El keyword research en AEO (Answer Engine Optimization) no existe como lo conocíamos en SEO tradicional, y por eso necesitas un framework para definir los prompts donde quieres aparecer dentro de las conversaciones con modelos de lenguaje. Esto le sirve a cualquier equipo de marketing que quiera medir su presencia en respuestas generativas de IA.
En el SEO clásico contábamos con herramientas que nos daban el volumen de búsqueda de cada keyword. En el mundo del AEO no tenemos esa certeza todavía. Hay herramientas tratando de llegar ahí, pero ninguna confirma con exactitud cuáles son las preguntas que las personas hacen. Ante esa ausencia de datos, el mercado propone trabajar con un modelo de definición de prompts que te ayuda a saber si apareces, frente a qué competidores y qué dice el modelo sobre tu marca.
Por qué necesito un set inicial de prompts objetivo
Lo ideal es arrancar con un set de aproximadamente 20 a 40 prompts [00:40]. Ese conjunto inicial responde preguntas concretas sobre tu visibilidad en los modelos de lenguaje.
Estos prompts te permiten saber:
- Si estás apareciendo y en qué parte del journey del cliente.
- Frente a qué competidores apareces.
- Qué dice el modelo de lenguaje sobre ti.
Lo interesante es que todo esto sucede en un prompt que no menciona la marca. Por eso también conviene tener un segundo set de prompts sobre la narrativa de marca, donde auditas qué sabe el LLM sobre tu negocio directamente.
¿Cuántos prompts necesito para empezar en AEO? Entre 20 y 40 prompts como set inicial. Con ese volumen ya puedes medir si apareces, frente a qué competidores y en qué etapa del journey del cliente estás presente.
Cómo funciona el proceso cíclico para definir prompts
Todo parte del brief estratégico. Con ese documento en mano, inicias un proceso que es cíclico y se repite hasta afinar tus prompts [1:20].
El ciclo funciona así:
- Selecciona una fuente de información: el equipo del negocio, un LLM, Google Search Console, los People Also Ask, foros como Reddit o las Grounding Queries que muestra Bing.
- Transforma esa información en conversaciones reales.
- Define los prompts con una fórmula y arma un set de marca.
- Valida con el equipo del negocio y filtra con criterios dentro de una matriz de trabajo.
- Repite el proceso.
Después de armar el ciclo, hay una regla de oro que no puedes saltarte.
Cuál es la regla de oro al crear prompts
Cada prompt debe mapear un resultado de negocio real [2:00]. Eso significa que debe hablar de un producto, una categoría, un buyer persona o una etapa del journey. Si no cumple con esto, es ruido.
¿Qué hace que un prompt sea válido en AEO? Un prompt válido mapea un resultado de negocio concreto: un producto, una categoría, un buyer persona o una etapa del embudo. Si no conecta con ninguno, descártalo.
Cómo uso la matriz de investigación de prompts
La matriz de investigación es una plantilla donde registras tu marca, tu meta mínima y máxima de prompts, y todo el proceso de trabajo. Puedes acceder a ella y, desde Archivo, crear una copia para trabajar [2:40].
Tomemos el ejemplo de la marca Voltra. Defines un producto, por ejemplo una SUV eléctrica, y describes a la persona: un empresario con familia que viaja al menos una vez al mes. A partir de ahí, lanzas preguntas atadas a cada momento del funnel.
Si la persona ya decidió comprar, está en estado de transacción. ¿Qué necesita para resolverlo? Quizá saber cuáles son los incentivos de impuestos, el precio final, el pago inicial o el valor de las cuotas. Esas respuestas salen de hablar con el equipo del negocio o con tus propios usuarios.
Qué son los constraints dentro de la matriz
Los constraints son condiciones que influyen en la decisión de compra [5:30]. Se relacionan directamente con los dolores del cliente.
Algunos ejemplos de constraints son:
- El presupuesto.
- El uso y el tamaño.
- El entorno.
- El servicio.
Un detalle importante: la matriz no define un set genérico para toda la marca. Defines prompts por producto, según la prioridad que venía del brief. En el caso de Voltra, el SUV y el city car serían los productos prioritarios, cada uno con sus propias respuestas.
De dónde saco la información para llenar la matriz
Las personas tienen múltiples puntos de contacto antes de comprar, así que no todos los prompts serán iguales. Por eso necesitas varias fuentes de información para alimentar tu investigación [6:00].
Puedes recurrir a:
- Conversaciones directas con clientes.
- Google Search Console, para encontrar el lenguaje real que usan las personas.
- Herramientas clásicas de keyword research como Semrush, Rankie, Ahrefs o Moz.
- Los People Also Ask de Google, que amplían las preguntas sobre un problema específico.
- Foros y los mismos LLM.
Toda esa data refleja el comportamiento de los usuarios. Y aquí viene lo práctico: la matriz incluye un prompt que te ayuda a sacar materia prima directamente desde un modelo como ChatGPT.
Cómo uso un LLM para generar inputs de investigación
El proceso es sencillo. Vas a ChatGPT, pegas el prompt de la matriz y reemplazas la parte que dice "pega el brief" con el contexto de tu negocio [7:30].
Si tienes conectado ChatGPT o Claude con Google Drive, el modelo puede poblar el archivo directamente. Lo valioso es que el modelo contrasta información de sitios web y hace parte del proceso investigativo por ti, apoyándose en cómo fue entrenado.
Si no tienes el know-how técnico para esa conexión, lo haces a la forma clásica: copiar y pegar la información dato por dato. En el ejemplo, solo aparecía una familia, pero puedes agregar distintos buyer personas, como un dueño de finca con familia, y llevar cada pregunta nueva al archivo de trabajo.
Con esta parte investigativa lista, el siguiente paso es definir los prompts. ¿Ya identificaste cuáles serían tus primeros 20 prompts objetivo? Cuéntame en los comentarios.
