Pensar en entidades, no solo en palabras clave

Una entidad es un objeto identificable del mundo real —una persona, una marca, un lugar, un producto, un concepto— que los motores de búsqueda y las IA generativas reconocen y conectan entre sí, independientemente de las palabras exactas usadas para describirlos. Pensar en entidades en lugar de en palabras clave aisladas cambia la forma de organizar un contenido, y se vuelve central cuando ese contenido también debe ser comprendido por un motor generativo.

Una entidad, en concreto

Vurto es una entidad (una marca). París es una entidad (un lugar). Google Search Console es una entidad (un producto). La optimización para IA generativa es una entidad (un concepto), igual que su abreviatura más extendida, GEO. Una palabra clave, en cambio, es solo una cadena de caracteres: «GEO» y «optimización para IA generativa» son dos palabras clave distintas, pero pueden remitir a la misma entidad si el motor logra establecer la equivalencia.

Es esta capacidad de conectar varias formulaciones con un mismo objeto lo que distingue una búsqueda basada en palabras clave de una búsqueda basada en entidades: Google (a través de su Knowledge Graph desde 2012) y los modelos de lenguaje que impulsan ChatGPT o Claude ya no buscan solo coincidencias textuales, buscan identificar de qué se está hablando.

El grafo de conocimiento: conectar las entidades entre sí

Un grafo de conocimiento asocia a cada entidad unos atributos (una marca tiene un sector, una fecha de fundación, productos) y unas relaciones con otras entidades (una marca pertenece a un sector, compite con otras marcas, tiene sede en un lugar). Cuando un motor procesa una búsqueda, no se limita a buscar las palabras que la componen: intenta vincularla a una o varias entidades de su grafo, y luego va a buscar las entidades relacionadas que pueden enriquecer la respuesta.

Este es el mecanismo que explica por qué una búsqueda sobre una marca de nicho suele mostrar, a un lado o al final de la página, a sus competidores, su sector o productos asociados: el motor navega por el grafo, no solo por un índice de palabras.

Tomemos un ejemplo: una búsqueda sobre «Claude» puede referirse a un nombre propio, a un emperador romano o a un modelo de IA desarrollado por Anthropic. El motor resuelve esta ambigüedad gracias al contexto —las demás palabras de la búsqueda, el historial de navegación, la popularidad relativa de cada entidad— y asocia la búsqueda a la entidad más probable incluso antes de buscar páginas que mostrar. Un contenido que nunca precisa explícitamente de qué entidad está hablando complica esta desambiguación, en perjuicio de su propia visibilidad.

Por qué las palabras clave solas ya no bastan

Una estrategia de contenidos construida únicamente sobre listas de palabras clave aisladas suele producir páginas redundantes: varias páginas parecidas que apuntan a variantes de la misma palabra, sin un valor añadido real entre ellas. Una estrategia construida sobre entidades agrupa de forma natural estas variantes en torno a un mismo tema tratado en profundidad, lo que reduce la canibalización y facilita que el motor comprenda el tema.

También es un cambio de escala: en lugar de preguntarse «qué palabra clave debo trabajar», la pregunta pasa a ser «qué entidades debe cubrir mi contenido, y cómo las conecto entre sí de forma explícita». Un ejemplo con cifras: un sitio que publica doce páginas distintas sobre variantes de la palabra «GEO» sin enlazarlas entre sí diluye su autoridad en doce URL que compiten entre ellas en lugar de concentrarla en una sola entidad claramente establecida —un escenario de canibalización frecuente en sitios que todavía razonan solo en palabras clave.

Lo que esto cambia para la redacción

En la práctica, pensar en entidades implica:

• Nombrar explícitamente las entidades importantes en lugar de recurrir a pronombres o perífrasis a lo largo de todo un artículo («ese tipo de herramienta» en vez de repetir «Google Search Console»).
• Establecer con claridad las relaciones entre entidades: decir que una herramienta pertenece a una categoría, que un método es una alternativa a otro, que un concepto es un subconjunto de otro.
• Mantener coherencia en la terminología usada para nombrar una misma entidad en todo un sitio, en lugar de alternar sinónimos que difuminan la asociación.
• Estructurar el contenido de forma que una entidad central se trate en profundidad en un solo lugar, con enlaces hacia las entidades relacionadas —exactamente el principio que sustenta la arquitectura Hub & Spoke.

Un ejemplo aplicado al enlazado interno

En la práctica, en un clúster de contenidos dedicado al SEO, la entidad «Google Search Console» debería nombrarse de forma idéntica en cada página que la mencione, con un enlace hacia la página que la trata en profundidad en lugar de una definición distinta cada vez. Por el contrario, llamar a esta herramienta unas veces «Search Console», otras «la consola de búsqueda de Google», otras «GSC» sin establecer nunca explícitamente la equivalencia dificulta el trabajo de asociación para un motor que debe decidir si estas tres menciones se refieren realmente a lo mismo.

Entidades y GEO: un desafío aún más directo

Para un motor de búsqueda clásico, identificar mal una entidad cuesta un peor posicionamiento. Para un motor generativo, puede costar una cita entera: si el modelo no logra vincular tu contenido con la entidad que intenta describir en su respuesta, simplemente irá a buscar esa información a otra parte. La estructuración de un artículo para GEO y la producción de contenido GEO-ready se apoyan en gran medida en esta claridad entidad por entidad.

El vocabulario completo de estas nociones —entidad, grafo de conocimiento y los demás términos del GEO— está reunido en el glosario del GEO y la IA generativa, útil para comprobar una definición mientras redactas.