Cómo lograr que la búsqueda con IA te cite: una lista práctica para desarrolladores

Por Crawlmend TeamPublicado el 8 de octubre de 20266 min de lectura

Nadie puede prometer que un asistente de IA vaya a citar tu sitio. Los sistemas son opacos y cambian a menudo. Lo que sí puedes controlar es que sean capaces de obtener tus páginas, leerlas y entender lo que dicen. Esta lista cubre esa parte mecánica.

1. Deja entrar a los rastreadores adecuados

Las empresas de IA suelen usar bots distintos para tareas distintas: unos recopilan datos de entrenamiento y otros obtienen páginas para responder en vivo a la pregunta de un usuario. Algunos nombres son GPTBot, OAI-SearchBot y ChatGPT-User de OpenAI, ClaudeBot de Anthropic, PerplexityBot de Perplexity y el token de robots Google-Extended para el uso de IA generativa de Google. Los proveedores renombran y añaden bots, así que contrasta con la documentación actual de cada uno.

Muchos sitios bloquean a propósito los bots de entrenamiento y aun así permiten los que sirven respuestas en vivo. Es una decisión legítima. Lo que no es una decisión es bloquear un bot de respuestas por accidente, así que lee tu robots.txt como si fueras cada bot.

2. Revisa la capa que hay por encima de robots.txt

Una CDN o un firewall de aplicaciones web puede bloquear bots que robots.txt permite. Las funciones de protección contra bots a veces lanzan un desafío a user agents desconocidos o los rechazan. Si tu robots.txt está abierto pero un bot recibe un 403 o una página de desafío, el bot no ve nada. Prueba con una petición que envíe el user agent del bot y mira qué responde.

3. Pon el contenido en el HTML

La documentación de rastreadores de OpenAI, Anthropic y Perplexity (enlazada arriba) enumera sus bots sin decir si ejecutan JavaScript, así que no des por hecho que lo hacen. Los rastreadores de Google sí pueden renderizar JavaScript, pero el renderizado es un paso aparte y en cola. Si el contenido real de tu página solo aparece tras la hidratación, un rastreador que no renderiza ve una carcasa vacía. Usa renderizado en el servidor o generación estática para todo lo que quieras que se lea, y confírmalo viendo el código fuente sin procesar.

4. Escribe contenido con forma de respuesta

• Empieza por la respuesta. Pon una definición o una respuesta directa de una frase cerca del principio de la página.
• Haz que los pasajes se sostengan solos. Un motor de respuestas puede citar un párrafo sin ningún contexto alrededor, así que evita frases como "como se mencionó arriba".
• Usa encabezados descriptivos, idealmente redactados como la gente formula la pregunta.
• Sé específico y cita fuentes: nombres, versiones, límites, fechas. Las afirmaciones vagas no le dan nada que citar a un asistente.
• Di lo que no haces. Unos límites claros hacen que una página resulte más fiable para citarla.

5. Añade datos estructurados, con veracidad

JSON-LD ayuda a los sistemas a identificar qué es una página. Usa Organization para tu empresa, Article para las entradas con un datePublished real, BreadcrumbList para la jerarquía y FAQPage solo cuando la página contenga esas preguntas y respuestas de forma visible. No marques contenido que no esté en la página (las políticas de datos estructurados de Google dicen lo mismo).

6. Mantén las fechas honestas

Una fecha de publicación y de actualización visible, que coincida con tus datos estructurados, ayuda tanto a los lectores como a los sistemas a juzgar si el contenido es reciente. No cambies la fecha sin cambiar el contenido.

7. Crea un sitemap limpio

Lista las URL que quieres que se descubran, con fechas reales de última modificación, y excluye redirecciones, páginas noindex y todo lo que esté bloqueado en robots.txt. Además, muchos rastreadores empiezan por el sitemap.

8. Plantéate un llms.txt, con expectativas realistas

llms.txt es una convención propuesta para ofrecer en /llms.txt un índice breve de tus páginas clave, pensado para los LLM. Su adopción crece, pero hasta donde sabemos ningún proveedor de IA importante ha confirmado que sus rastreadores lo lean. Servirlo cuesta casi nada, así que es razonable añadirlo. No es una palanca de posicionamiento.

9. Consigue menciones en otros sitios

Los motores de respuestas se nutren de toda la web. Descripciones claras y coherentes de tu producto en tu propio sitio, en la documentación y en páginas de terceros que hablan de ti le dan más material a un sistema. Esta es la parte lenta, y ningún marcado la sustituye.

10. Mide preguntando

Elige diez preguntas que harían tus clientes y pruébalas en los asistentes que te interesen. Anota si tu dominio aparece citado y repítelas cada mes. La revisión de visibilidad en IA de Crawlmend hace una versión de esto: usa una búsqueda web en vivo con consultas y el nombre de tu marca, y muestra si tu dominio aparece entre las fuentes. Trata cualquier revisión así como una muestra, no como una garantía.

La versión corta

Sé accesible para los bots, legible sin JavaScript, específico y honesto en tu marcado. Los dos primeros son problemas de ingeniería, y Crawlmend los revisa: el acceso de los bots a nivel de robots y de CDN, el contenido que depende de JavaScript, la falta de llms.txt y de sitemap, y la falta de datos estructurados. Conecta un repositorio para ver cómo está tu sitio.