Última actualización: julio de 2026
Cuando alguien dice “haz el trabajo técnico de AEO”, normalmente se refiere a las tres tácticas a la vez. Eso es un error. Cada una apunta a un cuello de botella diferente. Confundirlas lleva a esfuerzo desperdiciado y, a veces, a movimientos contraproducentes, como eliminar schema porque crees que llms.txt lo cubre.
Este artículo separa las tres. Para cada una encontrarás una definición clara, la evidencia honesta sobre si funciona y una nota sobre dónde la investigación sigue siendo contradictoria.
De un vistazo
| Táctica | Qué corrige | Qué NO hace | Señal de prueba más fuerte | Esfuerzo |
|---|---|---|---|---|
| Schema markup (JSON-LD) | Ambigüedad de parseo: los crawlers interpretan mal tu tipo de contenido, tipo de entidad o estructura de preguntas y respuestas | Impulsar citas por sí solo; reemplazar la calidad del contenido | Contradictoria (ver cuadro de evidencia) | Medio: tiempo de desarrollo o una herramienta de schema |
| llms.txt | Priorización del crawler: los bots de IA desperdician presupuesto de rastreo en páginas de bajo valor | Bloquear crawlers; generar datos estructurados; señalar identidad de entidad | Emergente; aún no hay estudio controlado | Bajo: un único archivo estático |
| Entity optimization | Vacíos en el Knowledge Graph: los motores de IA no reconocen tu marca como una entidad conocida | Corregir la calidad del contenido en página; reemplazar backlinks o citas | La evidencia direccional más sólida de las tres | Alto: trabajo continuo de earned media y coherencia |
Schema markup: la capa de parseo del crawler
Schema markup (específicamente JSON-LD, el formato que recomienda Google) son datos estructurados que se incrustan en el <head> o <body> de una página para indicarle a los crawlers cómo interpretar lo que leen. Sin él, un crawler decide por su cuenta si tu página es un listado de producto, una guía paso a paso, un intercambio de preguntas y respuestas o un artículo genérico. Schema elimina esa suposición.
Para AEO, los tipos de schema más relevantes son FAQPage, HowTo, Article y Product. Le dicen a Google AI Overviews, Gemini y otros motores que un bloque de texto es un par de pregunta y respuesta, no un párrafo de prosa. Esa distinción importa para la recuperación de answer boxes.
Qué hacer realmente con schema
Añade schema FAQPage a páginas con bloques reales de preguntas y respuestas. Añade schema HowTo al contenido paso a paso. Añade schema Article con dateModified para mantener actualizada la señal de frescura del contenido. Valida con el Test de Resultados Enriquecidos de Google antes de publicar.
Las herramientas que admiten la generación de schema dentro de un flujo de trabajo AEO incluyen Otto SEO y Surfer, que señalan los datos estructurados faltantes como parte de auditorías de contenido más amplias. Temso incluye la generación de schema como un paso en su flujo de trabajo completo de correcciones AEO. Para equipos centrados específicamente en el bucle de escritura y optimización, Writesonic genera schema FAQ junto con los borradores de contenido.
El punto de referencia honesto: schema es el mínimo indispensable para una interpretación correcta del rastreo. El debate sobre el aumento de citas es real y no está resuelto. No lo omitas, pero no esperes que mueva las citas por sí solo.
llms.txt: la capa de priorización del crawler
llms.txt es un archivo de texto plano que se coloca en la raíz del dominio (por ejemplo, tudominio.com/llms.txt). Lista las URLs y descripciones de contenido que se quiere que los crawlers de IA visiten primero. Piensa en él como un índice curado de tu sitio, escrito específicamente para los crawlers de modelos de lenguaje grande en lugar de para personas o bots de búsqueda tradicionales.
Fue propuesto por Jeremy Howard en septiembre de 2024 y no es un estándar respaldado por ningún motor de búsqueda importante. Google, OpenAI y Anthropic no han confirmado públicamente que lo lean o lo ponderen. Lo que ofrece es una señal: si un crawler de IA lo consulta, encontrará una lista limpia y priorizada de tu mejor contenido en lugar de tener que inferirlo de tu sitemap o navegación.
Lo que llms.txt NO hace
Tres conceptos erróneos comunes:
- No bloquea crawlers de IA. Eso es
robots.txt. - No genera datos estructurados ni le dice a un crawler cómo interpretar el contenido. Eso es schema.
- No establece tu marca como una entidad conocida. Eso es entity optimization (ver más abajo).
Si has escuchado que “llms.txt reemplaza a schema”, eso es incorrecto. Operan en capas completamente distintas.
Qué hacer realmente con llms.txt
Crea el archivo. Lista primero tus páginas más autorizadas. Incluye una descripción de una línea de cada URL para que un modelo de lenguaje pueda entender de qué trata la página sin necesidad de recuperarla. Actualízalo cuando publiques contenido nuevo importante o deprecies páginas antiguas. Tarda una hora en configurar y minutos en mantener.
Todavía no existe una categoría de herramientas dedicada a llms.txt. Es un archivo que se crea y mantiene a través del propio flujo de trabajo o configuración de desarrollo.
Entity optimization: la capa de conocimiento
Entity optimization es el proceso de hacer que tu marca, productos y afirmaciones clave sean reconocibles como entidades distintas y consistentes en los sistemas de conocimiento de los que se nutren los motores de IA. Para Gemini, eso significa estar presente y ser consistente en el Google Knowledge Graph. Para ChatGPT y Perplexity, significa ser mencionado con frecuencia y de forma consistente en fuentes autorizadas de terceros.
Esta es la táctica más difícil de las tres y tiene la evidencia direccional más sólida.
Entity optimization tiene tres componentes prácticos:
-
Coherencia en tu propio sitio. Tu nombre de marca, nombres de producto y afirmaciones clave deben ser idénticos en todas las páginas. La nomenclatura inconsistente (diferentes capitalizaciones, formas abreviadas, nombres de producto desactualizados) dificulta que cualquier sistema te reconozca como una única entidad.
-
Menciones de terceros en fuentes autorizadas. Los motores de IA ponderan las fuentes en las que confían. Las entradas de Wikipedia, los listados en directorios del sector, la cobertura de prensa, los sitios de reseñas como G2 y las respuestas de Quora que citan tu marca refuerzan tu identidad de entidad. Esto es trabajo de earned media, no una corrección técnica.
-
Presencia en el Knowledge Graph. Para marcas donde Gemini es un motor prioritario, tener un Google Knowledge Panel verificado es una señal directa. Los datos NAP (nombre, dirección, teléfono) consistentes en los directorios, una entrada en Wikipedia y schema markup correcto en tu propio sitio contribuyen a esto.
Qué hacer realmente con entity optimization
Comienza con una auditoría de marca: busca el nombre de tu marca en ChatGPT, Perplexity, Google AI Overviews y Gemini. Observa cómo te describe cada motor. Observa qué tiene de incorrecto. Observa qué fuentes cita cuando te menciona. Esas fuentes son tu prioridad de distribución.
Knowatoa se especializa en rastrear cómo los motores de IA representan tu marca en distintas plataformas y en identificar los vacíos. Para equipos que quieren monitoreo de entidades dentro de una plataforma AEO más amplia, Temso rastrea la representación de la marca en ocho motores de IA y señala alucinaciones junto con los vacíos de citas. Profound proporciona mapas de citas que muestran qué dominios de terceros están impulsando las menciones de tu entidad.
Entity optimization es la táctica de mayor esfuerzo de las tres y es la que tiene menor palanca técnica directa. No puedes hacer un cambio de configuración y dar el asunto por resuelto. Requiere trabajo continuo de earned media y distribución de contenido.
El ejemplo de schema múltiple
A continuación un ejemplo mínimo de cómo combinar schema FAQPage y Article en una sola entrada de blog. Ambos tipos pueden vivir en la misma página.
[
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "Schema Markup vs llms.txt vs Entity Optimization",
"datePublished": "2026-07-17",
"dateModified": "2026-07-17",
"publisher": {
"@type": "Organization",
"name": "AEO Rankings"
}
},
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Does schema markup improve AI citations?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Controlled evidence found no meaningful citation lift after adding schema, while observational research found structured data correlated with higher citation likelihood. Treat schema as infrastructure and measure the result."
}
},
{
"@type": "Question",
"name": "Does llms.txt replace schema?",
"acceptedAnswer": {
"@type": "Answer",
"text": "No. Schema tells crawlers how to interpret content they have found. Llms.txt tells AI crawlers which URLs to prioritize. They operate at different layers and can coexist."
}
}
]
}
]Coloca esto en un bloque <script type="application/ld+json">. Valida con el Test de Resultados Enriquecidos de Google antes de publicar. Puedes combinar tantos bloques @type como sean genuinamente aplicables a tu página, pero no añadas tipos de schema que tu página no represente realmente.
Cómo se combinan las tres tácticas
Ninguna de estas es un sustituto de la calidad del contenido o de las citas de terceros. Son infraestructura. Piensa en ellas así:
- Schema: etiquetas en tus estanterías para que el crawler encuentre lo que busca.
- llms.txt: una nota en tu puerta que dice qué estanterías son las más importantes.
- Entity optimization: asegurarse de que el crawler ya conoce tu nombre antes de entrar.
Las tres contribuyen al mismo resultado: un motor de IA puede encontrar tu contenido, entender lo que dice y confiar en tu marca como fuente. Omite una capa y creas un cuello de botella en esa capa.
Para una visión completa de qué herramientas cubren cada capa del stack AEO, consulta el ranking completo de herramientas AEO o el glosario de AEO para las definiciones de los términos usados aquí.