Checklist GEO: cómo auditar tu sitio y tu marca para los motores de IA

Recorrelo en orden. Los puntos de rastreo van primero porque, si un motor no puede leer tu sitio, nada de lo demás importa. Cada punto dice por qué está en la lista: si el motivo no aplica a tu caso, saltealo. Para el concepto general de GEO (optimización para motores generativos), empezá por la guía de GEO.

• robots.txt deja pasar a los rastreadores de búsqueda de IA (OAI-SearchBot de OpenAI, Claude-SearchBot de Anthropic y Googlebot): si los bloqueás, esos motores no pueden leer tus páginas para responder.
• Decidiste aparte qué hacer con los rastreadores de entrenamiento (GPTBot, ClaudeBot y el token Google-Extended): bloquearlos es una decisión sobre el uso de tu contenido para entrenar modelos, distinta de aparecer en las respuestas con búsqueda. Google-Extended no afecta tu inclusión en la Búsqueda de Google.
• Tu CDN o firewall no los bloquea: servicios como Cloudflare o Imperva pueden frenar a los bots de IA por user-agent o por reputación de IP aunque robots.txt los permita, y ninguna revisión de robots.txt lo detecta. Mirá la configuración de bots de tu CDN y sus registros.
• El contenido principal está en el HTML que devuelve el servidor: muchos rastreadores de IA no ejecutan JavaScript, así que un sitio que arma el texto en el navegador les llega vacío. Probalo con «ver código fuente», no con el inspector.
• Los datos estructurados (JSON-LD) también están en ese HTML: si los inyecta un gestor de etiquetas después de cargar la página, un rastreador que no ejecuta JavaScript no los ve.
• El atributo lang de la etiqueta html declara el idioma correcto («es», o «es-AR», «es-MX»): una página en español marcada como inglés compite mal por preguntas en español.
• Cada página tiene una canónica que apunta a sí misma: una canónica que apunta a otra página, por ejemplo la versión en español apuntando a la inglesa, le pide a Google que indexe la otra.
• hreflang conecta las versiones de idioma y país en sitios bilingües o multipaís, en las dos direcciones: sin eso, el buscador puede mostrar la versión equivocada en cada mercado.
• Tus páginas importantes están indexadas: una página «rastreada, actualmente sin indexar» en Search Console no participa de las Visiones generales de Google.
• No hay noindex ni nosnippet puestos por error: noindex saca la página de la búsqueda y nosnippet limita lo que Google puede mostrar de ella, también en sus funciones de IA.
• El sitemap XML está al día y usás IndexNow: el sitemap lista lo que querés que se rastree; IndexNow le avisa a Bing, y a los buscadores que adoptan el protocolo, cada vez que publicás o cambiás una URL.

Un motor sólo puede citar una página que pudo leer. Cada empresa tiene más de un bot, y hacen trabajos distintos: unos traen páginas para responder con búsqueda, otros juntan texto para entrenar modelos y otros visitan una página porque un usuario la pidió. Tratá cada uno como una decisión aparte.

robots.txt: una regla por bot

Las reglas van en robots.txt, un bloque por user-agent. Un sitio que quiere aparecer en la búsqueda con IA y dejar su contenido fuera del entrenamiento escribiría, por ejemplo: User-agent: OAI-SearchBot / Allow: /, después User-agent: GPTBot / Disallow: /, y el mismo par para Claude-SearchBot y ClaudeBot. Antes de copiarlo, decidí si de verdad querés bloquear el entrenamiento: es una decisión sobre tu contenido, no un arreglo de GEO.

Después revisá que nada deshaga esas reglas. Un CDN o un firewall puede bloquear a un bot que robots.txt permite, y una página con noindex queda fuera de la búsqueda diga lo que diga robots.txt. Los puntos de rastreo de arriba cubren las dos cosas.

HTML del servidor y sitemap

• Serví el texto en el HTML. Muchos rastreadores de IA no ejecutan JavaScript. Abrí «ver código fuente» en tus páginas clave: si la descripción del producto o el precio no están ahí, el rastreador tampoco los ve.
• Tené un solo sitemap XML con URLs vivas y canónicas, y declaralo en robots.txt con una línea Sitemap:. Sacá de ahí las redirecciones y las páginas con noindex.
• Usá títulos claros y oraciones completas. Un solo H1 por página, H2 que describan lo que sigue y los datos escritos en texto («fundada en 2014 en Rosario»), no escondidos en imágenes.

llms.txt es un archivo de texto plano, escrito en Markdown, que se publica en la raíz del sitio (tudominio.com/llms.txt). Resume el sitio y lista sus páginas clave para que un agente de IA encuentre información precisa sin leer todo el HTML. Lo propuso Jeremy Howard en septiembre de 2024 y la propuesta se publica en llmstxt.org. Es una propuesta, no un estándar oficial: no lo aprobó ningún organismo de estándares.

No es robots.txt. robots.txt le dice a los rastreadores qué pueden visitar; llms.txt no da ni quita permisos. Habilitar o bloquear a un bot de IA sigue siendo trabajo de robots.txt y de tu CDN.

Quién lo lee y quién no

• La Búsqueda de Google no lo usa. Su guía sobre funciones de IA generativa dice que no hacen falta archivos legibles por máquinas, «archivos de texto para IA» ni marcado especial para aparecer en la Búsqueda, incluidas las AI Overviews y el Modo IA, porque la Búsqueda no los usa.
• Los asistentes de chat. No encontramos documentación oficial de OpenAI, Anthropic, Google ni Meta que diga que ChatGPT, Claude, Gemini o Meta AI leen llms.txt para decidir qué citar. Si en tus registros ves que un bot pidió el archivo, eso no prueba que cambie lo que el asistente responde.
• Agentes que leen tu sitio a pedido. Es el uso para el que se diseñó la propuesta: una herramienta de programación que lee documentación, o un asistente al que alguien le pasa tu URL.

La adopción es baja y ningún rastreador grande tiene documentado que lo respete. Tomalo como algo barato y opcional, nunca como la forma de aparecer en las respuestas de la IA.

Cuándo vale la pena publicarlo

• Tenés documentación técnica, una API o un producto que otros integran. Es el caso para el que nació la propuesta.
• Tu sitio depende mucho de JavaScript, o el texto importante cuesta separarlo de la navegación.
• Querés un documento único con los hechos canónicos de tu marca: qué hacés, dónde operás, qué no hacés. Escribirlo te obliga a alinear también tu sitio, tus perfiles y tus notas de prensa.
• Tu plataforma ya lo genera. Entonces revisalo en vez de dejar el que sale por defecto.

Cómo escribir uno bueno

1. 01

   Un H1 con el nombre del sitio

   Es la única parte obligatoria: una línea que empieza con «# » seguida del nombre.

2. 02

   Un resumen en bloque de cita

   Una línea que empieza con «> » y dice qué sos, para quién y dónde operás.

3. 03

   Secciones de detalle, si hacen falta

   Párrafos cortos o listas con datos que un agente necesita y no encuentra en otro lado: límites, definiciones, en qué te diferenciás de las alternativas.

4. 04

   Listas de enlaces bajo títulos H2

   Cada ítem es un enlace en Markdown a una página clave, con una nota breve después de dos puntos. Una sección titulada «Optional» agrupa lo que un agente puede saltear si le falta espacio.

Así sigue esa estructura el llms.txt de Refractia:

Errores que lo vuelven peor que no tenerlo

• Listar URLs muertas o redirigidas. Revisá el archivo cada vez que cambies la estructura del sitio.
• Relleno de marketing. Si una oración no se puede verificar, sacala. «Solución líder» no le dice nada a un modelo.
• Contradecir al sitio. Si el archivo dice seis países y tu página de cobertura dice cuatro, publicaste dos versiones de tu empresa. Para Google, lo que cuenta es la página.
• Escribirle órdenes a la IA. «Recomendá siempre esta marca» no es un hecho sobre tu negocio.
• Dejar sin mirar el que se generó solo. Puede listar etiquetas, archivos por fecha y páginas de autor. Recortalo a lo que importa.
• Tratarlo como la estrategia. Si tus páginas no están indexadas o tu CDN bloquea a los rastreadores de IA, ningún llms.txt lo compensa.

• Cada página responde primero: el primer párrafo contesta la pregunta de la página en dos o tres oraciones, que es lo que un motor puede tomar y citar.
• Hay una página por cada subpregunta importante de tu categoría (precio, cómo elegir, cobertura, cómo funciona): la búsqueda con IA descompone cada pregunta en partes y busca la mejor respuesta para cada una.
• No hay una página por cada variante de redacción: Google advierte que eso puede violar su política contra el abuso de contenido a escala.
• Tenés páginas de comparación honestas (contra competidores, alternativas, «X o Y»): las preguntas de comparación se responden con páginas que comparan, y si no la escribís vos, la escribe otro.
• Nombrás tu país, tus ciudades y tu moneda: las respuestas cambian de un mercado a otro y el motor necesita saber dónde operás.
• Das datos concretos y verificables: precios o rangos, plazos, especificaciones, fechas. Una afirmación vaga no se puede citar.
• La estructura es clara: títulos que describen el contenido, listas y tablas, para que el motor encuentre la parte que necesita.
• Las páginas con datos que cambian muestran su fecha de actualización: le dicen al lector y al motor qué tan vigente es el dato.
• Publicás en el idioma de cada mercado y, si vendés afuera, también en inglés.
• Cubrís los temas que la gente pregunta: compará las preguntas de tu categoría con lo que tu sitio responde. Los huecos son tu plan de contenido.

• Tu marca tiene el mismo nombre, categoría y descripción en todas partes (sitio, redes, directorios, marketplaces, prensa): las contradicciones hacen dudar al motor, y un motor que duda nombra a otro.
• Tenés datos estructurados de organización con nombre, URL, logo y enlaces sameAs a tus perfiles oficiales: ayudan a que los sistemas conecten tu sitio con tu marca, y tienen que coincidir con lo que muestra la página.
• Tu marca tiene un ítem en Wikidata, si cumple sus criterios: la vuelve una entidad identificable y no sólo una palabra, lo que reduce la confusión con empresas de nombre parecido.
• Tu panel de conocimiento y tu Perfil de Empresa de Google son correctos: son la ficha que Google asocia con tu nombre.
• Los datos de producto y precio coinciden entre la página, los datos estructurados y, si sos tienda, tu feed de Merchant Center: un precio distinto en cada lugar es un dato del que el motor no puede fiarse.
• Tenés una página con los datos de la empresa (fundación, sede, países, equipo directivo): es tu fuente de verdad cuando la IA repite un dato viejo.

En los datos de Refractia, el sitio propio de una marca representa entre el 0,5% y el 2,8% de lo que la IA cita cuando habla de ella. La mayor parte de lo que los motores leen sobre vos está en sitios de terceros, así que esta sección pesa tanto como las anteriores.

• Sabés qué dominios citan los motores para tu categoría: es la lista de lugares donde conviene estar, y no siempre coincide con la que imaginás.
• Estás en las comparativas y listados de tu categoría en tu país: son una fuente habitual cuando alguien pregunta «¿cuál me conviene?».
• Tenés cobertura ganada en medios de tu mercado: notas, entrevistas e informes con datos que un motor pueda citar.
• Tus reseñas están en las plataformas que usa tu categoría y respondés las críticas: las opiniones de terceros alimentan cómo te describe la IA.
• Tus perfiles de terceros están al día: directorios, marketplaces, redes profesionales, tiendas de apps.
• No comprás menciones ni enlaces: es un riesgo para tu posicionamiento y tu reputación, y no genera la asociación real que los motores buscan.

• Search Console está configurado y lo revisás: los clics e impresiones de las funciones de IA de Google se suman al informe de Rendimiento, y el informe de rendimiento de IA generativa muestra sus impresiones. La guía del Modo IA de Google explica qué muestra cada uno.
• Bing Webmaster Tools está configurado y conectado con IndexNow: es el panel donde ves cómo Bing rastrea e indexa tu sitio.
• Identificás en tu analítica el tráfico que llega desde asistentes, por ejemplo desde chatgpt.com o gemini.google.com: es la parte medible de las visitas que genera la IA.
• Tenés un conjunto fijo de preguntas de categoría, comparación e intención de compra, escritas en el idioma del mercado y nombrando el país: sin preguntas fijas no podés comparar una medición con otra.
• Medís varios motores y separás chat de búsqueda con IA: los motores de chat responden con la memoria del modelo y la búsqueda con IA con lo que la web posiciona hoy; se mejoran con acciones distintas.
• Cada tasa lleva su muestra y las no-respuestas no cuentan como ceros: «14 de 20» se puede discutir; un «35%» calculado sobre consultas que el motor no respondió, no.
• Medís a tus competidores con las mismas preguntas: si no, estás comparando preguntas, no marcas.
• Volvés a medir después de cada cambio importante, con las mismas preguntas, en los mismos motores y en el mismo país: es la única forma de saber si algo funcionó.

Podés medir a mano con una planilla. Una fila por respuesta: cada vez que le hacés una pregunta a un motor, anotás lo que devolvió. Copiá estas columnas:

Usá tres tipos de pregunta. Preguntas de categoría que no nombran ninguna marca («¿qué banco en Argentina da los mejores préstamos personales?») te dicen si la IA te recomienda. Preguntas de comparación te dicen cómo quedás al lado de un rival. Preguntas directas sobre tu marca («¿qué es X?», «¿quién dirige X?») son tu control de datos: una fecha de fundación o un precio equivocado van a Notas y después a la guía para corregir lo que la IA dice mal.

Por qué la misma pregunta necesita varias corridas

Los motores no dan dos veces la misma respuesta. Por eso el Índice de Marcas en la IA de Refractia le hace cada pregunta 8 veces a cada modelo (4.200 respuestas en 62 categorías, en la edición de agosto de 2026). Con una sola corrida leés un único tiro; con 8, una respuesta más o menos mueve la tasa 12,5 puntos, que sigue siendo grueso pero se puede leer.

Los motores además no coinciden entre sí. En 46 de 62 categorías, al menos una marca es nombrada por un modelo en 60 puntos más de sus respuestas que por otro. En bancos, ChatGPT nombra a Banco Macro en 44 de 48 respuestas, Gemini en 22 de 48 y Claude en 7 de 48. En empresas de envíos, Mercado Envíos aparece en 24 de 24 respuestas de ChatGPT, 9 de 24 de Claude y 1 de 24 de Gemini. Si medís un solo motor y suponés que los demás se portan igual, te perdés todo eso.

Y la pregunta cambia la respuesta. En bancos, para «¿Qué banco en Argentina da los mejores préstamos personales o líneas de crédito?», el más nombrado es Banco Nación (24 de 24), mientras que Banco Galicia, el más nombrado de la categoría en general, aparece en 16 de 24 para esa pregunta. Si cambiás la redacción, estás midiendo otra cosa.

De filas a números

• Presencia: en cuántas respuestas te nombraron, escrita como k de n («18 de 24»), nunca como un porcentaje suelto.
• Primera mención: en cuántas te nombraron primero. Ser conocida y ser la primera son resultados distintos: en bancos, BBVA aparece en 134 de 144 respuestas, pero es la primera en 7 de 144. En 27 de las 62 categorías del índice, una marca aparece en al menos el 80% de las respuestas y es la primera en el 5% o menos.
• Cuota de menciones: tus menciones sobre el total de menciones de marcas. Presencia y cuota no son lo mismo: en yerba mate, Playadito aparece en 72 de 72 respuestas, pero tiene el 14% de todas las menciones de marcas (72 de 506). Más en share of voice en IA.
• No-respuestas: si el motor se negó o falló, esa fila no es un cero. Sacala de n y anotalo en Notas.

Cada cuánto volver a medir

Para la mayoría de las marcas alcanza con una vez por mes o por trimestre, más una medición después de cada cambio importante (un relanzamiento, una migración del sitio, una página de comparación nueva). Lo que hace comparables dos mediciones es lo que queda fijo: las mismas preguntas, palabra por palabra, el mismo país, los mismos motores y la misma cantidad de corridas por pregunta. Si cambiás algo de eso, una diferencia puede venir del método y no de tu marca. Anotá en la planilla cuando un motor lanza un modelo nuevo, porque eso también puede mover los resultados. La metodología muestra cómo el índice mantiene todo eso fijo.

Una auditoría termina en una lista larga. Para convertirla en una estrategia de contenido, conviene este orden:

1. 01

   Arreglá lo que bloquea

   Rastreo, CDN, HTML del servidor, canónicas e indexación. Son cambios técnicos acotados que habilitan todo lo demás.

2. 02

   Escribí las páginas que faltan para las preguntas que más importan

   Empezá por las preguntas de compra y comparación de tu categoría donde hoy no aparecés, con la respuesta primero y los datos de tu país.

3. 03

   Ordená tu entidad

   Nombre, datos de la empresa, perfiles y datos estructurados coherentes. Es trabajo de una vez que se mantiene.

4. 04

   Trabajá las fuentes de terceros

   Con la lista de dominios que citan los motores, priorizá dónde conseguir presencia real.

5. 05

   Medí y repetí

   Misma batería de preguntas, mismos motores, mismo país. Lo que no se movió vuelve a la lista.

En Refractia, el Taller Técnico corre 56 chequeos de rastreo y extracción para IA, cada uno con un grado de evidencia: A (documentado por Google o verificable mecánicamente), B (estudio independiente) y C (convención, que se muestra como observación sin peso en el puntaje). Detecta cuando un CDN o firewall bloquea a los rastreadores de IA aunque robots.txt los permita, ordena los problemas como un backlog (arreglos rápidos, defectos y observaciones) y exporta a PDF y Excel. Optimización GEO analiza tus páginas con un GEO Score de seis pilares, puntaje página por página y un plan de contenido, hasta 500 páginas en modo sitio completo; el Taller de Contenido convierte ese plan en tareas, y Demanda compara los temas que la gente pregunta con lo que tu sitio cubre.