ChatGPT para recomendaciones locales: cómo conseguir que la IA te recomiende

Además de los buscadores clásicos, los consumidores preguntan cada vez más a chatbots de IA por recomendaciones locales. Si tienes una tienda, una consulta o un restaurante, necesitas entender cómo eligen ChatGPT, Gemini y Perplexity a los proveedores locales. La lógica que hay detrás difiere claramente del posicionamiento clásico en Google, y hoy la brecha de visibilidad es enorme.

Por qué las recomendaciones de ChatGPT se vuelven críticas para el negocio

El uso de herramientas de IA para recomendaciones locales se ha disparado en un solo año. Según la BrightLocal Local Consumer Review Survey 2026 (EE. UU.), la proporción de consumidores que usan ChatGPT y otras herramientas de IA generativa para recomendaciones locales pasó del 6 % al 45 %, con lo que la IA se ha convertido en la tercera fuente más importante de recomendaciones de negocios (por detrás de Google y Facebook). Entre las herramientas de IA, ChatGPT va claramente en cabeza con un 31 %, seguido del AI Mode de Google con un 23 %.

El enorme alcance amplifica el efecto. ChatGPT alcanzó 900 millones de usuarios activos semanales en todo el mundo. Al mismo tiempo, la IA está cambiando a fondo la forma de buscar: según Bain & Company, alrededor del 80 % de los usuarios confía en resultados generados por IA en al menos el 40 % de sus búsquedas, cerca del 60 % de las búsquedas terminan sin clic en ningún sitio web y el tráfico orgánico cae entre un 15 y un 25 %. Quien solo optimiza para el clic clásico pierde alcance, porque este se desplaza cada vez más a la propia respuesta de la IA.

En Austria también existe la base. A finales de 2025, 8,69 millones de personas usaban internet, con una penetración online del 95,3 %. La adopción de la IA es especialmente alta entre el público más joven: según Statistik Austria, el 57 % de los jóvenes de 16 a 24 años y el 76 % de los alumnos y estudiantes en Austria usaron herramientas de IA generativa en los tres meses anteriores a la encuesta. Esta generación es la clientela que viene y trae la búsqueda apoyada en IA como comportamiento habitual.

La confianza tiene matices, pero es relevante: según la misma encuesta de BrightLocal a consumidores estadounidenses, el 63 % de los usuarios activos de IA confía en las recomendaciones de las herramientas de IA y, a la vez, el 88 % comprueba las fuentes, por ejemplo verificando la legitimidad de una reseña (51 %) o la propia fuente (37 %). La IA no sustituye la verificación, la traslada a otro lugar. Eso hace aún más importante una presencia coherente y verificable.

Cómo genera técnicamente ChatGPT las recomendaciones locales

ChatGPT genera recomendaciones locales a partir de dos fuentes. Primero, del conocimiento de entrenamiento, que procede de contenidos web de acceso público y refleja el mundo en el momento del entrenamiento. Segundo, de la búsqueda web (ChatGPT Search, antes SearchGPT), en la que el modelo obtiene resultados web actuales basados, entre otras cosas, en datos de búsqueda de Bing. Para las consultas locales, ChatGPT Search es decisivo, porque incorpora información actualizada, horarios y reseñas nuevas.

Qué señales se evalúan puede deducirse de su funcionamiento:

• Geodatos estructurados: la dirección, las coordenadas, el barrio y los puntos de referencia cercanos ayudan al modelo a asignar una empresa a un lugar sin ambigüedad.
• Marcado Schema: el marcado legible por máquinas (LocalBusiness, Restaurant, FAQPage, Review) hace que los datos sean inequívocos y, por tanto, más fáciles de citar.
• Menciones coherentes: cuando el nombre, la dirección y el teléfono (NAP) aparecen idénticos en muchas fuentes, aumenta la seguridad del modelo.
• Señales de reseñas: el número, la actualidad y el tono de las reseñas aportan el material para los resúmenes generados por IA.
• Fuentes de terceros: directorios, portales sectoriales y menciones editoriales sirven como fuentes de entrenamiento y de citas.

Hoy el resultado es muy selectivo. Un análisis del proveedor Local Falcon concluyó que el 83 % de los restaurantes son completamente invisibles en ChatGPT, frente a solo el 14 % en Google (base: 189.905 resultados de búsqueda de ChatGPT para consultas sobre restaurantes, procedentes de negocios que miden su visibilidad con Local Falcon, febrero de 2026). Con una visión más amplia de todos los sectores, el SOCi 2026 Local Visibility Index muestra que ChatGPT solo recomienda el 1,2 % de los establecimientos de marcas con varias sedes, mientras que el 35,9 % aparece en el Local Pack de Google (análisis de más de 350.000 establecimientos de 2.751 marcas). Una plaza en las recomendaciones de IA es, por tanto, unas 30 veces más escasa que un puesto en el Local Pack. Quien construya ahora estas señales tendrá más posibilidades de estar entre los pocos mencionados.

Estrategia: construir la base de la visibilidad en IA

Completar y mantener el Google Business Profile

Aunque ChatGPT recurre, entre otras fuentes, a datos de Bing para la búsqueda web, un perfil de empresa completo y coherente sigue siendo la base de toda visibilidad local. Elige la categoría principal correcta y las categorías adicionales relevantes, mantén al día todos los atributos, horarios y fotos, y conserva los datos NAP idénticos carácter por carácter. Esta base de datos limpia es el ancla en la que se orientan los modelos de IA para asignar cada empresa.

Reputación y reseñas como factor de posicionamiento

Los sistemas de IA resumen las reseñas y las usan como señal de confianza. Lo decisivo es su número, su actualidad y la puntuación en estrellas, además de una distribución amplia en varias plataformas. Como muchos usuarios de IA comprueban las fuentes, las reseñas deberían ser auténticas y recientes, y estar presentes más allá de Google, también en portales sectoriales y de reseñas relevantes. Las respuestas a las reseñas generan contexto adicional legible por máquinas sobre la empresa.

Schema.org y contenidos legibles por máquinas

Los datos estructurados en JSON-LD son la vía más directa para hacer citables los contenidos. Son relevantes sobre todo LocalBusiness (datos básicos, geolocalización, horarios), Restaurant (cocina, rango de precios, menú), FAQPage (preguntas y respuestas en texto claro) y Review o AggregateRating. Los datos legibles por máquinas reducen la ambigüedad que, de otro modo, un modelo de lenguaje tendría que interpretar, y aumentan la probabilidad de una recomendación correcta.

Presencia en fuentes de terceros y directorios locales

Los modelos de IA aprenden de la web abierta. La presencia en fuentes de terceros consolidadas aporta material tanto para el entrenamiento como para las citas. En Austria esto incluye WKO Firmen A-Z, Herold y FirmenABC; en Alemania, Gelbe Seiten, Das Örtliche y 11880; en Suiza, local.ch y search.ch. A ello se suman portales sectoriales y, según el sector, TripAdvisor o plataformas de reseñas. Lo importante es la coherencia NAP en todas las fuentes, porque los datos contradictorios debilitan la seguridad del modelo.

Estrategia de contenidos para AEO y GEO

Answer Engine Optimization (AEO) y Generative Engine Optimization (GEO) buscan que la IA te cite. Estructura los contenidos en formato de pregunta y respuesta, responde a las preguntas directamente en la primera frase y nombra de forma concreta las entidades locales: barrio, vecindario, puntos de referencia cercanos, área de influencia. El contexto de ubicación («en el distrito 7 de Viena, cerca de la Mariahilfer Straße») hace que los contenidos encajen con las consultas locales. Los textos ricos en datos y bien estructurados se extraen con más facilidad que los textos promocionales corridos.

Buenas prácticas: checklist paso a paso para pymes

1. Completar el perfil: rellenar el Google Business Profile y Bing Places con categorías, atributos, horarios y fotos correctos.
2. Unificar los datos NAP: igualar carácter por carácter el nombre, la dirección y el teléfono en la web y en todos los directorios.
3. Implementar Schema: incluir en la web LocalBusiness, si procede Restaurant, FAQPage y Review en JSON-LD.
4. Ocupar los directorios: crear y mantener fichas en los grandes directorios de tu país y en portales relevantes para tu sector, como Herold en Austria, Das Örtliche en Alemania o local.ch en Suiza.
5. Conseguir reseñas: pedirlas de forma activa, responder a todas y asegurar su actualidad y su presencia en varias plataformas.
6. Crear contenidos AEO: páginas de preguntas frecuentes y páginas de ubicación con respuestas claras, entidades locales y contexto del vecindario.
7. Impulsar menciones en fuentes de terceros: poner en marcha relaciones públicas locales, colaboraciones y menciones editoriales.
8. Configurar el seguimiento: comprobar con regularidad si ChatGPT, Gemini y Perplexity mencionan la empresa y cómo lo hacen.

SEO local clásico frente a recomendaciones de IA

Un buen posicionamiento en Google no garantiza visibilidad en IA. La coincidencia entre ambos mundos es limitada: una empresa que aparece arriba en el Local Pack puede no figurar en absoluto en ChatGPT, y al revés. Los datos de visibilidad citados al principio lo ilustran con claridad. Mientras que en Google solo el 14 % de los restaurantes son invisibles, en ChatGPT lo son el 83 %. Quien solo hace SEO local clásico no cubre necesariamente las recomendaciones de IA.

La diferencia está en la lógica de las fuentes. Google evalúa una URL concreta para una consulta concreta y premia la proximidad. Los modelos de IA sintetizan una respuesta a partir de muchas fuentes y premian la coherencia, la citabilidad y las menciones amplias y concordantes. Por eso, para la IA, el marcado Schema, la coherencia NAP y la presencia en fuentes de terceros suelen importar más que la mera posición en el ranking.

SEO local en Austria

En Austria entran en juego factores regionales. Usa palabras clave regionales que incluyan el distrito y el barrio, así como las variantes del alemán de Austria (por ejemplo, «Jänner» en lugar de «Januar»). Apuesta por plataformas austriacas como WKO Firmen A-Z y Herold, que actúan como fuentes de autoridad locales. Los backlinks locales y las menciones en medios regionales, asociaciones y socios del sector refuerzan tanto la visibilidad clásica como la visibilidad en IA, porque funcionan como fuentes de terceros verificables. Indica el contexto de ubicación de forma explícita para que los modelos entiendan correctamente tu área de influencia.

Métricas y seguimiento de la visibilidad en IA

La visibilidad en IA se puede comprobar, aunque no exista una consola central como Search Console. Estos indicadores y métodos son viables:

• Prueba directa de prompts: lanzar consultas locales típicas en ChatGPT, Gemini y Perplexity («mejor restaurante italiano en Viena Neubau») y anotar si la empresa aparece y en qué posición.
• Análisis de menciones y fuentes: en Perplexity y en ChatGPT Search, revisar las fuentes citadas para entender qué sitios de terceros alimentan la recomendación.
• Share of Voice: proporción de los prompts relevantes en los que aparece la empresa, en comparación con la competencia.
• KPI de reseñas: número, media y actualidad de las reseñas en todas las plataformas, ya que influyen directamente en los resúmenes de la IA.
• Control de coherencia: muestreos de los datos NAP y de la validez del Schema, porque las incoherencias impiden la recomendación.

Como muchos usuarios de IA comprueban las fuentes (el 88 % verifica las reseñas o la fuente), no basta con ser mencionado. La mención también tiene que resistir la verificación. Una presencia coherente y fiel a los hechos rinde así por partida doble.

Autotest: qué dice hoy ChatGPT sobre ti

Antes de trabajar en perfiles y contenidos, necesitas un valor de partida. Preguntar una sola vez no basta. Las respuestas varían según la formulación, y una cuenta con memorias guardadas te muestra un resultado personalizado en lugar de lo que ve un cliente potencial desconocido.

1. Abre un chat temporal: sin historial, sin memorias guardadas, sin perfil personalizado.
2. Prueba tres patrones de prompt: la categoría sola más el lugar, el problema concreto más el lugar y la pregunta directa por una recomendación.
3. Varía cada patrón tres veces: con el distrito, con el estado federado y sin indicar lugar, añadiendo «cerca de mí».
4. Registra las respuestas: qué proveedores se mencionan, en qué orden y qué fuentes enlaza ChatGPT.
5. Repite al cabo de cuatro semanas: los mismos prompts, en las mismas condiciones; después compara las listas.

Hay dos cosas más importantes que saber si apareces o no. Primero, las fuentes citadas: son las páginas a través de las cuales puedes influir de verdad, y tu propia web rara vez está entre ellas. Segundo, la estabilidad. Una mención aislada es casualidad; la misma mención en tres de tres ejecuciones es un patrón sobre el que puedes construir.

Si necesitas hacerlo con regularidad para ChatGPT, Gemini, Perplexity y las AI Overviews de Google, nuestro análisis de visibilidad en IA se encarga de ello.

Cuando ChatGPT dice algo falso sobre ti

No existe un botón de corrección. Un chatbot no tiene una redacción a la que puedas enviar una rectificación. Lo único que se puede corregir es el conjunto de fuentes del que surge la respuesta.

• Primero, los datos maestros: revisa el Google Business Profile y Bing Places. Como ChatGPT Search recurre, entre otras fuentes, a datos de Bing, aquí Bing Places pesa más que en el SEO local clásico.
• Limpia las fichas antiguas: las direcciones y teléfonos obsoletos en directorios son el motivo más frecuente de datos erróneos. Cómo encontrarlos se explica en la auditoría de citas locales.
• Ofrece una página de datos inequívoca: horarios, servicios, área de influencia y rango de precios en texto claro, junto con los mismos datos en JSON-LD para que las máquinas puedan leerlos.
• Escribe a las fuentes de terceros: en directorios sectoriales y artículos de prensa con datos erróneos, pedir la corrección a quien los gestiona es la palanca más rápida.
• Solicita la reindexación: notifica las páginas modificadas a través de Bing Webmaster Tools e IndexNow en lugar de esperar al siguiente rastreo.

Cuánto tarda una corrección en llegar a las respuestas no se puede predecir con seriedad. Depende de dónde procede la respuesta. Si viene de la búsqueda web, se actualiza en cuanto la fuente se reindexa. Si el error está en el conocimiento de entrenamiento del modelo, solo desaparece con una nueva versión del modelo.

Para profundizar

Las recomendaciones de ChatGPT son un canal propio y en rápido crecimiento que premia señales distintas a las del SEO local clásico. La alta tasa de invisibilidad en la IA es a la vez riesgo y oportunidad: quien construya ahora perfiles completos, datos NAP coherentes, un marcado Schema limpio, una gestión activa de reseñas y presencia en fuentes de terceros relevantes mejora sus posibilidades de ocupar una de las pocas plazas de recomendación. Los siguientes pasos sensatos son una auditoría NAP y de citas locales, la implementación de los tipos de Schema más importantes y un seguimiento regular de tus propias menciones en ChatGPT, Gemini y Perplexity.