Mitos sobre la visibilidad de LLM: schema, llms.txt y menciones
Alguien añade todas las etiquetas schema, espera y no ve cambios. Esa es la historia típica y coincide con lo que Google dice realmente. Aquí está cada idea popular frente a los registros.
Equipo de investigación de AlgoLink ·
Siete ideas, una línea cada una
Mito
Realidad según podemos determinar
Añadir schema completo hace que los modelos te citen
El marcado ayuda a los analizadores a leer una página. Ninguna prueba muestra que cambie las citas
llms.txt es el nuevo robots.txt
Una propuesta de septiembre de 2024; los principales proveedores no han confirmado que la lean
La búsqueda de IA ha matado los backlinks
Los datos de enlaces siguen describiendo la huella web de un sitio; su papel en las citas está sin probar
Reddit, Wikipedia y YouTube son las únicas fuentes
Se citan con frecuencia, pero no exclusivamente, y las menciones cambian con el tiempo
Necesitas una agencia especializada
Las verificaciones son baratas y se superponen en gran medida con la SEO habitual
Bloquear GPTBot te oculta de todos los asistentes
Afecta a un solo crawler. Otros productos usan otros crawlers u otros índices
Las menciones sin enlace no tienen valor
Posiblemente útiles, ya que los modelos leen texto. Sin probar a gran escala
La pregunta del schema, lentamente
El marcado Schema.org describe una página de forma legible por máquina. Simple. Google ha dicho que los datos estructurados no son necesarios para sus funciones de IA, aunque aún ayudan con los resultados enriquecidos, lo cual es una buena razón por sí misma para añadirlos.
Si alimenta a los modelos directamente es desconocido. Nadie fuera de los proveedores lo sabe. Lo probaríamos de forma sencilla: marcar la mitad de un conjunto de páginas similares, dejar la otra mitad sin marcar y registrar las citas durante ocho semanas.
Los profesionales reportan experiencias mixtas, incluyendo mucho silencio tras un marcado completo. El silencio es datos. No lo entierras bajo otra ronda de etiquetas.
Las biografías de autores y las credenciales de 'experto' reciben el mismo tratamiento. Ayudan a los lectores a decidir si confían en ti, lo cual es razón suficiente, y ningún estudio que hayamos visto muestra que un modelo prefiera una página porque estaba presente una biografía.
La frescura aparece cada vez. Las páginas con una fecha de actualización reciente aparecen a menudo en respuestas de IA sobre temas tipo noticias, y Google ha usado la frescura durante mucho tiempo para consultas que lo merecen. Aún así, actualizar una fecha sin cambiar el contenido es un hábito en el que no confiaríamos, y Google ha dicho que no le gusta.
Menciones: la apuesta más barata
Si un modelo lee texto, una descripción clara de tu marca en otros sitios puede importar incluso sin un enlace. Encontrar esas páginas es trabajo de outreach habitual.
Empieza con tu propio nombre de marca. Búscalo, elimina los sitios que ya enlazan y lista el resto. Luego pide un enlace o una descripción más sencilla. Herramientas como Ahrefs y Semrush tienen alertas de menciones, y nuestro análisis de perfil de enlaces muestra quién enlaza a los competidores que envidias.
Una advertencia final sobre las agencias. Vender auditorías de visibilidad LLM es una nueva línea de negocio, y algunos informes son superficiales. Pregunta qué se muestreó, cuándo y qué habría cambiado su conclusión.
Nada de esto hace que el marcado sea inútil. Dice que el efecto reclamado no se ha medido. Gasta una hora, no un trimestre, y mantén tu esfuerzo principal en las páginas que la gente realmente quiere leer.
Una prueba para una afirmación de schema
01
Elige un conjunto de páginas similares
Elige diez a veinte páginas que compartan una plantilla y cubran preguntas relacionadas. Las páginas similares permiten que una diferencia se muestre sin que una docena de otras causas interfieran.
02
Divídelas en dos grupos
Marca la mitad con el schema que quieres probar y deja la otra mitad como está. Anota la división antes de mirar cualquier cita.
03
Registra las citas en un horario fijo
Ejecuta los mismos prompts sobre esas páginas cada semana durante ocho semanas. Registra los dominios y URLs citados, como describe el registro de experimentos.
04
Compara y luego anota lo que viste
Compara los dos grupos por frecuencia. Si la diferencia es menor que la fluctuación normal semana a semana, el resultado honesto es que la prueba no encontró diferencia.
Lo que el schema sí hace
El marcado tiene trabajos reales incluso cuando la pregunta de IA permanece abierta. Vale la pena mantener esos trabajos en mente, para que un resultado nulo en citas no se confunda con un resultado nulo en todo.
Resultados enriquecidos y elegibilidad
Los datos estructurados pueden hacer que una página sea elegible para funciones de resultados enriquecidos en la búsqueda clásica de Google, donde el marcado se lee y verifica. Ese beneficio es concreto y no depende de ninguna afirmación sobre respuestas de IA.
Si añades marcado por esa razón, valídate con una herramienta de prueba de resultados enriquecidos antes de publicar. Trata cualquier efecto en las respuestas de IA como un bono que no has medido.
Análisis y claridad
El marcado establece hechos en un formato fijo, como un nombre de producto, un autor o una fecha. Un analizador que lea la página puede tomar esos campos sin adivinar. Esa claridad ayuda a cualquier herramienta que trabaje con la estructura de la página.
La claridad no es lo mismo que la cita, sin embargo. Una página puede ser fácil de analizar y nunca ser citada, y otra puede ser citada sin ningún marcado.
Lo que no muestra
Schema no es una lista de votos que los modelos cuentan. No hemos visto ningún estudio controlado que conecte el marcado solo con un cambio en las citas, así que cualquiera que prometa un aumento debería mostrar la muestra detrás de ello.
El silencio tras añadir marcado es un resultado normal de una prueba. La siguiente sección explica por qué puede ocurrir sin que el marcado sea inútil.
Por qué la gente no ve cambios
La visibilidad de LLM depende de muchas cosas a la vez, y un solo cambio rara vez destaca. Ten eso en cuenta antes de juzgar un resultado.
La palanca puede estar en otro lugar
Las probabilidades de que una página sea citada dependen de su capacidad de rastreo, su contenido, sus enlaces y la consulta misma. El marcado toca uno de esos. Cuando todo lo demás permanece igual, un cambio solo de marcado puede ser demasiado pequeño para ver.
Antes de culpar al marcado, verifica lo básico. Confirma que la página está indexada y que su texto aparece en el HTML en lugar de solo después de que se ejecute un script.
La expansión de consultas envía a la gente a otro lugar
Algunos profesionales describen la expansión de consultas, donde una pregunta se convierte en varias sub-búsquedas. Si así es como un modelo recopila fuentes, la página que marcaste puede ser citada por una sub-consulta que nunca rastreaste. Esa es una razón por la que una verificación con un solo prompt engaña.
Incluye algunas sub-preguntas en tu conjunto de prompts y registra qué páginas aparecen para cada una.
Mide antes de concluir
Un resultado necesita una muestra y una línea base. Ocho semanas de prompts registrados, divididos en dos grupos, es una prueba modesta que aún puede estar equivocada. Escribe sus límites junto al resultado.
Publica también los nulos. Una prueba que no encontró nada sigue siendo útil para la siguiente persona que haga la misma pregunta.
Lo que haríamos primero
Arregla la indexación, luego escribe pasajes que se sostengan por sí solos
Verifica que Google y Bing puedan rastrear e indexar la página. Luego abre secciones con una respuesta directa, nombra las entidades y gana descripción de terceros. Todo lo demás es un experimento, así que ejecútalo como tal.
Confirma la indexación en Search Console y Bing Webmaster Tools
Registra la página exacta que fue enlazada, no solo su dominio. Una prueba de marcado es sobre páginas, así que la página es la unidad que importa.
Menciones de marca sin enlaces
Nota cada vez que un modelo nombra tu marca en su texto sin un enlace. Tales menciones son difíciles de contar, así que fija la regla de lo que cuenta antes de empezar.
La fecha de cada verificación
Cada fila lleva la fecha de su ejecución. Un cambio posterior al marcado puede entonces alinearse con las filas que le siguieron.
Motor y región
Nombra el motor y la región para cada ejecución. Un efecto en un motor puede no mostrarse en otro, y un resultado silencioso en un lugar no es un resultado silencioso en todas partes.
Renderizado y lo que los modelos pueden leer
El texto es el material con el que trabaja un modelo, así que la pregunta de lo que puede leer vale la pena probarla en lugar de asumirla.
Contenido que aparece después de un script
Alguno contenido solo aparece después de que se ejecuta un script. Si un asistente dado puede ver ese contenido es algo que puedes probar. Compara el texto que cita un asistente con lo que devuelve una obtención de HTML plano.
Si el texto citado falta en el HTML plano, la página depende del renderizado. Eso vale la pena saberlo antes de añadir cualquier marcado.
Marcado leído como tokens
Algunos profesionales argumentan que los modelos dividen JSON-LD en tokens y pierden su estructura, por lo que el marcado añade poco. El argumento es plausible y, hasta donde sabemos, está sin probar. Ningún lado lo ha demostrado con una muestra justa.
Trátalo como una hipótesis para tu propia prueba, no como una regla para citar en un informe de cliente.
Preguntas sobre marcado y respuestas de IA
Algunas preguntas que surgen una vez que la gente empieza a probar el marcado en sus propias páginas.
¿Debería eliminar schema si no ayuda a las respuestas de IA?
No con esta evidencia. El marcado aún sirve para funciones de búsqueda clásica y hace una página más clara para los analizadores. Elimínalo solo si es incorrecto, está desactualizado o es engañoso.
¿Vale la pena un archivo llms.txt una hora?
Posiblemente, como un experimento barato. La propuesta data de septiembre de 2024, y no hemos visto que ningún proveedor mayor confirme que lee el archivo, así que no esperes un resultado visible.
¿Las biografías de autores ayudan con las citas?
No sabemos de ningún estudio que lo muestre. Las biografías pueden ayudar a los lectores a juzgar una página, lo cual es una razón justa para mantenerlas, pero cualquier efecto en la cita está sin probar.
¿Cuántas páginas debe incluir una prueba?
Suficientes para que los dos grupos puedan compararse sin que una página domine el resultado. Diez a veinte páginas similares son un buen comienzo para una primera prueba, aunque el número correcto depende de cuánto varíen tus prompts.
