Cómo los motores de búsqueda con IA como ChatGPT y Perplexity deciden qué marcas recomendar

TL;DR: Los motores de búsqueda con IA recomiendan marcas sintetizando cuatro capas de señales: (1) los datos estructurados en su propio dominio, (2) las señales de autoridad de terceros procedentes de plataformas de reseñas, Reddit, la prensa y fuentes enciclopédicas, (3) la recuperación en vivo desde su índice web en el momento de la consulta y (4) el conocimiento base de entrenamiento del modelo. Una marca gana recomendaciones al ser fuerte en las cuatro capas simultáneamente, ninguna señal individual domina, pero el schema y el sentimiento de las reseñas son las dos más pesadas. ChatGPT se apoya en los datos de entrenamiento, Perplexity en las citas en vivo, Google AI Overview en su índice existente; el playbook para las marcas de Shopify consiste en desplegar un schema completo, construir presencia de terceros y monitorear en las tres. Naridon automatiza las capas de schema y monitoreo para las tiendas Shopify.

Si alguna vez le ha preguntado a ChatGPT «cuál es el mejor colchón para quienes duermen de lado», habrá notado algo inquietante: la IA le da una marca concreta. A veces dos. Rara vez tres. La pregunta que se hace a continuación todo operador de marca es la misma, ¿cómo lo decidió? ¿Y qué decide si soy yo a quien nombra?

Este artículo es la respuesta mecánica. No jerga de marketing. No un vago «el contenido de alta calidad gana». El verdadero pipeline de recuperación y clasificación que los motores de IA usan para elegir marcas, capa por capa, con el playbook específico de Shopify para cada capa.

1. Las cuatro capas de señales

Cada gran motor de IA. ChatGPT, Perplexity, Google AI Overview, Claude, Gemini, Bing Copilot, construye una recomendación de marca a partir de cuatro capas de señales apiladas. Las ponderaciones difieren según el motor, pero las capas son universales.

1.1 Capa 1: sus propios datos estructurados

El schema JSON-LD, el HTML semántico y el llms.txt en su propio dominio. Este es el registro de verdad fundamental de quién es usted, qué vende y qué afirma. Los motores de IA tratan su schema Organization, su schema Product, su schema FAQ y su schema Article como la fuente canónica de las afirmaciones propias de su marca.

Ponderación: media-alta. Los datos estructurados por sí solos no hacen que una IA lo recomiende, pero unos datos estructurados débiles lo descalifican de la mayoría de las recomendaciones porque la IA no puede extraer con confianza los hechos que necesita citar.

1.2 Capa 2: autoridad de terceros

Reseñas, menciones en prensa, hilos de Reddit, entradas de blog comparativas, Wikipedia, Crunchbase, G2, Trustpilot, Yelp, Google Business Profile y agregadores de reseñas específicos de la categoría. Esta es la capa de prueba social, la evidencia de que personas ajenas a su equipo de marketing lo consideran creíble.

Ponderación: alta para Perplexity y Google AI Overview, media-alta para ChatGPT. Una marca con fuerte presencia de terceros puede superar a una marca con mejor contenido interno pero escasa huella externa.

1.3 Capa 3: recuperación en vivo

Lo que el crawler de la IA encuentra cuando consulta su índice en tiempo real. ChatGPT usa su herramienta de navegación más OAI-SearchBot. Perplexity usa PerplexityBot. Google AI Overview usa el índice principal de Google. La capa de recuperación es la forma en que los motores de IA se mantienen actualizados, una marca que actualiza su sitio, publica contenido fresco y mantiene el acceso del crawler gana en esta capa.

Ponderación: alta para Perplexity (centrado en la recuperación por diseño), media para ChatGPT, muy alta para Google AI Overview.

1.4 Capa 4: datos de entrenamiento

El conocimiento base integrado en el propio modelo durante el entrenamiento. Las marcas que estaban bien cubiertas en la web abierta cuando se entrenó el modelo parten con una ventaja de reputación. Las marcas nuevas parten de cero en esta capa hasta el siguiente ciclo de entrenamiento.

Ponderación: alta para ChatGPT y Claude (recurren de forma predeterminada a los datos de entrenamiento cuando la navegación está desactivada o es lenta), más baja para Perplexity (que recupera en vivo para casi todas las consultas).

2. Cómo pondera cada motor las capas

2.1 ChatGPT

ChatGPT es el híbrido. Usa los datos de entrenamiento como reputación base, y luego superpone la recuperación de la herramienta de navegación para los datos actuales (precios, existencias, nuevos lanzamientos). Para una consulta de compra, ChatGPT a menudo hace lo siguiente:

1. Recuerda lo que sabe de la categoría a partir de los datos de entrenamiento (reputaciones de marca, recomendaciones habituales).
2. Activa su herramienta de navegación o la API de productos de Shopify para verificar la disponibilidad y los precios actuales.
3. Contrasta el sentimiento de las reseñas de su corpus de entrenamiento.
4. Genera una recomendación que equilibra la reputación histórica y la disponibilidad actual.

Implicación para Shopify: ChatGPT recompensa a las marcas con presencia de terceros establecida. Una tienda de Shopify totalmente nueva con un gran schema pero sin hilos de Reddit, sin presencia en agregadores de reseñas y sin cobertura de prensa tendrá dificultades con ChatGPT hasta que los datos de entrenamiento se pongan al día.

2.2 Perplexity

Perplexity prioriza la recuperación. Para cada consulta de compra, Perplexity ejecuta una búsqueda web en vivo, ingiere las 10-20 mejores fuentes y sintetiza una respuesta cargada de citas. Las recomendaciones de marca provienen de las marcas nombradas de forma más consistente entre las fuentes recuperadas.

Implicación para Shopify: Perplexity es el motor donde las marcas nuevas ganan más rápido. Construya cobertura de terceros (Reddit, agregadores de reseñas, blogs comparativos) y un schema on-site completo, y Perplexity empezará a recomendarlo en 4-6 semanas. Los datos de entrenamiento importan menos.

2.3 Google AI Overview

Google AI Overview se asienta sobre el índice de búsqueda principal de Google. Usa las mismas señales de clasificación que la búsqueda tradicional de Google (autoridad de dominio, grafo de enlaces, calidad del contenido, validez del schema) más una capa de síntesis de IA. Las marcas que se posicionan bien de forma orgánica llevan ventaja.

Implicación para Shopify: todo lo que ya hace por el SEO sigue importando. Pero el schema y la claridad de entidad se vuelven innegociables porque la capa de síntesis de IA extrae hechos que la capa de enlaces azules nunca exigió.

2.4 Claude

El comportamiento de Claude es más parecido al de ChatGPT, una base de datos de entrenamiento con aumento por navegación en algunos niveles. Claude es conservador a la hora de nombrar marcas y a menudo da primero orientación a nivel de categoría, y luego nombra marcas concretas cuando se insiste. Esto significa que las menciones de marca en Claude se ganan tarde en una conversación, no en el primer prompt.

2.5 Gemini

Gemini aprovecha el índice de Google más su propio entrenamiento. A menudo se comporta como Google AI Overview para las consultas de compra, con recomendaciones de marca similares. Las superficies específicas de producto de Gemini (dentro de Google Shopping) están más orientadas a la recuperación.

2.6 Bing Copilot

Bing Copilot usa el índice de Bing más los modelos de OpenAI. Tiene una capa de Shopping separada (y en crecimiento) que lee de los feeds de Bing Merchant Center, lo que significa que las tiendas Shopify con feeds de Bing Merchant Center tienen un camino de recuperación directo que la mayoría de las marcas pasan por alto.

3. Qué contiene realmente cada capa para una marca de Shopify

3.1 Lista de verificación de la capa 1 (datos estructurados on-site)

• Schema Organization con name, url, logo, sameAs (perfiles sociales, Crunchbase, Wikipedia si procede), contactPoint, foundingDate.
• Schema Product con aggregateRating, review, brand (como objeto Brand), gtin13/mpn, material, color, size, offers.
• Schema FAQ en las páginas de producto y de colección.
• Schema BreadcrumbList en cada página profunda.
• Schema Article en las entradas de blog con datePublished y author.
• llms.txt y llms-full.txt servidos en la raíz del dominio.
• Descripciones de producto densas en hechos que reemplazan el texto genérico por especificaciones.

Ruta práctica para Shopify: nuestra guía cómo añadir marcado schema a Shopify cubre la implementación.

3.2 Lista de verificación de la capa 2 (autoridad de terceros)

• Reseñas en al menos dos plataformas (Judge.me o Loox on-site, más Trustpilot o el agregador dominante de la categoría).
• Una presencia en Reddit en los subreddits relevantes, no spam, sino hilos legítimos donde se discute su marca.
• Cobertura de prensa o menciones en blogs de categoría (incluso las pequeñas cuentan si la fuente es indexable).
• Artículo de Wikipedia (si cumple los criterios de relevancia) o perfil de Crunchbase (todos cumplen).
• Datos NAP (nombre, dirección, teléfono) coherentes en Google Business Profile, Facebook, LinkedIn y su sitio.
• Perfiles sociales activos con interacción, enlazados mediante sameAs en el schema Organization.

3.3 Lista de verificación de la capa 3 (recuperación en vivo)

• robots.txt y las etiquetas meta permiten GPTBot, OAI-SearchBot, PerplexityBot, ClaudeBot, GoogleBot, Bingbot, Applebot y CCBot. No bloquee los crawlers de IA.
• Carga de página rápida (<2.5s LCP) para que los crawlers no agoten el tiempo.
• Contenido actualizado, como mínimo entradas de blog mensuales o actualizaciones de contenido de producto.
• Archivo llms.txt en la raíz como índice legible por máquina para los crawlers de IA.
• Sitemap.xml que cubra productos, colecciones, entradas de blog y páginas.

3.4 Capa 4 (datos de entrenamiento). Qué puede influir

No puede modificar directamente los datos de entrenamiento. Pero puede influir en lo que acaba en el siguiente ciclo de entrenamiento construyendo presencia en fuentes de alta señal, crawleadas con frecuencia, que los pipelines de datos de entrenamiento ingieren:

• Wikipedia (si es notable), la fuente individual de mayor señal para los corpus de entrenamiento de IA
• Reddit, incluido con frecuencia en los datos de entrenamiento
• Noticias y publicaciones de categoría de alta autoridad
• GitHub, Stack Overflow (para marcas técnicas)
• Crunchbase (muy usado para la extracción de entidades de marca)
• Transcripciones de podcasts y transcripciones de YouTube (cada vez más ingeridas)

Para el calendario de cómo se acumula la presencia en los datos de entrenamiento, consulte nuestro desglose cómo ChatGPT y Perplexity recomiendan productos.

4. El efecto compuesto

Las capas no son aditivas, son multiplicativas. Una marca que obtiene un 7/10 en las cuatro capas suele superar a una marca que obtiene un 10/10 en una capa y un 3/10 en las demás.

Por eso fracasan los enfoques de una sola táctica. La pura optimización del schema sin autoridad de terceros se estanca en una tasa de citación mediocre. Una PR intensa sin schema pierde citas porque los motores de IA no pueden extraer hechos estructurados. Las marcas de Shopify que ganan en ChatGPT y Perplexity despliegan las cuatro capas en paralelo.

5. El playbook práctico para las marcas de Shopify

5.1 Meses 1-2: capas 1 y 3

Despliegue un schema completo, llms.txt y descripciones de producto semánticas. Asegúrese de que los crawlers no estén bloqueados, de que los sitemaps estén limpios y de que la velocidad de página sea aceptable. Esta es la capa de retorno más rápido porque está enteramente bajo su control y se acumula en 2-4 semanas de crawl.

5.2 Meses 2-4: capa 2

Construya presencia de terceros. Lánzese en Trustpilot o en la plataforma de reseñas específica de la categoría. Siembre 20-50 reseñas verificadas. Consiga que lo mencionen en 3-5 comparativas de blogs de categoría. Cree o reclame su perfil de Crunchbase. Inicie una presencia legítima en Reddit en los subreddits de la categoría (responda preguntas, no haga spam).

5.3 Meses 4-6: capa 4

La influencia en los datos de entrenamiento es la más lenta. Aspire a la relevancia en Wikipedia si la marca cumple los requisitos. Apunte a apariciones en podcasts y publicaciones invitadas en sitios cuyo contenido probablemente se ingiera en los corpus de entrenamiento. Esta capa rinde frutos a lo largo de versiones sucesivas del modelo (la próxima actualización de ChatGPT, la próxima actualización de Claude, etc.).

5.4 De forma continua: monitoreo

Nada de esto funciona sin un bucle de retroalimentación. Haga seguimiento semanal de la tasa de citación, la posición, el sentimiento y la cuota de voz. Use nuestra guía monitorear la visibilidad en los resúmenes de IA para la configuración.

6. Lo que los motores no usan

Vale la pena decirlo explícitamente. Los motores de IA no usan:

• Pago directo por menciones de marca orgánicas dentro de los resúmenes de IA (Bing tiene resultados patrocinados en una capa separada; ChatGPT y Perplexity no monetizan actualmente las recomendaciones orgánicas).
• La densidad de palabras clave en sus páginas.
• Las etiquetas meta keywords.
• El orden en que envía las URL a Google Search Console.
• Cuántos artículos generados por IA tiene en su blog (a menudo penalizados activamente).

Si una guía le dice que haga cualquiera de estas cosas, está optimizando para la década equivocada.

7. El resumen honesto

Los motores de IA recomiendan marcas que son verificables, específicas y coherentes a través de múltiples fuentes. Verificable significa datos estructurados que coinciden con la realidad. Específica significa contenido denso en hechos que la IA puede extraer. Coherente significa que su historia es la misma en su sitio, en Reddit, en Trustpilot, en Crunchbase y en la prensa.

No hay ningún algoritmo secreto que burlar. Hay un modelo de reputación multicapa que recompensa a las marcas que parecen creíbles para una persona razonable que lee a través de las fuentes, que es exactamente lo que es una IA bien entrenada.

---

Gane recomendaciones en todos los motores de IA

Desplegar manualmente las cuatro capas es un programa de 6 meses. Instale Naridon gratis desde el Shopify App Store para automatizar la capa 1 (schema, llms.txt, contenido de producto) y la capa 3 (acceso de crawlers, monitoreo), más el seguimiento semanal de visibilidad en ChatGPT, Perplexity, Google AI Overview, Claude, Gemini y Bing Copilot. Gratis con menos de 100 productos; los planes de pago comienzan en $49/mes.