agentleFS
carlosuhartcarlosuhart/seo-audit-skills/skills/geo-ai-discoverability/SKILL.md

geo-ai-discoverability

Skill6 starsChanged 15 days agoMITView on GitHub

Implementa las señales de entidad y contenido para que los buscadores con IA citen el sitio: Wikidata, NewsMediaOrganization, Wikipedia, llms.txt, RSL 1.0, E-E-A-T, pasajes citables, Knowledge Panel, Preferred Sources e IndexNow. Para auditar un dominio completo usar seo-geo; para un post, blog-geo.

The file

We split this skill into the rules it gives an agent

2 rules. About 0 are common, 1 is distinctive, and 1 is very specific to this project.

  • ≈0

    Common · estimate

    Many files like this have a rule of this kind.

  • ≈1

    Distinctive · estimate

    This author's own choices. Worth a look.

  • 1

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Very specific:

    No bloquear Googlebot nunca — afecta búsqueda orgánica y AI Overviews simultáneamente.

    line 156
  2. Distinctive:

    No crear un artículo de Wikipedia sin notabilidad documentada.

    line 524

≈ “Common” is an estimate: at least 1 in 5 of the 364,980 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

GEO/AEO — Generative & Answer Engine Optimization

GEO no reemplaza al SEO. Google lo confirma oficialmente (2026-06-29): "optimizar para AI Search sigue siendo SEO. AEO y GEO son etiquetas rebautizadas para el mismo trabajo." Priorizar SEO técnico y calidad de contenido primero; después aplicar señales GEO.


AEO vs GEO — distinción práctica

TérminoSuperficie principalLever
AEO (Answer Engine Optimization)Siri, Google Assistant, Alexa, Cortana — respuestas directas en voz/chatPassages cortos, FAQ schema, respuestas en <40 palabras
GEO (Generative Engine Optimization)ChatGPT Search, Perplexity, AI Overviews, AI Mode, Grok — resúmenes extensos con citasPassages 134-167 palabras, entidad clara, frescura

En la práctica el stack de implementación es el mismo. La distinción importa solo para calibrar el formato: AEO prioriza respuestas ultracortas y directas; GEO prioriza passages autónomos y autoridad de entidad.


Principio rector — Google lo confirma (2026)

Google publicó que optimizar para AI Search sigue siendo SEO: "AEO y GEO son etiquetas rebautizadas para el mismo trabajo." (developers.google.com/search/docs/fundamentals/ai-optimization-guide, actualizado 2026-06-29)

Las señales de citabilidad en AI Overviews y AI Mode son: contenido que ya rankea bien, estructura clara, passages autónomos, autoridad de entidad. No existe un "truco GEO" separado del SEO de calidad.


Cuatro condiciones para ser citado por AI (en orden de prioridad)

  1. Crawlabilidad — el AI crawler puede acceder a la página (robots.txt, no JS-only)
  2. Densidad de respuesta a nivel de pasaje — la página contiene una respuesta clara y extraíble
  3. Claridad de entidad — el sitio/marca/autor es una entidad conocida y sin ambigüedad
  4. Señales de frescura — el contenido tiene fecha de publicación visible y dateModified actualizado

Si falta cualquiera de estos cuatro, no habrá cita aunque el contenido sea excelente.


Señal crítica: brand mentions > backlinks

Brand mentions correlacionan 3x más fuerte con visibilidad en AI que los backlinks. (Estudio Ahrefs diciembre 2025, 75.000 marcas)

SeñalCorrelación con citas AI
Menciones en YouTube~0,737 (más alta)
Menciones en RedditAlta
Menciones en X (Grok)Alta — X es fuente de grounding primaria para Grok
Presencia en WikipediaAlta
Presencia en LinkedInMedia
Domain Rating (backlinks)~0,266 (débil)

Solo el 11% de los dominios son citados por ChatGPT y Google AI Overviews para la misma query — la optimización por plataforma es imprescindible.


Panorama de plataformas AI Search (agosto 2026)

PlataformaFuentes primariasLever de citaciónMotor
Google AI OverviewsTop-10 orgánico (92% de citas)SEO clásico + passagesGemini 2.5
Google AI ModePool amplio, baja correlación con rankingFrescura + entity authorityGemini 2.5 Pro
ChatGPT SearchWikipedia (47,9%), Reddit (11,3%), índice webEntidad + fuentes autoritativasGPT-4o/o3
PerplexityReddit (46,7%), Wikipedia, web recienteFrescura (ventana 2-3 días para breaking)Sonar / Llama
Perplexity Deep ResearchFuentes primarias, papers, informesDatos originales, metodología claraSonar Pro
Gemini Deep ResearchAcademia, noticias, web autoritativaDatos con atribución + estructura researchGemini 2.5 Pro
ChatGPT o3 Deep ResearchWeb + datos estructurados + APIsFuentes primarias verificableso3
Microsoft CopilotÍndice Bing, IndexNow, webs autorizadasBing SEO + IndexNow freshnessPrometheus/GPT-4o
Grok (xAI)X posts, web via GrokBot, DeepSearchMenciones en X + grounding webGrok 4
Meta AIÍndice Bing + rastreo Meta, redes socialesPresencia en FB/Instagram/WhatsAppLlama
Apple Intelligence/SiriBing (indexación primaria) + webDatos estructurados + Bing SEOLlama fine-tuned
DuckDuckGo AI ChatDuckDuckGo index + OpenAI/Anthropic/MetaDuckDuckGo SEOMúltiples LLMs
NotebookLMURLs añadidas manualmente por el usuarioSer fuente de referencia que otros enlazanGemini

Implicación práctica: una estrategia GEO completa no puede ignorar Grok (requiere señales de X.com), Microsoft Copilot (requiere IndexNow), ni Deep Research (requiere datos originales estructurados).


AI crawlers — robots.txt

Crawlers activos (2026)

CrawlerPlataformaUser-AgentObedece robots.txt
GPTBotOpenAI / ChatGPT SearchGPTBotSí
OAI-SearchBotOpenAI search featuresOAI-SearchBotSí
ChatGPT-UserChatGPT browsing (user-triggered)ChatGPT-UserNo (user-triggered)
PerplexityBotPerplexityPerplexityBotSí
Google-ExtendedGoogle AI training y grounding opt-outGoogle-ExtendedSí
Google-CloudVertexBotVertex AI Agent (site owner requested)Google-CloudVertexBotSí
Google-AgentProject Mariner, agentic browsingGoogle-AgentNo (user-triggered)
Google-NotebookLMFetch de URLs añadidas por el usuarioGoogle-NotebookLMNo (user-triggered)
anthropic-aiClaude (training)anthropic-aiSí
ClaudeBotClaude (web features)ClaudeBotSí
GrokBotxAI / Grok DeepSearchGrokbotSí
DuckAssistBotDuckDuckGo AI ChatDuckAssistBotSí
Meta-ExternalAgentMeta AI (FB, IG, WA, Messenger)meta-externalagentSí
Applebot-ExtendedApple Intelligence / SiriApplebot-ExtendedSí
cohere-aiCoherecohere-aiSí
BytespiderByteDance / TikTok AIBytespiderSí

Nota crítica: Los fetchers user-triggered (Google-Agent, Google-NotebookLM, ChatGPT-User) ignoran robots.txt por diseño — no se pueden bloquear con robots.txt, solo con controles server-side.

Web Bot Auth (RFC 9421): Los agentes agentic de Google (Google-Agent) pueden autenticarse via header Signature-Agent + key directory. Reverse-DNS sigue siendo el fallback para verificación de identidad del bot.

Postura recomendada en robots.txt

# AI search — permitir todos los crawlers de indexación/citación
User-agent: GPTBot
Disallow:

User-agent: OAI-SearchBot
Disallow:

User-agent: PerplexityBot
Disallow:

User-agent: anthropic-ai
Disallow:

User-agent: ClaudeBot
Disallow:

User-agent: Grokbot
Disallow:

User-agent: DuckAssistBot
Disallow:

User-agent: meta-externalagent
Disallow:

User-agent: Applebot-Extended
Disallow:

# Google-Extended: bloquear SOLO si se quiere opt-out de training de Google AI.
# Bloquearlo NO impide aparecer en AI Overviews ni AI Mode — son controles separados.
# User-agent: Google-Extended
# Disallow: /

Reglas de decisión:

  • Google-Extended controla training de Gemini/Vertex, NO aparición en AI Overviews/AI Mode.
  • Bloquear GPTBot u OAI-SearchBot significa que ChatGPT Search no citará la página.
  • No bloquear Googlebot nunca — afecta búsqueda orgánica y AI Overviews simultáneamente.

llms.txt — resumen de contexto para AI tools

llms.txt es un archivo de texto plano en /llms.txt. Google lo ignora explícitamente (confirmado en guía AI optimization 2026-06-29, y por Gary Illyes y John Mueller). Bing Copilot/Microsoft Copilot, Perplexity, ChatGPT/OpenAI y otros LLMs sí pueden leerlo.

Cuándo implementarlo: siempre — el coste es mínimo y aporta contexto a plataformas no-Google. Cuándo NO prometerlo: como lever de ranking en Google Search, AI Overviews o AI Mode.

Estructura mínima

# Nombre del sitio

> Descripción en una frase de qué cubre este sitio.

## Sobre el sitio

Párrafo breve: quién lo gestiona, estándares editoriales, cobertura temática.

## Secciones principales

- [Nombre de sección](https://dominio.com/seccion/): descripción breve
- [Nombre de sección](https://dominio.com/seccion/): descripción breve

## Contenido destacado

- [Título del artículo](https://dominio.com/slug/): descripción en una línea
- [Título del artículo](https://dominio.com/slug/): descripción en una línea

## Contacto / Editorial

- Contacto: email@dominio.com
- Política editorial: https://dominio.com/politica-editorial/

## Licencia

Contenido bajo [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/).

Implementación

  1. Crear como archivo estático, no dinámico
  2. Servir en https://dominio.com/llms.txt (raíz, o en un subpath si el archivo cubre solo esa sección — ver regla de especificidad abajo)
  3. WordPress: añadir vía FTP o plugin de archivos estáticos en /
  4. Incluir las páginas de mayor valor — no todo el sitio

Reglas estrictas de formato (fuente: llmstxt.org, verificado 09/09/2026)

El estándar no es solo una convención de estilo — define un orden y una sintaxis precisos, pensados para que herramientas puedan parsearlo con "técnicas de programación clásicas (parsers y regex)", no solo con lectura humana. Checklist de validación:

  1. H1 — única sección obligatoria. Debe existir exactamente un # Nombre del sitio al inicio (después de un BOM opcional). Sin H1, el archivo no es válido aunque el resto esté bien formado.
  2. Blockquote inmediato tras el H1 — un resumen corto (> ...) con la información clave para entender el resto del archivo.
  3. Secciones de detalle opcionales — cualquier bloque markdown que no sea un heading, entre el blockquote y las listas de archivos.
  4. Listas de archivos delimitadas por H2 — cada sección de enlaces va bajo su propio ## Encabezado.
  5. Sintaxis de enlace obligatoria dentro de esas listas — este es el punto que falla en la práctica: cada ítem debe ser un hipervínculo markdown real, [nombre](url), opcionalmente seguido de : y una nota. "Etiqueta: https://..." (URL en texto plano, sin corchetes) no cumple el estándar, aunque el archivo tenga contenido real y URLs correctas — un parser que busca [texto](url) no detecta nada y reporta el archivo como "sin enlaces".
  6. Especificidad por path: si existen varios llms.txt en distintas rutas (ej. /llms.txt y /docs/llms.txt), cada uno cubre las URLs bajo su propio path, y ante solapamiento el agente debe usar el más específico.

Por qué esto importa ahora, no solo en teoría: desde 2026 Lighthouse incluye la categoría "Agentic Browsing" (aún en desarrollo, sujeta a cambios), que audita automáticamente esta sintaxis exacta. El mensaje de error real que emite cuando falla la regla 5 es "File does not appear to contain any links" — no dice "formato incorrecto", dice literalmente que no encuentra enlaces, aunque el archivo esté lleno de URLs en texto plano. Patrón real recurrente: en dos auditorías de dominios de producto de una misma marca (sept. 2026) el llms.txt tenía contenido completo y correcto pero con URLs en formato "Etiqueta: url" en vez de markdown — mismo error, dos veces, confirma que es el fallo más común al implementar este archivo a mano. Antes de dar un llms.txt por bien implementado, verificar la regla 5 línea por línea, no solo que el archivo exista y devuelva 200.


RSL 1.0 (Really Simple Licensing)

Estándar de licenciamiento legible por AI publicado en diciembre 2025. Respaldado por Reddit, Yahoo, Medium, Quora, Cloudflare, Akamai, Creative Commons.

Propósito: comunicar de forma machine-readable si el contenido puede ser usado para training, indexación o snippets AI.

Implementación

Opción A — dentro de llms.txt (al inicio del archivo):

# RSL 1.0
# https://rsl.it/
License: CC-BY-SA-4.0
Contact: editor@dominio.com
AI-training: allowed
AI-indexing: allowed
AI-snippets: allowed

Opción B — archivo separado /rsl.txt:

RSL/1.0
AI-training: allowed
AI-indexing: allowed
AI-snippets: allowed
Contact: editor@dominio.com
License: CC-BY-4.0

Decisión de política: allowed maximiza visibilidad AI. disallowed para training protege el contenido de ser usado para entrenar modelos, sin afectar la aparición en respuestas de búsqueda AI que usan grounding web (no training).


AI Mode vs AI Overviews — dos motores, no uno

Google fusionó la UX en "una experiencia seamless" en Google I/O 2026 (2026-05-19). Los dos motores de citación siguen siendo técnicamente distintos. Overlap de URLs citadas: 13,7% (estudio Ahrefs, 540.000 pares de queries).

FactorAI OverviewsAI Mode
Correlación con ranking orgánicoAlta (92% de citas son top 10)Baja — cita más allá de posición 5
Señal de frescuraRelevanteMuy alta — contenido <3 meses tiene 3x más probabilidad de citación
Señal de entidadDomain authorityEntity authority (Wikidata, sameAs)
Lever principalSEO orgánico + densidad de pasajesFrescura + dateModified + Q-number Wikidata
Promedio de dominios citados por query~5~9 (pool más amplio)

Implicación práctica: rankear bien en orgánico alimenta AI Overviews automáticamente. Para AI Mode: fechas visibles + dateModified en schema + Q-number Wikidata en sameAs + actualización cada 2-3 meses en páginas pillar.


Deep Research optimization

Los motores de Deep Research (Gemini Deep Research, Perplexity Pro, ChatGPT o3 Deep Research) realizan investigación multi-paso y citan más fuentes por query, con mayor énfasis en:

Señales diferenciales vs búsqueda estándar:

  • Datos originales propios (encuestas, estudios, experimentos) tienen 5-8x más peso
  • Metodología explícita (cómo se obtuvo el dato) aumenta la citabilidad
  • Referencias a fuentes primarias (papers, organismos oficiales) son leverage fuerte
  • Estructura tipo research paper: metodología > hallazgos > implicaciones

Formato óptimo para Deep Research:

H2: Hallazgos principales
[Cifra clave con fuente y año en la primera frase]

H3: Metodología
[Cómo se recopiló el dato, tamaño de muestra, período]

H3: Implicaciones
[Por qué importa el hallazgo — autónomo, sin referencias cruzadas]

Quick win: si el sitio tiene datos propios (GSC, encuestas a clientes, análisis internos), publicarlos como posts de datos con metodología explícita. Son la fuente más citable en Deep Research.


Grok / xAI — señales específicas

Grok 4 usa DeepSearch para rastreo web en tiempo real. Las señales específicas para Grok difieren del resto de plataformas:

Señales primarias:

  • Menciones en X (Twitter) — Grok usa X como fuente de grounding primaria
  • Cuenta verificada en X con posting regular en el nicho
  • GrokBot rastrea las páginas enlazadas desde X
  • Threads de X con datos y análisis del dominio temático

Implicación práctica:

  • Presencia activa en X con posts que enlacen al sitio es el lever más directo para Grok
  • Una comunidad en X alrededor del nicho (respuestas, retweets, menciones) amplifica el efecto
  • GrokBot respeta robots.txt: añadir User-agent: Grokbot / Disallow: activa crawling

Microsoft Copilot — señales específicas

Microsoft Copilot (anteriormente Bing Copilot) usa el índice de Bing como base. Señales diferenciales:

IndexNow — lever de frescura más directo disponible:

# Notificar a Bing/Copilot inmediatamente al publicar o actualizar
import requests

def submit_indexnow(url, key):
    payload = {
        "host": "dominio.com",
        "key": key,
        "keyLocation": f"https://dominio.com/{key}.txt",
        "urlList": [url]
    }
    requests.post("https://api.indexnow.org/indexnow", json=payload)
  1. Obtener clave en bing.com/webmasters → IndexNow
  2. Alojar {clave}.txt en la raíz del dominio
  3. Enviar cada URL nueva/actualizada a api.indexnow.org
  4. Bing comparte señal con otros motores adheridos (Yandex, Seznam, etc.)

Bingbot es el crawler primario — asegurar que Bingbot no esté bloqueado en robots.txt.


Meta AI — señales específicas

Meta AI usa el índice de Bing más rastreo propio via meta-externalagent. Está integrado en WhatsApp, Instagram, Facebook y Messenger.

Señales:

  • Presencia activa en páginas de Facebook e Instagram del negocio
  • Posts de FB/IG que enlacen al sitio (crawleados por meta-externalagent)
  • Permitir meta-externalagent en robots.txt
  • Indexación normal en Bing (Meta reutiliza ese índice)

Knowledge Panel — optimización y claim

El Knowledge Panel de Google es la señal de entidad más visible y la que más impacta la citabilidad en AI Overviews.

Claim del Knowledge Panel

  1. Buscar el nombre del negocio/marca en Google
  2. Si aparece Knowledge Panel, hacer clic en "Reclamar este panel"
  3. Autenticar vía Google Account verificada con perfil público relevante
  4. Proporcionar al menos un perfil social o página About verificable

Sin Knowledge Panel aún:

  • El trigger más fiable es una entidad en Wikidata con official website correcto
  • Segundo trigger: presencia en Google Business Profile (para negocios locales)
  • Tercer trigger: cobertura en medios reconocidos (sin Wikipedia se puede tener KP)

Campos clave del Knowledge Panel

CampoCómo controlarlo
DescripciónPrimera frase del artículo de Wikipedia / About page bien escrita
LogoSchema Organization.logo mínimo 112x112px
Redes socialessameAs con URLs exactas de los perfiles
FundaciónWikidata P571 (inception date)
SedeWikidata P159 o Schema Organization.address

Wikidata — señal de autoridad de entidad

Wikidata es la base de datos estructurada usada por Google Knowledge Graph, Wikipedia y la mayoría de sistemas AI para resolver identidad de entidades.

Crear entidad en Wikidata

  1. Ir a https://www.wikidata.org/wiki/Special:NewItem
  2. Añadir label (nombre) y description (una línea) en ES y EN mínimo
  3. Añadir aliases (nombres alternativos, abreviaciones)
  4. Statements obligatorios para publicación/medio:
    • instance of (P31): online newspaper / digital media / magazine
    • official website (P856): URL completa con HTTPS — debe coincidir exactamente con el dominio canónico
    • country (P17): país correspondiente
    • language of work or name (P407): idioma principal
    • inception (P571): fecha de fundación
  5. Anotar el Q-number asignado y añadirlo al schema Organization via sameAs

Vincular schema a Wikidata

"sameAs": [
  "https://www.wikidata.org/wiki/Q[número]",
  "https://www.facebook.com/...",
  "https://www.instagram.com/...",
  "https://x.com/..."
]

Presencia mínima viable

  • Label + description en ES y EN
  • instance of (P31)
  • official website (P856) — exactamente igual al dominio canónico
  • inception (P571)
  • Al menos un identificador externo (ISSN, perfil social, Q-number de Wikipedia)

Sin official website exactamente igual al dominio, Google puede no conectar la entidad Wikidata con el sitio en el Knowledge Graph.


Schema NewsMediaOrganization — para publicaciones y medios

Para blogs, medios y marcas de contenido, NewsMediaOrganization da señales de atribución AI más fuertes que Organization genérico.

{
  "@context": "https://schema.org",
  "@type": "NewsMediaOrganization",
  "@id": "https://dominio.com/#organization",
  "name": "Nombre de la publicación",
  "url": "https://dominio.com",
  "logo": {
    "@type": "ImageObject",
    "url": "https://dominio.com/logo.png",
    "width": 300,
    "height": 300
  },
  "description": "Misión editorial en una frase",
  "foundingDate": "2020",
  "inLanguage": "es",
  "publishingPrinciples": "https://dominio.com/politica-editorial/",
  "masthead": "https://dominio.com/acerca-de/",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q[número]",
    "https://www.facebook.com/publicacion",
    "https://x.com/publicacion",
    "https://www.instagram.com/publicacion",
    "https://www.linkedin.com/company/publicacion"
  ]
}

Campos clave para citabilidad AI:

  • publishingPrinciples — Google y AI tools usan esto para evaluar credibilidad
  • masthead — URL de la página de equipo/acerca de. Requerido para señales de elegibilidad News
  • description — se convierte en cómo los AI tools describen la fuente al citarla
  • Logo mínimo 112x112px — Google requiere esto para rich results. 60x60 no es válido

ISSN: Si la publicación tiene ISSN, añadir "issn": "XXXX-XXXX". Es la señal de autoridad de entidad más fuerte disponible para publicaciones.


Citabilidad a nivel de pasaje — estructura de contenido

Los AI tools extraen respuestas a nivel de pasaje, no de página. Longitud óptima: 134-167 palabras por pasaje autónomo (estudio SE Ranking, 1,3M citas). El 44% de las citas AI provienen del primer 30% de la página.

Contenido <3 meses tiene 3x más probabilidad de ser citado. Páginas sin actualizar en 6+ meses pierden elegibilidad de citación.

Patrones de alta citabilidad

Estructura answer-first (más citable en búsqueda estándar):

H2: ¿Qué es [tema]?
Primera frase: [Tema] es [definición directa en una frase].
Segunda frase: [Detalle de soporte más importante].
Resto del párrafo: contexto, matices, ejemplos. [~134-167 palabras total]

Estadísticas con atribución (formato más extraíble):

Según [Fuente] ([Año]), el X% de [población] [acción].

Incluir siempre: año, nombre de la fuente, el claim específico. Claims vagos no son extraíbles.

Para Deep Research — formato research:

H2: [Hallazgo o dato clave]
Primera frase: [cifra + fuente + año]
H3: Metodología: [cómo se obtuvo]
H3: Implicaciones: [por qué importa — autónomo]

Anti-patrones (reducen citabilidad)

  • Párrafos introductorios largos antes de la respuesta real
  • Respuestas enterradas en el medio de párrafos largos
  • Claims sin año ni fuente
  • Respuestas que requieren leer múltiples secciones para ensamblarse

E-E-A-T para citabilidad AI

SeñalImplementación
Nombre del autor + credencialesByline visible + schema Person con jobTitle
Página de bio del autorURL dedicada con schema Person, sameAs LinkedIn + X
Página About/mastheadLista al equipo editorial, contacto, misión
Política editorialPágina separada enlazada desde footer/about
Fuentes citadas inlineFuentes nombradas con links, no "según los expertos"
Fechas de contenido visiblesdatePublished y dateModified visibles para usuarios

Wikipedia — señal de entidad máxima

Wikipedia es fuente de entrenamiento y señal de autoridad para la mayoría de sistemas AI. ChatGPT cita Wikipedia en el 47,9% de sus respuestas.

Umbral de notabilidad

  • Cobertura en medios establecidos (no press releases propios)
  • ISSN o reconocimiento institucional
  • Mínimo 3 fuentes independientes que cubran la publicación (no el contenido que produce)

No crear un artículo de Wikipedia sin notabilidad documentada. Un intento fallido dificulta futuras creaciones.

Proceso

  1. Verificar notabilidad antes de redactar
  2. Borradores en Wikipedia Sandbox: https://en.wikipedia.org/wiki/Wikipedia:Sandbox
  3. Solo hechos verificables con referencias, sin lenguaje promocional
  4. Tras creación: añadir propiedad Wikipedia article en Wikidata vinculando al artículo

Señales de marca en plataformas externas

PlataformaAcciónPrioridadMotor AI que usa la señal
YouTubeCanal con contenido del nichoAlta (correlación 0,737)Google AI Overviews/Mode, ChatGPT
RedditPresencia en subreddits del nichoAlta (Perplexity cita Reddit 46,7%)Perplexity, ChatGPT
X (Twitter)Cuenta activa, posts con linksAlta para GrokGrok/xAI
WikipediaEntrada verificadaAlta si hay notabilidadTodos los modelos
WikidataEntidad con Q-numberAlta — siempre factibleGoogle AI, ChatGPT, Claude
LinkedInPágina de empresa completaMediaChatGPT, Perplexity
FacebookPágina de empresa con postsMedia para Meta AIMeta AI
Google Preferred SourcesComunicar a audiencia para que añadanAlta (>345K fuentes)Google AI Overviews/Mode

Google Preferred Sources (acción concreta): los usuarios pueden marcar sitios como "fuentes preferidas" en AI Search. Google trabaja para usarlo como señal de ranking. Publicar instrucción en newsletter/redes: "Puedes añadir [dominio] como fuente preferida en Google AI Search para ver nuestro contenido en tus respuestas."


Monitoreo de citaciones AI

Baseline manual (gratuito, hacer una vez al trimestre)

  1. Abrir ChatGPT, Perplexity, Google AI (con AI Mode), Microsoft Copilot, Grok
  2. Preguntar sobre 5-10 temas clave del sitio
  3. Registrar: aparece el sitio en las fuentes, en qué plataformas, con qué anchor
  4. Fecha del baseline para comparar tras 4-8 semanas de cambios GEO

DataForSEO — LLM mentions tracking (automatizado)

  • mcp__dfs-mcp__ai_opt_llm_ment_search — búsqueda de menciones por marca/dominio
  • mcp__dfs-mcp__ai_opt_llm_ment_agg_metrics — métricas agregadas de visibilidad AI
  • mcp__dfs-mcp__ai_opt_llm_ment_top_domains — dominios más citados en el nicho
  • mcp__dfs-mcp__ai_opt_llm_ment_top_pages — páginas más citadas en el nicho

Usar para establecer baseline cuantitativo y medir variación mensual.


Checklist de implementación GEO completa

CRAWLABILIDAD
[ ] GPTBot + OAI-SearchBot permitidos (ChatGPT Search)
[ ] PerplexityBot permitido
[ ] anthropic-ai + ClaudeBot permitidos
[ ] Grokbot permitido (Grok / xAI)
[ ] DuckAssistBot permitido
[ ] meta-externalagent permitido (Meta AI)
[ ] Applebot-Extended permitido (Apple Intelligence)
[ ] Bingbot no bloqueado (Microsoft Copilot)
[ ] Google-Extended: decisión documentada (training vs AI Overviews son controles separados)

LLMS.TXT + RSL 1.0
[ ] /llms.txt existe en raíz del dominio
[ ] Incluye descripción, secciones clave, contenido destacado, contacto
[ ] URLs en llms.txt canónicas y devuelven 200
[ ] H1 único al inicio + blockquote de resumen inmediatamente después (única sección obligatoria + resumen, ver reglas estrictas arriba)
[ ] Enlaces en las listas de archivos usan sintaxis markdown [texto](url), NUNCA "Etiqueta: url" en texto plano — verificar línea por línea, es el fallo más común (ver nota Lighthouse "Agentic Browsing")
[ ] RSL 1.0 declarado (en llms.txt o /rsl.txt)
[ ] Alcance comunicado: Google lo ignora; puede ayudar en Bing/Perplexity/ChatGPT/Grok

ENTIDAD (WIKIDATA + KNOWLEDGE PANEL)
[ ] Entidad Wikidata existe con URL oficial exacta (P856)
[ ] inception date (P571) en Wikidata
[ ] Q-number en Organization/NewsMediaOrganization sameAs
[ ] Knowledge Panel reclamado (si existe)
[ ] Schema type correcto para el tipo de sitio
[ ] publishingPrinciples + masthead poblados (publicaciones)
[ ] Logo mínimo 112x112px en schema
[ ] sameAs incluye X.com, LinkedIn, Wikipedia (si existe)

MICROSOFT COPILOT
[ ] IndexNow configurado (clave + archivo en raíz + envío automático al publicar)
[ ] Bingbot no bloqueado
[ ] Bing Webmaster Tools verificado

GROK / XAI
[ ] Cuenta verificada en X activa con posts que enlazan al sitio
[ ] Grokbot permitido en robots.txt
[ ] Posts de X cubren los temas clave del nicho

META AI
[ ] Página de Facebook/Instagram activa con posts que enlazan al sitio
[ ] meta-externalagent permitido

CONTENIDO CITABLE
[ ] Páginas clave usan estructura answer-first
[ ] Pasajes de 134-167 palabras autónomos en secciones principales
[ ] Estadísticas incluyen año y nombre de fuente inline
[ ] Schema Person del autor incluye jobTitle y description
[ ] datePublished visible para usuarios y en schema
[ ] dateModified actualizado en páginas revisadas recientes
[ ] Plan de actualización cada 2-3 meses en páginas pillar

DEEP RESEARCH (si el nicho tiene queries de investigación)
[ ] Al menos un post de datos originales (encuesta, análisis propio) con metodología explícita
[ ] Estructura: hallazgos > metodología > implicaciones en posts de datos

E-E-A-T
[ ] Página About/masthead existe
[ ] Páginas de bio de autor existen con schema Person
[ ] Política editorial enlazada desde footer

SEÑALES DE MARCA EXTERNAS
[ ] Baseline de citación AI establecido (fecha + plataformas + resultados)
[ ] Presencia activa en Reddit y/o YouTube (según nicho)
[ ] Presencia activa en X si Grok es plataforma relevante para el nicho
[ ] Google Preferred Sources comunicado a la audiencia
[ ] DataForSEO LLM mentions trackeado para nombre de marca y dominio

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.