Perplexity, ChatGPT, Gemini: cómo buscan realmente los motores de respuesta
Quien quiera optimizar para motores de respuesta debe saber que «el motor de respuesta» no existe. Los sistemas se diferencian justo en el punto decisivo para la visibilidad: de dónde sacan sus fuentes y cuántas nombran.
Lo esencial
- Los tres sistemas recurren a la búsqueda web para las preguntas actuales, pero a índices distintos y con un número de fuentes distinto.
- Perplexity nombra más fuentes y es el más accesible para los proveedores pequeños. Gemini nombra las menos y se apoya mucho en los resultados de Google.
- Dos cosas funcionan en todos: una respuesta clara y desprendible por apartado y una página legible sin JavaScript.
- El éxito solo se puede medir de forma repetible, no exacta: una lista fija de preguntas planteada trimestralmente en todos los sistemas.
El principio común
Los tres sistemas trabajan con las preguntas actuales según el mismo patrón: descomponen la pregunta en consultas de búsqueda, recogen resultados, leen una parte de las páginas encontradas y construyen con ello una respuesta con indicación de fuentes.
De ahí sale el punto más importante para la visibilidad propia: lo que no aparece en la búsqueda clásica tampoco aparece casi nunca en las respuestas. La optimización para motores de respuesta sin fundamentos en la optimización para buscadores no funciona.
En qué se diferencian
| Perplexity | ChatGPT | Gemini | |
|---|---|---|---|
| Indicación de fuentes | muchas, prominentes | de pocas a medias | pocas, discretas |
| Busca por defecto | casi siempre | cuando hace falta actualidad | cuando hace falta actualidad |
| Se apoya en | índice propio más socios | rastreador propio más socios | mucho en los resultados de Google |
| Proveedores pequeños | relativamente accesible | medio | más difícil, sigue el orden |
| Rastreadores | PerplexityBot, Perplexity-User | GPTBot, OAI-SearchBot, ChatGPT-User | Googlebot, Google-Extended |
| Tráfico de referencia | el más alto | medio | el más bajo |
¿Sabías que…?
El número de fuentes nombradas determina directamente lo realista que es la visibilidad propia. Un sistema que nombra ocho fuentes tiene ocho plazas que repartir; uno que nombra dos tiene dos.
Para los proveedores pequeños sale de ahí un orden práctico: el camino a las respuestas de Perplexity es más corto que el de las respuestas de Gemini, no porque allí se valoren los contenidos de otra manera, sino sencillamente porque hay más sitio. Quien quiera medir si el trabajo de AEO surte efecto verá algo antes allí.
Los rastreadores y sus papeles
Un punto que se confunde con regularidad: hay dos tipos distintos de accesos, y se controlan por separado.
Rastreadores de entrenamiento e índice
Recogen contenidos por adelantado, para el entrenamiento o para un índice de búsqueda propio. Ejemplos: GPTBot, PerplexityBot, ClaudeBot, Google-Extended. Visitan vuestra página con independencia de una pregunta concreta.
Recuperaciones en tiempo de ejecución
Recogen una página justo cuando alguien ha planteado una pregunta a la que podría encajar. Ejemplos: ChatGPT-User, Perplexity-User, OAI-SearchBot. Llegan en pequeño número, pero con relación directa a una pregunta real.
La distinción es relevante en la práctica: quien bloquea todos los rastreadores de IA no impide solo el uso en el entrenamiento, sino también la mención como fuente en las respuestas. Quien bloquea solo los rastreadores de entrenamiento sigue visible en las respuestas, un compromiso que muchos eligen a conciencia.
Qué funciona en los tres
Pese a las diferencias hay cuatro medidas que valen en todas partes.
- Respuesta primero, en cada apartado. Las dos primeras frases bajo un titular deben responder por completo a la pregunta. Justo ese fragmento es el que se desprende.
- Legible sin JavaScript. El contenido que solo surge en el navegador no lo captan parte de las recuperaciones. Es el motivo técnico de exclusión más frecuente de todos.
- Datos propios verificables. Cifras, procedimientos, experiencia nombrada. Los sistemas prefieren, al citar fuentes, las páginas con contenido específico frente a los resúmenes.
- Responsabilidad reconocible. Autor con su papel, fecha de la última revisión, empresa con dirección. Marcado como datos estructurados y visible en la página.
Un resultado que aparece con regularidad en las revisiones: las páginas con un apartado «Lo esencial» arriba del todo se citan claramente más a menudo que las que no lo tienen, con el resto del contenido idéntico.
El motivo es mecánico, no de contenido: ese apartado entrega justo la forma en la que un sistema necesita una respuesta —breve, completa, sin referencia al texto que la rodea. Es la medida de AEO más barata que existe: quince minutos por artículo, sin que cambie nada del contenido en sí.
Cómo se mide
No hay consola. Lo que hay es un procedimiento repetible, y repetible importa más que exacto.
- Fijar veinte preguntas. De vuestro campo, formuladas como las plantearía un cliente. Esa lista se mantiene un año sin cambios.
- Plantearlas trimestralmente en los tres sistemas. Sin sesión iniciada, para que no intervenga la personalización.
- Anotar tres cosas: ¿os nombran?, ¿qué competidores se nombran?, ¿qué fuentes sirven de prueba?
- Contrastar con los registros del servidor. Qué rastreadores han estado y qué páginas se han llevado.
La tercera línea es la más útil. Las fuentes citadas muestran qué tipo de página considera el sistema apta como prueba, y eso es una instrucción de trabajo más concreta que cualquier recomendación general.
Ayúdame a construir una lista fija de preguntas para comprobar la visibilidad en motores de respuesta. Nuestra situación: - Qué ofrecemos: [oferta] - Público objetivo: [lo más acotado posible] - Región e idioma: [indicación] - Temas sobre los que tenemos contenidos: [lista] Tareas: 1. Formula 20 preguntas tal como las plantearía realmente nuestro público, en su lenguaje y no en nuestro lenguaje técnico. Repártelas así: 8 preguntas de descripción del problema, 8 de método, 4 de comparación de proveedores. 2. Señala en cada pregunta si ya tenemos un contenido para ella (a partir de mi lista de temas) o no. 3. Nombra las 5 preguntas en las que una mención valdría más para nosotros, y justifícalo. 4. Propón una tabla sencilla en la que anotar los resultados por trimestre. No respondas tú a las preguntas y no me digas si actualmente nos nombran: eso lo compruebo en los sistemas.
Conclusión
Los sistemas se diferencian de forma medible en cuántas fuentes nombran y en lo fácil que llegan allí los proveedores pequeños. Para el trabajo práctico eso cambia el orden, no las medidas: los cuatro pasos eficaces funcionan en todas partes.
Quien tenga poco tiempo hace primero dos cosas: un apartado breve arriba en cada artículo y la comprobación de si la página es legible por completo sin JavaScript. Después compensa la lista de preguntas, para ver siquiera si algo se mueve.
Preguntas frecuentes
¿En qué se diferencian Perplexity, ChatGPT y Gemini al buscar?
Sobre todo en el número de fuentes nombradas y en el origen de los resultados. Perplexity busca casi siempre, nombra muchas fuentes de forma prominente y es el más accesible para los proveedores pequeños. ChatGPT busca cuando hace falta actualidad y nombra menos fuentes. Gemini se apoya mucho en los resultados de Google y nombra las menos fuentes: ahí el camino para los proveedores pequeños es el más largo.
¿Hay que optimizar por separado para cada sistema?
No. Cuatro medidas funcionan en todos: una respuesta completa y desprendible en las dos primeras frases de cada apartado, una página legible sin JavaScript, datos propios verificables en lugar de resúmenes, y una responsabilidad reconocible mediante autor, papel y fecha de revisión.
¿Qué diferencia hay entre GPTBot y ChatGPT-User?
GPTBot recoge contenidos por adelantado, con independencia de una pregunta concreta. ChatGPT-User recoge una página justo cuando un usuario ha planteado una pregunta a la que podría encajar. Ambos se controlan por separado en el robots.txt: quien bloquea solo los recolectores anticipados sigue visible como fuente en las respuestas.
¿Conviene bloquear los rastreadores de IA?
Quien vende contenidos o gana con publicidad tiene buenos motivos para bloquear al menos los recolectores anticipados. Quien vende encargos pierde más con un bloqueo completo de lo que gana: una mención como fuente en una respuesta alcanza a alguien en plena búsqueda de solución, con una recomendación que no procede de uno mismo.
¿Cómo se mide la visibilidad en motores de respuesta?
Con una lista fija de veinte preguntas que se plantea trimestralmente en todos los sistemas sin sesión iniciada. Se anotan tres cosas: si os nombran, qué competidores se nombran y qué fuentes sirven de prueba. De forma complementaria, los registros del servidor muestran qué rastreadores de IA se han llevado realmente vuestras páginas.
Marketing que se configura solo
La beta del Studio Engine está abierta. Reserva tu plaza y participa desde el principio.
Unirse a la beta →