Durante años hemos trabajado el SEO siguiendo una lógica bastante conocida:
keyword → volumen → intención → URL
Si alguien buscaba “dentista Madrid”, trabajábamos una página para esa búsqueda. Si buscaba “implantes dentales Madrid”, construíamos una landing específica. Analizábamos el volumen, determinábamos la intención, en SEO Local nos interesaban especialmente las transaccionales, y decidíamos qué URL debía responder.
Ese modelo sigue siendo válido, pero empieza a quedarse corto para representar todo lo que una persona está intentando resolver. Te lo cuento todo en el podcast de Negocios Locales (que puedas escuchar en Apple Podcast | Spotify | Ivoox) .
La llegada de ChatGPT Ads a Europa y España hace especialmente visible este cambio. OpenAI plantea su plataforma publicitaria alrededor de la conversación, el contexto y las decisiones en tiempo real, y permite a los anunciantes utilizar context hints para explicar en qué situaciones, necesidades o momentos su producto o servicio puede ser relevante.
Los context hints son especialmente interesantes porque no funcionan como keywords de concordancia exacta. El anunciante no se limita a indicar qué término quiere activar, sino que aporta contexto para ayudar al sistema a entender:
- qué ofrece;
- a quién puede ayudar;
- en qué situaciones puede ser relevante;
- y cuándo tendría sentido mostrar el anuncio.
Es decir, ChatGPT Ads obliga al anunciante a hacer explícito algo que hasta ahora muchas veces dejábamos implícito:
no solo qué vendemos, sino en qué situaciones nuestra oferta tiene sentido.
Ese matiz es importante.
En Google Ads podemos partir de una búsqueda como:
implantes dentales Madrid
En ChatGPT Ads podemos trabajar alrededor de algo mucho más cercano a:
persona que ha perdido una pieza visible, busca una solución estética y tiene dudas sobre el dolor o el tiempo de recuperación.
No estamos sustituyendo una keyword por otra más larga.
Estamos describiendo el contexto completo de una necesidad.
Y ahí aparece una diferencia importante respecto a la búsqueda tradicional.
El anunciante aporta esos context hints, pero no ve las conversaciones concretas de los usuarios. Es ChatGPT quien interpreta el contexto y la intención de la conversación y los combina con otras señales —como la landing, el anuncio y los propios context hints— para decidir si existe relevancia.
Por tanto, el valor no está en “segmentar por una conversación concreta”.
Está en enseñar al sistema en qué tipo de situaciones queremos que nuestra solución sea considerada.
Y eso encaja perfectamente con cómo funciona una búsqueda conversacional: el usuario puede explicar qué le ocurre, qué quiere conseguir, qué le preocupa, qué ha descartado ya o qué condiciones debe cumplir la solución.
Por eso ChatGPT Ads no es interesante únicamente como un nuevo canal publicitario.
Es interesante porque evidencia un cambio más profundo:
pasamos de competir por palabras a intentar ser relevantes dentro de situaciones.
Y ahí es donde SEO y paid empiezan a acercarse conceptualmente.
En paid, el anunciante describe las situaciones en las que quiere ser relevante mediante anuncios, landings y context hints.
En orgánico, no existe ese campo que podamos rellenar.
El reto es otro: conseguir que la web, el Perfil de Empresa de Google y sus reseñas, los casos, los profesionales, los directorios y las menciones externas permitan a Google y a las IA deducir por sí mismos:
qué problemas resolvemos, para quién, en qué situaciones y con qué evidencias.
En otras palabras:
en paid declaramos el contexto.
En orgánico tenemos que demostrarlo.
Y esa diferencia es, probablemente, una de las claves para entender cómo cambia el trabajo SEO en un entorno de búsqueda cada vez más conversacional.
De “implantes dentales Madrid” a explicar el problema
Una búsqueda tradicional puede ser: «implantes dentales Madrid»
Pero una persona puede expresar su necesidad así: «Tengo 45 años, me falta un diente delantero, no quiero que el resultado parezca artificial y además me da miedo que el tratamiento me duela.»
La necesidad puede terminar conduciendo al mismo servicio.
Pero la segunda consulta contiene mucha más información:
- existe un problema;
- ocurre en una situación concreta;
- hay un resultado deseado;
- existen miedos y restricciones;
- y todavía hay que determinar qué solución es adecuada.
Por eso uno de los mayores cambios que introduce la búsqueda conversacional es pasar de preguntarnos: ¿Para qué keywords quiero aparecer? a: ¿En qué situaciones quiero que mi negocio sea considerado una buena solución?
La keyword no desaparece, pero el contexto que la rodea empieza a importar mucho más.
Meliá ya está intentando captar ese contexto antes de la búsqueda transaccional
Y esta lógica no es exclusiva de ChatGPT Ads.
Google está avanzando en la misma dirección, aunque con mecanismos diferentes.
El caso de Meliá Hotels con IA Max lo demuestra muy bien.
Aquí no existen context hints proporcionados por el anunciante. Google utiliza sus propios sistemas de matching para ampliar el alcance más allá de las keywords originales, combinando broad match, tecnología keywordless, señales en tiempo real, creatividades y contenido de las URLs para identificar consultas con potencial que antes podían pasar desapercibidas. También puede adaptar el mensaje del anuncio y seleccionar la landing que considera más relevante para la intención detectada.
Meliá explica que una de esas oportunidades estaba precisamente en búsquedas aparentemente informativas como:
“Itinerario de 5 días en Punta Cana”
Tradicionalmente, una consulta así podía descartarse por considerarse demasiado alejada de la reserva.
Con IA Max, Meliá intenta detectar si detrás de esa búsqueda existe realmente una intención de viaje y entrar antes en el proceso de decisión.
Por tanto, ChatGPT Ads e IA Max no funcionan igual, pero apuntan al mismo cambio:
dejar de depender únicamente de la keyword explícita para intentar comprender la intención que existe detrás.
En ChatGPT Ads, el anunciante ayuda a describir los contextos en los que su oferta tiene sentido.
En IA Max, Google intenta descubrir esa intención ampliando el matching y utilizando señales, contenido y comportamiento para identificar oportunidades que la keyword tradicional podía dejar fuera.
Y ahí aparece la enseñanza común: la oportunidad ya no empieza cuando el usuario formula una búsqueda transaccional perfecta; empieza cuando el sistema consigue reconocer una necesidad con potencial de decisión.
Esto cuestiona una simplificación que hemos utilizado mucho:
- informacional = lejos de la conversión
- transaccional = cerca de la conversión.
No siempre funciona así.
Una persona preguntando cómo organizar cinco días en Punta Cana puede estar muy cerca de reservar. Otra que busque “hotel Punta Cana” puede estar simplemente comparando precios sin intención inmediata de viajar.
La keyword aporta información. El contexto ayuda a interpretar mejor la necesidad que existe detrás.
Y eso no afecta únicamente al paid. También cambia cómo debemos construir nuestro ecosistema orgánico.
La IA no tiene por qué buscar exactamente lo que pregunta el usuario
Aquí aparece otro cambio especialmente importante: el query fan-out.
Cuando el usuario hace una consulta compleja, los sistemas de IA pueden descomponerla en varias búsquedas antes de construir una respuesta.
No necesariamente buscan literalmente la pregunta en las distintas webs. Comienzan a investigar consultas relacionadas en paralelo. El contenido recopilado describe precisamente este comportamiento del usuario y muestra cómo una sola consulta puede generar varias sub-búsquedas distintas.
Volvamos al ejemplo: «Tengo un diente delantero perdido, quiero que quede natural y me preocupa que un implante sea doloroso.»
Para construir una respuesta, un sistema podría necesitar resolver cuestiones diferentes:
- opciones para sustituir un diente delantero;
- implante frente a otras alternativas;
- resultados estéticos;
- dolor y recuperación;
- profesionales o clínicas;
- experiencias de otros pacientes.
Eso cambia bastante nuestra forma de pensar el contenido.
Porque ya no optimizamos únicamente para la pregunta que formula el usuario.
Tenemos que ser relevantes también para las preguntas relacionados que el sistema necesita resolver para poder contestarle y ampliar con las cuestiones follow up. Y eso difícilmente se consigue con una única landing.
Del keyword research al mapa de necesidades
No creo que tengamos que abandonar el modelo tradicional: keyword → volumen → intención → URL
Pero sí complementarlo con otro modelo:
Detonante → Objetivo → Condicionantes → Solución → Evidencia → Entidad
La diferencia es importante.
Antes preguntábamos: ¿Qué página necesito para esta keyword?
Ahora también deberíamos preguntarnos: ¿Qué necesita entender un buscador o una IA para considerar mi negocio una buena respuesta a este problema?
¿De dónde obtiene una IA esa información?
Una IA no puede leer los WhatsApp privados de nuestros clientes, escuchar nuestras llamadas comerciales o acceder a los formularios que recibimos. Tiene que reconstruir el negocio a partir de información pública y accesible.
En un negocio local, los principales activos tampoco son infinitos.
Fundamentalmente hablamos de:
- la web;
- el Perfil de Empresa de Google
- las reseñas;
- directorios y plataformas sectoriales;
Cada uno cumple una función distinta.
La web: explicar qué hacemos y en qué situaciones podemos ayudar
La web es el activo sobre el que tenemos mayor control. Pero no hablamos únicamente de las páginas transaccionales.
También forman parte de ella;
- casos reales;
- blog;
- preguntas frecuentes;
- profesionales, quienes somos;
- ubicaciones;
- contacto.
Una página sobre implantes que únicamente diga:
“Implantes dentales en Madrid. Somos especialistas en implantología.”
explica poco sobre cuándo puede tener sentido ese servicio.
Podría desarrollarse también:
- qué sucede cuando se pierde una pieza;
- qué opciones existen;
- qué ocurre cuando afecta a una zona visible;
- qué preocupaciones suelen aparecer;
- qué alternativas pueden valorarse;
- qué profesional realiza el tratamiento.
- la experiencia de otros pacientes y dónde se lo han realizado
De esa forma dejamos de trabajar alrededor de una keyword y al generar contenidos de forma transversal más allá de las páginas de servicio trabajamos todo el contexto que hace que la IA nos pueda elegir cuando comienzo el proceso de las query fan out
El Perfil de Empresa de Google: entender el negocio y escuchar a sus clientes
El Perfil de Empresa aporta información fundamental:
- categoría;
- ubicación;
- servicios;
- horarios;
- fotografías;
- atributos;
- productos;
- información comercial.
Y dentro de ese mismo ecosistema tenemos las reseñas, que aportan una capa de información diferente. El negocio puede escribir: «Realizamos tratamientos de implantología.» , mientras que un paciente puede decir: «Había perdido un diente delantero y me preocupaba muchísimo que el resultado se notara.»
El primero describe un servicio, pero el segundo describe: problema + situación + preocupación + experiencia. Por eso las reseñas pueden convertirse en una fuente extraordinariamente rica de contexto.
Directorios, plataformas y menciones: lo que otros dicen sobre ti
Aquí entra otra de las ideas más relevantes de la búsqueda con IA.
Los modelos no construyen necesariamente sus respuestas únicamente con la información de nuestra web.
Los datos recopilados por LLM Pulse muestran entre las fuentes más citadas plataformas como YouTube, Google, Reddit, Facebook, Instagram, LinkedIn o Trustpilot. El patrón cambia según plataforma, sector y momento, pero deja una conclusión importante: la información de terceros también participa en la construcción de las respuestas.
Eso no significa que “la web ya no importe”.
Significa que el negocio no controla toda la información que una IA puede utilizar para comprenderlo.
Por eso cobran importancia:
- directorios;
- asociaciones;
- publicaciones;
- medios;
- plataformas sectoriales;
- vídeos;
- redes públicas;
- menciones de marca.
La empresa puede decir: Somos especialistas en X, pero esa afirmación gana fuerza cuando otras fuentes públicas también relacionan de manera consistente:
marca + servicio + profesionales + ubicación + experiencia.
Todo debe contar la misma realidad
Aquí está para mí el trabajo realmente interesante.
No necesitamos que todos los activos repitan exactamente el mismo texto.
Necesitamos que todos describan la misma entidad desde perspectivas diferentes.
Por ejemplo:
Página transaccional
Implantes dentales para sustituir piezas perdidas.
Contenido informativo
Qué opciones existen cuando has perdido un diente delantero.
Caso real
Paciente con pérdida de incisivo y preocupación por conseguir un resultado natural.
Profesional
Odontólogo especializado en implantología y rehabilitación oral.
Perfil de Empresa de Google
Clínica dental, servicios de implantología, ubicación y fotografías coherentes con la actividad.
Reseña dentro de la ficha
“Había perdido un diente que se veía muchísimo y tenía miedo de que el implante quedara artificial…”
Directorio profesional
Confirma clínica, profesional, ubicación y especialidad.
Ya no tenemos simplemente:
una página optimizada para “implantes dentales Madrid”.
Tenemos un conjunto de evidencias relacionadas entre sí.
Y eso hace mucho más fácil comprender:
- quién presta el servicio;
- qué problema resuelve;
- en qué situaciones;
- dónde;
- con qué experiencia;
- y qué dicen otras personas sobre ello.
El enlazado interno también ayuda a construir esas relaciones
El enlazado interno siempre ha ayudado a:
- descubrir páginas;
- distribuir autoridad;
- establecer jerarquías.
Pero también podemos utilizarlo para expresar relaciones.
Por ejemplo: He perdido un diente: ¿qué opciones tengo? enlaza a la página de servicios «Implantes dentales» que enlaza con un caso de éxito de un paciente con pérdida de incisivo y con el profesional responsable del tratamiento. Todo pertenece además a: una determinada clínica ubicada en Madrid.
No estamos conectando simplemente URLs. Estamos conectando:
Detonante → Objetivo → Condicionantes → Solución → Evidencia → Entidad
Y si a esto incorporamos el schema mejor que mejor.
La autoridad importa porque las respuestas de IA no son estables
Aquí aparece otra diferencia importante respecto al SEO tradicional.
En Google estamos acostumbrados a hablar de posiciones.
Estoy tercero.
He subido de cinco a dos.
Las respuestas generativas funcionan de otra manera.
SparkToro y Gumshoe realizaron un experimento con 600 participantes y casi 3.000 ejecuciones. Encontraron una elevada variabilidad cuando se repetían las mismas consultas: las listas de marcas recomendadas rara vez coincidían exactamente.
Aunque las respuestas de IA son muy variables, algunas marcas aparecen de forma recurrente. En el estudio citado por Seopatía, las marcas líderes estaban presentes en el 55 %–77 % de las respuestas en categorías consolidadas. Por eso, más que medir una posición concreta, tiene más sentido medir la frecuencia de aparición de la marca a lo largo de múltiples prompts y ejecuciones.
Porque el objetivo no puede ser simplemente conseguir “ganar un prompt”.
Tenemos que construir suficiente presencia, relevancia y autoridad alrededor de una temática para tener posibilidades de aparecer aunque el usuario formule su necesidad de maneras diferentes.
Una landing puede ser relevante para una búsqueda concreta.
Un ecosistema coherente puede conseguir que una entidad sea reconocida alrededor de un conjunto mucho más amplio de situaciones.
Paid y orgánico siguen siendo trabajos diferentes
ChatGPT Ads permite comprar visibilidad dentro de ese nuevo contexto conversacional.
Pero pagar no significa que ChatGPT vaya a recomendar orgánicamente a la misma empresa.
OpenAI mantiene separados anuncios y respuestas orgánicas, y señala que la publicidad no influye en lo que responde el modelo.
Los datos recogidos por LLM Pulse refuerzan esa separación: solo una pequeña proporción de los anuncios analizados apuntaba al mismo dominio que la respuesta citaba orgánicamente.
Podemos resumirlo así:
Paid compra presencia.
Pero no compra que el sistema comprenda:
- quién eres;
- qué problemas resuelves;
- qué experiencia tienes;
- ni en qué situaciones deberías ser considerado.
Ese trabajo sigue siendo orgánico.
Y como las respuestas de IA pueden variar continuamente, el objetivo no debería ser conseguir una respuesta concreta.
Debería ser construir suficiente relevancia, presencia y autoridad para formar parte de la respuesta una y otra vez, aunque cambie la forma en que el usuario formule la pregunta.



