Generative Engine Optimization: ¿Reemplazo del SEO?

Esta semana, OpenAI anunció que desde ahora, ChatGPT puede actuar como buscador. Una nueva funcionalidad que probablemente hizo que las oficinas de Google se vieran así:

Con este nuevo release, OpenAI, la empresa de AI con, tal vez, la mejor distribución y adopción de todas, entra a jugar en el espacio que ha definido gran parte del Internet en los últimos 25 años, en el cual Google ha sido el principal jugador y con lo cual llegó a tener una valoración con 12 ceros a la derecha: los resultados de búsqueda.

Y aunque OpenAI llegó tarde a la fiesta, pues otros modelos (como Perplexity) ya tienen esta capacidad, es una excelente oportunidad para hablar del futuro del SEO y de su nuevo medio hermano: el GEO (Generative Engine Optimization).

¿Qué es el GEO?

El GEO (Generative Engine Optimization) es un término acuñado hace menos de un año por un grupo de investigadores [1] para describir un conjunto de acciones que pueden mejorar la visibilidad de un sitio web en las respuestas de un LLM con capacidades de búsqueda (que llamaremos GE de ahora en adelante).

El concepto, claramente, nace de la misma dinámica de optimización que se tiene en el SEO, pero la diferencia entre uno y otro es grande. Hay que partir de cómo funciona un motor de búsqueda tradicional para entender mejor qué es el GEO y cómo los GE actúan y muestran información. 

La dinámica de un motor como Google es “sencilla”. Cuando buscamos algo, el motor genera una lista de sitios que considera relevantes para lo que necesitamos. Ese orden se ve afectado por todas las técnicas provenientes de SEO que ya conocemos: palabras clave relevantes, optimización de metadescripciones y URLs, backlinks, etc.…

En un GE, el modelo busca información relevante según lo que le pedimos, y en lugar de darnos una lista de resultados independientes, genera una respuesta única y completa, más a modo de conversación, que el modelo de lenguaje arma con base a una serie de “citas”. 

Podemos ver la diferencia en las imágenes 2 y 3, en donde una búsqueda en Google genera los resultados que todos conocemos, mientras que para el mismo input en ChatGPT con Search activado, se genera un texto conversacional con la opción de revisar las fuentes al final de este.

Las imágenes también ejemplifican muy claramente la pregunta de este post. Las fuentes que usa ChatGPT para armar su respuesta no son todas las mismas ni están en el mismo orden que las que muestra Google en sus resultados. Si eres una de las compañías en los primeros resultados de búsqueda en Google para esta query de ejemplo, y piensas que tu estrategia de posicionamiento va bien, vuelve a pensarlo dos veces.

¿Cómo posiciono mejor en los Generative Engines?

Las preguntas aquí, entonces, son muchas. La principal: cómo hacer que mi contenido sea relevante para que los GEs lo citen en sus respuestas. Los investigadores del paper sobre GEO, respondieron precisamente eso, no sin dejar antes claro que las dudas todavía son bastantes. Aquí te dejo lo más importante:

• Lo primero, es entender que los GEs no están limitados a una concordancia de la búsqueda del usuario con las palabras clave del sitio. La clave para un GE, son las citas, que se definen como los sitios web de los que toma la información para generar una única respuesta. Entonces, lo que debemos hacer, es reformatear nuestro contenido para tener mayor probabilidad de que un GE nos cite en su respuesta. 

• Lo que más funcionó en el estudio de los investigadores para aumentar las chances de ser citado por los GEs fue incluir, paradójicamente, más citas a fuentes relevantes dentro del contenido. Es decir que, para que un GE nos cite, también debemos hacer lo mismo en nuestro contenido: citar más fuentes. 

• Luego, recomiendan darle un tono con mayor autoridad a nuestro contenido, e incluir tecnicismos.

• Añadir estadísticas dentro del texto también contribuyó a que este tuviera mayor probabilidad de ser citado por el GE. 

• Los investigadores encontraron que técnicas tradicionales del SEO como el keyword stuffing (agregar una alta densidad de palabras clave, no tuvo mayor impacto en el experimento. 

Los investigadores dieron ejemplos concretos de estas mejoras en textos y búsquedas reales usados en los experimentos, que se muestran en esta tabla directamente traducida del paper, y que señala en verde las partes del texto que ayudaron a aumentar la probabilidad de este de ser citado por el GE: 

Es importante mencionar una de las preguntas más importantes que se pleantearon los investigadores durante el proceso, y que debieron responder para poder medir los resultados en función de esta. 

En un motor tradicional, es fácil medir el rendimiento de nuestras optimizaciónes. Entre más arriba estemos y más visibilidad tengamos, mejor… Pero, en un GE, donde una respuesta contiene múltiples citas, y estamos literalmente a merced de cómo el LLM estructure la respuesta, ¿cómo medimos qué funciona mejor una vez el GE ya está citando mi contenido?

Para esto, plantearon dos métricas. La primera, el Word Count (Número de palabras), y la segunda las Subjective Impressions (Impresiones subjetivas). 

Por Word Count, se refieren a cuántas palabras está usando la respuesta del GE para hacer alusión a mi cita. Entre mayor cantidad de palabras sean, quiere decir que el modelo está dando mayor relevancia a mi contenido para generar una respuesta, aumentando la probabilidad de que el usuario ingrese o referencie mi sitio web. Esto, incluso cuando la respuesta del GE ubica mi citación en una parte más avanzada del texto.

En cuanto a Subjective Impressions, la explicación es un poco más compleja, pero puede resumirse en “la relevancia del material citado para la consulta del usuario, la influencia de la cita, la originalidad del material presentado por una cita, la posición subjetiva en la respuesta, el conteo de palabras subjetivo, la probabilidad de hacer clic en la cita y la diversidad en el material presentado”, según la investigación. 

Mis apuestas y preguntas

• El GEO es una realidad. Desde hace varios meses, veo tráfico cuya fuente de atribución en el CRM que usamos en la startup donde lidero el equipo de Growth es un GE. Es decir, ya hay personas encontrándonos y convirtiéndose en leads a través de las respuestas de estos nuevos motores, que están usando nuestro contenido para generar parte de sus respuestas.

• Todavía estamos en los primeros días de esta tendencia. Es muy temprano, así que las mejoras y las ganancias que hagamos hoy en los sitios de nuestras compañías para que se acomoden al GEO pueden tener un gran impacto. 

• Me pregunto si estos GEs ofrecerán el equivalente a pauta pagada en buscadores (SEM). Algo como un atajo para que mediante un pago, los GEs tomen nuestro contenido como fuente y lo citen, sí o sí, en sus respuestas.

• No hay que descuidar el SEO, por varias razones. Google no va a dejar que el negocio que representa alrededor del 60% de sus ingresos caiga tan fácil. Además, aunque me parece que van atrás en la carrera de la AI, su buscador ya tiene la opción de activar respuestas generadas con AI. Y finalmente, aunque no todas las técnicas de SEO van a poder extrapolarse al GEO, quienes tengan una buena estrategia ya implementada del primero sí tienen una ventaja frente a quienes comiencen a hacer GEO desde cero.

• La AI todavía no es para todos. Pienso en la generación de boomers que compran software. Seguro muchos de ellos no van a dejar de usar buscadores tradicionales para encontrar lo que buscan y necesitan.

• Todavía no veo un jugador claro en el espacio de los GEs que se posicione como Google lo hizo con la búsqueda tradicional. Me parece que falta un componente importante en esta carrera, y que discutimos justamente en el primer post de este newsletter: la distribución. Google solucionó ese problema hace años cuando se dio cuenta que para dominar el espacio de motores de búsqueda debía tener su propio navegador. Por eso lanzó Chrome, hizo que todos lo descargáramos y usáramos Google como buscador por defecto a través de este. Ahora, Google tiene la distribución, pero no el mejor GE de todos. Jugadores como Perplexity o OpenAI, tienen mejores modelos, pero no el nivel de distribución que tiene Google.

• Hay una zona gris que los mismos investigadores del paper sobre GEO mencionan como black-box, o caja negra. Se refieren a que, aunque podamos implementar mejoras para aumentar las chances de que un GE nos cite, no conocemos algoritmo que define qué sitios se priorizan sobre otros, y cómo el LLM arma su respuesta con base a esto. 

Por eso ChatGPT, luego de lanzar la funcionalidad de Search, también lanzó una extensión de Chrome. Saben que no es suficiente con el producto. Necesitan una capa de distribución que genere un hábito de uso de su producto por encima de las demás opciones. 

En conclusión, seguro veremos al GEO posicionarse como un nuevo canal de distribución en los próximos años, y seguro lo escucharemos mucho durante el 2025.

Hablando del próximo año, compartí en X las dos tendencias en Growth y RevOps que veo como el centro de la discusión para el 2025: el GTM Engineering, y el audience-led growth. Hablaremos sobre ellas en un próximo post.

¿Te gustó este post? Compártelo con tus colegas 🤝 

¡Nos vemos el próximo sábado!

Citas 

[1] https://arxiv.org/pdf/2311.09735 - GEO: Generative Engine Optimization