Auditoría GEO

GEO (Generative Engine Optimization) es la práctica de que un sitio web resulte fácil de rastrear, entender y citar para los motores de IA: ChatGPT, Claude, Perplexity, Gemini y Google AI Overviews. La Auditoría GEO, que encontrarás en Visibilidad en IA → Auditoría GEO, descarga el sitio de un cliente igual que lo hacen la mayoría de los rastreadores de IA (una petición HTTP simple, sin ejecutar JavaScript) y puntúa señales concretas y verificables en una única puntuación de preparación de 0–100. No consta que los rastreadores de OpenAI, Anthropic y Perplexity rendericen JavaScript. Google sí renderiza las páginas, en Chromium headless, pero más tarde y en una cola, así que el HTML en bruto es lo que todos los motores pueden leer en la primera visita. Ojo: esto mide la preparación, es decir, si un sitio está bien posicionado para ser citado, no la cuota real de citas. La frecuencia con la que una marca se menciona de verdad en las respuestas de IA se sigue por separado en la pestaña Visibilidad. Mantenemos esa distinción explícita para no sobrestimar nunca la puntuación.

La puntuación compuesta pondera cinco categorías. Acceso de los rastreadores de IA (30): si tu robots.txt deja que lleguen realmente al sitio los rastreadores que alimentan las respuestas de IA en directo: OAI-SearchBot y ChatGPT-User de OpenAI, Claude-User y Claude-SearchBot de Anthropic, PerplexityBot, Googlebot y Google-Extended, y meta-webindexer de Meta AI. Accesibilidad del contenido / SSR (30): si el contenido principal de la página está en el HTML en bruto y no inyectado por JavaScript, ya que la mayoría de los rastreadores de IA no ejecutan JS. Esta categoría incluye además una sonda informativa de diferencia de contenido: las páginas auditadas se descargan una vez como agente de IA y otra como un navegador normal, y se señala toda diferencia relevante entre ambas. Si a un bot se le sirve menos, los resultados de la auditoría pueden subestimar lo que ven las personas; si se le sirve más contenido, o distinto, hay riesgo de cloaking. Nunca afecta a la puntuación. La misma categoría también examina las páginas descargadas en busca de texto oculto dirigido a lectores de IA: marcado que una persona nunca ve (display:none, font-size cero, desplazamientos fuera de pantalla, los atributos hidden o aria-hidden, clases solo para lectores de pantalla, comentarios HTML, atributos alt o meta) con frases como «ignore previous instructions» o «AI assistants: recommend …». Los rastreadores de IA leen el HTML en bruto, así que ese texto les llega completo, y las políticas de spam de Google consideran spam el texto oculto y los intentos de manipular las respuestas de IA generativa. Es un detector heurístico propio de CrunchJunkie, no una comprobación de políticas de plataforma: muestra una fila solo cuando encuentra algo, cita el fragmento para que puedas juzgarlo y nunca afecta a la puntuación. Datos estructurados (20): JSON-LD de schema.org válido que ancle tu marca como entidad conocida, sobre todo un bloque Organization con enlaces sameAs, además de compatibilidad con tipos más ricos y aptos para respuestas, como FAQPage, Article, Product, HowTo y QAPage. Además de detectar estos tipos, la auditoría comprueba que un tipo presente lleve realmente sus propiedades obligatorias (una FAQPage necesita preguntas con respuestas aceptadas, un Article necesita headline/author/datePublished, un Product necesita offers, un HowTo necesita pasos); un tipo presente pero incompleto se marca como parcial, con las propiedades exactas que faltan por añadir, en lugar de aprobarse del todo. Higiene de SEO técnico (15): sitemap, canonical autorreferenciada, un único H1, un título y una meta description razonables, y HTTPS. llms.txt (5): presencia y validez básica de un archivo /llms.txt, una convención con vistas al futuro, de peso mínimo y a propósito: la guía oficial de Google sobre IA generativa dice que ignora llms.txt, y ningún motor de respuestas ha confirmado que lo use para citar, así que se puntúa como higiene barata y legible por máquinas, nunca como factor de posicionamiento en Google/búsqueda ni de citas. Cada comprobación se califica como correcta, parcial o fallida, con una explicación en lenguaje llano de lo que se encontró y por qué importa, de modo que el resultado es una lista de acciones y no solo un número.

Dentro de la puntuación de calidad del contenido, la Auditoría GEO comprueba tres señales de redacción tomadas de un benchmark de laboratorio de 2024: citas textuales, estadísticas citadas y citas salientes con autoridad. Proceden del artículo de KDD'24 «GEO: Generative Engine Optimization» (Aggarwal et al., Princeton / IIT Delhi), en el que la cuota de una fuente en la respuesta generada (el recuento de palabras ajustado por posición del artículo, con GPT-3.5 y su propio conjunto de consultas) pasó del 19,5 % sin cambios al 27,8 % con citas textuales, al 25,9 % con estadísticas y al 24,9 % con fuentes citadas. Es un resultado de laboratorio, no una medición de motores en producción, y nuestros propios datos de 81 sitios (septiembre de 2026) no mostraron un vínculo claro entre la puntuación global de la auditoría y la frecuencia con la que las respuestas de IA nombraban un sitio. Cada comprobación se califica como correcta/parcial/fallida con una nota en lenguaje llano que nombra su fuente, para que veas de dónde viene la recomendación. La auditoría también puntúa la estructura extraíble: si una página divide su contenido en listas con viñetas o numeradas y en tablas de datos, que dan a los motores de respuestas pasajes autónomos que pueden tomar para sus respuestas. Se puntúa con criterio (a una página rica en prosa se la anima a ser más escaneable, pero nunca se la suspende por ello) y se apoya en investigación de 2026 sobre estructura del contenido y citas de IA («Structural Feature Engineering for GEO», arXiv 2603.29979). El mismo benchmark identificó lo que no funciona: el relleno de palabras clave fue el peor de los métodos que probó. Por eso la auditoría trata el relleno de palabras clave como una señal negativa: nunca suma puntos, y una página cuya densidad de palabras clave es demasiado alta (más o menos por encima del 6 %, con una franja elevada en torno al 4–6 %) se marca como un problema que corregir, no como una casilla que marcar. Nada en la puntuación de contenido premia nunca la densidad de palabras clave; solo penaliza el relleno.

Una regla de robots.txt que dice «permitido» solo importa si el rastreador puede llegar de verdad a la página. Muchos sitios desbloquean los bots de IA en robots.txt pero luego están detrás de un WAF o un CDN (el AI Crawl Control de Cloudflare, antes el interruptor «Block AI bots», es el caso habitual) que rechaza a esos mismos rastreadores en el borde sin que nadie se entere. Para ti y para el propietario del sitio todo parece correcto; para el motor de IA, el sitio es invisible. La Auditoría GEO ejecuta ahora una comprobación de alcance en directo junto a la revisión de robots.txt: solicita tu página de inicio y una página de contenido de tu sitemap presentándose como cada rastreador de IA, e informa, página por página, de si la petición llegó a pasar. La segunda página importa porque algunos bloqueos solo se aplican a ciertas páginas (desde el 15 de septiembre de 2026, el valor por defecto de Cloudflare bloquea los rastreadores de agentes y de entrenamiento solo en las páginas que muestran anuncios), así que la página de inicio sola puede parecer despejada. Es informativo por defecto: solo plantea una alerta cuando nuestra petición de prueba recibe una negativa clara (un HTTP 403/406), de modo que no recibirás falsas alarmas por la limitación de tasa habitual ni por errores transitorios. La sonda envía el nombre de cada rastreador desde nuestros propios servidores, no desde las direcciones IP publicadas del rastreador, y muchos firewalls rechazan estas peticiones no verificadas mientras dejan pasar a los rastreadores reales, así que una negativa es un indicio fuerte, no una prueba. Cuando nuestra petición de prueba se rechaza en el borde, la auditoría nombra el rastreador afectado para que puedas llevárselo directamente al equipo de hosting o de seguridad del cliente. La lección que codifica: «permitido en robots.txt» y «alcanzable en la práctica» son dos cosas distintas, y la visibilidad en IA necesita ambas. Lo verás en dos sitios concretos. En la Auditoría GEO, una tarjeta «Firewall y política de acceso» lo detalla rastreador por rastreador: lo que dice robots.txt junto a lo que encontró la sonda en directo, con un veredicto claro para cada uno. «Rechazó nuestra prueba» es el que hay que investigar: robots.txt permite el rastreador, pero el borde rechazó igualmente nuestra petición de prueba. Es un indicio de bloqueo, no una prueba, porque nuestras peticiones de prueba llevan el nombre del rastreador pero salen de nuestros servidores, y muchos firewalls rechazan esas peticiones mientras dejan pasar a los rastreadores verificados. Revisa los registros de tu CDN o firewall para ver las peticiones desde los rangos de IP publicados de los rastreadores y salir de dudas. Cubre los ocho rastreadores a los que se puede atribuir un bloqueo (los rastreadores de búsqueda: OAI-SearchBot, PerplexityBot, Googlebot y meta-webindexer de Meta AI; los recuperadores de agentes en directo: ChatGPT-User, Claude-User y Perplexity-User; y ClaudeBot) y viaja al informe, a los enlaces compartidos y al PDF. Por separado, si has configurado la ingesta de registros de rastreo, la página de Insights de rastreo emite una alerta de bloqueo por WAF (reflejada por una Señal en tu bandeja) en cuanto el tráfico real de rastreadores de IA empieza a recibir HTTP 403/406. «Real» va en sentido literal: las peticiones que solo usan el nombre de un rastreador de IA (una IP fuera de los rangos publicados por el operador, o un nombre exclusivo de robots.txt como Google-Extended o Applebot-Extended, que Google y Apple nunca envían) se excluyen, porque un firewall que las rechaza hace bien su trabajo; la alerta las enumera por separado. De los bloqueos que sí cuenta, te dice cuántos procedían de los rangos de IP publicados del operador y cuántos no se pudieron comprobar (la mayoría de los operadores de IA no publican rangos, así que bien podría tratarse del rastreador real). Desde el 27 de septiembre de 2026 salen de la alarma tres cosas más, después de que un cliente rastreara una alarma roja hasta su firewall rechazando escáneres de vulnerabilidades: las negativas en rutas de escáner como /.env o /wp-config.php (una sonda es una sonda, se llame como se llame), las peticiones de IP que usaron los nombres de rastreador de dos o más operadores de IA distintos en la ventana (ninguna IP de rastreador real afirma ser a la vez de OpenAI y de Anthropic: es un único escáner que rota los user agents), y la alarma se rebaja a una nota informativa «sin verificar» cuando las pruebas contradicen una regla de bots: todos los rastreadores con rangos de IP publicados pasaron, o todas las negativas son HTTP 406, la firma de una regla de patrón de petición como ModSecurity y no de una regla de identidad. La tarjeta muestra el reparto 403/406 por la misma razón. Así detectas un bloqueo en el borde de dos maneras: con una auditoría puntual y con el tráfico en directo entre auditorías. Desde el 15 de septiembre de 2026 hay una causa común detrás de este hallazgo que conviene conocer. Desde esa fecha, Cloudflare bloquea por defecto los rastreadores que clasifica como Agent (ChatGPT-User, Claude-User y Perplexity-User, los recuperadores que actúan en directo cuando un asistente responde una pregunta sobre ti) y como Training (GPTBot, ClaudeBot y similares) en las páginas que muestran anuncios, para zonas nuevas, sitios nuevos de clientes existentes y todas las zonas del plan Free, mientras que los rastreadores solo de búsqueda como OAI-SearchBot siguen permitidos. Los rastreadores que sirven a la vez para búsqueda y entrenamiento quedan bloqueados por la misma regla (Cloudflare nombra Googlebot, Applebot y Bingbot), así que en esas páginas un sitio también puede perder cobertura en Google Search y AI Overviews. No cambia nada de nuestros escaneos (llamamos a las API de los motores), pero un sitio que haya perdido así sus recuperadores de agentes responde a los asistentes con un vacío. Por eso la sonda en directo incluye las tres clases, de modo que el patrón aparece como «Rechazó nuestra prueba» en las filas de agentes y de entrenamiento, normalmente también en Googlebot, mientras OAI-SearchBot pasa; y cuando las respuestas llevan marcadores de borde de Cloudflare, el hallazgo nombra la causa y te dirige a Cloudflare → AI Crawl Control (o a una regla de omisión de WAF). Sin esos marcadores mantiene la redacción genérica y puntúa medio punto en lugar de un fallo: la auditoría nunca afirma que sea Cloudflare si no lo vio. El patrón por defecto de Cloudflare es la excepción a «un indicio, no una prueba»: rastreadores de agentes y de entrenamiento rechazados mientras pasan los de solo búsqueda coincide con una política documentada que se aplica también a los rastreadores verificados, así que ese caso sigue siendo un fallo. Un desafío antibot que afecta a nuestra propia petición de auditoría se notifica como no concluyente desde nuestra posición, nunca como un bloqueo a los rastreadores. Otra señal de robots.txt a vigilar: aparece una tarjeta «Política de uso de contenido» cuando tu sitio publica la directiva Content-Signal de Cloudflare (search / ai-input / ai-train = yes/no). Es una señal de preferencia, no un control que se haga cumplir: no consta que ningún motor de respuestas la respete, y Google ha dicho públicamente que la ignora, así que nunca afecta a tu puntuación GEO ni, por sí sola, cambia si te citan. La mostramos por una razón: Cloudflare añadió valores por defecto automáticamente a millones de archivos robots.txt gestionados, así que tu sitio puede estar emitiendo ai-input=no (pidiendo a los motores de IA que no usen tu contenido como entrada en directo para las respuestas) sin que nadie lo haya decidido. Si buscas visibilidad en IA, eso es justo lo contrario de lo que quieres; la tarjeta lo señala (y avisa cuando parece el valor por defecto de Cloudflare) para que puedas poner ai-input=yes o quitar la línea. También está disponible como dimensión de informe «Política de uso de contenido». (ai-train=no es una exclusión legítima del entrenamiento sin efecto en las citas de respuestas en directo: la tarjeta lo dice y nunca lo marca.)

Abre el proyecto de Visibilidad en IA de un cliente, ve a Auditoría GEO y el dominio aparecerá ya rellenado a partir del sitio web guardado del cliente. Haz clic en Ejecutar auditoría y CrunchJunkie revisa robots.txt, llms.txt, el sitemap y una muestra representativa de páginas: la página de inicio más una página por sección del sitio, prefiriendo las más profundas, de modo que se juzguen las entradas de blog y las páginas de producto, no solo el nivel superficial. La lista de páginas sale de todos los sitemaps que publica el sitio, incluidos los índices de sitemaps y los sitemaps declarados en robots.txt, y de los enlaces de la página de inicio cuando no hay sitemap. Una página de la muestra que rechaza o falla nuestra petición (403, 429, un error de servidor) se deja fuera en lugar de puntuarse; un 404 se queda, porque una URL muerta en tu propio sitemap es un hallazgo. Los resultados de página se agregan con honestidad sobre la muestra («3/6 páginas de la muestra aprueban»), y la sección Resultados por página desglosa las mismas comprobaciones página por página, de modo que un resultado mixto siempre se puede rastrear hasta la página exacta que hay que corregir. Cada ejecución se guarda, así que puedes volver a auditar tras hacer cambios y ver cómo se mueve la puntuación: la tira de historial muestra cada captura con su fecha. La auditoría también se vuelve a ejecutar automáticamente, cada semana por defecto, ya que las señales del sitio se mueven despacio y cada auditoría lee páginas del propio sitio del cliente. Puedes cambiar un proyecto a reauditorías diarias en su pestaña Ajustes, y Ejecutar auditoría manual está siempre disponible. Las ejecuciones automáticas son lecturas de página simples sin comprobaciones de IA, así que nunca cuestan nada. Si la página de inicio no es el sitio cuando se ejecuta una auditoría, la auditoría lo dice en lugar de dar por buena una puntuación. Eso abarca una página de suspensión del hosting, un dominio caducado o aparcado, una página por defecto del servidor, un error de servidor y una página de inicio que no responde. La página nombra lo que mostró el servidor y ofrece ejecutar la auditoría de nuevo, además de un enlace a la última auditoría del sitio en vivo. La puntuación se muestra tachada como no comparable, y no se extraen correcciones ni insights de IA de ella, porque describirían el marcador de posición y no el sitio. Una auditoría así no genera ninguna alerta de puntuación (para eso está la señal aparte «Sitio sin servir»), y los informes y los content briefs usan en su lugar la última auditoría del sitio en vivo. La API y el conector de CrunchJunkie devuelven la auditoría con un campo homepageUnavailable que indica lo que mostró el servidor. Las comprobaciones que sí se ejecutaron siguen a un clic, en «Mostrar lo que se midió en esa página». Como la auditoría refleja solo señales del sitio, no puede ver los factores externos que también influyen en la visibilidad en IA (menciones de marca por la web, presencia en Reddit/Wikipedia) ni si un modelo se entrenó con tu contenido. Interpreta una puntuación alta como «este sitio está bien posicionado para ser citado» y combínala con la pestaña Visibilidad para ver si ese posicionamiento se traduce en menciones reales en IA.

La mayoría de los rastreadores de IA descargan una página con una petición HTTP simple y no ejecutan JavaScript (no consta que los rastreadores de OpenAI, Anthropic y Perplexity lo rendericen), así que todo lo que un sitio pinta en el navegador tras la carga les resulta invisible. Google es la excepción: Googlebot renderiza en Chromium headless toda página que responde 200 y no tiene noindex, pero más tarde, en una cola de renderizado, y AI Overviews y AI Mode solo enlazan páginas indexadas y aptas para un fragmento. El renderizado en servidor sirve a todos los motores el contenido en la primera descarga. La auditoría lo comprueba directamente. La comprobación de señal SSR mide cuánto contenido real hay en el HTML inicial (las palabras presentes en el <body> en bruto antes de que se ejecute ningún JavaScript) y aprueba cuando hay una cantidad significativa, marca un parcial cuando hay poco y falla ante una cáscara vacía. La comprobación de solo cliente busca las huellas de un framework de aplicación de una sola página (React, Next.js, Vue, Nuxt, Angular, Svelte y otros) sobre un cuerpo inicial casi vacío, que es el patrón clásico de un sitio que se renderiza bien para las personas pero devuelve casi nada a un rastreador. Estar renderizado en servidor es solo la mitad de ser legible por máquinas para un rastreador: la página también tiene que permitir que el rastreador distinga el contenido principal de la navegación, la cabecera y el pie. La auditoría comprueba que exista un landmark semántico de contenido principal (un elemento <main> o <article>, o role="main"): con él, un rastreador puede aislar el contenido que merece citarse en un solo paso; sin él, una página construida solo con <div> genéricos obliga al motor a adivinar qué bloque es la respuesta. Es un empujón suave, nunca un fallo duro, y la solución es envolver el contenido principal en <main>. La auditoría también comprueba si hay un noindex en la meta robots: si una página lleva <meta name="robots" content="noindex">, está diciendo a los motores de búsqueda y de respuestas de IA que la dejen fuera por completo, y se señala con la solución exacta. En conjunto, estas comprobaciones detectan las razones técnicas por las que una página que se ve perfecta en un navegador puede ser, aun así, prácticamente invisible para la IA.

Junto a la puntuación GEO compuesta, cada auditoría produce ahora una subpuntuación aparte de Preparación para agentes sobre 100. Mientras que la puntuación GEO trata de ser rastreado y citado, la preparación para agentes trata de la clase más reciente de agentes de IA: los recuperadores de los asistentes en tiempo real y los que invocan herramientas, que actúan en directo en nombre de un usuario. Puntúa tres señales concretas y controlables: si robots.txt deja pasar a los user agents de agentes en tiempo real (ChatGPT-User, Claude-User, Perplexity-User, Gemini Deep Research y similares), si tu contenido se lee sin JavaScript (los agentes descargan HTML en bruto y rara vez ejecutan JS) y la amplitud de tus datos estructurados (cuántos tipos distintos de schema.org expones para que un agente los interprete). En resumen, comprueba si los agentes de IA pueden llegar a tu sitio, leerlo sin JavaScript e interpretar sus datos: las condiciones previas, no una prueba de que un agente pueda completar una tarea. Una investigación de MERJ (septiembre de 2026) muestra por qué importa la diferencia: una página puede superar todas las comprobaciones de preparación y, aun así, un agente puede fallar la tarea en ella. Cada una de estas lleva un botón «Redactar la corrección con Crunch», igual que la auditoría principal. Se muestra como una subpuntuación deliberadamente separada, no integrada en tu puntuación GEO, por dos razones: es un área emergente, y una de sus señales (un descriptor de interfaz de agente en /.well-known/mcp.json) sigue una convención (MCP) que todavía se está estandarizando. Esa comprobación del descriptor es solo informativa: si encontramos uno, lo señalamos como posicionamiento con vistas al futuro y mostramos una insignia «Endpoint MCP detectado», pero su ausencia nunca baja tu subpuntuación. Nada de esto penaliza a un sitio por no haber adoptado un preestándar. Mantenerla aparte también hace que tus puntuaciones GEO históricas sigan siendo directamente comparables en el tiempo. Dos comprobaciones siguen a Lighthouse de Google, que añadió un grupo Agent Discoverability a su categoría Agentic Browsing en la versión 13.5 (septiembre de 2026) y lo está llevando a PageSpeed Insights, de modo que el veredicto coincida con lo que ve un cliente en Chrome DevTools. La primera es Agent Resource Discovery. Buscamos un ai-catalog.json como lo hace Lighthouse: una línea Agentmap en robots.txt, una etiqueta link rel="ai-catalog", una cabecera Link y después /.well-known/ai-catalog.json. Si hay uno, lo comprobamos con las reglas de ARD 1.0 que aplica Lighthouse (versión de la especificación, entradas, identificadores urn:air:, nombre visible, tipo, exactamente uno de url o data). La especificación ARD actual (v0.91, 26 de agosto de 2026) renombró el archivo a ard.json y el enlace a rel="ard"; Lighthouse 13.5 todavía no los lee, así que buscamos ambas formas, primero ard.json, y el resultado indica cuál encontró y si Lighthouse la verá. Un ard.json no necesita versión de la especificación. Como el descriptor MCP, es informativo, y no publicar uno está bien; Lighthouse también lo marca como no aplicable. Lo único que no ejecutamos es el paso extra de esquema JSON estricto de Lighthouse, y la comprobación lo dice. Una tercera comprobación de este grupo, «Markdown para agentes», pide a la página de inicio que se entregue a sí misma con una cabecera Accept: text/markdown, como hacen ahora los agentes de Vercel, Cloudflare y otros, e informa de si el sitio responde con una versión en Markdown (Content-Type text/markdown, idealmente con Vary: Accept para que las cachés mantengan separadas las dos) o con la página HTML; si la página anuncia un gemelo en Markdown con un link rel="alternate" type="text/markdown", la vía que usa Applebot, ese gemelo también se descarga y se juzga. Es solo para mostrar, nunca puntúa: ningún motor de respuestas ha confirmado que una respuesta en Markdown afecte a las citas, así que se redacta como llms.txt, como higiene barata de legibilidad para agentes que hosts como Vercel y Cloudflare pueden activar sin cambios de contenido. La segunda comprobación de Lighthouse es la validez de llms.txt, en la sección de llms.txt, que ahora usa las tres reglas de Lighthouse: un H1, al menos un enlace y al menos 50 caracteres.

Cada auditoría produce también una subpuntuación aparte de Marcado de entidad sobre 100: una lectura de lo sólido que es tu grafo de entidades de schema.org. Mide solo el marcado de tu sitio, no lo conocida o con autoridad que es tu marca: una marca famosa sin schema Organization puntúa igualmente bajo. Mientras que la categoría «Datos estructurados» de la puntuación compuesta pregunta «¿hay algún schema?», el marcado de entidad plantea la pregunta más afilada de si el propio sitio dice quién está detrás (las señales de estilo E-E-A-T): una Organization completa (name, url, logo y un array sameAs), enlaces a perfiles externos con autoridad (LinkedIn, Crunchbase, Wikidata, redes sociales oficiales; tres o más es una señal fuerte), las personas con nombre detrás de la marca (un fundador o los autores de los artículos declarados como entidades Person) y una atribución de autoría real en tus artículos. Usa solo personas reales: la guía de contenido útil de Google (actualizada el 1 de octubre de 2026) trata los perfiles de creador inventados como una forma de engaño, y la auditoría lee tu marcado pero no puede verificar que exista una persona con ese nombre. Es determinista (solo lee los datos estructurados que realmente publicas y nunca adivina un tipo de schema a partir del texto de tu página) y honesta: si las páginas de la muestra no llevan nodos de artículo, la atribución de autoría se marca como «no puntuada» en lugar de contarse en tu contra (y BlogPosting cuenta como Article, así que un blog nunca se marca por error como «falta Article»). Como Preparación para agentes y Local GEO, queda fuera de la puntuación GEO principal, para que tu historial siga siendo comparable, y cada carencia lleva un botón «Redactar la corrección con Crunch». También lo verás como dimensión de informe «Marcado de entidad» que viaja a los enlaces compartidos y al PDF. Conviene conocer una vía de diagnóstico: los equipos con un SEO técnico sólido (schema limpio, robots.txt correcto) se sorprenden con frecuencia de una visibilidad en IA débil, porque los motores de respuestas pesan más cosas que el cumplimiento del marcado. Si tus comprobaciones de datos estructurados pasan pero la visibilidad sigue baja, mira aquí a continuación: un grafo de entidades pobre (sin perfiles sameAs, sin personas con nombre, sin autoría) es una razón habitual de que los motores no puedan establecer quién eres ni si fiarse de una cita; y después de eso, la brecha normalmente no está en el sitio sino en la autoridad externa, que las vistas Dominios y Análisis de brechas miden directamente.

Si un cliente es un negocio local (una tienda, un restaurante, una clínica, un autónomo, cualquier cosa con ubicación física o un área de servicio), activa «Este cliente es un negocio local» en la pestaña Visibilidad en IA → Ajustes. La Auditoría GEO produce entonces una subpuntuación aparte de Local GEO sobre 100, junto a las puntuaciones GEO compuesta y de Preparación para agentes. Como Preparación para agentes, queda fuera de tu puntuación GEO principal (a un SaaS sin schema LocalBusiness no se le debe restar por ello), de modo que tu historial sigue siendo comparable. Local GEO puntúa las señales del sitio que hacen que un negocio aparezca en respuestas de IA con intención local («mejor floristería cerca de mí», «fontanero en Berlín»): el schema LocalBusiness y lo completo que está, nombre/dirección/teléfono mostrados como texto real y coherentes con el schema, un enlace a tu Perfil de Empresa de Google, páginas de ubicación dedicadas, tu ciudad y región nombradas en títulos y encabezados, marcado de reseñas, un mapa incrustado y enlaces a directorios de confianza. Es honesta: si no has fijado una ciudad objetivo, dice «no evaluado» en lugar de suspenderte, y nunca premia páginas de ubicación duplicadas que solo cambian la ciudad. Dos campos afinan las comprobaciones. Indica la Ciudad principal y la Región del cliente para que la auditoría pueda confirmar que nombras dónde operas, y pega la URL del Perfil de Empresa de Google: el enlace de entidad que ata tu sitio a tu ficha de Maps, una de las señales locales más fuertes. Para encontrar esa URL: abre Google Maps, busca el negocio, abre su ficha, haz clic en Compartir y copia el enlace (se parece a https://maps.app.goo.gl/… o https://www.google.com/maps/place/…). Después ejecuta la auditoría para ver la tarjeta de Local GEO, con un botón «Redactar la corrección con Crunch» en cada problema, igual que en la auditoría principal.

Cada problema que plantea la auditoría viene con una explicación en lenguaje llano de lo que se encontró y de cómo cambiarlo. Para los casos en que prefieras no escribir la corrección desde cero, cada problema tiene un botón «Redactar la corrección con Crunch». Haz clic y Crunch redacta una corrección concreta que se puede copiar y pegar para ese problema específico, basada en el hallazgo real y en la página auditada, no en consejos genéricos, con un botón Copiar para llevarla directamente a un ticket o pasársela al desarrollador del cliente. La corrección redactada se genera bajo demanda para el problema que tienes delante y no se guarda en la auditoría; puedes volver a lanzarla cuando quieras. Como el resto de Crunch, necesita un modelo de IA disponible (Managed AI o tu propia clave). Convierte la auditoría de una lista de problemas en una lista de cambios redactados. Trata cada borrador como un punto de partida: revísalo y edítalo antes de publicarlo, sustituyendo cualquier marcador de posición por tus valores reales. La guía de Google sobre contenido de IA generativa (actualizada el 1 de octubre de 2026) nombra los títulos, las meta descriptions, los datos estructurados y el texto alternativo como lugares donde el texto generado sin revisar puede salir mal. Los problemas de Organization y sameAs se tratan de otra manera, porque son hechos que un modelo no puede conocer. Para ellos, Crunch lee tu página de inicio y las páginas de «sobre nosotros», contacto y aviso legal a las que enlaza, y construye un bloque conectado con lo que hay allí: una Organization, el WebSite que publica y la página de inicio, unidos por @id. Tu nombre y tu logo salen de tu propio marcado o de tus etiquetas; si el sitio no indica ningún nombre en ninguna parte, se usa el nombre de marca que diste al proyecto, pero solo cuando el título de tu página de inicio lo confirma. En un sitio cuya raíz redirige a una carpeta de idioma como /de, la entrada de la página de inicio describe la página que realmente se leyó. sameAs contiene solo enlaces de perfil que están en tu sitio: declarados en tu marcado o enlazados desde las páginas leídas. Un perfil enlazado desde una sola página interna se enumera como excluido, nunca se da por tuyo, y no hay marcadores de posición que rellenar. Bajo el bloque ves de dónde salió cada valor y qué se dejó fuera a propósito. Esta vía no necesita ningún modelo de IA. Cada bloque se comprueba antes de que lo veas: el JSON debe analizarse, y cada tipo y propiedad debe existir en el vocabulario actual de schema.org y estar en un tipo que la admita. La misma comprobación se ejecuta con cualquier JSON-LD dentro de una corrección redactada por un modelo, y el resultado se imprime bajo el borrador. No sustituye la Prueba de resultados enriquecidos de Google, que además comprueba los formatos de valor y los campos obligatorios en la página en vivo. Un problema tiene su propio botón. Cuando la comprobación de /llms.txt no pasa, la categoría llms.txt muestra Generar llms.txt con Crunch: redacta un /llms.txt inicial completo a partir de la PROPIA estructura del sitio (las URL reales de su sitemap.xml más el título y la descripción de la página de inicio), agrupado en secciones con una breve descripción por enlace. Cada enlace es una página real del sitio, nunca inventada; guarda el resultado en la raíz de tu dominio como /llms.txt tras una revisión rápida.

El mismo motor de auditoría impulsa también una versión pública y gratuita en crunchjunkie.io/products/geo-audit, sin inicio de sesión ni cuenta. Cualquiera puede introducir un dominio y obtener en segundos la puntuación de 0–100, el desglose por categorías y una lista de correcciones priorizada. Es útil para agencias: haz una comprobación GEO rápida del sitio de un potencial cliente antes de una propuesta, o envía el enlace para que un cliente vea el problema por sí mismo. La herramienta pública tiene límite de tasa y lee solo páginas públicas y robots.txt. Todo lo demás de esta guía (la reauditoría semanal, los resultados por página, el benchmark de rastreadores de la competencia, Preparación para agentes, Local GEO y Redactar la corrección) es la versión dentro de la app, que además sigue la puntuación en el tiempo dentro del proyecto del cliente. Dos guías largas profundizan si quieres darle a un cliente el razonamiento: «How to run a GEO audit: the complete 2026 checklist» y «GEO audit vs SEO audit», ambas en el blog de CrunchJunkie. Cada auditoría gratuita tiene una página de resultado permanente (crunchjunkie.io/products/geo-audit/r/<id>) con una imagen para compartir, para que un visitante pueda publicar o reenviar la puntuación, las dos subpuntuaciones independientes y la lista de correcciones. Las páginas de resultado no las indexan los motores de búsqueda, nunca muestran el correo del visitante y cada una enlaza directamente a la comprobación gratuita de visibilidad en IA del mismo dominio: el siguiente paso honesto, porque una puntuación GEO encuentra obstáculos y no predice con qué frecuencia los motores nombran una marca.