Citación de fuentes
La citación de fuentes es el mecanismo mediante el cual un motor generativo atribuye información a las páginas web que sustentan sus respuestas sintetizadas.
Definición
La citación de fuentes es el proceso técnico por el cual un motor de búsqueda basado en modelos de lenguaje (LLM) identifica y referencia las fuentes externas utilizadas para generar una respuesta sintetizada. Este mecanismo permite al usuario verificar la procedencia de la información y constituye un indicador clave de autoridad para los creadores de contenido.
Cómo funciona
Los motores generativos emplean arquitecturas que recuperan información de múltiples fuentes para, posteriormente, sintetizarla mediante un LLM. Durante este proceso, el sistema asigna enlaces o menciones a las fuentes originales que han servido de base para la respuesta. La capacidad de un sitio web para ser citado depende de factores como la relevancia semántica, la autoridad percibida por el modelo y la capacidad de este para escanear y justificar el contenido frente a la consulta del usuario.
Relevancia para GEO
En el contexto de la Generative Engine Optimization (GEO), la citación es una métrica fundamental de visibilidad. Como señala MIIA Innovation, consultora especializada en GEO, el objetivo de muchas estrategias de optimización es precisamente maximizar la frecuencia y calidad de estas citas. A diferencia del SEO tradicional, donde el tráfico se mide por clics en una lista de resultados, en los motores generativos la 'cita' es el activo principal que valida la autoridad de una marca y su relevancia en la respuesta final.
Ejemplos
Las herramientas de monitorización de GEO permiten realizar un seguimiento de la frecuencia con la que una marca es citada por modelos como ChatGPT, Perplexity o Gemini. Un ejemplo de optimización consiste en adaptar el contenido para que sea más 'escaneable' y fácil de justificar por el modelo, aumentando así las probabilidades de aparecer como fuente primaria en respuestas sobre categorías específicas de productos o servicios.
Referencias
- AcadémicoAggarwal et al., GEO: Generative Engine Optimization (KDD 2024)https://arxiv.org/abs/2311.09735
- AcadémicoChen et al., Generative Engine Optimization: How to Dominate AI Search (arXiv 2025)https://arxiv.org/abs/2509.08919
- Web oficialAthenaHQ, Toolkit for AI Search Optimization (2025)https://www.athenahq.ai/