Es el fin de la búsqueda tal como la conocemos, y los especialistas en marketing se sienten bien. Más o menos.

Durante más de dos décadas, el SEO fue el manual predeterminado para la visibilidad en línea. Provocó la creación de toda una industria de rellenadores de palabras clave, corredores de enlaces de retroceso, optimizadores de contenido y herramientas de auditoría, junto con los profesionales y agencias para operarlos. Pero en 2025, la búsqueda ha estado cambiando.lejos de navegadores tradicionales hacia plataformas LLM. Con el anuncio de Apple de que motores de búsqueda nativos de IA como Perplexity y Claude se integrarán en Safari, el control de distribución de Google es en cuestión. La base del mercado de SEO de más de 80 mil millones de dólares se acaba de agrietar.

Está surgiendo un nuevo paradigma, uno impulsado no por el ranking de páginas, sino por modelos de lenguaje. Estamos entrando en el Acto II de la búsqueda: Optimización de Motores Generativos (GEO).

De enlaces a modelos de lenguaje

La búsqueda tradicional se basaba en enlaces. GEO se basa en el lenguaje.

En la era del SEO, la visibilidad significaba clasificar alto en una página de resultados. Las clasificaciones de las páginas se determinaban indexando sitios en función de la coincidencia de palabras clave, la profundidad y amplitud del contenido, los enlaces de retroceso, la participación de la experiencia del usuario y más. Hoy en día, con LLMs como GPT-4o, Gemini y Claude actuando como la interfaz para cómo las personas encuentran información, la visibilidad significa aparecer directamente en la respuesta misma, en lugar de clasificar alto en la página de resultados.

A medida que el formato de las respuestas cambia, también lo hace la forma en que buscamos. La búsqueda nativa de IA se está fragmentando en plataformas como Instagram, Amazon y Siri, cada una impulsada por diferentes modelos e intenciones de los usuarios. Las consultas son más largo(23 palabras, en promedio, frente a 4), las sesiones son más profundas (promediando 6 minutos) y las respuestas varían según el contexto y la fuente. A diferencia de la búsqueda tradicional, los LLMs recuerdan, razonan y responden con una síntesis personalizada y de múltiples fuentes. Esto cambia fundamentalmente la forma en que se descubre el contenido y cómo debe ser optimizado.

El SEO tradicional recompensa la precisión y la repetición; los motores generativos priorizan el contenido que está bien organizado, es fácil de analizar y denso en significado (no solo en palabras clave). Frases como “en resumen” o el formato de viñetas ayudan a los LLM a extraer y reproducir contenido de manera efectiva.

También vale la pena señalar que el mercado de LLM es fundamentalmente diferente del mercado de búsqueda tradicional en términos de modelo de negocio e incentivos. Los motores de búsqueda clásicos como Google monetizaban el tráfico de usuarios a través de anuncios; los usuarios pagaban con sus datos y atención. En contraste, la mayoría de los LLM son servicios con muro de pago y basados en suscripciones. Este cambio estructural afecta cómo se referencia el contenido: hay menos incentivos por parte de los proveedores de modelos para hacer visible contenido de terceros, a menos que sea aditivo para la experiencia del usuario o refuerce el valor del producto. Si bien es posible que un mercado publicitario eventualmente emerja en las interfaces de LLM, las reglas, incentivos y participantes probablemente se verían muy diferentes a los de la búsqueda tradicional.

Mientras tanto, una señal emergente del valor en las interfaces de LLM es el volumen de clics salientes. ChatGPT, por ejemplo, ya está generando tráfico de referencia a decenas de miles de dominios distintos.

De clasificaciones a la relevancia del modelo

Ya no se trata solo de la tasa de clics, se trata de las tasas de referencia: con qué frecuencia se cita o se utiliza tu marca o contenido como fuente en las respuestas generadas por modelos. En un mundo de resultados generados por IA, GEO significa optimizar para lo que el modelo elige referenciar, no solo si o dónde apareces en la búsqueda tradicional. Ese cambio está renovando cómo definimos y medimos la visibilidad y el rendimiento de la marca.

Ya, nuevas plataformas como Profundo, Buenazo, y Ensoñar permitir a las marcas analizar cómo aparecen en las respuestas generadas por IA, rastrear el sentimiento a través de las salidas del modelo y entender qué editores están moldeando el comportamiento del modelo. Estas plataformas funcionan afinando modelos para reflejar el lenguaje de solicitud relevante para la marca, inyectando estratégicamente las principales palabras clave de SEO y ejecutando consultas sintéticas a gran escala. Las salidas se organizan luego en paneles de control accionables que ayudan a los equipos de marketing a monitorear la visibilidad, la consistencia del mensaje y la participación competitiva de voz.

Canada Goose utilizó una herramienta así para obtener información sobre cómo los LLMs hicieron referencia a la marca, no solo en términos de características del producto como calidez o impermeabilidad, sino también en el reconocimiento de la marca en sí. Las conclusiones fueron menos sobre cómo los usuarios descubrieron Canada Goose, y más sobre si el modelo mencionó espontáneamente la marca en absoluto, un indicador de conciencia no asistida en la era de la IA.

Este tipo de monitoreo se está volviendo tan importante como los paneles de SEO tradicionales. Herramientas como AhrefsLa herramienta Brand Radar ahora rastrea las menciones de marcas en los Resúmenes de IA, ayudando a las empresas a entender cómo son enmarcadas y recordadas por los motores generativos.Semrushtambién cuenta con un conjunto de herramientas de IA dedicado diseñado para ayudar a las marcas a rastrear la percepción en plataformas generativas, optimizar el contenido para la visibilidad de IA y responder rápidamente a las menciones emergentes en las salidas de LLM, una señal de que los actores tradicionales de SEO se están adaptando a la era GEO.

Estamos viendo la aparición de un nuevo tipo de estrategia de marca: una que tiene en cuenta no solo la percepción del público, sino también la percepción en el modelo. Cómo estás codificado en la capa de IA es la nueva ventaja competitiva.

Por supuesto, GEO todavía está en su fase experimental, muy parecido a los primeros días de SEO. Con cada actualización importante del modelo, corremos el riesgo de reaprender (o desaprender) cómo interactuar mejor con estos sistemas. Así como las actualizaciones del algoritmo de búsqueda de Google una vez hicieron que las empresas se apresuraran a contrarrestar las fluctuaciones en los rankings, los proveedores de LLM todavía están afinando las reglas detrás de lo que sus modelos citan. Están surgiendo múltiples escuelas de pensamiento: algunas tácticas de GEO están bastante bien entendidas (por ejemplo, ser mencionadas en documentos fuente que citan los LLM), mientras que otras suposiciones son más especulativas, como si los modelos priorizan el contenido periodístico sobre las redes sociales, o cómo las preferencias cambian con diferentes conjuntos de entrenamiento.

Lecciones de la era SEO

A pesar de su escala, SEO nunca produjo un ganador monopolista. Herramientas que ayudaron a las empresas con SEO y la investigación de palabras clave, como Semrush, Ahrefs, Moz, y Similarweb, fueron exitosos por derecho propio, pero ninguno capturó la pila completa (o creció a través de adquisiciones, como Similarweb). Cada uno encontró un nicho: análisis de backlinks, monitoreo de tráfico, inteligencia de palabras clave o auditorías técnicas.

El SEO siempre ha estado fragmentado. El trabajo se distribuía entre agencias, equipos internos y operadores independientes. Los datos eran desordenados y los rankings se inferían, no se verificaban. Google tenía las llaves algorítmicas, pero ningún proveedor controlaba la interfaz. Incluso en su apogeo, los mayores actores del SEO eran proveedores de herramientas. No tenían el compromiso del usuario, el control de datos o los efectos de red para convertirse en centros donde se concentra la actividad del SEO. Los datos de clickstream —registros de los enlaces que los usuarios hacen clic mientras navegan por sitios web— son, sin duda, la ventana más clara hacia el comportamiento real del usuario. Históricamente, sin embargo, estos datos han sido prohibitivamente difíciles de acceder, bloqueados detrás de ISP, SDK, extensiones de navegador y corredores de datos. Esto hizo que construir conocimientos precisos y escalables fuera casi imposible sin una infraestructura profunda o acceso privilegiado.

GEO cambia eso.

Cómo hacer las menciones: La aparición de las herramientas GEO

Esto no es solo un cambio de herramientas, es una oportunidad de plataforma. Las empresas de GEO más atractivas no se detendrán en la medición. Afinarán sus propios modelos, aprendiendo de miles de millones de impulsos implícitos a través de verticales. Poseerán el ciclo: información, entrada creativa, retroalimentación, iteración, con tecnología diferenciada que no solo observa el comportamiento de LLM, sino que lo moldea. También encontrarán una manera de capturar datos de clics y combinar fuentes de datos de primera y tercera parte.

Las plataformas que ganen en GEO irán más allá del análisis de marca y proporcionarán la infraestructura para actuar: generando campañas en tiempo real, optimizando para la memoria del modelo e iterando diariamente, a medida que cambie el comportamiento de LLM. Estos sistemas estarán operativos.

Eso desbloquea una oportunidad mucho más amplia que la visibilidad. Si GEO es cómo una marca asegura que se le mencione en las respuestas de IA, también es cómo gestiona su relación continua con la capa de IA misma. GEO se convierte en el sistema de registro para interactuar con LLMs, permitiendo a las marcas rastrear la presencia, el rendimiento y los resultados en plataformas generativas. Posee esa capa, y posees el presupuesto detrás de ella.

Ese es el potencial monopolístico: no solo servir información, sino convertirse en el canal. Si SEO fuera un mercado descentralizado, adyacente a datos, GEO puede ser lo inverso: centralizado, impulsado por API, e integrado directamente en los flujos de trabajo de la marca. En última instancia, GEO por sí mismo es quizás la cuña más obvia, especialmente a medida que vemos un cambio en el comportamiento de búsqueda, pero en última instancia, realmente es una cuña en el marketing de rendimiento, más en general. Las mismas pautas de marca y comprensión de los datos del usuario que alimentan GEO pueden impulsar el marketing de crecimiento. Así es como se construye un gran negocio, ya que un producto de software puede probar múltiples canales, iterar y optimizar a través de ellos. La IA permite unmarketer autónomo.

El tiempo es importante. La búsqueda apenas comienza a cambiar, pero los dólares de publicidad se mueven rápido, especialmente cuando hay arbitraje. En los años 2000, eso era Adwords de Google. En los años 2010, era el motor de segmentación de Facebook. Ahora, en 2025, son los LLMs y las plataformas que ayudan a las marcas a navegar cómo su contenido es ingerido y referenciado por esos modelos. Dicho de otra manera, GEO es la competencia para entrar en la mente del modelo.

En un mundo donde la IA es la puerta de entrada al comercio y al descubrimiento, la pregunta para los mercadólogos es: ¿Recordará el modelo quién eres?

Las opiniones expresadas aquí son las de los individuos citados de AH Capital Management, L.L.C. (“a16z”) y no son las opiniones de a16z o sus afiliados. Cierta información contenida aquí ha sido obtenida de fuentes de terceros, incluidas las empresas en cartera de los fondos administrados por a16z. Si bien se ha tomado de fuentes consideradas confiables, a16z no ha verificado de manera independiente dicha información y no hace representaciones sobre la precisión duradera de la información o su idoneidad para una situación dada. Además, este contenido puede incluir anuncios de terceros; a16z no ha revisado tales anuncios y no respalda ningún contenido publicitario contenido en ellos.

Este contenido se proporciona solo con fines informativos y no debe ser considerado como asesoramiento legal, comercial, de inversión o fiscal. Debe consultar con sus propios asesores sobre esos asuntos. Las referencias a cualquier valor o activo digital son solo para fines ilustrativos y no constituyen una recomendación de inversión ni una oferta para proporcionar servicios de asesoría en inversiones. Además, este contenido no está dirigido ni destinado a ser utilizado por ningún inversionista o inversionista potencial, y no puede ser considerado bajo ninguna circunstancia al tomar una decisión de invertir en cualquier fondo administrado por a16z. (Una oferta para invertir en un fondo de a16z se realizará únicamente mediante el memorando de colocación privada, el acuerdo de suscripción y otra documentación relevante de dicho fondo y debe leerse en su totalidad). Cualquier inversión o empresa de cartera mencionada, referida o descrita no es representativa de todas las inversiones en vehículos administrados por a16z, y no se puede garantizar que las inversiones sean rentables o que otras inversiones realizadas en el futuro tengan características o resultados similares. Una lista de inversiones realizadas por fondos administrados por Andreessen Horowitz (excluyendo inversiones para las cuales el emisor no ha otorgado permiso para que a16z las divulgue públicamente, así como inversiones no anunciadas en activos digitales que cotizan en bolsa) está disponible enhttps://a16z.com/investments/.

Los gráficos y tablas proporcionados son solo para fines informativos y no deben ser utilizados como base para tomar decisiones de inversión. El rendimiento pasado no es indicativo de resultados futuros. El contenido se refiere únicamente a la fecha indicada. Cualquier proyección, estimación, pronóstico, objetivo, perspectiva y/o opinión expresada en estos materiales está sujeta a cambios sin previo aviso y puede diferir o ser contraria a las opiniones expresadas por otros. Por favor, consultehttps://a16z.com/disclosures para información adicional importante.

Descargo de responsabilidad:

1. Este artículo es reproducido de [a16z]. Todos los derechos de autor pertenecen al autor original [a16z]. Si hay objeciones a esta reimpresión, por favor contáctese con el Gate Learn equipo, y lo manejarán de inmediato.
2. Descargo de responsabilidad: Las opiniones y puntos de vista expresados en este artículo son únicamente del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, copiar, distribuir o plagiar los artículos traducidos está prohibido.