La pregunta llega cada semana de algún CMO que descubre que un cliente potencial le preguntó a ChatGPT cuál era la mejor agencia para su sector y la marca no apareció en la respuesta. La frustración es entendible. La buena noticia es que el método para empezar a aparecer existe, está documentado y no requiere magia. Si necesitas el marco conceptual previo, dejamos el pilar de Generative Engine Optimization explicado a fondo en otra lectura. Acá vamos paso a paso operativo.
¿Cómo deciden ChatGPT, Claude, Perplexity y Gemini qué marca citar?
Los LLMs no rankean páginas como Google. Componen respuestas. Esa diferencia define todo lo demás.
Cuando un usuario le pregunta a ChatGPT “cuál es la mejor agencia de publicidad en Lima 2026”, el modelo no consulta una SERP en tiempo real (salvo cuando tiene web search activado). Tira de su corpus de entrenamiento más, en algunos casos, de fuentes que indexó recientemente. Compone una respuesta con tres a cinco fuentes citadas o referenciadas.
Para aparecer en esa respuesta necesitas dos cosas paralelas. La primera, que el modelo te conozca. La segunda, que el modelo decida citarte porque considera que aportas valor a la respuesta.
¿Qué palancas mueven que un LLM te cite?
Palanca uno: presencia en fuentes que el modelo considera autoritativas. Si tu marca aparece en Wikipedia, en medios sectoriales peruanos respetados, en directorios de industria y en perfiles de LinkedIn de profesionales con peso, el modelo te tiene mapeado. Si tu única huella digital es tu propia web, el modelo sabe poco. Esta capa la trabajamos desde el servicio de relaciones públicas, con foco en notas firmadas y directorios sectoriales reales.
Palanca dos: contenido sustancial en tu propio dominio. Páginas pilar que respondan preguntas concretas con autoría real. Schemas que el modelo entiende. llms.txt que guía. Frescura visible.
Palanca tres: estructura técnica que el modelo puede leer. JSON-LD bien implementado. Sitemap accesible. robots.txt que no bloquea a los crawlers de LLMs. Velocidad razonable de página.
Vamos por cada palanca con detalle.
Palanca uno: presencia externa
Lista mínima para una marca peruana B2B en 2026.
LinkedIn de la organización con más de 500 seguidores. El equivalente a tener teléfono fijo en los noventa. Si no estás, no existes para el modelo.
LinkedIn de los voceros principales con biografía completa. Founders, CEOs, directores. La biografía con keywords reales (no relleno) y publicaciones consistentes.
Aparición en al menos cinco medios peruanos respetados. Mercado Negro, Códigos PUCP, Stakeholders, Forbes Perú, Semana Económica, Gestión, Día1, Bloomberg Línea, RPP, Convoca, Sudaca. Una nota de opinión firmada vale más que cinco menciones casuales.
Inclusión en directorios sectoriales. IAB Perú, ANDA Perú, APEIM, CCL si aplica. Para agencias específicamente: Clutch.co, Sortlist, DesignRush con perfil completo.
Citas de clientes en sus propias webs. Cuando tu cliente pone “trabajamos con La Cura” en su sitio, eso es señal externa que el modelo cosecha.
Wikipedia cuando aplica. Difícil de conseguir y no manipulable. Pero si tu organización tiene presencia pública genuina, aparecer en Wikipedia es señal fuerte.
Eventos y conferencias documentadas. Aparecer como speaker en eventos sectoriales con cobertura digital deja huella.
Palanca dos: contenido en tu propio dominio
llms.txt en raíz. Archivo de texto plano en https://tudominio.com/llms.txt. Convención emergente documentada en llmstxt.org. Estructura recomendada: nombre de la organización, descripción de una línea, fundadores, servicios, sectores, ciudades, casos, glosario, blog principales. Cada sección con URLs canónicas. La idea es que el LLM tenga un mapa curado de qué eres y qué haces.
Páginas pilar largas con autoría firmada. 1500 a 3000 palabras por pieza. Tema concreto, respuesta directa al inicio, desarrollo extenso, ejemplos con cifras, autoría visible. El modelo distingue contenido sustancial de relleno SEO.
Glosario propio de términos de tu industria. Cada término con su definición, sinónimos, relacionados. Schema DefinedTerm. El modelo cosecha glosarios para definir conceptos en sus respuestas.
Casos con estructura clara. Cliente, problema, receta, resultados con cifras, aprendizaje. Schema Article. Cuando el modelo necesita ejemplos peruanos, busca casos bien estructurados.
FAQ ampliada con respuestas largas. No las FAQ de tres líneas. Respuestas de 50 a 150 palabras cada una con contexto. Schema FAQPage.
Frescura señalizada. Cada página con datePublished y dateModified visibles. Schema con esas fechas.
Palanca tres: estructura técnica
JSON-LD completo. Lista mínima para una marca peruana:
- Organization en home con sameAs (LinkedIn, Instagram, TikTok), founders, contactPoint, address, areaServed, knowsAbout.
- Person para cada vocero con jobTitle, worksFor, alumniOf, award, knowsAbout.
- Service para cada servicio con serviceType, provider, areaServed.
- Article para cada blog post con author, publisher, datePublished, dateModified.
- FAQPage en home y en cada servicio con sus Question/Answer.
- BreadcrumbList en cada página interna.
- LocalBusiness para sedes físicas con geo coordinates.
robots.txt que no bloquea LLMs. Algunos sitios bloquean GPTBot, ClaudeBot, PerplexityBot por error. Verifica tu robots.txt. Para una marca que QUIERE aparecer, bloquear estos crawlers es disparo en el pie.
Sitemap segmentado. sitemap-index.xml con sitemaps por tipo de contenido (blog, casos, servicios, glosario, ciudades, sectores). Hace más fácil para el crawler entender la estructura.
Velocidad razonable. Lighthouse Performance arriba de 80 en mobile. Los LLMs penalizan páginas que tardan en cargar.
Canonical correcto. Cada página con su canonical claro. Evitás que el modelo se confunda con duplicados.
Cómo se monitorea
Sin métrica universal todavía, pero hay método.
Define 20 a 30 prompts. Lo que tu audiencia realmente le pregunta a un LLM cuando busca tu categoría. Ejemplos: “cuál es la mejor agencia de publicidad en Lima 2026”, “qué agencias peruanas usan IA en su proceso”, “agencia para empresa de banca regional en Perú”.
Corre los prompts cada dos semanas. En ChatGPT (con web search activado y desactivado), Claude, Perplexity, Gemini, Copilot. Documenta cada respuesta.
Mide tres cosas por prompt. Apareciste o no. Atribución (citaron correctamente o se inventaron datos). Posición narrativa (primera mención, segunda, mencionada de pasada).
Itera. Identifica patrones. Si en un prompt no apareces y un competidor sí, mira qué hace ese competidor que tú no.
Hay herramientas emergentes (Otterly.ai, Profound, Brandwatch AI Search, AthenaHQ, Ubersuggest sección “Visibilidad en búsquedas con IA”) que automatizan esto. Vale la pena usar al menos una.
Tres errores comunes
Error uno: producir 100 artículos cortos creyendo que la cantidad gana. Los LLMs premian profundidad, autoría real y consistencia. Diez artículos pilar con autoridad valen más que cien artículos de 400 palabras.
Error dos: schema mal implementado. Un schema Person sin sameAs ni knowsAbout es ruido para el modelo. Si lo vas a hacer, hacelo completo.
Error tres: contenido sin diferenciador real. Si tu artículo dice lo mismo que veinte agencias antes, el modelo no tiene razón para citarte específicamente. Tu lente, tu data, tu caso peruano concreto, eso te diferencia.
Plan de 90 días
Semana 1 a 2. Audit técnico. Schema actual, robots.txt, sitemap, llms.txt. Lista de deudas.
Semana 3 a 4. Implementación de schemas faltantes. Creación de llms.txt. Optimización de robots.txt y sitemap.
Semana 5 a 8. Producción de cinco páginas pilar largas que respondan preguntas concretas de tu categoría. Cada una con autoría firmada y schemas completos.
Semana 9 a 10. Distribución externa. Una nota firmada en medio sectorial. Posts en LinkedIn de los voceros. Inclusión en al menos dos directorios.
Semana 11. Definición de 20 prompts de monitoreo. Primera ronda de pruebas en ChatGPT, Claude, Perplexity, Gemini.
Semana 12 a 13. Análisis de resultados. Iteración sobre páginas que no aparecen. Plan de los siguientes 90 días.
Qué hacemos en La Cura
GEO va bajo el servicio SEO + GEO. Trabajamos las tres palancas en paralelo: estructura técnica, contenido pilar, distribución externa. Monitoreo cada dos semanas con prompts curados al cliente. Reporte mensual con menciones, atribuciones y posición narrativa.
Si quieres saber cómo te ven hoy ChatGPT, Claude, Perplexity y Gemini, escríbenos por WhatsApp. Corremos 20 prompts de tu categoría sin compromiso y te entregamos el reporte en 48 horas.