El estudio de Princeton sobre GEO: qué midió y qué se puede usar

Casi todo lo que se escribe sobre posicionamiento en IA generativa es opinión con formato de guía. El estudio que acuñó el término GEO no lo es: probó nueve métodos de optimización sobre unas 10.000 consultas, con una métrica definida y un banco de pruebas reproducible, y publicó qué funcionó y cuánto. El hallazgo que más se cita es que añadir estadísticas sube la visibilidad entre un 30 y un 40 %. El que más debería citarse es otro, y aparece más abajo: el efecto no se reparte por igual, y quien ya es primero, en la prueba donde ese reparto está medido, pierde.

¿Qué encontró el estudio GEO de Princeton?

Midió qué técnicas aumentan la visibilidad en respuestas generadas, sobre un conjunto de consultas y modelos concretos. Sus mejoras relativas van del 30 al 40 por ciento en las tres técnicas más fuertes, y quien más gana es quien está alrededor del puesto cinco, no quien ya es primero.

Respuesta rápida

• Referencia exacta: Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan y Deshpande. arXiv 2311.09735, presentado en KDD 2024.
• Qué midió: nueve métodos de optimización sobre unas 10.000 consultas repartidas en nueve conjuntos de datos, agrupados en un banco de pruebas llamado GEO-bench.
• Hallazgo más citado: añadir estadísticas con fuente sube entre un 30 y un 40 % la visibilidad en las respuestas generadas.
• Hallazgo más útil: al citar fuentes, las páginas alrededor del puesto 5 ganan un 115,1 % de visibilidad y las de puesto 1 pierden un 30,3 %.

Qué tipo de estudio es este

Conviene situarlo antes de usar sus cifras, porque de lo contrario se citan mal.

No es una medición del mercado. No dice cuántas búsquedas llevan resumen de IA ni cuánto tráfico se pierde: eso viene de otras fuentes. Es un experimento controlado que responde a una pregunta más estrecha y más accionable: dado un contenido que ya es candidato a aparecer en una respuesta generada, ¿qué modificaciones aumentan la probabilidad de que el sistema lo use y lo cite?

Esa distinción importa porque acota lo que se puede afirmar. El estudio no demuestra que aplicar sus técnicas traiga visitas. Demuestra que aumentan la presencia del texto propio dentro de la respuesta generada. Son dos cosas relacionadas y distintas, y el salto de una a otra depende de un negocio concreto.

Cómo se mide "aparecer" en una respuesta generada

Aquí está la aportación menos comentada del trabajo y la que lo hace utilizable. En una lista de enlaces, medir la visibilidad es trivial: hay un puesto. En un párrafo redactado por un modelo no hay puestos, así que hizo falta inventar la métrica.

La que usaron se llama Position-Adjusted Word Count (PAWC). Cuenta cuántas palabras de la respuesta generada proceden de una fuente determinada y las pondera según dónde aparecen: lo que se dice al principio pesa más que lo que se menciona al final. Es una traducción razonable de la intuición de que ser la primera fuente mencionada no equivale a ser la cuarta.

Que exista una métrica cambia la conversación. Sin ella, "mejorar la visibilidad en IA" es una frase que no se puede falsar. Con ella, se puede decir que un método rinde un 30 % más que la línea base y que otro no rinde nada.

Los tres resultados que se pueden usar

1. Las estadísticas con fuente están entre las palancas más fuertes

Añadir cifras concretas al texto quedó entre las mayores mejoras del estudio: entre un 30 y un 40 % más de visibilidad relativa en PAWC, con los mejores métodos llegando al 41 % en esa métrica. La lectura mecánica de este hallazgo es que un modelo prefiere material que respalda lo que afirma, porque le permite construir una respuesta defendible.

La condición que el estudio no puede imponer y el oficio sí: las cifras tienen que ser ciertas y tener origen. Un número inventado produce el mismo efecto estadístico a corto plazo y destruye la credibilidad que se pretendía construir en cuanto alguien lo comprueba.

2. Citar fuentes y estructurar con claridad también funcionó

Entre las tácticas con efecto positivo aparecen citar las fuentes y dar claridad estructural: encabezados que digan de qué va la sección y relaciones explicitadas en el texto en lugar de implícitas. Es el mismo principio que hace que un párrafo sea extraíble, aplicado al artículo completo.

Los tres métodos más fuertes en conjunto se movieron en una mejora relativa del 30 al 40 % en PAWC. Ese rango es una referencia útil de techo: sirve para descartar promesas de multiplicar la visibilidad por diez.

3. El efecto depende de dónde partes, y mucho

Es el resultado que cambia decisiones de presupuesto, y pertenece a una prueba concreta: la del método de citar fuentes. Las páginas situadas alrededor del puesto 5 ganaron un 115,1 % de visibilidad. Las que ya estaban primeras no se quedaron quietas: perdieron un 30,3 %.

Hay una explicación sencilla y probablemente correcta. El generador elige entre un conjunto de candidatos que ya pasaron el filtro del índice. Dentro de ese conjunto, la página número uno ya está siendo usada, así que no tiene margen hacia arriba y sí espacio que ceder. Las intermedias están en el conjunto pero no se usan, y una mejora de formato las mueve del "podría" al "sí", en parte a costa de la que iba primera.

Qué NO dice el estudio

Esta sección existe porque las citas de segunda mano suelen añadir cosas que el trabajo original no afirma.

No dice que estas técnicas traigan tráfico. Mide presencia dentro de la respuesta generada. El vínculo con las visitas depende de si el usuario hace clic, y ahí las cifras de mercado son duras: el 93 % de las consultas en AI Mode termina sin salir a un sitio externo, según Semrush y Seer Interactive.

No es una medición sobre Google en producción. Es un banco de pruebas construido para el experimento. Los sistemas reales cambian de versión y el resultado exacto de cada método no tiene por qué sostenerse idéntico en el tiempo.

No ordena públicamente los nueve métodos en un ranking simple que se pueda copiar como lista de tareas. Lo que sí queda establecido es qué grupo de tácticas quedó arriba y con qué magnitud.

No dice nada sobre llms.txt. Es una propuesta posterior y ajena al experimento, y conviene no mezclarlas: la primera es una convención de archivo y el estudio va sobre la redacción del contenido.

Cómo se aplica esto sin engañarse

El orden que se deduce del propio estudio es bastante distinto del que suele venderse.

1. Comprobar que la página es candidata. Si no está indexada, ninguna de las nueve técnicas aplica.
2. Localizar las páginas que rondan el puesto 5 en sus consultas objetivo. Ahí está medido el efecto grande.
3. Añadir las cifras que ya se tienen, con su fuente y su fecha. No inventar ninguna para llenar el hueco.
4. Explicitar la estructura: encabezados descriptivos, relaciones nombradas, tablas donde haya comparación. Es la misma disciplina que rige cómo se escribe un artículo extraíble.
5. Medir menciones, no visitas. Con la métrica equivocada, el trabajo bien hecho parece fallido.

El detalle de cómo se ejecuta cada paso está en la guía de Generative Engine Optimization; aquí solo queda el orden que sale de los datos.

Cuándo NO merece la pena

Cuando el sitio ya es primero y estable en sus consultas principales: en la prueba de citar fuentes, las primeras posiciones no ganaron, perdieron, así que ahí el trabajo con sentido es defensivo. Y cuando el negocio vive de consultas transaccionales cortas, donde el impacto de la IA generativa es bastante menor que en lo informacional.

Qué mide exactamente, y qué no se puede concluir de él

Es el estudio que más se cita en este tema y el que peor se resume, así que conviene acotar qué sostiene y qué no.

Lo que mide. El efecto de un conjunto de técnicas de redacción sobre la visibilidad de una fuente dentro de una respuesta generada, con una métrica propia que pondera la posición y el número de palabras atribuidas. Es un experimento controlado sobre consultas y modelos concretos.

Lo que no mide. Ni tráfico, ni conversiones, ni comportamiento de usuarios reales. Una mejora en esa métrica significa que la fuente aparece más y mejor situada dentro del texto generado, no que alguien haga clic.

El resultado que más se repite mal. Que añadir estadísticas mejora la visibilidad se cita constantemente como si aplicara a cualquier página. Aplica a las condiciones del experimento, y la propia estructura del hallazgo tiene un matiz que casi nadie cita: quien más gana es quien está alrededor del puesto cinco, y las páginas que ya son primeras, en esa misma prueba de citar fuentes, pierden visibilidad. Es decir, es la palanca de quien todavía no gana, no de quien ya ganaba.

Eso convierte el estudio en algo bastante más útil de lo que parece cuando se cita como lista de trucos: es un argumento sobre quién debería invertir en esto, no solo sobre qué hacer.

Dónde encaja esto en la práctica

La disciplina que lo aplica es GEO, con el mapa de las tres siglas en SEO, AEO y GEO.

Las técnicas que el estudio pone arriba son las mismas que hacen extraíble un bloque en la búsqueda clásica: AEO y cómo escribir un artículo para SEO.

Y el sistema donde se comprueba a mano, porque no hay panel: aparecer en ChatGPT.

Errores que se repiten al citar este estudio

• Citar el 41 % como si fuera el efecto de añadir estadísticas o el total de hacer GEO. Es la marca de los mejores métodos sobre una métrica concreta; añadir estadísticas se movió entre el 30 y el 40 %.
• Convertirlo en promesa de tráfico. Mide presencia en la respuesta, no visitas.
• Olvidar el matiz de la posición de partida. Es el dato que decide dónde invertir y casi nunca se menciona.
• Inventar cifras para aprovechar el efecto. El estudio mide el valor de la estadística, no el del número escrito.
• Presentarlo como algo que dijo Google. Es investigación académica independiente, no documentación oficial de ningún buscador.

Datos y transparencia

Los resultados citados proceden del estudio GEO de Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan y Deshpande (arXiv 2311.09735, KDD 2024). Sus mejoras son relativas y sobre una métrica propia del experimento, no sobre tráfico ni conversiones, y esa distinción se mantiene en todo el artículo. No se extrapola ninguno de sus porcentajes a un sitio concreto.

Todas las cifras de este artículo proceden del trabajo de Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan y Ameet Deshpande, publicado como arXiv 2311.09735 y presentado en KDD 2024, que introdujo el término GEO, la métrica Position-Adjusted Word Count y el banco de pruebas GEO-bench. Las cifras de comportamiento de mercado citadas de apoyo, como el 93 % de consultas sin clic en AI Mode, proceden de dos mediciones independientes ajenas al estudio: Semrush, sobre 69 millones de sesiones de escritorio en Estados Unidos entre el 1 de mayo y el 5 de julio de 2025, y Seer Interactive, sobre 25,1 millones de impresiones. Verificado a agosto de 2026.

Fuentes primarias, abiertas el 13 de agosto de 2026: el paper de GEO (arXiv 2311.09735).

Lo que esto cambia

El resultado que más incomoda de este trabajo no es ninguno de los porcentajes. Es lo que implica el reparto: la optimización para IA generativa devuelve más a quien va segundo, tercero o quinto que a quien va primero.

Durante dos décadas, casi toda ventaja en búsqueda fue acumulativa. El que estaba arriba tenía más facilidad para seguir arriba, y ese bucle es la razón de que los mercados de contenido se concentren. Aquí aparece, medida, una palanca que funciona al revés. No iguala nada por sí sola, y a los que llevan años a mitad de tabla les da algo que no tenían: una razón concreta para pensar que el esfuerzo de esta semana puede rendir más que el de la anterior.

Preguntas frecuentes