Generative Engine Optimization (GEO): Revisión de enfoques, métricas y estrategias

Abstract (Spanish)

Se presenta un estado de la cuestión sobre la optimización de contenidos para motores de búsqueda generativos basados en grandes modelos de lenguaje (LLM), en un contexto en el que la visibilidad deja de depender del posicionamiento tradicional para centrarse en la integración, influencia y atribución del contenido en las respuestas generadas por estos sistemas. Se realizó una revisión bibliográfica de la literatura reciente sobre Generative Engine Optimization (GEO) y otros enfoques relacionados, analizando sistemas generativos, métricas de evaluación y estrategias de optimización. La revisión muestra una convergencia en torno a métricas de visibilidad, influencia y verificabilidad, así como a un conjunto recurrente de estrategias que incluyen la mejora de la calidad y estructura del contenido, el uso de datos estructurados, el refuerzo de la autoridad y la optimización basada en entidades. La optimización para motores generativos redefine los objetivos del SEO tradicional y plantea nuevos retos en términos de atribución, estabilidad de la visibilidad y calidad informativa. Este trabajo ofrece un marco de referencia para futuras investigaciones y aplicaciones prácticas, especialmente aquellas encaminadas a la optimización del contenido en aras de incrementar la visibilidad en entornos de generación de respuestas producidas por sistemas basados en LLMs.