Datos estructurados

Cuatro marcados esenciales: Organization (tarjeta de entidad de marca, con sameAs a las cuentas oficiales), Article (autor y fechas), FAQPage (preguntas estructuradas) y LocalBusiness (datos del negocio local). Disciplina: el marcado debe coincidir con el contenido y con las fuentes externas — «marcar FAQPage sin FAQ visible» es una señal de engaño.

llms.txt

Un archivo Markdown en la raíz del sitio que dice a los crawlers de IA qué es el sitio y dónde está el contenido clave. Los crawlers de OpenAI y Anthropic ya empiezan a seguirlo. Es una ayuda de navegación, no una invitación de rastreo ni una palanca de ranking — combínalo con robots.txt, datos estructurados y frescura. El llms.txt de este sitio sirve de implementación de referencia.

Ingeniería de entidades

La IA resuelve entidades: nombre, alias, año de fundación, dirección, productos, relaciones. Construye una red de anclas factuales consistentes entre tu Schema oficial, el perfil de empresa, los directorios sectoriales y las redes sociales, fijada bidireccionalmente con sameAs. Las marcas con nombres en varios idiomas deben declararlos con alternateName y conectar sus sitios multiidioma con hreflang.

Preguntas frecuentes

¿Los datos estructurados suben directamente la tasa de citación?
Son condición necesaria, no suficiente: permiten que el motor te entienda, pero ser citado depende de la citabilidad del contenido y la autoridad de las fuentes. Es la entrada, no el gol de la victoria.
¿Qué relación hay entre llms.txt y robots.txt?
Se complementan: robots.txt gobierna quién entra; llms.txt gobierna qué mira una vez dentro. No entran en conflicto — configura ambos.