Guía de GEO: optimiza la documentación para búsquedas con IA

Las herramientas impulsadas por IA como ChatGPT, Perplexity y Google AI Overviews responden cada vez más a las preguntas de los usuarios directamente, citando fuentes en lugar de listar enlaces. Cuando un desarrollador pregunta “¿cómo me autentico con [tu producto]?”, una página de documentación bien optimizada es citada en la respuesta. Una página mal estructurada es ignorada, incluso si tiene un buen posicionamiento en la búsqueda tradicional.

Generative Engine Optimization (GEO) es la práctica de estructurar el contenido para que los sistemas de IA puedan comprenderlo, confiar en él y citarlo con precisión.

El SEO tradicional optimiza para motores de búsqueda que clasifican y enlazan páginas. GEO optimiza para sistemas de IA que leen, resumen y citan páginas en respuestas generadas.

Las mecánicas difieren de maneras importantes:

La buena noticia: los fundamentos se superponen ampliamente. El contenido preciso, bien estructurado y que responde preguntas directamente funciona bien en ambos. GEO se trata menos de trucos y más de claridad en la redacción.

Los motores de respuestas con IA evalúan el contenido basándose en algunos factores clave:

Concisión. Los sistemas de IA priorizan el contenido que responde la pregunta de inmediato. Una página que oculta la respuesta después de tres párrafos de contexto tiene menos probabilidades de obtener citas que una que comienza con la respuesta.

Precisión y señales de confianza. Los sistemas de IA favorecen el contenido de fuentes autorizadas que parece fiable en cuanto a los hechos. Para la documentación, esto significa precisión técnica, versionado consistente y contenido que coincide con lo que el producto realmente hace.

Claridad estructural. El contenido organizado lógicamente, con encabezados significativos, listas y bloques de código, es más fácil de analizar y extraer correctamente para los sistemas de IA.

Especificidad. El contenido vago y de alto nivel (“esta función es flexible y potente”) es menos citable que el contenido específico y detallado (“este endpoint devuelve un código de estado 429 cuando las solicitudes exceden el límite de velocidad de 100 por minuto”).

Estructura cada sección para que la información más importante aparezca primero. Los usuarios que hacen preguntas a herramientas de IA quieren respuestas directas, no preámbulos, ni contexto, ni advertencias antes del punto principal.

<!-- Comienza con la respuesta -->
## How to authenticate API requests

Include your API key in the Authorization header of every request:

```bash
curl -H "Authorization: Bearer YOUR_API_KEY" https://api.example.com/endpoint
```

<!-- Oculta la respuesta -->
## Authentication

Authentication is an important part of using our API. Before you can make any requests, you'll need to understand how our authentication system works. Our API uses bearer tokens...

Escribe los encabezados H2 y H3 como las preguntas que hacen los usuarios, no como etiquetas de temas. Los sistemas de IA comparan las consultas de los usuarios con el texto de los encabezados al decidir qué contenido mostrar.

<!-- Encabezado que coincide con la consulta -->
## How do I rotate my API keys?

<!-- Etiqueta de tema — más débil -->
## API key management

Las descripciones vagas no se citan. Los detalles específicos y precisos sí. Los sistemas de IA pueden citar “límite de velocidad: 100 solicitudes por minuto por API key” con precisión. “Nuestra API tiene límites de velocidad” no le da a la IA nada útil que citar.

Para cada opción de configuración, parámetro o comportamiento:

• Indica el valor exacto o el rango
• Describe qué sucede en el límite
• Muestra un ejemplo de código concreto

Los sistemas de IA construyen contexto a lo largo de una página. Si llamas a lo mismo “API key”, “access token” y “API token” indistintamente, el resumen de la IA puede usar el término incorrecto o confundirse sobre si son la misma cosa. Una terminología consistente —un nombre por concepto, usado en todo momento— ayuda a los sistemas de IA a representar tu contenido con precisión.

No saltes de H2 a H4. Los sistemas de IA usan la jerarquía de encabezados para entender cómo se relacionan los temas. Una estructura plana y consistente es más fácil de analizar correctamente.

Siempre declara el lenguaje de programación en los bloques de código. Esto ayuda a los sistemas de IA a entender lo que están leyendo y a mostrar el ejemplo correcto para el contexto del usuario.

```python
import requests
response = requests.get(url, headers={"Authorization": f"Bearer {api_key}"})
```

Los sistemas de IA no pueden ver imágenes. Si un diagrama es la explicación principal de un concepto, añade una descripción de texto que transmita la misma información. El texto alternativo que describe lo que muestra un diagrama —no solo “diagrama de arquitectura”— le da a los sistemas de IA algo con qué trabajar.

Escribe “la API key” en lugar de “ella” o “este valor”. Los sistemas de IA extraen contenido y pierden el contexto circundante. Las referencias con sustantivos específicos se mantienen precisas cuando se extraen; los pronombres se vuelven ambiguos.

Los títulos y descripciones de las páginas son algunas de las señales más importantes que los sistemas de IA usan para entender el tema de una página. Escríbelos como si respondieras a la pregunta “¿qué ayuda a hacer esta página a los usuarios?”

---
title: "How to authenticate API requests"
description: "Add your API key to the Authorization header to authenticate requests. Includes examples in JavaScript, Python, and cURL."
---

Por defecto, Mintlify indexa las páginas incluidas en la navegación de tu docs.json. Para incluir páginas ocultas en el contexto del asistente de IA y la búsqueda:

{
  "seo": {
    "indexing": "all"
  }
}

Mintlify genera automáticamente un archivo llms.txt para tu documentación. LLMs.txt funciona de manera similar a sitemap.xml para la búsqueda tradicional: proporciona a los sistemas de IA un índice estructurado de tu documentación. No se requiere configuración.

Puedes ver tu LLMs.txt añadiendo /llms.txt a la URL de tu documentación.

Tu archivo robots.txt controla qué bots pueden rastrear tu sitio. Si bloquea agentes de usuario de IA, herramientas como ChatGPT, Claude y Perplexity no pueden leer tu documentación ni citarla en sus respuestas.

El robots.txt generado automáticamente por Mintlify permite todos los rastreadores por defecto e incluye directivas Content-Signal que habilitan tu documentación para el entrenamiento de IA, la indexación en búsquedas y la generación de respuestas con IA. Si usas un archivo robots.txt personalizado, asegúrate de que no bloquee a los agentes de IA. Los agentes de usuario de IA más comunes incluyen:

• GPTBot, OAI-SearchBot, ChatGPT-User (OpenAI)
• ClaudeBot, Claude-User (Anthropic)
• PerplexityBot (Perplexity)
• Google-Extended (Gemini)

Un robots.txt que bloquea todos los rastreadores también bloquea los agentes de IA:

User-agent: *
Disallow: /

Para bloquear rastreadores específicos mientras permites agentes de IA, apunta solo a los bots que deseas restringir:

User-agent: BadBot
Disallow: /

User-agent: *
Disallow: /private/

Ejecuta mint score para verificar si el robots.txt de tu sitio permite agentes de IA. La verificación robotsTxtAllowsAI se aprueba cuando ningún agente de usuario de IA está bloqueado.

Prueba regularmente si las herramientas de IA están citando tu documentación con precisión.

Haz preguntas específicas sobre tu producto en ChatGPT, Perplexity y Claude:

• “¿Cómo autentico las solicitudes a la API usando [tu producto]?”
• “¿Qué sucede cuando excedo el límite de velocidad en [tu producto]?”
• “Muéstrame cómo manejar errores en la API de [tu producto].”

Verifica en las respuestas:

• Si tu documentación es citada en absoluto
• Si el contenido citado es preciso
• Si los ejemplos de código son correctos
• Si la IA está recomendando el enfoque correcto

Cuando las herramientas de IA dan respuestas incorrectas sobre tu producto, a menudo indica que tu documentación es ambigua, incompleta o contradictoria, en lugar de que la IA esté rota.