¿Cómo decide una IA qué negocio local recomendar?
La idea para este artículo me la dio una pieza de PuroMarketing, publicada el 9 de octubre en su canal patrocinado por Adentity, que ordena las fuentes en cinco capas. Me parece un buen esquema, así que lo tomo como punto de partida y lo completo con lo que dicen Google, OpenAI y los estudios que he podido contrastar.
Lo primero es entender que el asistente busca antes de contestar. OpenAI explica en su centro de ayuda que ChatGPT puede usar una ubicación aproximada, deducida de la dirección IP, para encontrar resultados locales, y que puede reescribir «restaurantes cerca de mí» añadiendo el nombre de tu ciudad. También dice que puede compartir esa ubicación con proveedores externos de confianza que aportan, por ejemplo, listados de negocios cercanos. No los nombra.
Google, por su parte, deja claro en su documentación para desarrolladores que para aparecer en las vistas creadas con IA o en el modo IA no hacen falta archivos especiales para la IA ni datos estructurados específicos. Valen las buenas prácticas de siempre, entre ellas mantener al día la información del Perfil de Empresa. Con eso, la conclusión práctica es sencilla: la IA recomienda a partir de lo que puede encontrar, leer y contrastar sobre ti.
¿De qué fuentes saca la información la IA?
La ficha de mapas
Es la base de casi todo en Google. Según su ayuda del Perfil de Empresa, la información de un negocio en Maps y en la Búsqueda combina lo que publica la web, datos con licencia de terceros, aportaciones de usuarios y propietarios, e información de las interacciones de Google con el negocio. En la prueba de BrightLocal con cuatro asistentes, el modo IA de Google usaba el Perfil de Empresa como fuente principal y resumía sus datos aunque citara otras páginas. Categorías, horarios, horarios especiales, servicios y atributos como la accesibilidad son lo que más a menudo se queda viejo.
Las reseñas
La nota media dice poco. El texto de las reseñas es lo que permite a una IA decir que una clínica «explica bien los precios» o que un restaurante «tiene mesas para grupos». Google ya contaba en febrero de 2024, al presentar sus pruebas de IA generativa en Maps, que esos modelos analizan la información de los negocios y las fotos, valoraciones y reseñas de la comunidad. Las quejas repetidas también se leen, y también se resumen.
La web propia
Es la referencia oficial que un asistente puede citar. En el estudio de BrightLocal, la gran mayoría de las fuentes de todos los asistentes y sectores eran las webs de los propios negocios, y en un análisis anterior de esa misma empresa sobre ChatGPT, publicado en diciembre de 2024, eran el 58 %. Una página por servicio o por sede, con horarios, zona de trabajo, precios orientativos si los hay y preguntas frecuentes, da a la IA algo concreto que citar. Las páginas que solo cambian el nombre de la ciudad aportan poco.
Los directorios del sector
BrightLocal observó que todos los asistentes usaban directorios en todos los sectores probados, incluidos los muy especializados, como los de abogados o dentistas. En España el equivalente serían plataformas como Doctoralia en salud, Tripadvisor en restauración o Booking en alojamiento, que también cita PuroMarketing. El problema habitual es la ficha olvidada: una dirección antigua o un servicio que ya no ofreces pueden seguir circulando años.
Los medios y las comunidades
Artículos comparativos, guías locales, foros y redes. En la prueba de BrightLocal aparecieron Instagram, Facebook y YouTube como fuentes según el asistente, y blogs de ocio en las búsquedas de hostelería. Aquí el riesgo es el contexto: una guía puede referirse a otra sede, y un comentario en un foro puede describir una experiencia de hace cinco años.
¿Por qué cada asistente recomienda negocios distintos?
Porque no consultan las mismas fuentes. En la prueba de BrightLocal, Perplexity usó Yelp en todos los sectores, Gemini no lo citó nunca directamente, el modo IA de Google se apoyó sobre todo en el Perfil de Empresa y ChatGPT recurrió mucho a directorios especializados. Es una prueba pequeña, de veinte búsquedas repetidas en cuatro asistentes y con ejemplos de ciudades estadounidenses, así que la tomaría como orientación y no como regla.
Influyen además factores que no dependen del negocio. OpenAI advierte de que una VPN puede cambiar la ubicación que deduce ChatGPT y de que la memoria guardada también puede afectar a los resultados. La misma pregunta, hecha por dos personas o en dos días distintos, puede dar listas diferentes. Por eso no conviene sacar conclusiones de una sola consulta hecha desde el móvil propio.
Yelp tiene mucho peso en esos estudios estadounidenses. No he encontrado un estudio equivalente para España, de modo que, en lugar de suponer qué directorios pesan aquí, buscaría tu servicio y tu ciudad y apuntaría cuáles aparecen de verdad.
¿Qué información contradictoria perjudica más a un negocio local?
Las contradicciones entre fuentes. Si la ficha de Google dice que abres los sábados, la web dice que no y un directorio conserva el teléfono antiguo, el asistente tiene que elegir, y puede elegir mal. Pensemos en un ejemplo inventado: una clínica de Zaragoza se muda de calle, actualiza la ficha de Google, pero mantiene la dirección antigua en la web y en un directorio de salud. Una IA que contraste fuentes puede recomendarla con la dirección equivocada o, por prudencia, no recomendarla.
Los errores más habituales suelen ser de este tipo: horarios de festivos sin actualizar, servicios que se dejaron de ofrecer, varias sedes con páginas clonadas que no explican qué hace cada una y nombres comerciales distintos según la plataforma. Ninguno requiere una herramienta cara. Requieren que alguien revise las fuentes con calma, una vez y después con cierta regularidad.
¿Cómo comprobar qué dice la IA de tu negocio?
La propuesta de PuroMarketing me parece la parte más útil de su artículo: medir con una matriz de consultas y no con una pregunta suelta. Yo la haría así. Se combinan los servicios principales, la intención de compra y la ubicación, y se anota en cada prueba la fecha, el asistente, la consulta exacta, la ubicación indicada y si la búsqueda web estaba activa. Un ejemplo para una clínica de fisioterapia ficticia:
| Consulta | Intención | Qué comprobar |
|---|---|---|
| Mejor fisioterapeuta en Zaragoza | Comparar | Si aparece y por qué motivo la recomienda |
| Fisioterapia deportiva cerca de la Romareda | Servicio y zona | Si asocia bien el servicio con la ubicación |
| Fisioterapeuta en Zaragoza abierto el sábado | Horario | Si el horario que menciona es el actual |
| ¿Cuánto cuesta una sesión de fisioterapia en Zaragoza? | Precio | Si cita precios correctos o inventados |
| Fisioterapia a domicilio en Zaragoza | Servicio | Si atribuye servicios que no se ofrecen |
| Opiniones de [nombre de la clínica] | Reputación | Qué reseñas resume y de qué época |
Para cada respuesta bastan tres preguntas: ¿aparece el negocio?, ¿por qué lo recomienda? y ¿es correcto lo que dice? La tercera es la que más se olvida. Que una IA te mencione con un horario falso o un servicio que no das es peor que no aparecer, porque genera una visita o una llamada que acaba en frustración.
Repetiría la batería una vez al mes y siempre después de un cambio importante, como una mudanza, un horario nuevo o una línea de servicio que se abre o se cierra. Con tres o cuatro asistentes y una docena de consultas, en una hora tienes una foto bastante fiel.
¿Qué arreglaría primero para que la IA recomiende bien tu negocio?
Por orden, empezando por lo que más pesa y menos cuesta:
- El Perfil de Empresa completo y al día: categorías, horarios, horarios especiales, servicios, atributos y fotos recientes. Si no lo tienes controlado, lo explico paso a paso en cómo aparecer en Google Maps.
- Una página en la web por cada servicio importante y por cada sede, con datos que se puedan comprobar y preguntas frecuentes reales.
- Las reseñas: pedirlas con naturalidad después de un buen servicio, responderlas y leerlas para detectar lo que se repite. Lo que la gente cuenta con detalle es lo que la IA puede resumir.
- Los directorios que aparecen al buscar tu sector y tu ciudad: corregir nombre, dirección, teléfono, horarios y servicios, y cerrar fichas duplicadas.
- Las menciones en medios y guías: comprobar que describen la situación actual y pedir una corrección cuando no sea así.
- La matriz de consultas, para saber si los cambios se notan.
Ese trabajo es en buena parte el mismo que el del SEO local y Google Maps, y encaja con lo que conté en la IA no va a matar el SEO: lo que ayuda a una persona a elegir es, casi siempre, lo que ayuda a una IA a recomendar.
¿Hay que optimizar el negocio para la IA o para las personas?
Creo que la pregunta está mal planteada. Un asistente que recomienda negocios hace lo que haría un cliente cuidadoso con tiempo: mirar la ficha, leer opiniones, entrar en la web, cruzar datos con algún directorio y fiarse más de lo que coincide. La diferencia es que lo hace en segundos y para miles de personas. Google lo dice a su manera cuando explica que no hace falta ningún marcado especial para su IA.
Lo que sí ha cambiado es el coste de la dejadez. Antes, un horario mal puesto en un directorio perdía alguna visita. Ahora puede acabar repetido en la respuesta de un asistente que muchos dan por buena. Para un negocio local, la ventaja no está en trucos para engañar a la máquina. Está en tener la información en orden, que es aburrido y funciona.
