GEO es un paradigma completamente nuevo que ayudará a los creadores de contenido a optimizar su contenido para los motores de búsqueda de próxima generación, potenciados por modelos de lenguaje extenso (LLM). Con la llegada de los modelos de lenguaje extenso, ha surgido un nuevo tipo de motor de búsqueda que utiliza modelos generativos para recopilar y resumir información para responder a las consultas de los usuarios. Estos "motores generativos" pueden generar respuestas precisas y personalizadas, y están rápidamente reemplazando a los motores de búsqueda tradicionales, mejorando la utilidad para el usuario. Sin embargo, los motores generativos también presentan muchos desafíos para los creadores de contenido: * **Clasificación y visibilidad:** Evaluar el rendimiento de un sitio web en los motores de búsqueda tradicionales es sencillo; los sitios web se enumeran en orden de clasificación con el contenido original. Sin embargo, los motores generativos pueden generar respuestas ricas y estructuradas, generalmente incrustando citas en un bloque. Esto hace que los conceptos de clasificación y visibilidad sean muy sutiles y multifacéticos. * **Optimización del sitio web:** A diferencia de los motores de búsqueda, que cuentan con una gran cantidad de investigaciones para mejorar la visibilidad del sitio web, no está claro cómo optimizar la visibilidad en las respuestas de los motores generativos. * **Naturaleza de caja negra:** Debido a la naturaleza de caja negra de los motores generativos, los creadores de contenido tienen poco control sobre cuándo y cómo se muestra su contenido, lo que dificulta la optimización del contenido. Para abordar estos desafíos, proponemos GEO (Optimización para Motores Generativos), un paradigma completamente nuevo diseñado para ayudar a los creadores de contenido a mejorar la visibilidad de su contenido. Aportamos una variedad de métricas de impresión, puntos de referencia de evaluación y un conjunto de estrategias de optimización que otorgan a los creadores la capacidad de mejorar la visibilidad de su contenido en motores generativos comerciales ya implementados.