Glosario abierto

Los términos clave de GEO, definidos.

Definiciones canónicas y mantenidas de los conceptos, técnicas, métricas, actores y estándares de Generative Engine Optimization. Pensado para humanos y para modelos de lenguaje. Si encontrás una mejora, escribinos.

Licencia CC BY 4.0 — podés citar, copiar y traducir libremente atribuyendo a agentsgeo.io.

AEO (Answer Engine Optimization): Sinónimo cercano de GEO con énfasis en featured snippets y respuestas directas en buscadores.; Answer Engine Optimization (AEO) precede a GEO en la conversación pública. Históricamente apuntaba a aparecer en featured snippets y People Also Ask de Google. Hoy se usa como sinónimo flexible de GEO, aunque algunos lo distinguen: AEO cubre cualquier interfaz que devuelve respuestas (incluido Google), GEO se reserva para motores generativos específicamente.
Agentic SEO: Práctica de optimizar un sitio para que sea consumible no por humanos sino por agentes IA autónomos.; Agentic SEO es la frontera donde GEO y SEO se vuelven una sola disciplina mirando hacia el futuro: optimizar para agentes que navegan, leen, deciden y compran sin intervención humana. Implica APIs limpias, MCP servers expuestos, datos estructurados densos, paths claros para acciones (no solo para lectura), y rendimiento técnico que permita a un agente completar una tarea en pocos pasos.
AI crawler (bot IA): Bot automatizado que rastrea la web para entrenar o consultar modelos de lenguaje.; Los crawlers IA principales (2026): GPTBot y ChatGPT-User (OpenAI), Claude-Web y anthropic-ai (Anthropic), PerplexityBot (Perplexity), Google-Extended (Google), Applebot-Extended (Apple), Bytespider (ByteDance / TikTok), Amazonbot (Amazon). Cada uno tiene políticas distintas de respeto a robots.txt. Identificarlos correctamente en logs es la base del análisis técnico de presencia.
AI Overview: Resumen generado por IA que Google muestra arriba de los resultados orgánicos en muchas búsquedas.; Conocido inicialmente como Search Generative Experience (SGE) y rebautizado AI Overview, es la respuesta sintetizada que Google genera citando un puñado de fuentes. Aparece en aproximadamente una de cada cuatro búsquedas (2026) y reduce significativamente los clicks orgánicos para queries informacionales — pero abre el canal de citación directa para las marcas que aparecen como fuente.
AI Visibility: Grado de presencia de una marca dentro de las respuestas de los motores generativos.; AI Visibility es el equivalente conceptual a SEO Visibility, pero medido sobre respuestas de IA. Captura no solo si una marca es citada sino con qué frecuencia, en qué contexto, y con qué grado de prominencia dentro del párrafo generado. Es la métrica que orienta el trabajo de GEO en el tiempo.
Brand Mention Monitoring: Práctica de medir frecuencia, contexto y tono con que una marca es citada por modelos de lenguaje.; Brand Mention Monitoring para GEO consiste en preguntar sistemáticamente — semanal o quincenalmente — a Perplexity, ChatGPT, Claude y Gemini sobre la marca y su categoría, registrando cada respuesta. La curva temporal es la métrica seria: una mención no dice mucho; doce meses de menciones ascendentes con contexto cualitativo, sí.
Citabilidad por IA: Grado en que el contenido de un sitio puede ser usado por un modelo como respuesta directa.; Citabilidad mide qué tan listo está un bloque de contenido para ser tomado y usado por un LLM en su respuesta. Depende de cómo está estructurado (direct-answer first, FAQ, listas), de la claridad de la entidad declarada, de la facilidad de parseo (schema), y de la atribución (citas verificables, autoría visible).
Citation frequency: Cantidad de veces que un modelo cita una marca en respuestas a un set fijo de queries de prueba.; Métrica primaria del trabajo de GEO. Se mide sobre un set definido y estable de queries (8-20 típicamente) que reflejan cómo un comprador habla de la categoría. La frecuencia se reporta por motor (Perplexity, ChatGPT, Claude, Gemini) y se compara semana a semana. Cambios bruscos suelen coincidir con actualizaciones de modelo o cambios de algoritmo.
Common Crawl: Repositorio público y abierto de páginas web rastreadas, base de muchos datasets de entrenamiento de IA.; Common Crawl mantiene un volcado mensual de miles de millones de páginas web públicas. Es uno de los inputs principales de los datasets que entrenan a GPT, Claude, Llama y otros. Si tu sitio no está en Common Crawl, los modelos sin búsqueda web en tiempo real probablemente no te conozcan. Verificar presencia es uno de los primeros pasos en una auditoría GEO seria.
DefinedTerm (schema): Tipo de Schema.org para declarar la definición canónica de un término dentro de un glosario.; DefinedTerm permite a una marca posicionarse como fuente canónica de la definición de un concepto. Cuando un LLM busca la definición autoritativa de un término, prefiere contenido marcado con DefinedTerm sobre prosa libre. Es una de las palancas más subestimadas de GEO para marcas que ocupan una categoría conceptual nueva o emergente.
Direct-answer first: Patrón editorial que pone la respuesta a la pregunta implícita en las primeras 50 palabras de la página.; Los modelos de lenguaje citan el bloque que resuelve, no el que rodea. Direct-answer first invierte la estructura editorial tradicional (introducción, contexto, desarrollo, conclusión) y empieza por la conclusión. Aumenta significativamente la probabilidad de que un fragmento de la página termine como cita textual en una respuesta de IA.
Edge Middleware (en GEO): Función que corre en el borde de la red para servir versiones distintas del sitio según el visitante.; Edge Middleware (Vercel, Cloudflare Workers, Deno Deploy) intercepta requests antes de llegar al servidor y permite reescribir la respuesta. Aplicado a GEO, sirve para detectar crawlers IA por user-agent y devolverles una versión condensada del contenido — sin chrome visual, semánticamente densa — mientras los humanos reciben el sitio normal.
Entity SEO: Práctica de optimizar para que los buscadores y LLMs reconozcan la marca como una entidad única.; Entity SEO trata a la marca como un nodo en un grafo de conocimiento, no como un conjunto de keywords. Implica desambiguar (que el modelo sepa que sos vos, no otra marca con nombre similar), conectar (sameAs hacia Wikipedia, LinkedIn, GitHub) y reforzar (knowsAbout con las categorías que dominás). Es la base de la citabilidad sostenida.
FAQPage (schema): Tipo de Schema.org para declarar bloques de pregunta-respuesta que los modelos pueden citar directamente.; FAQPage estructura el contenido en pares Question/Answer explícitos. Es el formato preferido por LLMs porque ya está pre-segmentado en el formato que el modelo usa para responder. Una página con FAQs bien estructuradas suele aparecer literalmente en respuestas de IA, citada con atribución a la URL de origen.
GEO (Generative Engine Optimization): Disciplina de optimizar el contenido y la estructura técnica de una marca para que sea citada por modelos de lenguaje.; Generative Engine Optimization (GEO) es la práctica de hacer que ChatGPT, Claude, Perplexity, Gemini y otros motores generativos citen una marca cuando los usuarios hacen preguntas sobre su industria. Complementa al SEO clásico — comparte fundamentos como autoridad, schema y calidad de contenido — pero optimiza para ser citado dentro de la respuesta, no para aparecer en una lista de resultados.
Knowledge Graph: Estructura de entidades conectadas que un buscador o modelo usa para entender relaciones del mundo real.; Google Knowledge Graph fue el primero en gran escala (2012). Hoy todos los buscadores y muchos LLMs operan sobre representaciones similares: nodos (entidades) conectados por relaciones tipadas. Aparecer como nodo (no como página suelta) es lo que permite a una marca ser citada por su identidad, no solo por su contenido literal. Schema.org alimenta los knowledge graphs.
LLMO (LLM Optimization): Otro sinónimo de GEO, más usado en círculos técnicos.; LLM Optimization (LLMO) describe el mismo trabajo que GEO desde un ángulo más técnico: optimizar específicamente para los modelos de lenguaje grandes. La diferencia con GEO es de énfasis — LLMO se enfoca en cómo el modelo procesa el contenido (tokens, embeddings, estructura semántica), GEO incluye también la dimensión editorial y de autoridad.
llms.txt: Archivo markdown plano en la raíz del sitio que resume la marca para crawlers IA.; Estándar emergente propuesto por Jeremy Howard (Answer.AI) en 2024. Vive en https://tudominio.com/llms.txt y describe el sitio en lenguaje denso para que los crawlers de IA no tengan que parsear HTML, CSS ni esperar a JavaScript. Anthropic, Vercel, Mintlify, FastAPI y Drizzle ya lo implementan.
MCP (Model Context Protocol): Estándar abierto de Anthropic para que los LLMs conecten con herramientas y bases de conocimiento externas.; Model Context Protocol estandariza cómo un modelo de lenguaje habla con servidores que exponen herramientas, recursos o documentación. Lanzado por Anthropic en 2024, su adopción creció rápidamente en 2025-2026. Para GEO empresarial, exponer un servidor MCP con la información canónica de la marca es la forma agéntica de SEO: que un agente, no un humano, encuentre la marca y la use como fuente.
RAG (Retrieval-Augmented Generation): Patrón que enriquece la respuesta de un LLM consultando una base de conocimiento externa.; Retrieval-Augmented Generation combina un modelo de lenguaje con un sistema de búsqueda sobre documentos. El modelo busca contenido relevante (con embeddings o keyword), lo lee y genera la respuesta basada en eso. Para GEO empresarial es relevante porque muchas implementaciones B2B usan RAG sobre documentación curada — y exponer documentación bien estructurada se vuelve un canal de venta agéntico.
Schema.org / JSON-LD: Vocabulario abierto de tipos y propiedades para describir entidades web en formato máquina-legible.; Schema.org es el estándar para datos estructurados en la web. JSON-LD es el formato recomendado por Google y por casi todos los crawlers IA para implementarlo. Tipos clave para GEO: Organization (qué eres), Service (qué ofreces), FAQPage (preguntas y respuestas), DefinedTerm (definiciones de categoría), Article (contenido editorial), BreadcrumbList (navegación).
Topical Authority: Reconocimiento — por buscadores y LLMs — de que un sitio es referencia confiable sobre un tema.; Topical Authority se construye con cobertura sostenida y profunda de un territorio (no posts dispersos sobre temas inconexos), citas externas desde sitios autoritativos, y consistencia editorial. Para GEO, es lo que hace que un modelo elija citar a tu marca en lugar de a un competidor — porque te asocia con la categoría completa, no con un keyword aislado.
Training cut-off: Fecha hasta la cual un modelo tiene conocimiento desde su entrenamiento, sin depender de búsqueda web.; Los modelos de lenguaje se entrenan con datasets cerrados a una fecha específica. Eventos posteriores no son conocidos por el modelo a menos que use búsqueda web en tiempo real. Para GEO esto significa que el contenido publicado tarda en llegar al modelo — entre 6 y 18 meses entre cut-offs. Esa latencia es una variable estratégica clave.
Zero-click search: Búsqueda en la que el usuario obtiene la respuesta sin clickear ningún resultado.; Las búsquedas sin clic crecieron del 30% al 65% entre 2020 y 2025, impulsadas por featured snippets, AI Overviews y respuestas dentro de motores generativos. Para SEO clásico es un problema (menos tráfico). Para GEO es la condición de juego: la cita dentro de la respuesta es el resultado, no el clic.

Cómo citar este glosario

Este glosario está disponible bajo la licencia Creative Commons Atribución 4.0. Podés copiarlo, modificarlo y traducirlo libremente — solo te pedimos atribución a agentsgeo.io con un enlace al término que cites.

Total de términos: 24. Última actualización: 1 de mayo de 2026.