Nuestro cliente fabrica componentes de precisión para el sector automoción en España. 40 años de historia, 120 empleados, exporta a 14 países. En Google, posición 1 para su categoría. En ChatGPT: no existe.
El punto de partida
Cuando lanzamos la auditoría, los cinco modelos principales (ChatGPT, Gemini, Perplexity, Claude, Copilot) no mencionaban la marca en ninguna de las 20 preguntas de comprador que habíamos identificado. Sus tres competidores directos aparecían en al menos dos modelos cada uno.
Diagnóstico: por qué no aparecían
- Web corporativa sin datos estructurados Schema.org.
- Ausencia total en Wikipedia, Wikidata y Crunchbase.
- Cero cobertura en medios especializados del sector (los que los modelos citan).
- Contenido técnico de producto sin estructura semántica legible por LLM.
Las 4 palancas que movimos
- Ficha Wikidata: empresa, fundación, sede, productos, certificaciones. En 72h indexada.
- Schema.org Organization + Product: implementado en todas las páginas de producto con especificaciones técnicas estructuradas.
- PR en 3 medios sectoriales: nota técnica publicada en Autorevista, Interempresas Metal y LinkedIn Pulse con datos propios verificables.
- FAQ técnica GEO-first: 15 preguntas conversacionales respondidas con datos numéricos, comparativas y definiciones explícitas.
Resultados a las 6 semanas
Segunda auditoría con el mismo set de 100 consultas:
- Perplexity: 18 menciones (de 0 a líder de categoría).
- ChatGPT: 11 menciones, citada en comparativas de producto.
- Gemini: 7 menciones, principalmente en consultas de certificación.
El factor decisivo fue la combinación de Wikidata + PR técnica verificable. Los modelos prefieren citar fuentes que puedan cruzar con al menos otra referencia independiente.
El GEO no requiere meses ni presupuestos de gran empresa. Requiere saber exactamente qué mueve qué en cada modelo.