La IA empieza a decidir compras: GEO aplicado en 10 sectores

Análisis sectorial de Gravity y libro blanco de GEO aplicado | 10 grupos de clientes de marca · 11 ámbitos de entrega · Nuevas pruebas en ChatGPT, Gemini y Perplexity

Cuando los consumidores dejan de buscar y empiezan a preguntar directamente, cambia el primer terreno de competencia de una marca.

«¿Qué sistema modular de almacenamiento debería comprar para tener 72 horas de respaldo en casa?». «¿Cómo debe elegir sillas ergonómicas un equipo híbrido que compra varias unidades?». «¿Qué especificación de línea de combustible necesita una preparación para E85?». Cada vez más decisiones de compra ocurren dentro de una respuesta de ChatGPT, Gemini o Perplexity. Las páginas que cita la IA y los criterios con los que construye sus consejos pueden influir de forma importante en la recomendación que sigue el comprador.

Ese es el problema que aborda GEO, la optimización para motores generativos. Sin embargo, muchas propuestas siguen centradas en publicar contenido a gran escala y no responden con claridad a tres preguntas que realmente importan a las marcas:

• ¿Ha venido la IA a leer mi sitio web?
• ¿Después de leerlo, cita y utiliza realmente su contenido?
• ¿Cómo podemos demostrar estos cambios a la dirección y a los clientes?

Durante los últimos meses, Gravity ha convertido estas preguntas en datos verificables para 10 grupos de clientes de marca y 11 ámbitos de entrega. Estos son los resultados.

1. Los resultados: seis grupos de cifras

Los siguientes datos recogen las mediciones disponibles a finales de octubre de 2026. Los nombres de las marcas se han sustituido por descripciones sectoriales.

En una frase: las visitas de motores de IA aumentaron de forma considerable, incluido el efecto de ampliar la cobertura de medición, y las respuestas empezaron a citar con frecuencia las páginas oficiales y a utilizar los criterios de selección de las marcas.

2. Por qué funciona: un hilo de negocio y cuatro capas de evidencia verificable

Muchos servicios GEO se concentran en artículos genéricos orientados al tráfico y pasan por alto una característica básica de la generación de respuestas: a la IA no le faltan conceptos enciclopédicos; le faltan hechos de producto y límites de comparación que respondan a restricciones concretas de compra.

La metodología central de Gravity: partir de las preguntas reales de compra; conectar hechos de producto, contenido oficial, evidencia externa y respuestas de IA; identificar las carencias que afectan a las recomendaciones; y mejorarlas mediante implementación y nuevas pruebas.

Este hilo de negocio nos permite evitar tres errores habituales:

2.1 Sustituir las palabras clave por tareas reales de compra para encontrar las carencias

Los consumidores no introducen palabras aisladas: plantean decisiones con restricciones. Gravity transforma la demanda de cada sector en grupos estandarizados de preguntas de compra y compara las mismas preguntas entre la línea base T0 y la nueva prueba T1 para localizar qué impide la recomendación:

• Preguntas ancladas en marca y modelo: ¿reconoce la IA la marca y asigna las especificaciones y precios al producto correcto?
• Reformulaciones controladas: si el comprador pregunta de otra manera, ¿sigue citándose de forma estable la página oficial objetivo?
• Preguntas de límites negativos: ante «¿sirve para todo el mundo?» o «¿se instala sin electricista?», ¿puede ofrecer una recomendación condicionada precisa?
• Descubrimiento natural sin marca: ¿entra la marca en la lista cuando el comprador no la menciona o pide expresamente una alternativa a un competidor?

Contabilizamos por separado «ser nombrada» y «ser recomendada de forma proactiva». Una tasa alta de menciones en preguntas con marca mide la capacidad de atender el interés ya existente; las recomendaciones sin marca reflejan un avance en la captación dentro del mercado abierto.

2.2 Cuatro capas de evidencia, cada una con una fuente rastreable

• Lectura: ¿han obtenido páginas las 17 categorías de motores dedicados —OpenAI, Anthropic, Perplexity, Google, Meta y otros— y cómo cambia el volumen? Un subconjunto tiene verificación adicional por firma de red: 3.345 de las últimas 23.483 visitas. El resto se identifica por lo declarado en el User-Agent.
• Cita: ¿muestra la respuesta final de ChatGPT, Gemini o Perplexity un enlace exacto a una página oficial de la marca? No contamos candidatos internos que no se usan.
• Adopción: ¿reproduce el texto los criterios de decisión, ejemplos de cálculo o límites del público destinatario incluidos en los módulos añadidos?
• Captación: ¿llegan al sitio y convierten las referencias de IA? Esta capa se conecta cliente a cliente con datos autorizados de GA4 o Shopify. Los datos de este artículo llegan hasta las tres primeras capas.

3. Separar la señal del ruido: menos Bots totales no significa menos interés de la IA

Los clientes suelen preguntar: «¿Por qué ha bajado el total de Bots esta semana?».

En la marca norteamericana de energía solar aislada B, el total pasó de 75.040 a 47.045. A primera vista parece un descenso. Al conciliar los componentes aparece otra imagen:

• Disminuyeron las inspecciones publicitarias: solo las comprobaciones de páginas de destino de Meta bajaron en 22.597 eventos y explicaron alrededor del 80% de la caída total.
• Crecieron los eventos clasificados como IA: las cinco categorías pasaron de 2.436 a 8.101, +232,6%. El rastreo de modelos creció +923,7% y OAI-SearchBot pasó de 49 a 410.

La misma distinción apareció en la marca NAS C y en la marca de ropa de lana I: descendieron los Bots generales del sitio, mientras los motores de IA dedicados principales crecieron +308,93% y +1.980,00%, respectivamente.

Para los equipos de marca: no dejen que un único total de Bots dirija el análisis. Entender quién visita y qué lee es la primera lección de GEO. Las visitas fuera de las 17 categorías no son necesariamente ruido; simplemente se analizan por separado de los motores dedicados claramente identificables.

4. Cuatro casos sectoriales: cuatro maneras de resolver problemas comerciales distintos

De los proyectos con nuevas pruebas completadas extrajimos cuatro recorridos representativos. Cada enlace permite consultar el caso independiente completo.

Caso 1 | Marca A de respaldo doméstico y almacenamiento para toda la vivienda: del interés de marca a las recomendaciones naturales y de alternativas

• Reto comercial: en un mercado de compras de miles de dólares, los compradores buscan «alternativas a Powerwall», sistemas que empiecen con poca capacidad y se amplíen después, o respaldo del aire acondicionado durante apagones de varios días por huracanes. La marca no recibía recomendaciones en algunas preguntas naturales clave de la línea base. También faltaban cálculos estándar con pérdidas para las preguntas con marca sobre autonomía y nuevos productos.
• Trabajo de Gravity: organizó 22 Demand Cells; publicó una guía de autonomía con el cálculo completo de 12,288 kWh nominales → 8,51 kWh útiles → unas 20,8 horas, una guía de ampliación modular y contenido comparativo de alternativas; después completó 585 respuestas sobre 65 preguntas y 93 comprobaciones de hechos.
• Cambio observado: en una pregunta estrictamente sin marca sobre alternativas a Powerwall, Perplexity citó repetidamente la nueva comparación e incluyó la marca en «The strongest Tesla alternatives to compare», una lista destacada. La tasa de citas oficiales de Gemini en preguntas naturales pasó del 14,29% al 38,64% de media, con un máximo del 48,48%, más del doble. La recomendación dejó de ser cero en respaldo ante huracanes y ampliación de 5–30 kWh. En las 11 preguntas de diagnóstico originales, la cuota oficial subió unos 20 puntos, del 43,12% al 63,56%. La guía de autonomía obtuvo 4 citas directas y el cálculo de 20,8 horas se reprodujo casi literalmente.
• Más información: Caso GEO de respaldo doméstico y almacenamiento para toda la vivienda →

Caso 2 | Marca D de mobiliario ergonómico inteligente: convertir diferencias complejas en criterios de compra utilizables por la IA

• Reto comercial: las diferencias entre Standard, SE, Gen y Pro eran complejas y no había una tabla oficial clara de decisión. La IA podía confundir autonomía, motores de seguimiento lumbar y compatibilidad de accesorios.
• Trabajo de Gravity: planificó e impulsó cuatro páginas nuevas o mejoradas: Comparativa de cuatro modelos principales, Guía piloto para equipos híbridos, FAQ de autonomía y Autocomprobación de compatibilidad de accesorios. Todas son ya públicas.
• Cambio observado: las visitas de Bots de IA dedicados aumentaron 66 → 791, +1.098,48%. Se citaron 4/4 páginas, con 20 citas exactas en 18 respuestas. La comparativa aportó por sí sola 14/20 citas: Gemini 10 y Perplexity 4.
• Más información: Caso GEO de mobiliario ergonómico inteligente →

Caso 3 | Marca E norteamericana de componentes de altas prestaciones: conservar la primera pantalla y añadir orientación técnica

• Reto comercial: los aficionados necesitan criterios de compatibilidad de combustible, tamaño AN y correspondencia del aforador, pero las páginas tenían tablas básicas de dimensiones. La IA tendía a recomendar solo por CFM. Además, la primera zona de compra, con buen desempeño comercial, no podía modificarse a la ligera.
• Trabajo de Gravity: aplicó adiciones no intrusivas, conservó íntegra la primera zona de compra y añadió 19 párrafos de selección técnica en el detalle de carburadores, línea de combustible PTFE y depósito.
• Cambio observado: la lectura del sitio confirmó 19/19 párrafos implementados literalmente, frente a 0/19 en las capturas previas. Las tres páginas recibieron 8 citas exactas: carburadores 5, entre ChatGPT, Gemini y Perplexity; PTFE 2 de Gemini; depósito 1 de Perplexity. Las respuestas adoptaron el criterio de considerar uso del motor, accionamiento secundario y presión de combustible, no solo CFM.
• Más información: Caso GEO norteamericano de automoción de altas prestaciones →

Caso 4 | Marca F global DTC de moda y regalos: mejorar la recomendación bajo condiciones complejas, no solo la exposición

• Reto comercial: categoría saturada, preguntas sin marca y límites exigentes como si todos los productos sirven para todo el mundo.
• Trabajo de Gravity: publicó una guía de situaciones de regalo, comprobó 342 candidatos de afirmaciones sobre la marca extraídos de respuestas de IA y propuso una alineación mínima de una frase, pendiente de aprobación del cliente, manteniendo beneficios como los 30 días para devoluciones y cambios.
• Cambio observado: los Bots principales pasaron de 377 a 12.414, +3.192,84%. ChatGPT citó la guía y la usó para organizar recomendaciones. En las 36 preguntas de control negativo correspondientes a ChatGPT, la recomendación condicionada aumentó de 9/36 a 19/36, 25,00% → 52,78%. De 342 candidatos, 170 estaban respaldados por evidencia oficial, 151 pendientes de verificación y 21 sin evaluar; hubo 0 conflictos factuales en el ámbito comprobado.
• Más información: Caso GEO global DTC de moda y regalos →

5. Cobertura de clientes: 10 sectores, del hardware de alto valor al turismo

Las marcas están en etapas distintas: unas han completado varias rondas de muestreo, otras acaban de lanzar infraestructura y otras construyen su línea base. El hilo común es identificar las carencias de hechos y contenido que afectan a las recomendaciones y facilitar que la IA lea, cite y utilice correctamente la información.

6. Tres recomendaciones para quienes deciden sobre la marca

• Abrir el acceso de las máquinas antes de escalar contenido. Si un cortafuegos o las reglas robots bloquean por error motores dedicados, o las especificaciones están ocultas en scripts e imágenes, más artículos no solucionan la base. El primer paso es contrastar los registros del servidor con el panel.
• Dar a la IA una tabla de decisión con límites, no más adjetivos. Los modelos necesitan respuestas estructuradas que reúnan situación, límites objetivos, SKU a la venta y reglas transparentes de devolución en una página. Una información más clara facilita su adopción.
• Informar con una cadena de evidencias, no con un solo número. Conectar implementación, lectura del sitio oficial, rastreo, citas exactas y adopción en respuestas, con una fuente en cada paso. Así resiste GEO las preguntas de la dirección.

7. Notas de medición

La confianza a largo plazo empieza por dejar claros los límites:

• Ventanas temporales: se compara la primera semana de cada proyecto con los últimos 7 días, del 17 al 23 de octubre de 2026. Octubre en las curvas mensuales incluye solo los días 1–23.
• Rastreo: solo se cuentan las visitas que declaran uno de 17 productos de IA dedicados en el User-Agent. Se excluyen inspecciones publicitarias, navegadores integrados en aplicaciones sociales y rastreadores generales de doble uso. Solo un subconjunto tiene verificación adicional por firma de red: 3.345 de las últimas 23.483. El factor 7,5 incluye ampliación de cobertura, con 14.042 visitas recientes de capas de servidor ausentes al inicio; no debe interpretarse íntegramente como crecimiento neto de visitas reales. Las curvas mensuales usan el concepto más amplio de «eventos clasificados como IA» y no pueden sumarse directamente a los motores dedicados.
• Citas: solo cuentan los enlaces exactos a páginas objetivo mostrados en respuestas finales. Las 34 citas / 32 respuestas / 9 páginas de la figura 3 corresponden a mobiliario, automoción y NAS: 25 citas de validación de marca/modelo, 6 de comparación controlada y 3 de compra de categoría. En mobiliario eran páginas nuevas o mejoradas; en automoción, módulos añadidos a páginas existentes. La evidencia que atribuye la versión final publicada de cada página aún no está completamente cerrada.
• Prueba de respaldo doméstico: las 65 preguntas comprenden 46 originales y 19 añadidas por el cliente. Las 46 originales tenían una línea base T0 de 138 respuestas, 46 × 3 plataformas. T1 cubrió las 65 en 3 plataformas y 3 rondas independientes el mismo día: 65 × 3 × 3 = 585 respuestas, 580 con referencias verificables. Las comparaciones emparejadas con la línea base se aplican al grupo original; las 19 nuevas se evalúan aparte, sin suponer que todas tenían una línea base anterior.
• Recomendación condicionada: 25,00% → 52,78% procede de 36 preguntas de control negativo de ChatGPT, no de la tasa agregada de las tres plataformas.
• También se registran las ausencias: en la misma ronda, la guía NAS de autenticación de dos factores obtuvo 0/15 citas y un artículo solar publicado una semana antes aún no se había citado. Sirven como punto de partida de la siguiente mejora.
• Causalidad: son cambios observados durante las nuevas pruebas, coincidentes con lanzamientos de infraestructura y contenido. No constituyen atribución causal estricta ni una promesa del comportamiento futuro de ninguna plataforma.

¿Dónde aparece su marca en las respuestas de IA?

Traslade estas preguntas a su categoría: cuando los compradores consultan ChatGPT, Gemini y Perplexity, ¿a quién cita la IA y cómo describe su marca?

Contacte con el equipo de Gravity para explorar una ruta GEO adecuada para su sector.

Acerca de Gravity

Gravity es un proveedor de servicios tecnológicos centrado en GEO y crecimiento nativo de IA. Partimos de las preguntas reales de compra; conectamos hechos de producto, contenido oficial, evidencia externa y respuestas de IA; identificamos las carencias que afectan a las recomendaciones y las mejoramos con implementación y nuevas pruebas. Ayudamos a las marcas a ser leídas, citadas y utilizadas en ChatGPT, Perplexity, Gemini y los principales modelos de cada mercado. Trabajamos en electrónica de consumo, almacenamiento de energía limpia, oficinas y hogares inteligentes, automoción de altas prestaciones, moda y turismo internacional.