Qué cubre una auditoría de GEO y AEO en Drupal
La Optimización para Motores Generativos (GEO) consiste en que te citen como fuente cuando un motor compone una respuesta: la unidad de éxito es una cita, no una posición en el ranking. La Optimización para Motores de Respuesta (AEO) consiste en que un pasaje de tu contenido sea la respuesta, autocontenido, que responda directamente a una pregunta y que se pueda usar sin el resto de la página alrededor.
Ambos enfoques fracasan de forma independiente. Una página puede ser citable y seguir sin ser citada porque ningún pasaje de la misma se sostiene por sí solo, y una respuesta preparada para un modelo puede estar en una página a la que ningún motor puede acceder. Ambos se basan en los fundamentos del SEO, ya que un motor que no pueda rastrear, renderizar o indexar una página tampoco la citará, por lo que la auditoría verifica esos fundamentos solo para determinar si son adecuados para los fines de GEO y AEO.
La auditoría realiza 90 comprobaciones individuales en acceso, indexación, renderizado, datos estructurados, claridad de entidad, forma del contenido, legibilidad y comportamiento de citación de la IA. Cada comprobación lleva una etiqueta temática (GEO, AEO, SEO, accesibilidad o UX) y un alcance: todo el sitio web, un conjunto de páginas de muestra o las consultas objetivo.
La cobertura se limita a las páginas públicas. Los rastreadores de IA públicos no llegan al contenido autenticado, por lo que las intranets y las áreas con inicio de sesión quedan fuera de la auditoría por definición. Quedan fuera del alcance por diseño: el diagnóstico y las correcciones técnicas de SEO, que pertenecen a la auditoría SEO de Drupal, además de la corrección de Core Web Vitals, los objetivos de conformidad con WCAG, la redacción de textos y los medios de pago.
| SEO | GEO | AEO | |
|---|---|---|---|
| Qué optimiza | Un enlace clasificado que un humano hace clic | Ser citado como fuente en una respuesta compuesta | Ser el pasaje extraído como respuesta |
| Unidad de éxito | Posición | Cita | Pasaje extraído |
| De qué trata principalmente | Capacidad de rastreo, indexación, metadatos | Acceso, autoridad, claridad de entidad | Estructura y redacción del contenido |
| Cómo se mide | Rankings e impresiones | Tasa de citación y porcentaje de citas de IA | Si un pasaje se puede usar tal cual |
| Quién lo gestiona en Metadrop | Auditoría SEO de Drupal | Esta auditoría | Esta auditoría |
Una breve llamada de alcance separa el problema SEO del GEO antes de comprometerse con cualquiera de los dos.
Han confiado en Metadrop
Desde ONG humanitarias hasta fabricantes industriales, organizaciones de más de 50 países han confiado en Metadrop para auditorías de Drupal, datos estructurados y servicios de gobernanza técnica.
Por qué un sitio Drupal saludable puede seguir siendo invisible para la IA
La invisibilidad para la IA es un fallo técnico antes que un fallo de contenido. Una regla de bot en la CDN, un muro de cookies o contenido que solo existe después de ejecutar JavaScript pueden mantener un sitio fuera de todas las respuestas de IA mientras su posicionamiento en Google se mantiene saludable.
robots.txt y la configuración perimetral pueden parecer correctos mientras que todos los bots de IA reciben un 403, por lo que la auditoría funciona a partir de registros de acceso del servidor y la CDN en lugar de archivos de configuración. Tampoco existe un equivalente a Search Console que avise cuando un motor deja de citar, por lo que la brecha puede pasar desapercibida durante meses.
Los bots de recuperación y los bots de entrenamiento realizan funciones diferentes. Los bots de recuperación (OAI-SearchBot, ChatGPT-User, Claude-SearchBot, PerplexityBot, Bingbot) obtienen páginas para construir una respuesta en vivo, por lo que bloquearlos elimina el sitio de las respuestas de IA. Los bots de entrenamiento (GPTBot, ClaudeBot, CCBot, Google-Extended) recopilan contenido para el entrenamiento de modelos, y bloquearlos es una decisión legítima sin efecto en las citas. Google-Extended en particular no es un interruptor de AI Overviews: gobierna la base y el entrenamiento de Gemini, mientras que la inclusión en Google AI Overviews sigue a Googlebot más las directivas de fragmentos (nosnippet, max-snippet, data-nosnippet). La auditoría se ejecuta contra la política de bots declarada por familia, registrada en el alcance antes de medir cualquier cosa, y no contra una preferencia interna.
Los motores también indican hechos incorrectos sobre marcas con total seguridad: precios desactualizados, oficinas cerradas, servicios discontinuados. La fuente suele ser una página de terceros que nadie ha revisado en años, y rastrear el origen del error suele ser el resultado de mayor valor del compromiso.
Sobre la dirección de la tendencia, Metadrop cita el Reuters Institute Digital News Report en lugar de un solo porcentaje titular, porque la proporción de recorridos que terminan dentro de una interfaz de IA varía según el sector y aún está en movimiento. Metadrop también ha publicado guías técnicas sobre el tráfico de bots impulsado por IA y cómo el almacenamiento en caché a nivel de Drupal, CDN y proxy inverso reduce su coste operativo, lo cual es relevante aquí porque el acceso no gestionado de rastreadores es tanto un problema de carga como de visibilidad.
Lo que mide Metadrop y lo que puedes re-ejecutar tú mismo
Metadrop informa sobre comportamientos de citación medidos, no sobre un "puntaje de visibilidad en IA" de un proveedor. Cada cifra se remonta a una consulta ejecutada, en un motor con nombre, en una fecha concreta, frente a un conjunto de competidores predefinido, para que tu propio equipo pueda re-ejecutarla y el siguiente ciclo siga siendo comparable.
La línea base se ancla aproximadamente a diez consultas objetivo que se acuerdan de antemano, abarcando tus principales tipos de página. Cambiar ese conjunto más adelante reajusta la tendencia, por lo que se fija por escrito. Las citas y las menciones se cuentan por separado: una cita nombra o enlaza a la página fuente, mientras que una mención nombra tu marca en el cuerpo de la respuesta sin atribución. Ambas son positivas, y mezclarlas inflaría la cifra.
La fase de consultoría vuelve a medir un conjunto fijo de tendencias cuantificadas: tasa de citación en AI Overview, tasa de citación en asistentes de IA, cuota de citaciones en IA frente a tu conjunto de competidores, cobertura de entidades, cobertura de rastreo de bots de IA y autoridad de enlaces entrantes. Junto a ellas se sitúan las señales de aprobado/reprobado que se re-verifican en cada ciclo: validez de datos estructurados, indexación en Google y Bing, acceso de bots, originalidad y actualidad del contenido, preparación para respuestas y precisión de marca.
Un límite, expuesto claramente: ninguna agencia puede prometer que un motor concreto cite una página concreta para una indicación determinada. Metadrop se compromete a ofrecer una línea base medida, un método documentado y una cadencia de la que se pueda extraer una tendencia. El comportamiento de citación también se mueve más lentamente que los rankings y es más ruidoso, porque los motores cambian de modelo y la misma consulta puede devolver fuentes diferentes con una semana de diferencia. Se asume una cadencia de al menos un mes como premisa de trabajo, y un ciclo no es evidencia de nada.
Metadrop realiza la primera medición, documenta el método y deja la posibilidad de repetirlo.
Cómo se ejecuta la auditoría
Definición del alcance
Tú y Metadrop acordáis los motores de IA a probar, la política de bots por familia de bots, aproximadamente las diez consultas objetivo, el conjunto de competidores y al menos una URL de muestra por tipo de página. Los cinco elementos son conversaciones en lugar de valores predeterminados. El acceso es responsabilidad del cliente con una fecha asociada: la auditoría necesita Google Search Console, Bing Webmaster Tools y registros de acceso del servidor o CDN, y los registros son lo que convierte "creemos que estamos bloqueados" en evidencia. Esa solicitud se incluye en el alcance con una fecha límite.
Ejecución de auditoría
Las comprobaciones basadas en rastreo cubren todas las páginas rastreables, las URL de muestra se revisan manualmente, se solicita acceso de bots por agente de usuario nombrado y se contrasta con los registros, los datos estructurados se validan según los requisitos actuales de schema.org y de resultados enriquecidos, y las consultas objetivo se ejecutan en cada motor incluido en el ámbito. La auditoría lee, no modifica. Los hallazgos provienen de rastreos, registros y consultas a motores sobre la plataforma existente, y solo se solicita acceso de escritura al CMS si la corrección se contrata por separado.
Análisis y priorización
Cada hallazgo tiene una criticidad en la escala de cuatro niveles de Metadrop: Muy alto para un bloqueante, lo que significa que no se puede alcanzar el objetivo mientras exista; Alto para un impacto significativo, corregido en la misma ronda; Medio para algo que merece la pena corregir, sin que dependa de ello; e Informativo para una decisión o estado registrado, informado y sin acción. Deliberadamente no hay nivel "Bajo".
Cada hallazgo también se asigna a su causa raíz a nivel de Drupal y lleva una estimación de esfuerzo, por lo que la lista de recomendaciones funciona como el alcance de una segunda fase. Cada lente recibe entonces un veredicto de preparación de una palabra: Listo, Parcial o No listo, con los hallazgos asociados que contienen el detalle.
Presentación
Los hallazgos se revisan en orden de impacto, en una sesión con los interesados técnicos y de marketing juntos, seguida de la lista de recomendaciones priorizadas y estimadas. Las auditorías están delimitadas en el tiempo: el alcance se ajusta a un presupuesto acordado con una profundidad uniforme en todas las secciones, en lugar de que un área consuma todo el compromiso.
Lo que obtienes
Cubierta de auditoría
Resumen de preparación, alcance y método, métricas de referencia, hallazgos por área, recomendaciones priorizadas y próximos pasos propuestos.
Hoja de cálculo de recomendaciones
Cada acción recomendada clasificada por impacto frente al esfuerzo, con una estimación, de modo que la lista pueda delimitarse como un proyecto o como evolutivos dentro de un contrato de mantenimiento.
Línea base de citación de IA
Una fila por consulta objetivo y motor de búsqueda, registrando quién fue citado, el tipo de página y en qué posición.
Resumen de rastreo del bot de IA
Por bot, lee de los registros: solicitudes, URLs únicas, la división de códigos de estado y qué páginas prioritarias se alcanzaron.
Registro de precisión de la marca IA
Cada error factual que un motor afirma sobre tu marca, con el dato correcto y la fuente de la que parece provenir el error.
Informes de consultoría
Cuando la fase en curso se contrae, las mismas mediciones a la cadencia acordada, frente a la línea de base y el objetivo, más un registro de lo implementado.
Qué hace que esta auditoría sea nativa de Drupal
Cada hallazgo remite al módulo o configuración específica de Drupal responsable, ya sea Metatag, Schema.org Blueprints, una sobrescritura de robots.txt, un modo de visualización o la capa de caché, en lugar de una descripción genérica del síntoma. Cuando un archivo llms.txt sea útil, Metadrop puede configurar el módulo llms.txt en Drupal usando el sistema Token nativo de la plataforma, de modo que el archivo se mantenga actualizado sin mantenimiento manual. Metadrop ha publicado una guía técnica sobre el estándar llms.txt que cubre su estructura, sus criterios de selección de contenido y esa implementación del sistema Token.
Los hallazgos tienen en cuenta la arquitectura multilingüe y multisitio de Drupal, incluida la negociación de idioma, las configuraciones de prefijo de ruta y el multisitio basado en dominio, ya que los rastreadores de IA encuentran cada variante de idioma de forma independiente. Metadrop también desarrolla y mantiene content_first, un módulo de Drupal que es en sí mismo uno de los grupos de herramientas de la auditoría para la revisión de contenido y estructura.
La capacidad de corrección es interna. Los datos estructurados, la representación del lado del servidor, las reglas de borde y el almacenamiento en caché son trabajos que Metadrop realiza, por lo que las recomendaciones llegan con una idea de su coste de implementación. Metadrop es un Partner certificado Silver de Drupal con más de 15 años de experiencia en producción con Drupal en más de 50 países y 30 idiomas, está certificado ENS y aplica la misma disciplina de entrega en cuanto a RGPD y WCAG en los informes de esta propia auditoría.
Metadrop ha desplegado y mantenido datos estructurados de Schema.org en plataformas Drupal multilingües de empresa en aproximadamente diez proyectos, abarcando los tipos Article, Organization, Person, Event, QA Page y Web Page.
El trabajo de control de rastreo en sitios Drupal de alto tráfico ha incluido la gestión de robots.txt y un módulo personalizado de ignorar parámetros de consulta, creado para control de URL duplicadas en una plataforma de comercio electrónico internacional.
Se realizó una migración de una plataforma de noticias de Drupal 9 a 11 para preservar contenido, URL y valor de búsqueda, gestionando las redirecciones y migraciones de alias de ruta como pasos de migración de primera clase.
A quién se adapta esta auditoría y a quién no
La auditoría es una buena opción cuando:
- el análisis no muestra tráfico de referencia de motores de respuesta de IA, a pesar de tener posiciones orgánicas razonables;
- se cita regularmente a un competidor por parte de ChatGPT o Perplexity para consultas que tu organización debería estar ganando;
- un motor indica algo inexacto o desactualizado sobre tu organización, y nadie sabe de dónde ha salido;
- nadie ha verificado el acceso de los rastreadores, por lo que no está claro si los bots de IA nombrados llegan y analizan tus páginas clave, y nadie ha consultado los registros;
- se planea un relanzamiento o migración de plataforma, y la preparación para la IA resulta más barata si se diseña desde el principio que si se añade después;
- la dirección pregunta por una posición GEO o AEO, y marketing necesita una base técnica desde la que responder;
- ya se ha realizado una auditoría técnica de SEO o de accesibilidad, y la capa de IA es la única que queda sin auditar.
Es el momento inadecuado, o el servicio equivocado, cuando:
- el sitio falla en el rastreo e indexación básicos hoy, lo que merece solucionarse primero con la auditoría SEO de Drupal, porque un motor que no puede indexar una página tampoco la citará;
- la plataforma es una intranet o está tras una autenticación, a la que los rastreadores públicos de IA no llegan;
- se desea una puntuación mensual al estilo ranking, en lugar de un método, una línea base y una tendencia para analizar durante meses;
- la redacción de contenido es la carencia que necesita cubrirse con personal, ya que la auditoría revisa la estructura del contenido y recomienda cambios sin necesidad de contratar un equipo de redacción.
Cuéntale a Metadrop la escala de tu sitio, el número de idiomas y las señales actuales de derivación de IA, y se confirma el encaje antes de definir ningún alcance.
Preguntas frecuentes
¿Son GEO y AEO lo mismo?
GEO y AEO son dos lentes de la misma plataforma que fallan de forma independiente, no dos nombres para una misma disciplina. GEO pregunta si un motor puede alcanzarte, confiar en ti y citarte; AEO pregunta si un pasaje de tu contenido funciona como respuesta por sí mismo. Metadrop etiqueta cada hallazgo como uno u otro y califica la preparación por lente.
¿En qué se diferencia una auditoría GEO y AEO de una auditoría técnica SEO?
Una auditoría técnica SEO analiza las señales de rastreo, indexación y posicionamiento: sitemaps, canónicos, redirecciones, metadatos, Core Web Vitals. Una auditoría GEO y AEO examina si los motores de inteligencia artificial recuperan, citan y describen correctamente. Ambas convergen en el uso de datos estructurados y HTML semántico limpio, y los fundamentos SEO son el requisito previo para ambas. La capa de rastreabilidad e indexación es gestionada por la auditoría SEO de Drupal de Metadrop.
¿Deberíamos permitir o bloquear GPTBot, PerplexityBot y Google-Extended?
Permitir o bloquear un bot de IA con nombre depende de la función que realice, y la decisión es tuya por familia. Bloquear los bots de recuperación (OAI-SearchBot, ChatGPT-User, Claude-SearchBot, PerplexityBot) excluye el sitio de las respuestas de IA. Bloquear los bots de entrenamiento (GPTBot, ClaudeBot, CCBot, Google-Extended) es una opción legítima que no afecta a la citación. El tráfico de rastreadores de IA ha crecido en toda la industria y puede aumentar la carga del servidor, por lo que la auditoría revisa la limitación de velocidad, el almacenamiento en caché de CDN o proxy inverso y la configuración a nivel de Drupal, para que el acceso y el rendimiento puedan coexistir. La auditoría registra tu intención y luego verifica la configuración en consecuencia.
¿Qué es llms.txt y Metadrop lo implementa en Drupal?
llms.txt es un estándar propuesto: un archivo markdown en la raíz del sitio que proporciona a los modelos de IA un resumen estructurado y de bajo ruido del contenido clave de un sitio. La auditoría comprueba si existe, si es accesible y si añadirlo ayudaría a este sitio en particular. Cuando sea así, Metadrop puede implementarlo con el módulo llms.txt de Drupal utilizando el sistema nativo de Tokens, para que se mantenga actualizado a medida que el contenido cambia. Una variante llms-full.txt se evalúa por separado, sin asumir su existencia.
¿Por qué no aparece nuestro sitio Drupal en los resúmenes de IA o en las respuestas de los chatbots?
Un sitio Drupal ausente de los resúmenes de IA y las respuestas de los chatbots suele tener una de las siguientes causas: agentes de usuario de IA bloqueados o con límite de velocidad, una regla de borde o WAF que devuelve un 403 a los bots, un muro de cookies, contenido principal que solo se renderiza después de JavaScript, datos estructurados incompletos o ningún pasaje de respuesta autocontenido en la página. La inclusión en los resúmenes de IA de Google sigue a Googlebot más las directivas de fragmentos, no a Google-Extended. La auditoría prueba el acceso por bot nombrado, cruza las lecturas de los registros del servidor y asigna cada hallazgo a su causa raíz a nivel de Drupal.
Un motor de IA afirma datos incorrectos sobre nuestra organización: ¿qué se puede hacer?
Cuando un motor afirma un hecho incorrecto sobre tu organización, la auditoría lo registra en un registro de precisión de marca de IA, con el hecho correcto y la fuente de la que parece proceder el error. Los errores suelen remitir a una página de terceros, un listado de directorio desactualizado o una denominación incoherente de la misma entidad dentro de tu propio sitio. Las correcciones suelen combinar coherencia de entidad, datos estructurados, presencia en registros públicos como Wikidata y la corrección de la fuente de terceros cuando sea posible. La corrección no es instantánea y depende de que el motor vuelva a recuperar la página, por lo que la precisión de la marca es una señal monitorizada en lugar de una corrección puntual.
¿Cuánto tiempo falta para que cambie el comportamiento de citación de la IA?
html
El comportamiento de las citas de IA cambia más lentamente que los rankings de búsqueda, y de forma más ruidosa: los motores cambian de modelos, y una misma consulta puede devolver fuentes distintas con una semana de diferencia. Planifica una frecuencia de al menos un mes, y lee la tendencia en lugar de una única medición, porque un ciclo no es evidencia de nada. Las victorias técnicas rápidas, como desbloquear bots de recuperación o corregir una dependencia de renderizado, se reflejan antes en los datos de rastreo que en los recuentos de citas.
Solicita tu auditoría GEO y AEO
Cuéntale a Metadrop la escala de tu sitio Drupal, sus idiomas y qué motivó la pregunta: la aparición de un competidor en las respuestas de IA, un número plano de referencias de IA, un dato inexacto detectado o un próximo relanzamiento.
Solicita tu auditoría GEO y AEO
Comenta a Metadrop la escala de tu sitio Drupal, sus idiomas y qué motivó la pregunta: la aparición de un competidor en respuestas de IA, un número plano de referencias de IA, un dato inexacto detectado o un próximo relanzamiento.