<\/p>\n\n\n\n
Las b\u00fasquedas son cada vez menos predecibles en un aspecto muy importante: la persona que busca ya no siempre ve una lista tradicional de enlaces.<\/p>\n\n\n\n
Es posible que le pidan a ChatGPT que compare tres empresas, usen Perplexity para investigar una compra compleja, exploren un tema a trav\u00e9s del modo de IA de Google, o le hagan a un asistente de IA una serie de preguntas de seguimiento antes de visitar un sitio web. En estas experiencias, la visibilidad depende de algo m\u00e1s que de si tu p\u00e1gina puede posicionarse. Tu informaci\u00f3n tambi\u00e9n debe estar disponible cuando un sistema de IA busca fuentes, ser lo suficientemente clara como para ser interpretada correctamente y ser lo suficientemente \u00fatil como para respaldar una respuesta.<\/p>\n\n\n\n
Ah\u00ed es donde Optimizaci\u00f3n de LLM<\/strong>, a menudo abreviado como LLMO, entra en juego.<\/p>\n\n\n\n La optimizaci\u00f3n de LLM es un \u00e1rea especializada dentro de la disciplina m\u00e1s amplia de Optimizaci\u00f3n de Inteligencia Artificial (AIO)<\/strong>. Lea nuestra gu\u00eda sobre la Optimizaci\u00f3n de la Inteligencia Artificial (AIO)<\/a>. AIO eval\u00faa la visibilidad en todo el ecosistema de descubrimiento impulsado por IA m\u00e1s amplio. La optimizaci\u00f3n para LLM reduce el enfoque a un problema m\u00e1s espec\u00edfico: \u00bfC\u00f3mo podemos hacer que una marca y su informaci\u00f3n sean m\u00e1s f\u00e1ciles de recuperar, entender, seleccionar como fuente y representar con precisi\u00f3n para las experiencias impulsadas por grandes modelos de lenguaje?<\/strong><\/p>\n\n\n\n Esa distinci\u00f3n importa porque la LLMO no debe convertirse en otro acr\u00f3nimo de marketing gen\u00e9rico. Si todo lo relacionado con la IA se etiqueta como Optimizaci\u00f3n de LLM, el t\u00e9rmino r\u00e1pidamente deja de ser \u00fatil.<\/p>\n\n\n\n El objetivo es mucho m\u00e1s espec\u00edfico.<\/p>\n\n\n\n La optimizaci\u00f3n de LLM es el proceso de mejorar la informaci\u00f3n, el acceso t\u00e9cnico, la claridad de las entidades, la autoridad y las fuentes de apoyo que pueden influir en c\u00f3mo se descubre y representa una marca en experiencias de b\u00fasqueda e investigaci\u00f3n impulsadas por modelos de lenguaje grande.<\/p>\n\n\n\n En la pr\u00e1ctica, la LLMO aborda cuatro cuestiones relacionadas entre s\u00ed:<\/p>\n\n\n\n Esa es una definici\u00f3n m\u00e1s espec\u00edfica que el simple hecho de tratar de \u201caparecer en ChatGPT\u201d.\u201d<\/p>\n\n\n\n Tambi\u00e9n hay una distinci\u00f3n t\u00e9cnica importante que se debe entender. Los grandes modelos de lenguaje retienen la informaci\u00f3n aprendida durante el entrenamiento, pero muchas experiencias modernas de b\u00fasqueda con IA tambi\u00e9n pueden recuperar informaci\u00f3n actualizada de la web, \u00edndices de b\u00fasqueda, bases de datos u otras fuentes al responder una pregunta. Los especialistas en marketing no pueden simplemente optimizar los pesos del modelo subyacente. Lo que podemos influenciar de manera mucho m\u00e1s directa es la informaci\u00f3n p\u00fablica disponible para recuperaci\u00f3n y puesta a tierra<\/strong>.<\/p>\n\n\n\n Google, por ejemplo, ahora describe expl\u00edcitamente el uso de la generaci\u00f3n aumentada por recuperaci\u00f3n y la diversificaci\u00f3n de consultas en sus experiencias de b\u00fasqueda generativa. El sistema puede emitir m\u00faltiples b\u00fasquedas relacionadas, recuperar p\u00e1ginas relevantes, evaluar la informaci\u00f3n en esas p\u00e1ginas y utilizarla para respaldar su respuesta generada. Gu\u00eda de Google sobre la optimizaci\u00f3n para la b\u00fasqueda con IA generativa<\/a><\/p>\n\n\n\n De manera similar, ChatGPT Search utiliza la b\u00fasqueda en la web cuando la informaci\u00f3n actual es \u00fatil y puede proporcionar referencias que remitan a los usuarios a las fuentes de respaldo. Explicaci\u00f3n de OpenAI sobre la B\u00fasqueda de ChatGPT<\/a> Perplexity describe su propia experiencia como la b\u00fasqueda en la web y la s\u00edntesis de informaci\u00f3n en respuestas respaldadas por citas a las fuentes originales. Aprende c\u00f3mo funciona Perplexity<\/a><\/p>\n\n\n\n Las tecnolog\u00edas, los \u00edndices, los modelos y los m\u00e9todos de selecci\u00f3n de fuentes exactos var\u00edan seg\u00fan la plataforma. Es por eso que una estrategia duradera de optimizaci\u00f3n de LLM debe centrarse en mejorar el entorno de informaci\u00f3n que usted controla en lugar de perseguir supuestos trucos para un solo modelo.<\/p>\n\n\n\n Aqu\u00ed es donde la terminolog\u00eda puede volverse confusa.<\/p>\n\n\n\n AIO, GEO, AEO, LLMO, AI SEO, optimizaci\u00f3n para motores de b\u00fasqueda generativa y varios otros t\u00e9rminos se utilizan ahora para describir partes superpuestas del cambiante panorama de las b\u00fasquedas. Podr\u00edas pasar una cantidad considerable de tiempo discutiendo sobre los nombres y aun as\u00ed terminar con un sitio web que nadie encuentra.<\/p>\n\n\n\n En Cadence Search, nos parece m\u00e1s \u00fatil organizar estos conceptos seg\u00fan el problema que resuelven.<\/p>\n\n\n\n La optimizaci\u00f3n mediante inteligencia artificial es la disciplina principal m\u00e1s amplia.<\/strong> Analiza c\u00f3mo una empresa logra ser encontrada, comprendida, considerada confiable, recomendada y elegida en las experiencias de b\u00fasqueda y descubrimiento impulsadas por inteligencia artificial.<\/p>\n\n\n\n La optimizaci\u00f3n de LLM es una capa inferior a esa.<\/strong> Se centra espec\u00edficamente en los procesos de recuperaci\u00f3n y s\u00edntesis de informaci\u00f3n utilizados por las experiencias impulsadas por LLM: qu\u00e9 fuentes est\u00e1n disponibles, qu\u00e9 informaci\u00f3n se recupera, qu\u00e9 entidades se reconocen, qu\u00e9 fuentes respaldan la respuesta y c\u00f3mo se representa finalmente la marca.<\/p>\n\n\n\n El SEO tradicional tambi\u00e9n sigue siendo parte de este cimiento. El descubrimiento impulsado por IA no ha eliminado la necesidad de rastreo, indexaci\u00f3n, arquitectura del sitio, calidad del contenido, relevancia sem\u00e1ntica, autoridad o accesibilidad t\u00e9cnica. En muchos casos, ha hecho que esos elementos sean m\u00e1s importantes porque ahora respaldan varias formas diferentes de descubrimiento.<\/p>\n\n\n\n Piense en el LLMO como una extensi\u00f3n de una s\u00f3lida estrategia de b\u00fasqueda moderna, no como un reemplazo de todo lo que vino antes.<\/p>\n\n\n\n El SEO tradicional a menudo comienza con una pregunta simple:<\/p>\n\n\n\n \u00bfC\u00f3mo hacemos que esta p\u00e1gina sea el resultado m\u00e1s fuerte para esta b\u00fasqueda?<\/strong><\/p>\n\n\n\n \u00abOptimizaci\u00f3n de modelos de aprendizaje de lenguaje\u00bb presenta otro:<\/p>\n\n\n\n \u00bfC\u00f3mo hacemos que esta informaci\u00f3n sea una fuente s\u00f3lida para la respuesta que se est\u00e1 armando?<\/strong><\/p>\n\n\n\n Esa sutil diferencia cambia la forma en que pensamos sobre el contenido.<\/p>\n\n\n\n Un usuario podr\u00eda preguntarse:<\/p>\n\n\n\n \u201c\u00bfQu\u00e9 debe tener en cuenta una empresa de SaaS del mercado medio al elegir una agencia de marketing en buscadores?\u201d<\/p>\n<\/blockquote>\n\n\n\n Es posible que un sistema de b\u00fasqueda impulsado por IA no busque una sola p\u00e1gina que contenga esa frase exacta. Podr\u00eda dividir el problema en varias necesidades de informaci\u00f3n: qu\u00e9 define a una empresa de SaaS del mercado medio, qu\u00e9 servicios debe ofrecer una agencia de b\u00fasqueda, qu\u00e9 capacidades t\u00e9cnicas son importantes, c\u00f3mo debe tenerse en cuenta la b\u00fasqueda con IA en la decisi\u00f3n, qu\u00e9 modelos de precios o de contrataci\u00f3n existen y qu\u00e9 pruebas demuestran la experiencia.<\/p>\n\n\n\n Google describe un proceso similar a trav\u00e9s de distribuci\u00f3n de consultas<\/strong>, en la cual una experiencia de b\u00fasqueda impulsada por IA puede emitir varias consultas relacionadas para recopilar informaci\u00f3n de respaldo antes de construir una respuesta.<\/p>\n\n\n\n Eso significa que su visibilidad puede depender de si p\u00e1ginas y pasajes individuales satisfacen claramente partes de una pregunta m\u00e1s amplia.<\/p>\n\n\n\n Por lo tanto, una optimizaci\u00f3n eficaz de los modelos de lenguaje grandes (LLM) comienza con la recuperaci\u00f3n de informaci\u00f3n.<\/p>\n\n\n\n Para que un sistema de inteligencia artificial pueda citar, resumir o recomendar tu contenido, necesita una forma de encontrarlo.<\/p>\n\n\n\n Eso hace que la accesibilidad t\u00e9cnica sea una de las partes menos glamurosas y m\u00e1s importantes de la optimizaci\u00f3n de LLM.<\/p>\n\n\n\n Las p\u00e1ginas importantes deben ser rastreables y estar disponibles para los sistemas que son relevantes para tu negocio. La arquitectura de tu sitio debe conectar de manera l\u00f3gica la informaci\u00f3n relacionada. Las URL can\u00f3nicas deben apuntar a las versiones de las p\u00e1ginas que realmente quieres que los sistemas interpreten. El contenido importante no debe quedar oculto por problemas de visualizaci\u00f3n, directivas de robots accidentales, navegaci\u00f3n defectuosa, configuraciones de seguridad o duplicaciones innecesarias.<\/p>\n\n\n\n Es por esto que nuestro enfoque m\u00e1s amplio hacia SEO t\u00e9cnico<\/strong> sigue siendo importante en un entorno de b\u00fasqueda por IA. Descubre por qu\u00e9 el SEO t\u00e9cnico importa a\u00fan m\u00e1s en la b\u00fasqueda por IA<\/a><\/p>\n\n\n\n Cada plataforma maneja el descubrimiento de manera diferente, por lo que no existe una \u201cconfiguraci\u00f3n universal para el rastreador de IA\u201d. OpenAI, por ejemplo, indica que los editores que deseen que su contenido sea detectable y aparezca en la b\u00fasqueda de ChatGPT deben permitir el acceso a OAI-SearchBot. Seg\u00fan Google, la gu\u00eda para editores y desarrolladores de OpenAI indica que la elegibilidad para incluir enlaces en las \u00abRes\u00famenes de IA\u00bb y en el \u00abModo IA\u00bb se basa en los mismos requisitos fundamentales de B\u00fasqueda, lo que incluye estar indexado y ser elegible para aparecer con un fragmento de vista previa.<\/p>\n\n\n\n Eso no significa que se seleccionen todas las p\u00e1ginas accesibles.<\/p>\n\n\n\n La accesibilidad abre nuevas oportunidades. La relevancia y la utilidad determinan si la informaci\u00f3n merece seguir avanzando en el proceso.<\/p>\n\n\n\n Que un motor de b\u00fasqueda rastree tu sitio no es lo mismo que convertirte en una fuente.<\/p>\n\n\n\n Una p\u00e1gina resulta m\u00e1s \u00fatil para la b\u00fasqueda mediante IA cuando contiene informaci\u00f3n que realmente puede ayudar a respaldar una respuesta. Esto podr\u00eda incluir una definici\u00f3n concisa, un dato original, una comparaci\u00f3n detallada, una experiencia de primera mano, un proceso explicado con claridad, una cita de un experto, un ejemplo o evidencia que respalde una afirmaci\u00f3n.<\/p>\n\n\n\n Es aqu\u00ed donde el contenido gen\u00e9rico se convierte en un problema.<\/p>\n\n\n\n Si tu art\u00edculo simplemente replantea la misma informaci\u00f3n general que se encuentra en docenas de otros sitios web, hay pocas razones para que un sistema de recuperaci\u00f3n prefiera tu versi\u00f3n. Es posible que cubras t\u00e9cnicamente el tema, pero no necesariamente has aportado algo que valga la pena citar.<\/p>\n\n\n\n Las recomendaciones actuales de Google sobre la b\u00fasqueda generativa plantean algo similar. Alientan a los editores a crear contenido \u00fanico, que no es de car\u00e1cter comercial<\/strong>, incluidas perspectivas de primera mano e informaci\u00f3n que va m\u00e1s all\u00e1 de lo que se puede resumir f\u00e1cilmente a partir de las p\u00e1ginas existentes.<\/p>\n\n\n\n Ese principio tambi\u00e9n deber\u00eda dar forma a su estrategia de contenido m\u00e1s amplia. Lea nuestro marco de estrategia de contenido de B\u00fasqueda Moderna<\/a><\/p>\n\n\n\n En lugar de preguntarte si un art\u00edculo tiene suficientes palabras, preg\u00fantate si aporta suficiente valor original.<\/p>\n\n\n\n Una fuente confiable podr\u00eda explicar por qu\u00e9 una suposici\u00f3n que se repite con frecuencia es err\u00f3nea, publicar una investigaci\u00f3n propia, mostrar los resultados de una implementaci\u00f3n real, comparar varias opciones utilizando criterios claramente definidos, ofrecer una interpretaci\u00f3n experta de los cambios en la normativa, documentar un experimento o reunir informaci\u00f3n que, de otra manera, requerir\u00eda una investigaci\u00f3n exhaustiva.<\/p>\n\n\n\n Los modelos de lenguaje grande (LLM) son muy buenos para resumir informaci\u00f3n gen\u00e9rica.<\/p>\n\n\n\n Tu contenido debe ofrecerles algo m\u00e1s que un simple resumen.<\/p>\n\n\n\n Que te escuchen es \u00fatil. Que te entiendan bien es igual de importante.<\/p>\n\n\n\n Un sistema de inteligencia artificial que eval\u00fae su empresa puede encontrarse con su p\u00e1gina de inicio, p\u00e1ginas de servicios, perfiles de autores, listados en directorios, perfiles de rese\u00f1as, cobertura de noticias, entrevistas, perfiles en redes sociales, publicaciones de la industria y referencias de otros sitios web.<\/p>\n\n\n\n En conjunto, esas fuentes conforman la imagen de la marca.<\/p>\n\n\n\n Si en una p\u00e1gina se describe a tu empresa como una agencia de SEO, en otra se la denomina empresa de publicidad digital, en una tercera se utiliza un nombre de empresa obsoleto y en los perfiles externos se describen servicios completamente diferentes, est\u00e1s generando una ambig\u00fcedad innecesaria.<\/p>\n\n\n\n Por lo tanto, la optimizaci\u00f3n del LLM incluye la claridad de las entidades: hacer que las relaciones entre tu empresa, las personas, los productos, los servicios, las ubicaciones, la experiencia y los temas sean comprensibles de manera consistente.<\/p>\n\n\n\n Esto est\u00e1 estrechamente relacionado con la b\u00fasqueda sem\u00e1ntica, que se centra fundamentalmente en el significado, las entidades, el contexto y las relaciones, en lugar de limitarse a hacer coincidir cadenas de palabras clave. Descubre c\u00f3mo la b\u00fasqueda sem\u00e1ntica ayuda a los sistemas a comprender el significado<\/a><\/p>\n\n\n\n Analicemos la diferencia entre estas dos afirmaciones:<\/p>\n\n\n\n \u201cCadence ofrece servicios de SEO e inteligencia artificial.\u201d<\/p>\n\n\n\n y:<\/p>\n\n\n\n \u201cCadence Search es una agencia de marketing en buscadores que ofrece servicios de SEO t\u00e9cnico, estrategia de contenido, desarrollo de autoridad y optimizaci\u00f3n de b\u00fasqueda basada en inteligencia artificial para empresas que desean mejorar su visibilidad tanto en los buscadores tradicionales como en los que utilizan inteligencia artificial.\u201d<\/p>\n\n\n\n La segunda declaraci\u00f3n le brinda al sistema mucha m\u00e1s informaci\u00f3n. Identifica a la organizaci\u00f3n, su categor\u00eda, sus servicios y la relaci\u00f3n entre dichos servicios.<\/p>\n\n\n\n Las relaciones claras entre entidades deben aparecer de manera natural en todo el contenido principal de tu sitio web. Tu p\u00e1gina \u00abAcerca de\u00bb, las p\u00e1ginas de servicios, las biograf\u00edas de los autores, los casos de estudio, la informaci\u00f3n de contacto, los datos estructurados, los perfiles de terceros y las menciones externas deben reforzarse mutuamente en lugar de contradecirse.<\/p>\n\n\n\n Los datos estructurados pueden contribuir a esta claridad, pero el esquema no es una soluci\u00f3n m\u00e1gica para las citas de los modelos de lenguaje a gran escala (LLM). Google afirma expl\u00edcitamente que no se requiere ning\u00fan marcado de esquema especial para sus experiencias de b\u00fasqueda con IA generativa.<\/p>\n\n\n\n El objetivo no es agregar m\u00e1s marcado solo por el hecho de hacerlo.<\/p>\n\n\n\n El objetivo es eliminar la ambig\u00fcedad.<\/p>\n\n\n\n Uno de los errores m\u00e1s grandes en la optimizaci\u00f3n de LLM es dar por sentado que tu sitio web es la \u00fanica fuente que importa.<\/p>\n\n\n\n No lo es.<\/p>\n\n\n\n Cuando un sistema impulsado por inteligencia artificial investiga una empresa, producto, categor\u00eda o recomendaci\u00f3n, puede encontrar muchos tipos diferentes de fuentes. Dependiendo de la consulta y de la plataforma, esas fuentes podr\u00edan incluir sitios web de empresas, publicaciones de la industria, organizaciones de noticias, plataformas de rese\u00f1as, documentos de investigaci\u00f3n, recursos gubernamentales, debates comunitarios, bases de datos de productos, directorios profesionales y otros sitios de terceros.<\/p>\n\n\n\n La combinaci\u00f3n exacta de fuentes var\u00eda considerablemente. No existe una lista universal de sitios web en los que conf\u00ede todos los LLM.\u201c<\/p>\n\n\n\n Por eso, el desarrollo de contenidos debe comenzar con la pregunta que se hace tu audiencia.<\/p>\n\n\n\n Si alguien est\u00e1 investigando software empresarial, las publicaciones de software cre\u00edbles, las opiniones de los clientes, la documentaci\u00f3n de integraci\u00f3n, la cobertura de analistas y las comunidades de la industria pueden importar. Si alguien est\u00e1 investigando un tema m\u00e9dico, la literatura m\u00e9dica autorizada y las fuentes institucionales se vuelven mucho m\u00e1s importantes. Si la pregunta involucra a un negocio local, los listados locales, las rese\u00f1as, los medios locales y la informaci\u00f3n geogr\u00e1fica pueden contribuir con mayor peso.<\/p>\n\n\n\n\u00bfQu\u00e9 es la optimizaci\u00f3n de LLM?<\/h2>\n\n\n\n
\n
La optimizaci\u00f3n de los modelos de lenguaje grande (LLM) forma parte de AIO, no lo reemplaza<\/h2>\n\n\n\n
C\u00f3mo la recuperaci\u00f3n en los LLM cambia la cuesti\u00f3n de la optimizaci\u00f3n<\/h2>\n\n\n\n
\n
1. Recuperaci\u00f3n: \u00bfPuede el sistema encontrar la informaci\u00f3n correcta?<\/h2>\n\n\n\n
2. Potencial de citaci\u00f3n: Dale al sistema algo que valga la pena citar<\/h2>\n\n\n\n
3. Comprensi\u00f3n de la marca: deja clara tu identidad<\/h2>\n\n\n\n
4. Selecci\u00f3n de fuentes: tu sitio web es solo una parte de la historia<\/h2>\n\n\n\n