Por qué una IA cita unas páginas e ignora otras
Entre dos páginas con el mismo saber, no decide la calidad cuál se cita. Decide si de una de ellas se puede desprender una frase que se sostenga sola y sea verificable.
Lo esencial
- Se citan apartados, no páginas, y por eso decide más la disposición que la calidad global.
- Seis propiedades comparten las fuentes citadas: respuesta desprendible, dato verificable, responsabilidad reconocible, actualidad, legibilidad técnica y cercanía temática del entorno.
- Tres motivos dejan fuera a páginas fuertes: el contenido solo surge con JavaScript, la página está bloqueada, o las afirmaciones están repartidas solo por el texto corrido.
- El dato propio verificable es el factor aislado más fuerte: es el motivo por el que un modelo os nombra a vosotros en lugar de a una fuente general.
Cuando un sistema construye una respuesta no elige las fuentes por simpatía ni por autoridad, sino por utilidad. La pregunta es siempre la misma: ¿entrega esta página un fragmento de texto que responda a la pregunta planteada, se entienda por sí solo y se pueda respaldar?
Las seis propiedades
1. Respuesta desprendible
Un apartado que responde por completo a la pregunta en dos a cuatro frases, sin remitir al texto que lo rodea. La propiedad más importante con diferencia, y la única que está por completo en vuestra mano.
2. Dato propio verificable
Una cifra, un procedimiento, un plazo, una experiencia con su ámbito de validez. Ese es el motivo por el que un modelo os nombra a vosotros en lugar de a una fuente general: decís algo que no está en otra parte.
3. Responsabilidad reconocible
Autor con su papel, empresa con dirección, fecha de la última revisión, visibles en la página y en los datos estructurados, con el mismo valor. Especialmente importante en temas que tocan dinero, salud o derecho.
4. Actualidad comprobable
Una fecha que sea cierta y contenidos que encajen con esa fecha. Una fecha de modificación de ayer en un texto que describe un estado superado hace tiempo es peor que ninguna.
5. Legibilidad técnica
El contenido está en el HTML entregado y no aparece solo tras ejecutar JavaScript. Jerarquía de titulares limpia, sin bloqueo en el robots.txt para las recuperaciones en tiempo de ejecución.
6. Cercanía temática del entorno
Una página dentro de un campo que la web ocupa de forma reconocible se valora antes como fuente especializada que un artículo suelto entre veinte temas inconexos. Ese es el motivo por el que los clústeres temáticos funcionan.
¿Sabías que…?
La propiedad dos es la palanca real para las empresas pequeñas. Con el conocimiento general competís con grandes portales y perdéis: ahí no hay ningún motivo para nombraros precisamente a vosotros.
Con un dato propio verificable sois la fuente. «En la práctica, limpiar una lista de contactos acumulada lleva de uno a tres días» no es una afirmación de conocimiento común: viene de alguien que lo ha hecho, y justo por eso es citable. Una frase con experiencia propia pesa más que tres párrafos de resumen.
Tres motivos por los que caen páginas fuertes
| Motivo | En qué se reconoce | Esfuerzo de corrección |
|---|---|---|
| El contenido solo surge en el navegador | el código fuente de la página no contiene el texto | alto: cuestión de arquitectura |
| Recuperaciones en tiempo de ejecución bloqueadas | el robots.txt bloquea ChatGPT-User y compañía | minutos |
| Afirmaciones repartidas solo por el texto corrido | ningún párrafo responde por sí solo a una pregunta | medio: reforma de los párrafos |
El segundo motivo es el más irritante, porque se corrige en minutos y aun así aparece con frecuencia, casi siempre como efecto secundario de un bloqueo general de «todos los bots de IA».
Un patrón que se ve al analizar las fuentes citadas: rara vez son los artículos de resumen extensos. Son páginas cortas que responden por completo a una sola pregunta, a menudo las que en casa se consideran un producto secundario.
Un artículo de 900 palabras con una cifra clara y un ámbito de validez nombrado se cita más que una guía de 2.500 palabras sobre el mismo tema en la que esa misma cifra está en el párrafo once. Para la planificación de contenidos eso significa: más preguntas sueltas bien delimitadas y menos guías que lo abarcan todo.
Qué se puede hacer en concreto
- Hacer la prueba de desprendimiento. Copiar un párrafo cualquiera en un documento vacío: ¿responde por sí solo a una pregunta reconocible? En la mayoría de los artículos la pasan dos de cada diez párrafos.
- Añadir datos propios. Para cada artículo, al menos una cifra, un procedimiento o una experiencia con su ámbito de validez, salidos de la propia empresa y no de una fuente.
- Resumen breve arriba. Cuatro afirmaciones completas. Quince minutos por artículo, sin cambiar el contenido.
- Comprobar las recuperaciones en tiempo de ejecución. Mirar en el robots.txt si ChatGPT-User, Perplexity-User y Claude-User están permitidos.
- Analizar el registro del servidor. ¿Se recogen siquiera vuestras páginas? Sin acceso no hay cita, y esa es otra obra distinta de la capacidad de ser citado.
Valora por qué esta página sería citada o no por los motores de respuesta. Sé estricto; no elogies nada; no reescribas el texto. Texto de la página: [insertar texto] Datos adicionales: - ¿Está el contenido en el HTML entregado? [sí / no / desconocido] - ¿Se ven el autor, su papel y la fecha de revisión? [sí / no] - ¿Qué campo ocupa nuestra web por lo demás? [temas] Tareas: 1. Comprueba las seis propiedades por separado: respuesta desprendible, dato propio verificable, responsabilidad reconocible, actualidad, legibilidad técnica, cercanía temática del entorno. Da por propiedad cumplida / en parte / no cumplida, con justificación mediante un ejemplo del texto. 2. Nombra los tres párrafos que más probablemente se citarían y di en cada uno a qué pregunta responden. 3. Nombra cada afirmación del texto que también podría estar en cualquier otra página, es decir, que no contiene nada propio. 4. Formúlame tres preguntas cuyas respuestas darían datos propios verificables que hoy le faltan al texto. No inventes cifras ni fuentes.
Conclusión
Se cita lo que se puede desprender y dice algo que no está en otra parte. Ambas cosas son una cuestión de disposición y de sustancia, no de la calidad global de un artículo.
Para las empresas pequeñas, la palanca está claramente en la propiedad dos: con el conocimiento general no hay motivo para nombraros. Con una cifra propia y un ámbito de validez nombrado, sois la fuente.
Preguntas frecuentes
¿Por qué una IA cita unas páginas y otras no?
Porque elige apartados, no páginas. Se cita lo que se puede desprender y sigue siendo comprensible por sí solo, lo que contiene un dato verificable, aquello en lo que se reconoce quién hay detrás, lo que está actualizado y es legible técnicamente, y lo que está en un campo que la web ocupa de forma reconocible.
¿Cuál es el factor aislado más fuerte?
Un dato propio verificable: una cifra, un procedimiento, una experiencia con su ámbito de validez nombrado. Con el conocimiento general no hay motivo para nombrar precisamente a una empresa pequeña; con un dato propio, es la fuente.
¿Por qué una página fuerte en contenido no se cita nunca a veces?
Por tres motivos: el contenido solo surge mediante JavaScript y no está en el HTML entregado; las recuperaciones en tiempo de ejecución están bloqueadas en el robots.txt, a menudo como efecto secundario de un bloqueo general de todos los bots de IA; o las afirmaciones están repartidas por el texto corrido, de modo que ningún párrafo responde por sí solo a una pregunta.
¿Se citan más los artículos largos o los cortos?
En la práctica, más bien los cortos y bien delimitados. Un artículo de unas 900 palabras con una cifra clara y un ámbito de validez nombrado se cita más que una guía extensa en la que esa misma cifra está en el párrafo once, porque el artículo corto se desprende con más facilidad.
¿Cómo se comprueba la propia capacidad de ser citado?
Con la prueba de desprendimiento: copiar un párrafo cualquiera en un documento vacío y leerlo. ¿Responde por sí solo y por completo a una pregunta reconocible? En la mayoría de los artículos la pasan unos dos de cada diez párrafos, y esa proporción es la métrica más significativa de la capacidad de ser citado.
Marketing que se configura solo
La beta del Studio Engine está abierta. Reserva tu plaza y participa desde el principio.
Unirse a la beta →