El estudio GEO de Princeton: metodología, resultados y críticas

El estudio GEO de Princeton es el punto de partida de cualquier trabajo serio sobre Generative Engine Optimization. Si trabajas en B2B en Europa y quieres entender por qué las estadísticas, las referencias a fuentes y las citas se consideran de repente palancas de optimización en las respuestas de IA, no puedes pasar por alto este trabajo. En 2023, como preprint (publicado después en KDD 2024), aportó por primera vez una prueba medible y reproducible de que el contenido se puede diseñar para que los sistemas de búsqueda generativa lo citen con más frecuencia y de forma más destacada. Este artículo sitúa el estudio en su contexto, explica su metodología, interpreta correctamente su resultado principal, tan citado, y señala los límites que hay que tener en cuenta al trasladarlo a los sistemas actuales y al mercado de habla alemana.

Qué es el estudio GEO de Princeton y por qué sigue siendo relevante

El trabajo titulado «GEO: Generative Engine Optimization» es obra de Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan y Ameet Deshpande. Se publicó en la conferencia ACM SIGKDD 2024 (KDD 2024) y está disponible en acceso abierto como preprint en arXiv 2311.09735. Los autores acuñaron el término Generative Engine Optimization y la definieron como una disciplina propia junto al posicionamiento SEO clásico.

Su relevancia se explica por el punto de partida. El SEO clásico optimiza para rankings, es decir, para posiciones en una lista de resultados. Los sistemas de búsqueda generativa como Google AI Overviews, ChatGPT Search o Perplexity, en cambio, ofrecen una respuesta sintetizada y solo remiten a fuentes seleccionadas. El estudio de Princeton fue el primer trabajo que midió esta nueva realidad en un experimento controlado. Cambió la pregunta de «¿Cómo consigo posicionarme más arriba?» a «¿Cómo consigo que me incluyan en la respuesta generada?». Precisamente ese cambio convierte este trabajo en el documento fundacional de una disciplina cuyas tácticas aparecen hoy en cualquier guía de GEO.

Un dato importante para valorarlo: el estudio es académico, no comercial. Sus afirmaciones proceden de un experimento revisado por pares, no del marketing de un proveedor de herramientas. Eso le da una ventaja de credibilidad que no se puede dar por supuesta en muchos estudios sectoriales posteriores.

La metodología: GEO-bench y las nuevas métricas de visibilidad

El núcleo del estudio es un framework de benchmark desarrollado específicamente, llamado GEO-bench. Comprende 10.000 consultas de búsqueda, divididas en 8.000 de entrenamiento, 1.000 de validación y 1.000 de prueba, extraídas de nueve fuentes de datos distintas en 25 dominios como arte, salud o videojuegos. Para que el conjunto de datos reflejara el mundo real de las búsquedas, los autores respetaron la distribución típica de las consultas: un 80 % informacionales y un 10 % de cada tipo, transaccionales y navegacionales. Esta amplitud es decisiva, porque evita que un resultado solo sea válido para un único nicho.

La segunda aportación metodológica son dos nuevas métricas sin las que no se podría ni siquiera cuantificar la visibilidad en una respuesta generada. Ambas miden algo distinto de un ranking clásico:

Position-Adjusted Word Count: Esta métrica cuenta cuántas palabras de una respuesta de IA proceden de una fuente concreta y las pondera según su posición en la respuesta. Una fuente que se procesa pronto y con detalle obtiene un valor más alto que otra que solo aparece de pasada. Mide, por tanto, la extensión y el protagonismo con que se incorpora.

Subjective Impression: Esta métrica utiliza un modelo de lenguaje como evaluador y valora la relevancia, la influencia y la utilidad percibidas de una fuente citada dentro de la respuesta. Así recoge aspectos cualitativos que un simple recuento de palabras no refleja.

La evaluación se realizó con un sistema generativo basado en un modelo GPT de la época, que usaba resultados de búsqueda como base de fuentes. Para cada consulta de prueba, se reescribió el contenido de una fuente objetivo siguiendo un método GEO y después se midió si cambiaba la visibilidad de esa fuente en la respuesta generada, y en qué medida.

Los nueve métodos GEO analizados y su efecto

El estudio probó nueve manipulaciones concretas del contenido frente a un estado inicial sin optimizar. Las más importantes se pueden agrupar en tres bloques:

Señales de autoridad (las ganadoras): Aquí entran Statistics Addition (incluir cifras y estadísticas pertinentes), Quotation Addition (añadir citas relevantes) y Cite Sources (añadir referencias a fuentes que remiten a pruebas creíbles). Los autores califican estos tres métodos como los más eficaces del estudio.

Optimización lingüística: Incluye Fluency Optimization (redacción más fluida y clara), Authoritative (tono con más autoridad) y Technical Terms (inclusión de terminología técnica). En Position-Adjusted Word Count, Fluency Optimization alcanzó 24,7 puntos (19,3 sin optimizar), con lo que quedó más o menos a la par con Cite Sources (24,6). Authoritative y Technical Terms tuvieron un efecto moderado y muy dependiente del área temática.

Enfoques ineficaces o perjudiciales: El Keyword Stuffing, es decir, repetir mecánicamente los términos de búsqueda, figuró entre los enfoques más débiles e incluso llegó a empeorar la visibilidad respecto al estado inicial. En la prueba práctica con Perplexity, el Keyword Stuffing obtuvo en Position-Adjusted Word Count un resultado alrededor de un 10 % peor que el estado inicial sin optimizar. Es un hallazgo central: las tácticas clásicas de spam SEO no se trasladan a los sistemas generativos.

El hallazgo más valioso en la práctica está en la combinación. Los autores demostraron que la optimización lingüística combinada con la inclusión de estadísticas supera a cualquier método aislado. Para el B2B, esto significa aumentar a la vez la densidad de pruebas y la legibilidad, en lugar de elegir una sola táctica.

Cómo interpretar bien el resultado principal de «hasta un 40 %»

La cifra más citada del estudio es el titular de que la visibilidad en las respuestas generativas puede aumentar hasta un 40 %. En la práctica, esta cifra se malinterpreta a menudo, así que vale la pena situarla con precisión.

En primer lugar, es un valor máximo, no una media. En concreto, según el estudio, los tres métodos que destacan los autores, Cite Sources, Quotation Addition y Statistics Addition, lograron una mejora relativa del 30 al 40 % en la métrica Position-Adjusted Word Count (recalculado a partir de la tabla 1 del estudio: alrededor de un 27 % para Cite Sources y hasta un 41 % para Quotation Addition). Se trata, por tanto, del techo de lo posible en condiciones ideales, no de una garantía para cualquier contenido.

En segundo lugar, es una mejora relativa, no absoluta. Describe el aumento respecto al estado inicial sin optimizar de la misma fuente dentro del mismo contexto de respuesta. Si una fuente ya se cita de forma dominante, tiene menos margen de mejora.

En tercer lugar, y este es el punto estratégicamente más importante, las fuentes peor posicionadas fueron las que más se beneficiaron. El estudio describe un efecto de nivelación: los contenidos que apenas eran visibles sin optimizar ganaron de forma desproporcionada con los métodos GEO. Para los proveedores pequeños y medianos en Europa, esa es la verdadera buena noticia. El GEO da precisamente a quienes parten en desventaja una oportunidad real de ser mencionados, en lugar de hacer aún más visibles solo a los líderes de mercado ya consolidados.

Especificidad del dominio: por qué el mismo método funciona de forma distinta

Un hallazgo del estudio que suele pasarse por alto es la dependencia del dominio temático. En los 25 dominios analizados, ningún método funcionó igual en todas partes. En algunas áreas temáticas, las estadísticas fueron lo que más aumentó la visibilidad; en otras, las citas o un estilo con más autoridad.

Para quienes trabajan en B2B, esto se traduce en una pauta concreta: no existe una fórmula universal de GEO. Un producto industrial técnico, un servicio de asesoría jurídica y una oferta de software como servicio necesitan enfoques distintos. Donde la confianza nace de datos duros, compensa la densidad de estadísticas. Donde nace de la experiencia y la reputación, compensan las citas atribuidas. El estudio aporta así una metodología para probar, no una receta. Si te tomas en serio el GEO, mides el efecto en cada área temática en lugar de aplicar una estrategia genérica a todo el contenido.

Críticas y limitaciones del estudio

Por importante que sea el estudio de Princeton, su alcance tiene límites claros que hay que conocer para aplicarlo con rigor.

Evaluación sintética y en parte opaca: La visibilidad se midió de forma automática, en parte con un modelo de lenguaje como evaluador. El sistema generativo y su selección de fuentes siguen siendo una caja negra. No se puede reconstruir del todo por qué se prefirió una fuente.

Estado de los modelos de 2023/2024: Los experimentos se hicieron con los modelos y sistemas de búsqueda de entonces. Los motores actuales, como Google AI Overviews, Google AI Mode, Perplexity o Claude, funcionan con arquitecturas más nuevas, otros mecanismos de recuperación y, en parte, una lógica de fuentes completamente distinta. Por eso, los porcentajes concretos no se pueden trasladar tal cual a 2026.

Diseño de suma cero: En el experimento, solo unas pocas fuentes competían por la visibilidad dentro de una respuesta. En una configuración cerrada como esa, las ganancias relativas son mayores que en la realidad abierta, donde un sistema elige entre millones de páginas. Por eso, los valores de mejora deben leerse como un indicador de dirección, no como una previsión exacta para tu propio sitio web.

Generalización: El estudio probó la síntesis generativa, no cada producto actual. Que el mecanismo funciona en principio se considera bien demostrado. Que las cifras exactas sean válidas para un sistema concreto de hoy es una suposición, no un hecho probado.

Del estudio a la práctica: cómo aplicar los hallazgos

Los resultados de la investigación se traducen en cuatro palancas prácticas que se pueden aplicar de inmediato en el B2B:

Front-Loading: La respuesta más importante va al principio de cada sección. Los sistemas generativos procesan de forma preferente las afirmaciones que aparecen pronto y están formuladas con claridad. Esto encaja con el hallazgo de que una colocación destacada pesa más en la lógica de Position-Adjusted Word Count.

Answer Islands: El contenido debe organizarse en pasajes autónomos y semánticamente completos que respondan del todo a una pregunta. Estos bloques cerrados se incorporan más fácilmente como un todo a una respuesta de IA.

Densidad de datos y estadísticas: Como Statistics Addition figuró entre los métodos más eficaces, una alta densidad de datos concretos y respaldados es una palanca directa de GEO. Las cifras propias y exclusivas son especialmente valiosas, porque no se pueden sustituir sin más.

Schema y estructura: Los datos estructurados y unas jerarquías de encabezados limpias ayudan a los sistemas a interpretar correctamente el contenido. Son la puesta en práctica técnica de los hallazgos sobre el contenido.

Estado actual de la investigación desde Princeton

El estudio de Princeton fue el comienzo, no la última palabra. Varios trabajos posteriores confirman la dirección general y matizan algunas hipótesis concretas.

Frameworks ampliados han extendido el catálogo original de métodos y le han añadido características estructurales, como la legibilidad, el formato y la claridad semántica. La dirección sigue siendo la misma: las señales de autoridad y una buena estructura aumentan la probabilidad de ser citado.

Especialmente reveladora es la investigación sobre qué impulsa la visibilidad en IA fuera de la propia página. Un análisis de 1.000 dominios concluyó que la autoridad de dominio está claramente relacionada con las menciones en IA (Pearson 0,65, Spearman 0,57). Llama la atención que los enlaces nofollow muestran casi la misma relación con la visibilidad en IA que los enlaces follow. En la práctica, esto desplaza el foco de la pura fuerza de los enlaces hacia la reputación y las menciones en general. En el mundo de la IA, la presencia de marca y los backlinks están más relacionados de lo que sugiere el SEO clásico.

Esta investigación posterior confirma el núcleo del estudio de Princeton y le añade una dimensión importante: la optimización on-page por sí sola no basta, tiene que estar respaldada por autoridad externa.

llms.txt a la luz de la evidencia

En el entorno GEO circula la idea de ofrecer a los modelos de lenguaje un mapa de contenidos seleccionados mediante un archivo llamado llms.txt. Un punto importante para valorarlo con base en la evidencia: esta idea no forma parte del estudio de Princeton ni está respaldada por él.

El balance es modesto. Pese a su creciente difusión, ningún gran proveedor de IA ha confirmado oficialmente hasta ahora que use llms.txt para generar respuestas. Los análisis del sector no han encontrado hasta la fecha ninguna relación sólida entre tener un llms.txt y obtener tasas de citación más altas. El contraste entre la atención que recibe y su efecto real es grande. Si te tomas el GEO en serio, deberías considerar llms.txt experimental y de baja prioridad, e invertir primero los recursos en palancas probadas como la densidad de pruebas, la estructura y la reputación.

Aplicación a la región DACH (Alemania, Austria y Suiza)

El estudio de Princeton está en inglés y centrado en EE. UU. La pregunta de si sus hallazgos son válidos en el B2B de habla alemana admite una respuesta matizada.

El mecanismo no depende del idioma. Que los sistemas generativos prefieran contenidos respaldados, bien estructurados y con autoridad se debe a la síntesis de respuestas, no al inglés. En ese sentido, las conclusiones cualitativas son trasladables. Los porcentajes exactos, no, porque están ligados a los sistemas probados y a conjuntos de datos en inglés.

La relevancia para el mercado austriaco crece rápidamente. Según Statistik Austria, en 2025 el 29,9 % de las empresas austriacas con 10 o más empleados ya usaba IA, frente al 20,3 % de 2024 y el 10,8 % de 2023. Son casi 10 puntos porcentuales más en un solo año. Eso sí, los años no son del todo comparables, porque desde 2025 la encuesta pregunta por ocho tecnologías de IA en lugar de siete. Sin la nueva categoría, el valor de 2025 sería del 28,9 %. Especialmente relevante para el GEO: el 51 % de las empresas que usan IA la emplean para generar lenguaje. La tecnología que hay detrás de la búsqueda generativa ya ha llegado, por tanto, a las pymes austriacas.

Para las empresas en Europa hay dos aspectos prácticos decisivos. En primer lugar, la búsqueda generativa cambia de forma medible el comportamiento de clic. Según un análisis internacional de Ahrefs, la presencia de un AI Overview se correlaciona ya con una tasa de clics media un 58 % más baja, frente al 34,5 % del análisis anterior de abril de 2025. Así, la visibilidad dentro de la respuesta gana importancia frente a la mera posición en la lista. En segundo lugar, el tráfico que queda es más valioso. Un estudio internacional de Semrush determinó que un visitante de la búsqueda con IA vale 4,4 veces más que un visitante de la búsqueda orgánica clásica, según la tasa de conversión. Para los proveedores B2B, con ciclos de venta largos y mucho asesoramiento, esta combinación desplaza claramente la prioridad hacia el GEO.

Para profundizar

El estudio GEO de Princeton aporta la base científica, pero no una estrategia lista para usar. Para aplicarlo en el B2B en Europa, conviene combinar sus hallazgos con los temas complementarios de esta base de conocimiento: el papel de las estadísticas y los datos como una de las palancas individuales más fuertes, la relación entre las menciones de marca y los backlinks, la estructuración del contenido mediante Front-Loading y Answer Islands, y la medición continua de resultados con métricas GEO adecuadas. Si usas el estudio como generador de hipótesis y pruebas sus hallazgos en tu propio campo temático, en lugar de leer los porcentajes como una promesa, le sacarás el máximo partido.