Los 10 controles de GEO en los que fallan la mayoría de los sitios web

Si desea aparecer en las respuestas de ChatGPT, Perplexity, Claude o Google AI Overviews, no necesita una nueva disciplina, sino datos comprobables y legibles por máquinas. Hemos analizado por qué esto falla en la práctica: 23.696 auditorías completadas en 13.327 dominios, verificadas con el AI Trust Audit. Estos diez criterios son los que fallan con más frecuencia, y algunos de ellos podrían sorprenderle.

Lo más importante en resumen

• Base de datos en lugar de intuición: Todos los porcentajes de este artículo provienen de 23.696 auditorías completadas en 13.327 dominios (a fecha de agosto de 2026), no de una encuesta o estimación.
• Los clásicos están resueltos, faltan las pruebas: La política de privacidad, el archivo robots.txt y el sitemap se sitúan entre el 73 y el 94 por ciento. En cambio, el marcado de reseñas está en el 5 por ciento.
• El mayor fallo es el más desconocido: El enlace sameAs —la conexión de la propia marca con sus perfiles en la red— falta por completo en dos de cada tres páginas analizadas.
• El esfuerzo y el impacto rara vez van de la mano: Seis de los diez puntos se pueden implementar en pocas horas, ya que se trata de etiquetado y no de contenido nuevo.

Cómo hemos seleccionado los datos

La base son todas las ejecuciones de auditoría completadas. Para cada criterio, disponemos de la frecuencia con la que se cumplió totalmente, parcialmente o no se cumplió. Se incluyeron criterios con una ponderación alta y una tasa de fallo elevada, es decir, allí donde mucho impacto se encuentra con poca implementación.

Se han omitido deliberadamente de la lista los elementos básicos: política de privacidad (el 73 por ciento la cumple totalmente), robots.txt accesible (94 por ciento), legibilidad (87 por ciento), XML-Sitemap (81 por ciento), aviso legal (68 por ciento). Además, la etiqueta Title solo falla en el 5 por ciento de las páginas, y solo el 6 por ciento bloquea activamente a GPTBot. Estos son cimientos importantes, pero ya no son asignaturas pendientes.

Los criterios relacionados con productos solo se ejecutan en páginas de tiendas detectadas; sus cuotas se refieren a 4.747 ejecuciones. La numeración es alfabética y no constituye un orden de relevancia.

Comparativa de un vistazo

Verificación	Categoría	Cumplido totalmente	Esfuerzo	Impacto en respuestas de IA
1. Textos Alt de imágenes	Contenido	35 %	Medio	Alto
2. Esquema FAQ	Estructura	7 %	Bajo	Muy alto
3. Esquema Organization	Estructura	46 %	Bajo	Muy alto
4. Identificadores de producto	Datos de producto	27 %	Medio	Muy alto
5. Calidad de la página "Sobre nosotros"	Contenido	25 %	Medio	Alto
6. Esquema de reseñas (Review)	Reputación	5 %	Medio	Muy alto
7. Vinculación de entidad sameAs	Estructura	22 %	Bajo	Alto
8. Fecha de publicación	Contenido	27 %	Bajo	Alto
9. Datos de oferta completos	Datos de producto	34 %	Medio	Muy alto
10. Esquema de sitio web con búsqueda	Estructura	36 %	Bajo	Medio

1. Textos Alt de imágenes

Categoría: Contenido

Qué se comprueba: Si las imágenes relevantes para el contenido de una página llevan textos alternativos descriptivos, y no solo nombres de archivo o atributos vacíos.

Tasa de éxito: El 35 por ciento cumple totalmente la verificación, el 26 por ciento no la cumple en absoluto. Esto lo convierte en el punto más débil entre los criterios de alta ponderación.

Por qué es importante para las respuestas de IA: Los rastreadores basados en texto no ven imágenes. Lo que figure en el texto alternativo es todo lo que puede llegar del producto a la respuesta; por ejemplo, en fotos de producto: color, material, variante.

Best Practice: alt="Cafetera espresso manual, 2 grupos, acero inoxidable" en lugar de alt="Imagen de producto". Las imágenes decorativas deben llevar un alt="" vacío para que sean omitidas deliberadamente.

Error más común: El sistema de la tienda rellena automáticamente el texto alt con el nombre del producto. Formalmente presente, pero sin información adicional en cuanto a contenido.

2. Esquema FAQ

Categoría: Estructura

Qué se comprueba: Si las preguntas y respuestas de la página están etiquetadas como FAQPage.

Tasa de éxito: 7 por ciento. Más de nueve de cada diez páginas desperdician el formato que más se aproxima al formato de respuesta de los sistemas de IA.

Por qué es importante para las respuestas de IA: Una estructura de pregunta-respuesta proporciona exactamente el bloque que un modelo puede citar: una pregunta delimitada y una respuesta cerrada, sin tener que reconstruir el contexto a partir del texto corrido.

Best Practice: Colocar bloques de FAQ donde surja la pregunta: en páginas de producto, de envío y de devoluciones, no solo en una página central de preguntas frecuentes. Cada respuesta debe tener entre dos y cuatro frases y ser comprensible por sí misma.

Error común: Las preguntas aparecen como un acordeón en la página, pero falta el marcado. Es visible para los compradores, pero para las máquinas no es más que un montón de elementos div.

3. Esquema Organization

Categoría: Estructura

Qué se comprueba: Si el sitio web comunica su identidad corporativa como Organization: nombre, logotipo, forma de contacto, dirección.

Tasa de éxito: 46 por ciento. En más de la mitad de las páginas falta la identidad básica, a pesar de que esta verificación es una de las más valoradas.

Por qué es importante para las respuestas de IA: Sin una organización clara, un modelo no puede asignar afirmaciones, reseñas y productos a ninguna marca. Todo lo demás se construye sobre esto.

Best Practice: Entregar un objeto Organization de forma global en la cabecera de la página, con name, url, logo, contactPoint y address, idénticos en todas las páginas e idénticos al aviso legal y al perfil de empresa de Google.

Error común: Dos razones sociales contradictorias: una en el marcado y otra en el aviso legal. Esto debilita la asociación en lugar de fortalecerla.

4. Identificadores de producto

Categoría: Datos de producto

Qué se comprueba: Si los productos llevan identificadores únicos: GTIN o EAN, MPN, SKU y la marca.

Tasa de éxito: El 27 por ciento de las páginas de tiendas analizadas cumplen totalmente la verificación, el 62 por ciento no la cumplen en absoluto.

Por qué es importante para las respuestas de IA: Los agentes de compra deben reconocer que su oferta se refiere al mismo producto que la de un competidor. Sin identificador, su artículo es simplemente otro artículo diferente para una comparativa de precios o disponibilidad.

Best Practice: Incluir gtin13, mpn, sku y brand en el objeto Product. Para marcas propias sin GTIN: mantener de forma coherente el MPN y la marca.

Error común: Los identificadores están en el sistema de gestión de mercancías y en el feed de Google Merchant, pero no en el HTML de la página de producto. El feed solo llega a Google; la página de producto a todos los demás.

Lo sorprendente: Este punto es el presagio más claro de las compras mediante agentes y, sin embargo, es el conjunto de datos de producto peor mantenido.

5. Calidad de la página "Sobre nosotros"

Categoría: Contenido

Qué se comprueba: No si existe una página de "Sobre nosotros", sino si contiene datos sólidos: fundación, ubicación, equipo, enfoque de la gama de productos, contacto.

Tasa de éxito: 25 por ciento. En comparación: el 89 por ciento tiene una página de "Sobre nosotros".

Por qué es importante para las respuestas de IA: Ante la pregunta "¿Es este proveedor serio?", la página "Sobre nosotros" es la fuente de datos más densa del dominio. La prosa de marketing no aporta nada para esto.

Best Practice: Ser concreto: año de fundación, forma jurídica, sede, número de empleados, personas de contacto con nombre, selección de marcas comercializadas.

Error común: Tres párrafos sobre pasión y calidad, sin un solo dato verificable.

Lo sorprendente: La brecha entre "existente" y "significativo" no es tan grande en ningún otro criterio.

6. Esquema de reseñas (Review)

Categoría: Reputación

Qué se comprueba: Si las reseñas de los clientes están etiquetadas como Review o AggregateRating.

Tasa de éxito: 5 por ciento. Este es el valor más llamativo de todo el conjunto de datos, y no se debe a que las tiendas no tengan reseñas.

Por qué es importante para las respuestas de IA: Las reseñas son el rasgo de confianza más citado en las respuestas de IA sobre proveedores. Una nota sin origen ni cantidad es simplemente un número sin respaldo.

Best Practice: Entregar y etiquetar la nota, la cantidad y los textos de las reseñas individuales desde el servidor. Las reseñas de Trusted Shops —nuestra propia oferta— provienen de pedidos verificados y pueden integrarse de modo que figuren en el código fuente.

Error común: El widget de reseñas se carga mediante JavaScript. Los compradores ven las estrellas, pero gran parte de los rastreadores de IA solo leen el HTML puro; allí no hay nada.

Lo sorprendente: La diferencia entre reseñas visibles y reseñas etiquetadas es la mayor brecha de visibilidad individual que medimos.

7. Vinculación de entidad sameAs

Categoría: Estructura

Qué se comprueba: Si la marca vincula sus perfiles oficiales —Perfil de Empresa en Google, LinkedIn, Wikidata, directorios sectoriales— a través de sameAs con su propio dominio.

Tasa de éxito: 22 por ciento. Con un 67 por ciento de fallos claros, es el mayor fracaso de todo el análisis.

Por qué es importante para las respuestas de IA: sameAs le dice a un modelo: la marca de este sitio web y el perfil de allí son la misma entidad. Sin este puente, las pruebas externas siguen siendo ruido sin conexión.

Best Practice: Mantener en el objeto Organization un array sameAs con las URLs de los perfiles oficiales. Incluir solo perfiles que realmente le pertenezcan y estén activos.

Error común: Se vinculan botones de redes sociales en el pie de página en lugar de usar vínculos legibles por máquinas en el marcado.

Lo sorprendente: Esfuerzo: unos quince minutos. Sin embargo, es la verificación estructural que menos se cumple.

8. Fecha de publicación y actualización

Categoría: Contenido

Qué se comprueba: Si los contenidos llevan una fecha de creación y de modificación legible por máquinas.

Tasa de éxito: 27 por ciento; el 73 por ciento no cumple la verificación en absoluto.

Por qué es importante para las respuestas de IA: En preguntas con referencia temporal —precios, situación legal, disponibilidad, años— los modelos prefieren demostrablemente fuentes fechadas. Sin fecha, su contenido queda fuera en cualquier comprobación de actualidad.

Best Practice: Incluir datePublished y dateModified en el marcado y mostrar la fecha también de forma visible. Cambiar dateModified solo si el contenido ha cambiado realmente.

Error común: La fecha se actualiza automáticamente con cada despliegue (deployment). Esto genera una actualidad falsa y desvaloriza la señal.

9. Datos de oferta completos

Categoría: Datos de producto

Qué se comprueba: Si el producto dispone de precio, moneda, disponibilidad, así como condiciones de envío y devolución de forma legible por máquinas.

Tasa de éxito: 34 por ciento de las páginas de tiendas analizadas; el 64 por ciento falla.

Por qué es importante para las respuestas de IA: "¿Cuánto cuesta esto incluyendo el envío y está disponible?" es la típica pregunta de intención de compra. Si falta uno de los datos, un modelo no puede incluir su oferta en la comparativa: simplemente le ignora.

Best Practice: En el objeto Offer, incluir price, priceCurrency, availability, shippingDetails y hasMerchantReturnPolicy, y mantenerlos sincronizados con la información de la página.

Error común: El precio y la disponibilidad están etiquetados, pero el envío y la devolución no. Precisamente estos dos son decisivos en una comparativa.

10. Esquema de sitio web con búsqueda

Categoría: Estructura

Qué se comprueba: Si el dominio proporciona un objeto WebSite junto con una SearchAction.

Tasa de éxito: 36 por ciento.

Por qué es importante para las respuestas de IA: Con esto le indica a un sistema cómo buscar específicamente en su sitio, en lugar de tener que navegar por los menús. Para los accesos mediante agentes, esto será cada vez más relevante.

Best Practice: Entregar WebSite con potentialAction y la URL de búsqueda propia en la cabecera de la página —una vez de forma global, no distinta por página—.

Error común: La URL de búsqueda en el marcado apunta a un parámetro antiguo que no lleva a ninguna parte.

Preguntas frecuentes

¿Qué es GEO en realidad?

GEO son las siglas de Generative Engine Optimization: la optimización de un sitio web para aparecer en las respuestas de los sistemas de IA generativa. Técnicamente se solapa mucho con el SEO, pero da mucha más importancia a las pruebas legibles por máquinas y a las entidades unívocas.

¿No es suficiente con el SEO clásico?

Para los fundamentos sí: una estructura limpia, un sitemap accesible y buenos contenidos benefician a ambos. La diferencia reside en el etiquetado: lo que un humano ve en la página debe existir además como dato estructurado; de lo contrario, no existe para un rastreador HTML.

Si solo tengo un día, ¿por dónde empiezo?

Por las verificaciones estructurales: Organization, sameAs y las fechas se resuelven en pocas horas y afectan a todo el dominio. El etiquetado de reseñas y datos de producto vendría después.

¿Con qué frecuencia debo comprobar esto?

Después de cada relanzamiento importante y, por lo demás, trimestralmente. Según nuestra experiencia, los datos estructurados son lo primero que se pierde con los cambios de plantilla.

Dónde se encuentra su sitio web

Los diez criterios forman parte del AI Trust Audit. La comprobación es gratuita, dura pocos minutos y muestra para cada punto si se cumple, se cumple parcialmente o está pendiente, incluyendo consejos concretos de implementación para su dominio.

Sobre la metodología

Se analizaron todas las ejecuciones de auditoría completadas en el AI Trust Audit (a fecha de agosto de 2026): 23.696 ejecuciones en 13.327 dominios únicos. La base de evaluación varía según el criterio, ya que algunas verificaciones se introdujeron con el tiempo y las verificaciones de productos solo se ejecutan en páginas de tiendas detectadas; por tanto, la base respectiva oscila entre 4.700 y 23.300 ejecuciones. Los resultados detallados con más de doce meses de antigüedad se eliminan por razones de protección de datos y no se incluyen en las cuotas.