Lo que tendrás al terminar
Una auditoría página por página contra los cuatro factores que un estudio controlado con 252.000 ensayos señaló como decisivos para las citas en IA, más el orden de corrección de los siete factores secundarios que solo marcan diferencia una vez que esos cuatro están en su sitio. También entenderás, con las fuentes, por qué la afirmación viral de que "el marcado schema no tiene ningún efecto sobre las citas de IA" no es la conclusión real de aquel estudio, para no gastarte un sprint entero arreglando lo que no tocaba.
Para quién es: cualquiera que lleve SEO o GEO a nivel de página en un sitio que quiera aparecer citado en ChatGPT, Gemini, Perplexity, Claude o en las respuestas de IA de Google.
Tiempo necesario: 30 a 45 minutos por página, incluyendo la auditoría y la primera ronda de correcciones.
Terminado cuando: la página auditada pasa los cuatro filtros eliminatorios y tienes por escrito la lista de factores secundarios que aún quedan por corregir.
Antes de empezar: en qué se basa esta lista y qué corrige
En los círculos de SEO/GEO circula un post que afirma que un estudio del SIGIR ejecutó 252.000 ensayos sobre seis LLM y descubrió que el marcado schema y el JSON-LD tienen "efecto medido cero" sobre las citas de IA, mientras que el precio, la frescura, las especificaciones y la profundidad sí mueven la aguja con fuerza.
El estudio existe. El recuento de ensayos es correcto. Las odds ratio que cita el post se parecen a las cifras reales. Lo único que no se sostiene es esto: aquel estudio nunca probó el marcado schema. No es que el schema "diera cero al medirlo", es que el schema no estaba en la lista de lo que se midió.
El trabajo es "What Gets Cited: Competitive GEO in AI Answer Engines" (Vishwakarma, Kumar, Jamidar, Sprinklr; SIGIR '26, Melbourne). El diseño inyecta exactamente dos fuentes candidatas en seis LLM (Gemini-2.5-Flash, Claude-3.5-Sonnet, Kimi-K2-Thinking y tres variantes de GPT-5), con cada par diferenciándose en exactamente uno de 18 factores de contenido, y registra qué fuente se citó primero. Esos 18 factores cubren coincidencia de contenido, exhaustividad, credibilidad, legibilidad, posición competitiva y frescura. El formato de datos estructurados no aparece entre los 18, algo confirmado al cotejarlo directamente con la tabla de taxonomía del propio trabajo.
Si quieres la respuesta real sobre schema, viene de otro sitio: el estudio controlado de Ahrefs de mayo de 2026, que comparó 1.885 páginas con JSON-LD añadido frente a 4.000 páginas de control emparejadas. El resultado fue que no hubo mejora significativa de citas en Google AI Overviews (-4,6%, una caída pequeña pero estadísticamente significativa), en Google AI Mode (+2,4%, no significativa) ni en ChatGPT (+2,2%, no significativa). Una prueba aparte de searchVIU encontró que ChatGPT, Claude, Perplexity, Gemini y Google AI Mode sencillamente no leen JSON-LD, Microdata oculto ni RDFa oculto durante la recuperación en tiempo real.
Separa ambas cosas antes de empezar la auditoría. El estudio del SIGIR te dice qué priorizar en la página. El de Ahrefs te dice que el schema no está entre esas prioridades en lo que respecta al volumen de citas, aunque siga siendo relevante para los resultados enriquecidos y la claridad de entidad en otros contextos.
Paso 1: haz la auditoría de filtros eliminatorios
Comprueba tu página contra estos cuatro factores. El estudio del SIGIR encontró que los cuatro fueron unánimes en los seis modelos, con efectos muy grandes (odds ratio por encima de 100 en la mayoría de los modelos). Fallar en uno solo puede anular las opciones de cita, por muy fuerte que sea el resto de la página.
Filtro | Qué comprobar | Rango de odds ratio (según los seis modelos probados) |
|---|---|---|
Coincidencia de tema | ¿Responde la página directamente a la consulta que quiere disputar, y no a un tema cercano? | Decisivo en 5 de 6 modelos |
Precio indicado | ¿Se ve un precio concreto en la página, en lugar de esconderse tras un "contáctanos"? | De 6,26 a más de 10.000 |
Fecha actualizada | ¿Aparece una fecha de publicación o de última revisión actual y correcta? | De 14,4 a más de 10.000 |
Posición en la lista | ¿Tiende la página a ocupar el primer puesto entre los candidatos de esa consulta, y no el segundo? | De 1.795 a más de 10.000 |
Acción: abre la página junto a la consulta objetivo. Lee las primeras 150 palabras y pregúntate si responden a esa consulta directamente. Busca el precio en la página; si hace falta un formulario o una llamada, eso es un fallo. Compara la fecha mostrada con cuándo se actualizó el contenido de verdad por última vez. Comprueba tu posición actual o tu cuota de citas en esa consulta.
Resultado esperado: aprobado o suspendido en cada una de las cuatro filas.
Verificación de calidad: si falla la coincidencia de tema, para aquí: ningún paso posterior salva una página que responde a la pregunta equivocada.
Camino de recuperación: los fallos de precio y de fecha se arreglan el mismo día (paso 2). El fallo de posición en la lista no es un problema de contenido; significa que los fundamentos de SEO deben arreglarse antes de que la página pueda siquiera competir por citas, y ningún pulido dentro de la página sustituye eso.
Paso 2: corrige primero cualquier filtro que falle
Haz esto antes de tocar nada más. Son los elementos de mayor palanca y menor esfuerzo de toda la lista.
Si falta el precio: pon la cifra real. Si el precio varía, publica el precio de partida real o un rango claro en lugar de un formulario de contacto. Este fue uno de los cuatro filtros del estudio.
Si la fecha está desactualizada o ausente: actualiza la fecha de publicación o de última revisión, pero solo después de haber revisado el contenido de verdad. Cambiar la fecha sin una actualización real es una señal de frescura que no aguanta si alguien lo comprueba.
Si la coincidencia de tema es débil: reescribe las primeras 150 palabras para que respondan a la tarea de esa consulta directamente, y no a un tema relacionado. No empalmes una introducción nueva sobre una estructura vieja: cámbiala.
Verificación de calidad: relee la página fingiendo que tú eres esa consulta. ¿Un desconocido obtiene una respuesta concreta en el primer párrafo?
Camino de recuperación: si no puedes publicar el precio real (presupuestos a medida, contratos corporativos), publica un precio de partida representativo o un rango típico en lugar de dejarlo en blanco: el estudio midió como estado de fallo la "ausencia de mención al precio", no el "precio que varía".
Paso 3: recorre los diferenciadores secundarios
Con los cuatro filtros aprobados, estos siete factores aportan diferenciación secundaria, con odds ratio de aproximadamente 2 a 243 según el modelo. Corrígelos en este orden:
- Faltan especificaciones. Añade las especificaciones técnicas que el comprador va a comparar de verdad (medidas, materiales, capacidad, compatibilidad). Odds ratio de 8,63 a 243 según el modelo, uno de los mayores efectos secundarios.
- Sin comparativas. Añade una comparación directa con al menos una alternativa con nombre. Odds ratio de 1,61 a 7,45.
- Lenguaje ambiguo. Cambia "quizá", "puede que", "posiblemente" por afirmaciones directas que la página pueda sostener.
- Afirmaciones sin respaldo. Adjunta evidencia a las afirmaciones: resultados de pruebas, certificaciones, metodología con nombre.
- Contradicciones internas. Comprueba que las cifras y las afirmaciones concuerden entre las secciones de una misma página; esto entra fácil al editar y se pasa fácil al revisar.
- Huecos de palabra clave. Confirma que la página incluye los términos concretos que usa la consulta objetivo, y no solo sinónimos.
- Propuesta de valor más débil. Afila tu afirmación concreta de beneficio frente a lo que ofrece la página competidora.
Acción: recorre la lista de arriba abajo y corrige lo que aplique. No todas las páginas tendrán los siete problemas.
Resultado esperado: una página donde cada afirmación es concreta, comparable o está respaldada.
Verificación de calidad: ¿encuentra un lector escéptico alguna frase vaga o sin base que siga en la página?
Camino de recuperación: si vas justo de tiempo, para en los puntos 1 y 2 (especificaciones y comparativas): tienen las odds ratio más altas de los siete.
Paso 4: sáltate los cambios que solo son de formato
El estudio mostró explícitamente que no hay efecto consistente al convertir párrafos en viñetas, añadir subtítulos para facilitar la lectura o reorganizar información dispersa, porque los modelos probados interpretaron el contenido con independencia de la estructura visual. Si tu página ya pasa las comprobaciones anteriores, no gastes un sprint puliendo el formato con la esperanza de ganar citas. Da formato para tus lectores humanos, no para una mejora de citas que los datos no respaldan.
Paso 5: deja el schema donde le corresponde
Mantén el marcado schema técnicamente correcto, porque hace un trabajo real: ayuda a Google y Bing a interpretar los resultados enriquecidos y da a los sistemas de búsqueda una comprensión explícita de qué son la página y la entidad. Lo que no hace, según la mejor evidencia controlada disponible, es mover las opciones de cita en IA. No pongas el trabajo de schema por delante de los pasos 1 a 3 dando por hecho que es una palanca de citas: ningún estudio controlado lo respalda, y el único estudio que se cita a su favor nunca probó schema. Si quieres el desglose completo de qué midió de verdad el estudio de schema de Ahrefs, mira nuestra guía de SEO semántico de 2026.
Verifica el resultado final
Vuelve a ejecutar la auditoría del paso 1 sobre la página después de las correcciones. Los cuatro filtros deberían estar ya aprobados. Comprueba por muestreo dos o tres factores secundarios del paso 3 que hayas corregido. Si tienes acceso a una herramienta de visibilidad en IA o de seguimiento de citas, como AI Search Visibility Checker, anota la cuota de citas actual de la página en la consulta objetivo como línea base antes de pasar a la siguiente página, para poder decir después si los cambios movieron algo.
Mantén el resultado
Vuelve a comprobar el filtro de fecha cada vez que la página reciba una actualización relevante, no según un calendario fijo. Para las páginas que hayan perdido cuota de citas, audita de nuevo empezando por los cuatro filtros antes de suponer que se ha caído algún factor secundario.
Preguntas frecuentes
¿El estudio del SIGIR probó el marcado schema o el JSON-LD? No. Su taxonomía de 18 factores cubre coincidencia de contenido, exhaustividad, credibilidad, legibilidad, posición competitiva, frescura y posición en la lista. El formato de datos estructurados no está entre las categorías ni entre los factores probados: confirmado al leer directamente la tabla de taxonomía del trabajo.
Entonces, ¿el marcado schema ayuda a las citas de IA o no? La mejor evidencia controlada disponible —el estudio de Ahrefs de mayo de 2026, con 1.885 páginas frente a 4.000 controles emparejados— no encontró ninguna mejora significativa de citas al añadir JSON-LD ni en Google AI Overviews, ni en Google AI Mode, ni en ChatGPT. Otra prueba encontró que varios modelos de IA importantes no leen datos estructurados durante la recuperación en tiempo real. Eso no hace que el schema sea inútil en otros sitios; simplemente no es una palanca de volumen de citas.
¿De dónde salen las cifras concretas del post viral (6,3; 14; 4 a 8,6)? Se parecen a las odds ratio reales de la tabla de resultados del trabajo del SIGIR, pero pertenecen a factores de precio, frescura y especificaciones/comparativas, no a schema. El trabajo reporta las cifras modelo por modelo, no como una media única, y los rangos varían bastante entre los seis LLM probados.
Si solo tengo una hora, ¿qué corrijo primero? Los cuatro filtros eliminatorios: coincidencia de tema, precio, fecha y posición en la lista. Fallar en cualquiera de ellos puede anular las opciones de cita, al margen del resto de la página.
¿Debería dejar de trabajar el schema por completo? No. Mantenlo correcto por los resultados enriquecidos y la claridad de entidad. Solo no pongas trabajo nuevo de schema por encima de corregir los cuatro filtros si el volumen de citas en IA es el objetivo real.
Autor: Bennett Hayes, Applied GEO Analyst en Auspia, con más de 400 revisiones de implementación. Bennett escribe sobre ejecución práctica de GEO, auditorías y notas de implementación basadas en lo que los estudios controlados midieron de verdad.
