El GEO local, o cómo la geografía vuelve a ser una palanca de visibilidad en IA
Un artesano en Lyon escribe «mejor fontanero cerca de mí» en ChatGPT. El SEO local no desaparece con los LLM, pero su mecánica cambia: la geografía se convierte en un filtro semántico antes de ser un filtro de proximidad. Así es como los motores generativos reconstruyen el contexto local, y esto es lo que realmente marca la diferencia para ser citado.
Un artesano en Lyon escribe "mejor fontanero cerca de mí" en ChatGPT. Una expatriada busca "dónde comer vegano en el distrito 11" en Perplexity. Un comprador B2B le pregunta a Gemini qué integrador de CRM con sede en Lille puede intervenir en menos de 48 horas. Tres consultas, un punto en común: esperan una respuesta anclada en un territorio concreto.
El SEO local existe desde hace quince años. Ficha de Google Business, reseñas de clientes, citas NAP coherentes, páginas de ciudad. Todo ese know-how no desaparece con los LLM. Pero su mecánica cambia. Un motor de búsqueda clásico cruza vuestra posición geolocalizada con un índice de resultados cercanos. Un LLM, en cambio, tiene que entender el contexto local a partir del texto, reformular la consulta y elegir fuentes que citar. La geografía se convierte en un filtro semántico antes de ser un filtro de proximidad.
Por qué la localización vuelve a salir a la superficie con los LLM
Los motores generativos procesan una consulta local descomponiéndola. "Mejor fontanero cerca de mí" se convierte en una serie de subconsultas: qué tipo de servicio se pide, qué zona geográfica cubre "cerca de mí", qué criterios definen "mejor" (reseñas, disponibilidad, precios, especialidad). Esta descomposición en fan-out queries favorece a las empresas cuyo contenido responde directamente a cada una de esas subpreguntas, en lugar de a las que se limitan a una ficha con la dirección.
ChatGPT, Perplexity y Gemini no tienen todos el mismo nivel de precisión geográfica. Perplexity se apoya mucho en fuentes web recientes y cita con gusto directorios locales, artículos de prensa regional, foros de barrio. ChatGPT, cuando activa la búsqueda web, prefiere páginas que expresan claramente su área de influencia en el texto, no solo en los metadatos. Gemini, conectado al ecosistema de Google, todavía se apoya en el Perfil de Negocio y en las reseñas, pero reformula la respuesta con sus propias palabras, lo que diluye el enlace directo a vuestra ficha.
Resultado: una empresa local bien posicionada en Google Maps puede seguir siendo invisible en una respuesta de ChatGPT si su sitio nunca dice explícitamente "trabajamos en Villeurbanne, Vénissieux y Caluire" en un texto legible por una IA.
Cómo los LLM reconstruyen el contexto local
Un LLM no sabe dónde estáis, a menos que la aplicación se lo indique. Por tanto, trabaja con las señales geográficas explícitas que contienen la consulta y las fuentes. Cuentan tres tipos de señales.
La primera son las menciones textuales de zona. Una página que enumera "París, Boulogne-Billancourt, Neuilly-sur-Seine" en letras, en una frase normal, tiene más probabilidades de asociarse a esas ciudades que una página que se limita a un código postal en el pie de página.
La segunda son las fuentes de terceros que confirman la presencia local. Un artículo de prensa regional, una ficha de directorio profesional, una reseña de Google fechada y localizada, una mención en un foro tipo Reddit o en un grupo local de Facebook. Los LLM ponderan la coherencia entre varias fuentes independientes más que un único sitio que se autoproclama experto local.
La tercera son los datos estructurados. El esquema LocalBusiness sigue siendo leído por los motores generativos que rastrean el HTML en bruto, siempre que la página no esté renderizada completamente en JavaScript del lado del cliente. Una dirección, un horario, un área de servicio declarados en JSON-LD dan a la IA una señal limpia, sin ambigüedad de interpretación.
Lo que realmente marca la diferencia
Muchas empresas locales piensan que basta con una página por ciudad. Es un error que ya ha costado caro en el SEO clásico, y que cuesta aún más en el GEO. Una página "fontanero en Villeurbanne" que copia el contenido de "fontanero en Vénissieux" cambiando solo el nombre de la ciudad no aporta ninguna información nueva. Un LLM que compara varias fuentes detecta esa duplicación y prefiere una fuente que describa un arraigo local real: un número de teléfono local activo, un testimonio de cliente con nombre, una intervención reciente contada con detalles verificables.
El contenido que funciona responde a preguntas locales precisas. No "nuestros servicios de fontanería" sino "cuánto cuesta desatascar una tubería en Lyon en 2026" o "cuál es el tiempo medio de intervención de un fontanero en el distrito 6". Este nivel de granularidad corresponde a lo que las fan-out queries de los LLM intentan cubrir.
La prensa local y los directorios especializados desempeñan un papel desproporcionado. Un artículo en Le Progrès que menciona vuestra empresa pesa a menudo más, a ojos de un LLM, que una página de vuestro propio sitio optimizada para la palabra clave. La razón es sencilla: una fuente independiente de terceros se percibe como más fiable que una autodeclaración. Las empresas que invierten en relaciones con la prensa local y en alianzas con directorios sectoriales construyen, sin saberlo, un capital de GEO local.
Así es como ambas disciplinas se solapan y divergen:
| Palanca | SEO local | GEO local |
|---|---|---|
| Ficha de Google Business | Señal de ranking directa en Maps | Señal secundaria, reutilizada sobre todo por Gemini |
| Reseñas de clientes | Influye en el ranking y en el CTR | Fuente de prueba social citada en la respuesta generada |
| Páginas de ciudad duplicadas | Tolerado si está ligeramente diferenciado | Penaliza, detectado como contenido hueco |
| Prensa local y directorios | Útil para el netlinking | Fuente de terceros que el LLM cita para dar credibilidad |
| Datos estructurados LocalBusiness | Opcional, ayuda al rich snippet | Señal clave si el sitio es legible sin JavaScript |
| Proximidad geográfica real | Factor de ranking directo (IP, GPS) | Ausente salvo que la app transmita la ubicación a la IA |
Las trampas que hay que evitar
La primera trampa es creer que la ficha de Google Business todavía basta para cubrirlo todo. Sigue siendo indispensable para Maps y para Gemini, pero no la leen del mismo modo ChatGPT o Perplexity, que se apoyan más en la web abierta.
La segunda trampa es la sobreoptimización por ciudad. Generar cincuenta páginas automáticas para cincuenta municipios colindantes produce un contenido que los LLM identifican como spam programático. Es mejor tener diez páginas que cuenten una realidad local precisa que cincuenta páginas huecas.
La tercera trampa es olvidar que la actualidad importa. Una reseña de hace tres años, un artículo de 2021, una dirección que ha cambiado sin actualizarse: los LLM que priorizan fuentes recientes descartan estas señales en favor de competidores más actualizados, aunque sean modestos.
La última trampa es tratar el GEO local como un proyecto puntual. La visibilidad en las respuestas generativas se construye con el tiempo, mediante la acumulación de menciones coherentes en toda la web: sitio propio, prensa, directorios, reseñas, redes sociales locales. Una auditoría única no basta. Hace falta una monitorización que compruebe, consulta tras consulta, cómo devuelve cada LLM vuestra presencia local.
Vurto vigila precisamente lo que ChatGPT, Gemini, Perplexity y Claude responden sobre vuestra empresa, ciudad por ciudad, y señala las zonas en las que vuestra presencia local sigue siendo invisible a ojos de las IA.