Hay un patrón difícil de pasar por alto ahora mismo. Las agencias están añadiendo AEO como sexto servicio principal: un sello en la página de inicio, un nuevo artículo en el blog, una partida en el retainer. Una agencia centrada en HubSpot lanzó AEO como su sexto servicio principal el pasado septiembre, con la promesa de conseguir que ChatGPT, Gemini y Perplexity citen las marcas de sus clientes mediante un paquete de herramientas de AEO y visibilidad. Una agencia de búsqueda con IA reorganizó toda su práctica en torno a lo que llama relevance engineering y estrategia de búsqueda con IA. El servicio existe. La demanda es real. El problema es que llamar a esto una estrategia de optimización para motores de respuesta, sin abordar qué hace que los asistentes de IA le citen en primer lugar, es donde todo se desmorona.
La distinción importa más de lo que parece.
Qué miden realmente las herramientas de monitoreo de AEO
Las herramientas puntuales de AEO son, en su mayoría, monitores. Le dicen si un asistente de IA mencionó su marca, en qué contexto y con qué frecuencia. Esos datos son útiles. Lo que las herramientas no pueden hacer es provocar la citación. Saber que su tasa de menciones es baja es tan accionable como saber que su tasa de conversión es baja. El número le dice que hay un problema. No le dice qué arreglar.
La mayoría de las agencias tratan una puntuación de citación baja como un brief de contenido: escribir más, publicar más, optimizar los encabezados para que parezcan preguntas. Eso no es una estrategia de optimización para motores de respuesta. Es disparar a ciegas con mejor formato.
Por qué los asistentes de IA citan lo que citan
Tal como lo veo, hay dos condiciones que impulsan la citación. La primera es que el contenido responda a una pregunta concreta mejor que cualquier otra fuente indexada: con más precisión, con más señales de credibilidad y en una forma fácil de extraer. La segunda es que la entidad subyacente, es decir, la empresa, la marca, el dominio, ya tenga autoridad en los datos de entrenamiento y en la web en vivo.
Ambas condiciones dependen de su base de datos y de contenido, no de sus herramientas.
Una agencia que añade AEO como servicio sin tocar la calidad de los datos del cliente, su arquitectura de contenido ni su definición del ICP está vendiendo monitoreo como si fuera estrategia. El monitoreo está bien. Lo que falta es la estrategia.
El problema de base que la mayoría de las propuestas de AEO se saltan
Aquí es donde RevOps se vuelve relevante para esta conversación, y soy consciente de que no es una conexión obvia. Tenga paciencia conmigo.
Cuando empezamos a trabajar con un cliente nuevo, lo primero que miramos es la integridad de los datos: ¿quién está realmente en el CRM, están enriquecidas las cuentas, tiene el ICP una definición codificada o es un párrafo basado en la intuición que nadie usa? Los compradores con los que hablamos describen de forma constante una versión de este problema. Sus listas de outbound producen los mismos resultados de baja calidad tanto si añaden un filtro de señales encima como si no. El filtro de señales es una herramienta. El problema es la base.
La misma lógica se aplica a una estrategia de optimización para motores de respuesta. Los asistentes de IA no le citan porque haya publicado más contenido. Le citan porque su marca aparece como la respuesta con autoridad a una pregunta concreta, en varias fuentes independientes, en una forma citable. Eso requiere un ICP claramente definido para saber qué preguntas debería dominar su marca, una arquitectura de contenido construida en torno a esas preguntas concretas en lugar de una cadencia genérica de blog, y datos internos estructurados que respalden sus afirmaciones con números reales. No se llega ahí añadiendo un dashboard.
Lo que llamamos el problema del "sexto servicio"
El planteamiento que quiero rebatir es que una estrategia de optimización para motores de respuesta sea un módulo que se añade. Desde la perspectiva de una agencia, el atractivo se entiende. El stack de herramientas se está mercantilizando rápido, cada nueva herramienta puntual de AEO lanza integraciones por API y se comercializa a las mismas agencias, y el coste se traslada al cliente con un margen. Para bien o para mal, así funciona la economía de los retainers.
El producto es real. La brecha es que añadir una capa de monitoreo y un brief de contenido a un retainer existente no cambia la base. Añade otro dashboard.
Un comprador con el que trabajamos había pasado dos años con una agencia de SEO y no podía señalar una sola mejora en el rendimiento en búsqueda. La agencia tenía un dashboard. Los informes parecían exhaustivos. El contenido de fondo no tenía un vínculo claro con el ICP, los datos del CRM estaban desordenados y no había una respuesta codificada a la pregunta: ¿por qué quiere ser conocida esta empresa? Una estrategia de optimización para motores de respuesta requiere que esa pregunta tenga una respuesta real antes de empezar cualquier trabajo con herramientas.
Cómo es una estrategia real de optimización para motores de respuesta
Nuestra forma de abordar una estrategia de optimización para motores de respuesta se resume, a grandes rasgos, en tres cosas, en este orden.
Primero, lo que llamamos la definición de la entidad: antes de cualquier trabajo de contenido, tiene que haber una respuesta clara sobre qué quiere esta empresa que digan de ella los asistentes de IA cuando un comprador hace una pregunta relevante. Eso solo se puede responder si se sabe quién es el comprador y qué problema busca realmente resolver.
Segundo, la arquitectura de contenido. No el volumen. La arquitectura. ¿Cuáles son las dos o tres preguntas que esta empresa debería dominar? ¿Cuál es la respuesta canónica y estructurada a cada una? Eso es lo que se cita. Un buen ejemplo es una empresa con datos propios reales de su base de clientes: la estrategia correcta de optimización para motores de respuesta convierte esos datos en una afirmación citable e independiente que una IA puede extraer sin ningún contexto alrededor. Eso es citación, no optimización.
Tercero, la capa de datos. Métricas internas, investigación estructurada, fuentes con nombre. Las tasas de citación se correlacionan con la especificidad y la credibilidad, no con el volumen de producción. Eso no se puede fabricar sin una práctica real de datos internos.
No tengo una gran respuesta sobre cómo secuenciar esto frente a un retainer de agencia existente. Depende de cuánto de la base ya esté en su sitio. Lo que sí diría es esto: empezar por las herramientas e ir hacia atrás rara vez le lleva adonde quiere llegar.
Encontrará más sobre cómo trabajamos este tipo de problemas en nuestra página de insights.