Plantilla de auditoría de búsqueda con IA para auditorías AEO

Una auditoría de búsqueda con IA responde a una sola pregunta: ¿por qué los motores de IA citan este sitio con la frecuencia con que lo hacen y qué habría que cambiar para mejorarla? Sin una auditoría estructurada, la optimización AEO se convierte en ir a ciegas: añades schema markup aquí, reescribes un encabezado allá, pero sin tener claro qué es lo que de verdad está frenando las citas.

Esta es la plantilla de auditoría que se usa en los proyectos de visibilidad en IA. Cubre todas las dimensiones que influyen en la tasa de citas de IA, genera una lista de hallazgos priorizada y se puede repetir con clientes de cualquier sector. Recorre las secciones en orden: cada una se apoya en la anterior.

Antes de empezar: define el alcance

Deja esto definido antes de lanzar la auditoría:

• Motores de IA objetivo: ¿cuáles de los cuatro (ChatGPT, Gemini, Perplexity, Claude) pesan más para la audiencia de este cliente? En clientes B2B importan los cuatro. En marcas de consumo, prioriza ChatGPT y Perplexity. Haz la auditoría completa en los cuatro.

• Conjunto principal de palabras clave: de 10 a 20 consultas que reflejen cómo los clientes potenciales investigan la categoría en los motores de IA. Incluye consultas de investigación de categoría, de comparación con competidores y de problema-solución.

• Competidores clave: de 3 a 5 competidores directos con los que comparar. Los datos de visibilidad en IA de la competencia ponen en contexto el rendimiento del cliente.

• Periodo de auditoría: la tasa de citas de referencia se mide durante 2-4 semanas para compensar la variabilidad de las respuestas de IA. Las comprobaciones puntuales inmediatas sirven; las tasas estadísticas exigen mediciones repetidas.

Sección 1: medición de la tasa de citas de referencia

Es la base de la auditoría. Sin una línea de referencia, nada de lo demás tiene contexto.

1.1 Tasa de citas actual por motor

Para cada una de las 10-20 consultas objetivo, anota si la marca del cliente aparece citada en la respuesta del motor de IA. Lanza cada consulta como mínimo 3 veces en sesiones distintas para compensar la variabilidad de las respuestas. Calcula la tasa de citas así: (número de consultas con cita / total de consultas medidas) x 100.

Regístralo en una tabla: Consulta | Tasa ChatGPT | Tasa Gemini | Tasa Perplexity | Tasa Claude | Notas

1.2 Desglose por tipo de cita

En las consultas donde el cliente aparece citado, anota cómo aparece:

• Recomendación directa: la IA nombra la marca del cliente como herramienta o proveedor recomendado

• Cita como fuente: la IA cita contenido del cliente como fuente, pero no recomienda la marca directamente

• Mención en una comparación: la IA menciona al cliente en un contexto comparativo («Marca X frente a Marca Y»)

• Mención negativa: el cliente aparece citado en un contexto que no le favorece (poco habitual, pero conviene señalarlo)

1.3 Tasa de citas de la competencia

Lanza las mismas consultas para cada una de las 3-5 marcas competidoras y registra su tasa de citas por motor. Así obtienes el mapa de visibilidad competitiva: dónde se sitúa el cliente frente a sus competidores en cada motor de IA y en cada tipo de consulta.

Pregunta clave: ¿en qué consultas se recomienda a la competencia mientras el cliente no aparece? Esos son los objetivos de optimización más prioritarios.

1.4 Presencia en AI Overviews (Google)

Revisa AI Overviews (los resúmenes generados con IA de Google) para el conjunto principal de palabras clave. Anota qué consultas activan un AI Overview, si el cliente aparece citado en él y si se cita contenido de la competencia. Usa una ventana de incógnito para reducir el efecto de la personalización.

Sección 2: análisis de la estructura del contenido

Los motores de IA citan contenido que responde directamente a las preguntas. En esta sección evalúas si el contenido del cliente está estructurado para que se pueda citar.

2.1 Auditoría de la estructura de encabezados

En cada página clave (páginas de producto, de servicios y el contenido del blog con mejor rendimiento):

• ¿Los encabezados H2 y H3 siguen el formato de pregunta de las consultas objetivo? («Qué es X» en lugar de «Sobre X»)

• ¿Cada sección H2 da una respuesta directa en las primeras 1-2 frases bajo el encabezado?

• ¿Los encabezados son lo bastante concretos como para citarlos? («Cómo mejorar la tasa de citas de IA» se puede citar; «Consejos para mejores resultados», no)

2.2 Auditoría de párrafos de respuesta directa

Los motores de IA extraen fragmentos de respuesta. Comprueba si el contenido incluye:

• Párrafos de definición que dicen qué es algo en la primera frase

• Párrafos de proceso que indican desde el principio cuántos pasos hay o cuál es el resultado

• Contenido comparativo que compara las opciones de forma explícita (en lugar de describir cada una por separado)

• Estadísticas y datos con sus fuentes citadas (los motores de IA prefieren contenido con evidencia citada)

2.3 Cobertura de consultas conversacionales

Asigna cada una de las 10-20 consultas objetivo a contenido existente. Para cada consulta:

• ¿Hay una página o sección que responda directamente a esta consulta?

• ¿Esa página usa en los encabezados la formulación exacta de la consulta o variantes cercanas?

• ¿La respuesta está completa en la página o el usuario tiene que ir a buscarla a otro sitio?

Las consultas sin contenido que encaje son oportunidades de creación de contenido. Las que tienen un encaje débil son oportunidades de mejora.

2.4 Revisión de la actualidad del contenido

Los motores de IA prefieren contenido actual. Comprueba:

• Las fechas de última modificación de las páginas clave

• Si las estadísticas, funciones del producto o datos de mercado están al día (y no son de la época de 2022)

• Si las páginas muestran fechas de publicación o actualización explícitas visibles para los rastreadores

Sección 3: revisión del schema markup

El schema markup es la palanca técnica con más impacto en las citas de IA. Esta sección no se negocia.

3.1 Inventario del schema existente

Usa la prueba de resultados enriquecidos de Google (Rich Results Test) o un validador de schema para ver qué tipos de schema están implementados en las páginas clave. Registra: URL de la página | tipos de schema presentes | errores de validación.

3.2 Auditoría del schema FAQPage

FAQPage es, por sí solo, el tipo de schema con más impacto en la tasa de citas de IA. Comprueba:

• ¿Hay schema FAQPage en las páginas de producto, de servicios y en las entradas clave del blog?

• ¿Las preguntas del schema coinciden con las consultas conversacionales reales que los usuarios hacen en los motores de IA?

• ¿Las respuestas son completas y directas (se entienden sin visitar la página)?

• ¿Las preguntas son realmente distintas o son variaciones de la misma?

3.3 Schema Article y Organization

Comprueba que haya:

• Schema Article en todo el contenido del blog (con datePublished, dateModified, author y publisher)

• Schema Organization a nivel de sitio (nombre, URL, logo, descripción y perfiles sociales en sameAs)

• Schema Person para los autores con nombre que acrediten experiencia (relevante para las señales de EEAT)

• Schema Product o Service cuando corresponda

3.4 Priorización de las carencias de schema

Clasifica las carencias de schema por impacto: falta de FAQPage en páginas con mucho tráfico = Crítico; falta de schema Article = Alto; falta de schema Organization = Alto; otros tipos de schema = Medio.

Sección 4: auditoría de accesibilidad técnica

Los rastreadores de IA no pueden citar contenido al que no pueden acceder. En esta sección compruebas si hay barreras técnicas que limiten las citas.

4.1 Acceso de los rastreadores de IA

Revisa el robots.txt en busca de reglas disallow que puedan bloquear a rastreadores de IA conocidos. Busca bloqueos explícitos de:

• GPTBot (OpenAI)

• PerplexityBot

• ClaudeBot (Anthropic)

• Google-Extended

• Bingbot (lo usan algunos sistemas de IA)

Muchos sitios tienen reglas disallow amplias o bloqueos con comodines que dejan fuera a estos rastreadores sin querer. Asegúrate de que los rastreadores que quieres permitir tienen acceso explícito.

4.2 Renderizado con JavaScript

Comprueba si el contenido clave de las páginas de producto y de servicios se renderiza con JavaScript. El contenido que necesita ejecutar JavaScript para mostrarse se indexa de forma menos fiable por los rastreadores de IA que el HTML estático o renderizado en el servidor. Haz la prueba de ver el código fuente: si el contenido no aparece en el HTML sin procesar, se está renderizando con JavaScript.

4.3 Velocidad de página y Core Web Vitals

La tasa de citas de los motores de IA está correlacionada con las señales de calidad del contenido, y la velocidad de página es una de ellas. Revisa Largest Contentful Paint, Cumulative Layout Shift e Interaction to Next Paint de las páginas clave con PageSpeed Insights. Marca para corregir las páginas por debajo del umbral (LCP de más de 4 segundos, CLS por encima de 0,25).

4.4 Presencia de LLMs.txt

Comprueba si el sitio tiene un archivo llms.txt en la URL raíz. Si no lo tiene, márcalo como recomendación de poco esfuerzo y prioridad media. Si lo tiene, verifica que esté actualizado e incluya las páginas clave con descripciones precisas.

Sección 5: auditoría de señales de terceros

Los motores de IA beben de toda la web (sitios de reseñas, menciones en noticias, directorios del sector), no solo del contenido propio del cliente. En esta sección evalúas el panorama de señales externas.

5.1 Presencia en plataformas de reseñas

Comprueba la presencia del cliente y su volumen de reseñas en las plataformas de las que se nutren los motores de IA: G2, Capterra, Trustpilot, Google Reviews, Clutch (para agencias), TripAdvisor (para hostelería) y Healthgrades (para salud). Un volumen bajo de reseñas en las grandes plataformas frena la tasa de citas.

5.2 Menciones en prensa y publicaciones

Busca menciones de la marca en publicaciones del sector, medios de noticias y directorios reconocidos. Los motores de IA dan más peso a las menciones de fuentes con autoridad. Evalúa el volumen de menciones, la calidad de las fuentes y lo recientes que son.

5.3 Presencia en Wikipedia y en el Knowledge Graph

Comprueba si la marca, los miembros del equipo fundador o los productos clave tienen páginas en Wikipedia o fichas en el Knowledge Panel de Google. Tener entradas consolidadas en el Knowledge Graph aumenta mucho la probabilidad de que la IA cite la marca en consultas de marca.

Sección 6: lista de acciones priorizada

Los hallazgos de la auditoría se convierten en una lista de acciones priorizada. Usa este marco de prioridades:

Crítico (corregir en 2 semanas):

• Rastreador de IA bloqueado en robots.txt

• Cero schema FAQPage en las páginas comerciales clave

• Contenido clave inaccesible (el renderizado con JavaScript impide el rastreo)

Alto (corregir en 30 días):

• Falta el schema Organization

• Tipos de consulta clave sin contenido que encaje

• Falta el schema Article en las entradas del blog

• Brecha de citas frente a la competencia en consultas de alta intención

Medio (abordar en 60 días):

• Estructura de encabezados no alineada con el formato de consulta conversacional

• Problemas de actualidad del contenido en páginas clave

• Poca presencia en plataformas de reseñas

• Falta el LLMs.txt

Bajo (mejora continua):

• Ampliar la profundidad del contenido en temas cubiertos a medias

• Conseguir menciones en prensa y publicaciones

• Actualizar los datos estadísticos del contenido existente

Cómo presentar los hallazgos de la auditoría

Un buen informe de auditoría incluye: la tabla de tasas de citas de referencia con el contexto competitivo, un resumen de hallazgos organizado por sección y prioridad, la lista de acciones priorizada con un responsable y un plazo para cada acción, y el plan de medición, es decir, cómo y cuándo se va a seguir el avance de la tasa de citas frente a la referencia.

El plan de medición es imprescindible. Si no acordáis de antemano cada cuánto se mide, no hay forma de demostrar que las acciones de optimización funcionan. Establece la referencia en la auditoría, define el siguiente punto de medición (normalmente 60 días después de la implementación) y acuerda qué se considera una mejora significativa.

Para la medición de referencia y el seguimiento continuo, el seguimiento de citas de AI Rank Lab en ChatGPT, Gemini, Perplexity y Claude aporta la infraestructura de medición automatizada que hace viables las auditorías repetibles. Empieza con una medición de referencia gratuita antes de abordar el resto de secciones de la auditoría.