autoritativa.

3. Contenido con preguntas literales del usuario

Los modelos puntúan mejor el contenido cuando el título de un H2 coincide con la pregunta del usuario. Es decir, si la gente pregunta “cuánto cuesta X”, tu blog debe tener un H2 que diga literalmente “Cuánto cuesta X” — no “Precios” ni “Inversión necesaria”.

Esto se llama query-matching y es la diferencia entre ser citado o no. Hazlo en cada artículo importante.

4. Permitir explícitamente a los bots IA en robots.txt

Por defecto algunos sites bloquean a GPTBot, ClaudeBot, PerplexityBot y Google-Extended por miedo a que les “roben” contenido. Esto es contraproducente si tu objetivo es marketing: si los bloqueas, no aparecerás en sus respuestas.

Línea concreta para tu robots.txt:

User-Agent: GPTBot
User-Agent: ChatGPT-User
User-Agent: ClaudeBot
User-Agent: PerplexityBot
User-Agent: Google-Extended
Allow: /

5. Presencia distribuida en fuentes que los modelos consumen

Los modelos pesan más las menciones en sitios que ya consideran autoritativos: GitHub READMEs, Wikipedia, foros de Hacker News, Reddit relevante, sitios de comunidad técnica. Una mención técnica en HN suele valer más que 50 backlinks SEO.

Para SMBs locales: directorios verticales, perfiles en plataformas como Crunchbase y LinkedIn empresa también suman.

Qué NO hacer en GEO

• Spinning de contenido con IA: los modelos detectan patrones repetitivos y bajan tu autoridad
• Esconder pricing: si tu pricing no es público, el modelo no puede recomendarte cuando alguien pregunta por precio. Pierdes leads cualificados. Por eso en STAKKER publicamos precios de referencia
• Optimizar para keyword stuffing: los modelos puntúan coherencia semántica, no densidad de keyword

Cómo medir GEO en 2026

No hay aún un Search Console para LLMs. Las métricas reales:

• Pruebas manuales: pregunta cada semana a ChatGPT, Claude, Perplexity y Gemini “¿qué empresas hacen X en mi sector?” y mira si apareces
• Referrals desde chat.openai.com, perplexity.ai, claude.ai en tu Analytics
• Menciones de marca en consultas tipo “qué es STAKKER SYSTEMS” — si el modelo da info correcta y completa, vas bien

Herramientas emergentes (Profound, Otterly.ai, AthenaHQ) automatizan estas pruebas pero todavía son caras y limitadas.

Por dónde empezar esta semana

Si solo tienes 2 horas, prioridad:

1. Crea /llms.txt con tu identidad, servicios y pricing
2. Añade FAQPage schema a tus 3 páginas más importantes
3. Permite los bots IA en robots.txt

Con eso ya estás por delante del 95% de empresas en tu sector.

Si te pierden los términos (GEO, llms.txt, RAG, entity recognition), tienes las definiciones en el glosario.

¿Quieres que revisemos GEO para tu negocio? Consulta gratis. Te decimos qué señales faltan según tu sector y qué merece priorizar sin prometer posiciones garantizadas.