Citabilidad en LLMs: por qué la IA cita unas marcas y no otras
Citabilidad en LLMs es la propiedad de un contenido de ser elegido por Large Language Models como fuente citable en respuestas generativas. No es magia ni manipulación: es el resultado de factores documentables que se pueden trabajar — pero no se pueden garantizar.
La respuesta llega antes que el click
ChatGPT Search, Perplexity, Google AI Overviews y Claude están reemplazando consultas que antes terminaban en una visita a tu sitio. La respuesta llega antes que el click — y si no eres parte de esa respuesta, dejas de existir para esa capa de tráfico.
Importante: ninguna técnica de citabilidad garantiza aparecer. Solo aumentan la probabilidad. Cualquiera que te prometa estar “número 1 en ChatGPT” está mintiendo o no entendió cómo funciona.
Los 6 factores de citabilidad
Basados en investigación propia + lo público de Google, OpenAI, Anthropic y Perplexity sobre cómo eligen fuentes:
Factual Density
Densidad de hechos verificables, datos primarios, fuentes y citas por unidad de contenido. Alta factual density sube probabilidad de ser citado.
Cómo trabajarlo: Cada claim con fuente, dato o ejemplo concreto. Evitar prosa adornada sin información nueva.
Entity Consistency
Consistencia de datos de tu entidad (nombre, bio, foto, cargo, URL, schema) a través de fuentes externas — análogo a NAP en SEO local.
Cómo trabajarlo: Una sola bio canónica, una sola foto, un sameAs cross-platform: LinkedIn, X, Wikidata, GBP.
Source attribution clara
Citar fuentes primarias verificables — Google Search Central, W3C, papers, instituciones — no parafraseos de blogs.
Cómo trabajarlo: Bloque de fuentes con URL, institución y claim que respaldan en cada landing técnica.
Structure citable
Estructura que permita al LLM identificar passages, autores, fechas y respuestas autocontenidas.
Cómo trabajarlo: H2/H3 explícitos, definiciones tempranas, listas, tablas, bloques de definición canónica.
Author credibility
Autor real, verificable, con perfiles externos consistentes y especialización demostrable.
Cómo trabajarlo: Schema Person con @id estable, sameAs a perfiles activos, knowsAbout específico.
Source corroboration cross-web
Mismo contenido / claim aparece en varias fuentes confiables (medios, Wikipedia, Wikidata, directorios).
Cómo trabajarlo: Outreach a publicaciones reconocidas, entradas en directorios verticales, presencia en Wikidata.
Lo que NO funciona
Anti-patrones recurrentes que vemos en proyectos GEO:
Hacer FAQs solo para ser citado — los LLMs detectan SEO-first y prefieren contenido people-first.
Generar contenido masivo con IA sin investigación propia — los LLMs prefieren fuentes con valor único.
Parafrasear sin citar — sin atribución a fuente primaria, tu contenido queda como copia de segundo orden.
Promesas vacías sin evidencia — los LLMs prefieren contenido conservador con datos sobre claims grandes sin respaldo.
Schema sin entidad real detrás — un Schema Person de un autor inventado no construye credibilidad.
Cómo se mide citabilidad
No hay un “Google Search Console de LLMs”. La medición requiere instrumentación propia:
Prompts test sintéticos recurrentes: ejecutar las mismas queries en ChatGPT Search, Perplexity, Google AI Overviews y Claude mensualmente.
Tracking de citas: cuántas veces tu marca / dominio aparece como fuente citada en respuestas test.
Share of voice generativo: tu cuota vs competidores en el mismo set de prompts.
Perfiles externos consistentes: cuántos perfiles externos tienen tu bio y datos correctos (objetivo ≥5 Mes 3, ≥15 Mes 6).
AI Overview inclusion rate: en queries informacionales de tu nicho, qué tan seguido apareces.
Más entradas en la biblioteca
GEO →
Hub de Generative Engine Optimization — disciplina dentro de la que vive citabilidad.
LLM Visibility →
Métrica relacionada: presencia general de tu marca en respuestas LLM (citada o no).
AI Search Optimization →
Subdisciplina más amplia que cubre AI Overviews, ChatGPT Search, Perplexity, Bing AI.
Knowledge Graph Consulting →
Un KG bien diseñado refuerza entity consistency cross-web — base estructural de citabilidad.
E-E-A-T →
Framework de Google que aplica también a citabilidad: experience, expertise, authority, trust.
Documentación oficial que sustenta esta entrada
Google Search Central — AI Overviews ↗
Anuncio oficial AI Overviews mayo 2024.
OpenAI — ChatGPT Search ↗
Anuncio oficial ChatGPT Search octubre 2024.
Perplexity Hub ↗
Blog/hub Perplexity con metodología y cambios producto.
Anthropic Engineering ↗
Blog técnico Anthropic con patterns Claude search y MCP.
Google Search Quality Rater Guidelines ↗
QRG público — define E-E-A-T como marco de calidad aplicable también a citabilidad GEO.
¿Tu marca aparece cuando la IA responde?
Diagnóstico GEO con prompts test reales en ChatGPT Search, Perplexity y AI Overviews antes de proponer alcance.
Solicitar Diagnóstico GEO →