Claves Reveladoras para Optimizar Contenido en Modelos de Lenguaje Grande: Un Análisis Profundo

Introducción

En la era del aprendizaje automático, los Modelos de Lenguaje Grande (LLMs) como ChatGPT, Perplexity y Gemini están revolucionando la forma en que interactuamos con la información. Con millones de usuarios confiando en estas plataformas para sus búsquedas, es esencial comprender cómo optimizar su presencia en estas plataformas. Una investigación reciente realizada por Qwairy.co ofrece insights sorprendentes y estratégicos para mejorar su estrategia de contenido.

El Auge del GEO: Optimización del Motor Generativo

La optimización del motor generativo (GEO) se está convirtiendo en una disciplina crucial para las marcas que buscan aumentar su visibilidad en los LLMs. Sin embargo, la pregunta sigue siendo: ¿Cómo seleccionan los LLMs el contenido y las marcas que citan en sus respuestas? Para responder a esto, Qwairy.co analizó 32,961 consultas recogidas de tres LLMs, revelando nueve estadísticas clave.

1. La Longitud de las Respuestas Difieren en los LLMs

Una comparación entre los LLMs muestra que la longitud de las respuestas varía significativamente. Gemini tiende a proporcionar respuestas más largas mientras que SearchGPT favorece las respuestas más concisas. Por lo tanto, adaptar la longitud de su contenido a las preferencias de cada LLM puede mejorar su visibilidad.

2. Gemini Tiende a Citar Más Marcas

Gemini supera a sus competidores en términos de menciones de marca, proporcionando más oportunidades para las marcas, especialmente para aquellas con menos reconocimiento nacional. Las marcas desafiantes pueden encontrar en Gemini su mejor punto de entrada en los LLMs.

3. Los LLMs Prefieren Listas Estructuradas

El 99% de las respuestas analizadas utilizan listas estructuradas con guiones para presentar la información. Esto indica que los LLMs valoran el contenido que es claro, legible y visualmente estructurado. Por lo tanto, la utilización de listas y la estructuración clara de las ideas puede mejorar su visibilidad en los LLMs.

4. Wikipedia es la Fuente Principal para los LLMs

Wikipedia es la fuente más citada en las respuestas generadas por los LLMs, seguida de otras plataformas confiables y bien estructuradas como Trustpilot, LeMonde.fr y Google Maps. Por lo tanto, obtener una presencia en estas plataformas puede aumentar las posibilidades de ser citado en las respuestas de LLM.

5. Los Verbos Incitativos son Comunes en las Respuestas de LLM

Los LLMs no sólo informan, sino que también incitan a la acción. Más de un cuarto de las respuestas contenían verbos incitativos como "descubra" y "pruebe". Esto sugiere que adoptar un tono persuasivo puede ser beneficioso.

6. El Formato Visual Afecta la Visibilidad en los LLMs

El estudio reveló que la mayoría de las respuestas contienen al menos un elemento en forma de lista y que los párrafos suelen ser cortos. Esto indica que los LLMs prefieren bloques de texto aireados, una estructura lógica y fácil de escanear y un tono directo y fluido.

7. Las Fuentes Citadas Son Numerosas Pero Poco Utilizadas

Aunque el estudio identificó 59,992 fuentes únicas utilizadas en las respuestas generadas por los LLMs, muy pocas de estas fuentes se usaban regularmente. Esto sugiere que incluso los sitios no autoritarios tienen la oportunidad de ser citados por los LLMs.

8. Los LLMs Tienen Diferentes Preferencias de Fuentes

Cada LLM tiene sus propias preferencias en cuanto a fuentes. Por ejemplo, ChatGPT favorece Wikipedia y sitios de reseñas, Perplexity se inclina hacia los videos de YouTube y el contenido técnico, mientras que Gemini prefiere las plataformas de alta autoridad y los sitios públicos. Este hallazgo sugiere que las estrategias de contenido y enlace deben adaptarse a cada motor de IA.

9. Los Slugs de URL Contienen Palabras Clave Específicas

El análisis de las URL utilizadas como fuentes por los LLMs reveló la presencia frecuente de palabras clave específicas en los slugs. Este hallazgo puede guiar la selección de palabras clave al desarrollar su estrategia de contenido.

Conclusión

Entender cómo los LLMs seleccionan y presentan el contenido es esencial para optimizar su visibilidad en estas plataformas. La adaptación de su estrategia de contenido a las preferencias específicas de cada LLM, desde la longitud de las respuestas hasta las fuentes preferidas, puede ser la clave para mejorar su presencia en la era del aprendizaje automático.