Cuando los viajeros le preguntaban a la IA dónde hospedarse, el resort solo aparecía si ya sabían su nombre

01

El problema

Los viajeros ya no revisan diez enlaces azules. Le piden a un asistente el mejor resort para familias, el mejor resort de golf, un lugar para escaparse el fin de semana. Un hotel puede posicionar bien en Google y aun así no aparecer en esas respuestas, y ningún reporte de SEO tradicional se lo va a decir.

El grupo operaba dos propiedades y una estaba en pleno rediseño. Necesitaba una sola vista confiable de la salud de sus sitios, con historial. Y antes de invertir en posicionamiento en buscadores de IA, necesitaba una línea base medible, para poder demostrar la mejora en lugar de prometerla.

02

Por qué era difícil

• Las respuestas de la IA son probabilísticas y cada motor se comporta distinto: APIs diferentes, búsqueda web diferente, citas escondidas detrás de redirecciones.
• Los motores casi nunca usan el nombre registrado de una marca. Buscar la coincidencia exacta dejaba fuera cerca de una de cada ocho menciones.
• Los checks automáticos de mobile son casi todo ruido: un solo sitio puede arrojar miles de “problemas” de diseño que una persona nunca marcaría. Y una revisión hecha solo con un LLM ubica mal los errores e inventa posiciones.
• Los resultados tenían que poder compararse mes a mes, mientras las páginas, las herramientas y el propio sitio seguían cambiando.

03

Qué construimos

Una plataforma de auditoría organizada en ejes estratégicos, con un portal para el cliente. Un preflight decide qué aplica a cada sitio, cuatro motores miden en paralelo y cada corrida queda congelada en un snapshot inmutable, para poder comparar dos momentos cualesquiera.

05

Lo que dijeron los motores de IA

Quince preguntas que haría un viajero, enviadas a seis motores con búsqueda web activa. El patrón saltó de inmediato: el resort estaba bien representado cuando alguien ya lo conocía, y casi invisible cuando no.

06

Resultados

• Una línea base GEO clara y defendible: casi todas las respuestas nombraron al resort cuando la pregunta ya lo hacía, y menos de una de cada cinco en los demás casos. Cinco preguntas genéricas, incluida la construida alrededor de su amenidad estrella, no lo nombraron en ningún motor.
• Un plan de contenido atado a evidencia: respuestas nuevas de FAQ mapeadas una por una a las preguntas sin presencia, las existentes reescritas, y datos estructurados que contradecían el texto de la página marcados para corregir.
• En el resort hermano, la legibilidad para la IA se duplicó tras dos cambios puntuales, primero datos estructurados y luego llms.txt, medida con los mismos checks antes y después.
• Una sola corrección de metadatos subió casi diez puntos el puntaje de buscadores de la propiedad boutique de un día para otro, otra vez con checks idénticos.
• El revisor de IA para mobile coincidió con un revisor humano en todos los checks de su piloto, sin referencias inventadas, a mucho menos de un dólar por corrida de un sitio completo.
• La plataforma hoy es la auditoría estándar para un portafolio de sitios de clientes, respaldada por una suite de pruebas automatizadas.