Prompt Engineering y SEO para visibilidad

Un prompt es todo lo que el modelo ve antes de responder: la instrucción, la información de fondo, los ejemplos y cualquier regla sobre el formato. La ingeniería de prompts significa diseñar ese input deliberadamente. OpenAI, Anthropic y Google publican guías de prompting y coinciden en lo básico: sea específico, dé contexto, muestre ejemplos, pida un formato de salida claro y divida las tareas complejas en pasos.

Es menos misterioso de lo que sugiere el nombre. Un buen prompt se lee como un buen resumen para un escritor independiente. Uno malo se lee como una nota adhesiva que dice “escribe algo sobre SEO”.

La mayoría de los equipos de SEO ahora usan IA para algunas tareas. La diferencia de calidad entre los equipos proviene en gran medida de sus prompts y los datos que ingresan.

Los prompts débiles producen un trabajo débil. “Escribe un artículo de 1,000 palabras sobre zapatillas de correr” da una pieza genérica que repite lo que ya está posicionado y no añade nada. La guía de Google es clara en que usar IA no va en contra de sus políticas, pero el contenido creado principalmente para manipular rankings, incluido el contenido a escala con poco valor, sí lo hace.

Un prompt más fuerte para la misma tarea incluye la consulta objetivo, la intención de búsqueda, el nivel del lector, fuentes o notas de expertos de las cuales extraer información, una estructura requerida, palabras a evitar y una solicitud para marcar afirmaciones inciertas. El resultado sigue siendo un borrador, pero un borrador que vale la pena editar.

Prompts que funcionan bien para tareas de SEO

• Agrupación de palabras clave: proporcione una lista de palabras clave con volúmenes y pida al modelo que las agrupe por intención y sugiera una página principal por grupo.
• Escritura de resúmenes: proporcione los encabezados de las URL mejor posicionadas y pida un resumen que cubra las brechas que omiten, no una copia de lo que comparten.
• Meta descripciones: proporcione los primeros párrafos de la página y pida tres opciones de menos de 155 caracteres que incluyan el término principal una vez.
• Enlaces internos: proporcione el texto de una página y una lista de sus URL con títulos, y pregunte qué enlaces encajan naturalmente y dónde.
• Resúmenes de auditoría: pegue una exportación de rastreo y pida problemas clasificados por impacto probable, con la evidencia para cada uno.

La confiabilidad importa más que la inteligencia. Un prompt que funciona una vez y falla al día siguiente no es útil para un equipo. Algunos hábitos ayudan:

• Use plantillas con secciones fijas: rol, tarea, contexto, reglas, formato de salida.
• Proporcione datos reales en lugar de pedir al modelo que los recuerde; los modelos no conocen sus rankings o tráfico.
• Pida una salida estructurada, como una tabla o JSON, cuando los resultados alimenten otro paso.
• Incluya uno o dos ejemplos de buen resultado.
• Dígale al modelo qué hacer cuando no esté seguro, por ejemplo, escribir “desconocido” en lugar de adivinar.
• Pruebe la plantilla en varias entradas antes de compartirla con el equipo.

Mantenga las plantillas en un documento compartido o biblioteca de prompts con notas de versión, para que las mejoras se difundan en todo el equipo.

El segundo cambio está fuera de su equipo. La gente hace cada vez más preguntas completas a los sistemas de IA en lugar de escribir palabras clave cortas. Google informa que las consultas en el modo de IA tienden a ser más largas y conversacionales que las búsquedas clásicas. La búsqueda de ChatGPT, Perplexity y Gemini reciben solicitudes similares.

Estos prompts a menudo incluyen contexto y restricciones: “Tengo una pequeña panadería en Izmir, ¿cuál es la forma más barata de empezar con Google Ads con un presupuesto de 200 dólares al mes?” Un motor de respuesta de IA desglosa eso en subpreguntas, busca cada una y ensambla una respuesta de varias fuentes. Google llama a una versión de esta consulta fan-out.

Para el contenido, esto tiene tres consecuencias. Las páginas que responden a una subpregunta específica claramente son más fáciles de citar que las páginas amplias que cubren todo vagamente. El contexto importa, por lo que el contenido que aborda una audiencia, ubicación o nivel de presupuesto particular puede coincidir con más de estos prompts detallados. Y una estructura clara, con encabezados de preguntas y respuestas directas, facilita la extracción.

En parte. No puede ver los prompts de IA de la misma manera que ve los volúmenes de palabras clave; la mayoría de las plataformas no comparten esos datos. Pero puede aproximarlos.

Recopile preguntas reales de llamadas de ventas, tickets de soporte, registros de búsqueda del sitio y los cuadros de “La gente también pregunta” en Google. Amplíe su lista de palabras clave con las restricciones que la gente añade: presupuesto, ubicación, tamaño de la empresa, nivel de experiencia. Luego verifique su contenido: ¿existe una página que responda a cada pregunta importante directamente en sus primeras líneas?

Algunas herramientas ahora rastrean menciones de marca en respuestas de IA para conjuntos de prompts de prueba. Trate sus resultados como muestras, ya que las respuestas de IA varían entre ejecuciones y usuarios.