Cinco palancas que mueven el citation rate en ChatGPT

Un SaaS B2B con autoridad de dominio 60 y cientos de páginas indexadas puede no aparecer nunca en una respuesta de ChatGPT. Un competidor más pequeño, con la mitad de tráfico, recibe menciones consistentes. La diferencia no está en quién tiene mejor SEO.

Por qué este playbook es distinto al SEO

Google ordena resultados y deja que el usuario elija. ChatGPT, Claude y Perplexity construyen una respuesta única a partir de múltiples fuentes. La marca que aparece citada es la que el modelo considera más representativa, más verificable y más fácil de extraer. El proceso de cita se alimenta de señales muy distintas a las del SEO clásico. Las cinco palancas son:

• La identidad de entidad le dice al modelo quién sos.
• El contenido estructurado le permite extraer datos sin ambigüedad.
• La presencia en plataformas que los crawlers de OpenAI priorizan amplifica la señal.
• La frescura del contenido determina si esa señal sigue vigente.
• El marcado con schema conecta todas las piezas en un formato que las máquinas interpretan sin fricción.

Activar solo una o dos de estas palancas produce resultados erráticos, porque el modelo necesita cruzar varias señales antes de comprometerse con una cita.

Identidad de entidad y contenido estructurado

La primera pregunta que un modelo resuelve antes de citar una marca es si puede identificarla con certeza. Muchas empresas B2B usan nombres distintos en su sitio, en G2, en LinkedIn y en prensa. Para un modelo que cruza fuentes, cada variación introduce ruido que diluye la señal de identidad. La auditoría empieza por canonicalizar el nombre de marca en todas las superficies públicas, crear o actualizar una entrada en Wikidata y agregar un bloque JSON-LD de tipo Organization en la página "Acerca de".

Una vez que el modelo sabe quién sos, necesita poder extraer qué hacés. El contenido largo y narrativo, que funciona bien para SEO, muchas veces le resulta difícil de sintetizar a un LLM que busca fragmentos citables. Diseñá cada pieza pensando en la pregunta inversa: ¿qué fragmento de esta página podría un modelo copiar textualmente sin que pierda sentido fuera de contexto? Ayudan las tablas comparativas con columnas claras, las definiciones en formato pregunta-respuesta y los resúmenes estructurados al inicio de cada artículo.

Plataformas, frescura y marcado

GPTBot y OAI-SearchBot no rastrean toda la web con la misma intensidad. Plataformas como G2, Capterra, Gartner Peer Insights y LinkedIn reciben visitas frecuentes de estos bots, lo que las convierte en superficies de alta prioridad. Un perfil de G2 completo con reseñas recientes, categorización correcta y una descripción alineada con la identidad del sitio multiplica las probabilidades de cita.

Toda esa presencia se degrada si el contenido envejece. Los modelos ponderan la frescura porque sus capacidades de búsqueda en tiempo real favorecen información actualizada. Una buena práctica para contenido estratégico es una revisión mensual con actualización de datos, fechas visibles de última modificación y un schema Article con dateModified. El schema markup actúa como pegamento entre todas las palancas: FAQ schema en páginas de producto, HowTo schema en guías, Organization schema en el sitio corporativo. Cuando el marcado confirma lo que el texto dice y lo que las plataformas externas verifican, el modelo alcanza un umbral de confianza que facilita la cita.

Los primeros 90 días

Semanas 1-3 — Auditoría e infraestructura: revisar todas las menciones de marca, canonicalizar el nombre, crear o actualizar la entrada de Wikidata e implementar JSON-LD de Organization. Verificar que los perfiles de G2, Capterra y LinkedIn estén alineados.

Semanas 4-6 — Reestructuración de contenido: las cinco páginas de mayor tráfico orgánico se reformatean con tablas comparativas, bloques de pregunta-respuesta y resúmenes extractables. Se implementa FAQ schema y Article schema con dateModified en cada una.

Semanas 7-10 — Plataformas externas: campaña de reseñas en G2, contenido técnico semanal en LinkedIn y verificación de que GPTBot tiene acceso permitido en robots.txt. Bloquear GPTBot por error todavía afecta a una proporción significativa de los sitios B2B.

Semanas 11-13 — Medición y ajustes: el KPI principal es el citation rate, medido ejecutando un set controlado de prompts relevantes y registrando el porcentaje donde la marca aparece. Cada cita de ChatGPT que menciona tu marca llega a un usuario que formuló una pregunta con intención real, en el momento exacto de su decisión.

Si querés saber cómo está tu marca en términos de visibilidad para IA, probá el diagnóstico gratuito de Referent y obtené un mapa claro de dónde empezar.

Preguntas frecuentes

¿Cuánto tiempo toma ver resultados en el citation rate?

Los primeros cambios suelen aparecer entre las 6 y 8 semanas después de implementar la identidad canonicalizada y el schema básico. Resultados consistentes requieren completar el ciclo completo de 90 días con las cinco palancas activas.

¿Es necesario estar en todas las plataformas?

No es indispensable estar en todas, pero G2 y LinkedIn son prácticamente obligatorios para SaaS B2B. La presencia en Capterra y Gartner Peer Insights depende del tamaño y categoría de la empresa.

¿Qué pasa si GPTBot está bloqueado en mi robots.txt?

Si GPTBot no tiene acceso permitido, tu contenido no será indexado para respuestas de ChatGPT, sin importar qué tan bien optimizado esté el sitio.

¿El schema markup influye en las citas de IA?

Funciona como metadatos que los bots procesan antes del contenido visible. Cuando el schema confirma la información del texto y de las plataformas externas, el modelo alcanza mayor confianza para incluir una cita.

¿Cómo se mide el citation rate de forma controlada?

Se ejecuta un set de prompts relevantes para tu categoría y se registra en cuántos aparece tu marca mencionada. Este proceso debe repetirse semanalmente para detectar cambios y ajustar la estrategia.