--- title: "Cómo posicionarse en Perplexity AI: un estudio de ingeniería inversa" description: "Analizamos 50 consultas de alto valor en Perplexity AI para descifrar su criterio. Por qué el top 10 de Google suele quedarse sin citas y cómo optimizar." url: "https://kodokalabs.com/es/intelligence-hub/search-intelligence/posicionarse-en-perplexity-ai/" language: es published: 2025-12-11 updated: 2026-11-07 --- # Cómo posicionarse en Perplexity AI: un estudio de ingeniería inversa ## El buscador ha muerto. Larga vida al motor de respuestas. Durante las dos últimas décadas, el objetivo del SEO era sencillo: estar entre los tres primeros de Google. Quien lo conseguía, se llevaba el tráfico. Pero en 2025 un nuevo actor ha cambiado las reglas de la visibilidad digital. [Perplexity AI](https://www.perplexity.ai/), y la ola de «motores de respuestas» que representa, no se comporta como Google. No le importan la velocidad a la que consigue enlaces, la antigüedad de su dominio ni la [densidad de palabras clave](../en/entity-salience-vs-keyword-density-why-nouns-matter-more.md) en el sentido en que importan a los algoritmos tradicionales. Le importan **la verdad, la utilidad y la citación.** En kōdōkalabs dejamos de especular sobre cómo funcionan estos motores y empezamos a probarlos. Realizamos un estudio interno con **50 consultas B2B y técnicas de alta intención** en Perplexity, Google SGE y la búsqueda estándar de Google. Los resultados fueron sorprendentes. La correlación entre «ser el número 1 en Google» y «ser citado en Perplexity» es mucho más débil de lo que el sector da por supuesto. Esta guía expone con exactitud lo que encontramos y ofrece un plano de trabajo para la **Answer Engine Optimization (AEO).** ## Parte 1: la metodología del estudio Para que nuestras conclusiones fueran aplicables a nuestros clientes (principalmente de los sectores B2B SaaS, fintech y grandes empresas), no probamos consultas genéricas de consumo como «la mejor pizzería cerca de mí». Nos centramos en la **recuperación de información compleja**, justo el tipo de consulta con la que Perplexity le quita cuota a Google. ### El conjunto de datos - **Tamaño de la muestra:** 50 consultas distintas. - **Verticales:** B2B SaaS («best crm for enterprise»), SEO técnico («how to fix hydration errors»), fintech («invoice factoring vs venture debt») y ciencia de datos («python pandas vs polars»). - **Plataforma:** Perplexity AI (modelo Pro, con los ajustes Claude 3 Opus y GPT-4o). ### Las variables medidas - **Solapamiento de citas:** ¿aparecían las fuentes citadas por Perplexity en el top 10 orgánico de Google? - **Tipo de fuente:** ¿era la fuente un blog, un foro (Reddit/Quora), una página de documentación o un medio de noticias? - **Formato del contenido:** ¿cuál era el formato estructural del texto citado (listado, definición directa, tabla de datos)? - **Actualidad:** ¿cómo de reciente era el contenido citado en comparación con el top 10 de Google? ## Parte 2: el hallazgo central, la «desconexión con Google» La conclusión más importante de nuestros datos es esta: **Perplexity no es un simple envoltorio de la API de Google.** ### Los datos: solo un 42 % de solapamiento En nuestro estudio, solo el **42 % de las citas principales** de las respuestas de Perplexity procedía de URL que ocupaban las tres primeras posiciones de la búsqueda orgánica de Google para la misma consulta. Más llamativo aún: el **28 % de las citas procedía de URL que ni siquiera estaban en la primera página de Google.** ### Por qué ocurre El algoritmo de Google se inclina con fuerza hacia la **autoridad de dominio (DA)** y los **perfiles de enlaces entrantes**. Eso suele empujar a los primeros puestos a agregadores genéricos (como G2, Capterra o Forbes Advisor), aunque su contenido sea superficial. Perplexity, en cambio, usa un LLM para evaluar la **relevancia semántica y la densidad de información** del contenido una vez recuperado. - **Escenario:** un usuario pregunta «How do I implement canonical tags in Next.js?». - **El primer resultado de Google:** una entrada genérica de un blog de SEO sobre «¿Qué es una etiqueta canonical?» (autoridad de dominio alta, especificidad baja). - **La cita de Perplexity:** una página concreta de la documentación de Vercel, o un blog de desarrolladores especializado que está en la página 3 de Google y contiene el fragmento de código exacto. **La conclusión:** no necesita superar a los gigantes en autoridad de dominio para ganar en Perplexity. Necesita superarlos en **especificidad**. ![Gráfico del estudio sobre cómo posicionarse en Perplexity AI: factores de posicionamiento de los motores de respuestas, sobre una vista isométrica oscura de edificios con trazos rojos](https://kodokalabs.com/assets/media/2025/12/kodokalabs-01-002-future-of-search-how-to-rank-in-perplexity-ai-ranking-factors-answer-engines-1024x439.webp) ## Parte 3: los factores de posicionamiento de los motores de respuestas A partir de nuestra ingeniería inversa, hemos identificado los cuatro pilares del algoritmo de citación de Perplexity. ### 1. Autoridad por encima de agregación Perplexity muestra un fuerte sesgo contra las granjas de contenido. En nuestras consultas de B2B SaaS, Google colocaba sistemáticamente en los primeros puestos a los sitios de comparativas (G2, Capterra). Perplexity, en cambio, los esquivaba con frecuencia a favor de: - **Documentación directa:** el propio centro de ayuda del software. - **Blogs de expertos especializados:** artículos de Substack o de Medium escritos por ingenieros verificados. - **Hilos de debate:** hilos de Reddit en los que los usuarios discutían el producto. **Acción:** deje de escribir comparativas «genéricas». Si quiere posicionarse para «X vs Y», debe aportar datos propios o pruebas de uso real que los agregadores no tienen. ### 2. El sesgo a favor de la «respuesta directa» Observamos una correlación enorme entre el **formato** y la citación. El LLM de Perplexity intenta construir un párrafo coherente. Busca textos de origen que se puedan «extraer» y sintetizar con facilidad. - **El que gana:** contenido que aplica **BLUF (Bottom Line Up Front)**, es decir, la conclusión por delante. - *Ejemplo:* «El factoring de facturas es una operación financiera en la que una empresa vende sus cuentas por cobrar a un tercero con descuento». (Claro, declarativo). - **El que pierde:** contenido que entierra lo esencial. - *Ejemplo:* «En el vertiginoso mundo financiero de hoy, muchos empresarios tienen problemas de liquidez…». (Paja). Acción: audite sus 20 páginas principales. ¿Empiezan con la respuesta o con una historia? Reescriba las introducciones de sus H2 como definiciones declarativas. ### 3. La actualidad es una «superseñal» En las consultas sobre tecnología o finanzas, Perplexity priorizó la actualidad bastante más que Google. En nuestras consultas sobre «bibliotecas de Python», Perplexity citó de forma constante artículos publicados en los últimos 6 meses, e ignoró las «guías definitivas» de 2021, con muchísimos enlaces, que dominan Google. **Acción:** si trabaja en un sector que se mueve deprisa, el «Content Decay» (la caducidad del contenido) es su enemigo. Debe implantar un ciclo mensual de actualización de sus contenidos técnicos clave. ### 4. Densidad matemática y de datos A Perplexity le encantan los números. En las consultas sobre tendencias o estadísticas, el motor citó casi exclusivamente fuentes que presentaban los datos en tablas o en listas con viñetas y porcentajes claros. Las afirmaciones vagas se ignoraron. ## Parte 4: la nueva estrategia, la «optimización de citas» ¿Cómo reorientar su estrategia para aprovechar estos hallazgos? Debe pasar de optimizar para «clics» a optimizar para «citas». Este es el **Citation Optimization Protocol** de kōdōkalabs: ### Paso 1: la auditoría de la «verdad objetiva» Perplexity es un motor diseñado para encontrar la verdad. Revise su contenido. ¿Está lleno de paja de marketing («best-in-class», «revolucionario»)? Los LLM están entrenados para detectar el lenguaje comercial y restarle peso. **La solución:** sustituya los adjetivos por sustantivos y números. - *Antes:* «Ofrecemos una solución rápida». - *Después:* «Nuestra API procesa las peticiones en 50 ms». ### Paso 2: estructura pensada para la síntesis Estructure sus artículos de modo que una IA pueda analizarlos con facilidad. - **H2 en forma de pregunta:** reflejan las posibles preguntas de seguimiento del usuario. - **Párrafos de respuesta directa:** tras el H2, un resumen conciso de 40 a 60 palabras. - **Datos estructurados:** use listas y tablas sin miedo. Los LLM extraen datos de las tablas Markdown de maravilla. ### Paso 3: transparencia de las fuentes (E-E-A-T) Perplexity intenta verificar los hechos. Si su artículo hace una afirmación sin citar la fuente, es menos probable que se le dé crédito. **La solución:** los enlaces externos son decisivos. Enlace a fuentes primarias (estudios, datos oficiales, documentación) para demostrarle al motor que su contenido se apoya en hechos verificables. ## Parte 5: caso práctico, optimizar para «Headless CMS» Para poner a prueba nuestra teoría, tomamos un artículo de un cliente dirigido a «Headless CMS benefits» que estaba en la página 2 de Google y que Perplexity no citaba. **El contenido original:** - Título: «Por qué debería elegir un Headless CMS en 2024». - Introducción: 300 palabras sobre la historia de WordPress. - Cuerpo: ventajas vagas como «mayor flexibilidad». **La optimización ([GEO](../en/generative-engine-optimization-geo-the-complete-guide.md)):** - **Reestructurado:** cambiamos los H2 por «¿Qué es un Headless CMS?» y «Comparativa de costes entre Headless CMS y CMS tradicional». - **Datos añadidos:** insertamos una tabla que compara los tiempos de respuesta de la API de un Headless CMS y de uno monolítico. - **BLUF:** reescribimos la definición para que fuera puramente funcional y eliminamos la lección de historia. **El resultado (48 horas después):** - **Perplexity:** el artículo se convirtió en la cita número 1 para la consulta «benefits of headless cms». - **Google:** pasó de la posición 14 a la 8 (probablemente por la mejora de las señales de interacción). ## Parte 6: el papel de las «menciones de marca» (sin enlace) Uno de los hallazgos más interesantes fue la dependencia de Perplexity de la **saliencia de marca**. En consultas como «Best enterprise SEO agency», Perplexity citó listados, pero además sintetizó información de **hilos de Reddit y de debates en LinkedIn.** Si usuarios verificados de Reddit mencionaban que «kōdōkalabs es genial para el SEO técnico», Perplexity recogía ese sentimiento y nos incluía en la respuesta, incluso sin un enlace directo. **El giro estratégico:** los profesionales del SEO deben ocuparse ahora de las **relaciones públicas digitales** y de la **gestión de comunidades**. La «cuota de voz» en plataformas como Reddit y Quora influye directamente en su visibilidad en los motores de respuestas. ## Conclusión: la ventaja de moverse primero La ventana de oportunidad está abierta. La mayoría de sus competidores sigue obsesionada con los Core Web Vitals de Google y comprando enlaces. Están ignorando la revolución de los motores de respuestas. Al optimizar hoy para Perplexity, prepara su marca para el mundo de 2026, en el que la **Search Generative Experience (SGE)** y **Apple Intelligence** dominarán el recorrido del usuario. **No espere a que caiga el tráfico.** Empiece ya a diseñar sus citas. **Ideas clave para CMO:** 1. **Que no cunda el pánico:** una caída de los clics orgánicos no implica una caída de visibilidad si usted está ganando la citación en los motores de respuestas. 2. **Audite su contenido:** ¿está «listo para responder»? ¿O está enterrado en paja? 3. **Invierta en datos:** los datos propios son el foso definitivo frente a la banalización por la IA. ## ¿Quiere saber si le están citando? kōdōkalabs ofrece una auditoría **«Share of Model»**, en la que probamos de forma manual la visibilidad de su marca en Perplexity, ChatGPT y Gemini. [Solicitar su auditoría Share of Model](#contact)