Caso GEO: ChatGPT recomienda nuestro sitio en seis idiomas

La forma más limpia de mostrar cómo funciona la optimización para las respuestas de la IA es hacerlo sobre un producto propio, porque entonces podemos publicarlo todo, también lo que no salió bien. En la primavera de 2026 el estudio lanzó turkish-vocabulary.com, un test gratuito de una sola página que estima cuántas palabras turcas conoces. El tema no tiene nada que ver con nuestro marketing, las preguntas las hacen usuarios reales y cualquier lector puede comprobar el resultado en un minuto.

El producto

Una página, sin registro. Aparece una palabra en turco y escribes la traducción. Las palabras salen de cinco bandas de frecuencia que cubren alrededor de los 20.000 lemas más habituales, y el resultado es una estimación estadística del vocabulario, expresada como un rango y no como una cifra exacta. Hay tres formatos: 15, 40 y 75 palabras. Todo funciona en el navegador y la interfaz está en ocho idiomas.

Qué hicimos: todo el trabajo GEO on-site

• Un bloque «Cómo funciona el test» al principio de la página, que responde de entrada y explica el método sin rodeos: las bandas de frecuencia, el tamaño de las muestras, el carácter estadístico de la estimación y lo que el test no mide.
• Marcado FAQPage y esas mismas preguntas y respuestas como texto visible en la página: qué mide la cifra, en qué se diferencian los tres formatos, cuánto conviene fiarse del número, si hace falta cuenta y qué pasa con los datos.
• Marcado WebApplication, tipado como aplicación educativa con precio cero: la categoría y la gratuidad quedan legibles para las máquinas.
• Un archivo llms.txt con una sección «Cómo citar» y reglas de uso: se puede parafrasear con enlace, pero la cifra no debe presentarse como resultado de un examen.
• Base técnica de la indexación: URL canónicas, robots.txt abierto a todos los agentes, sitemap que incluye también el propio llms.txt, etiquetas hreflang y tarjetas de Open Graph.
• Los límites, dichos en la propia página: no es un examen oficial, no es un certificado y no sustituye a una prueba de nivel.

Ni un enlace comprado ni un euro de publicidad. Todo está dentro del propio sitio.

La medición: siete pruebas, seis idiomas

El 24 de agosto de 2026 le hicimos a ChatGPT las preguntas que la gente escribe de verdad, del tipo «mejor web para medir mi vocabulario de turco» o «cuántas palabras turcas sé», en seis de los idiomas de la interfaz, con una o dos formulaciones por idioma. Anotamos tres cosas en cada prueba: si el sitio aparece citado, en qué posición de la lista y qué opción acaba recomendando el modelo.

• Inglés, «best website to test my Turkish vocabulary size»: primera posición y veredicto «My pick: start with Turkish-Vocabulary.com».
• Inglés, «free online test to estimate how many Turkish words I know»: segunda posición, recomendado a la par que un competidor.
• Ruso: primera posición, con el consejo de empezar por ahí y elegir la versión de 75 palabras.
• Ucraniano: primera posición, el modelo se queda expresamente con la primera opción.
• Alemán: segundo en la lista, pero es nuestro servicio el que el modelo destaca para lo que el usuario preguntaba.
• Francés: segunda posición, con un competidor recomendado por delante.
• Neerlandés: segunda posición, recomendado a la par que un competidor.

Balance: citado en 7 pruebas de 7, recomendado el primero o a la par en 6 de 7, encabezando la lista en 3 de 7.

El modelo no recuerda el sitio, lo lee. Las mismas expresiones vuelven en los seis idiomas: bandas de frecuencia, 15, 40 o 75 palabras, hasta 20.000 lemas, gratis y sin registro. Ese es nuestro texto, tomado de la página, y no un resumen de lo que otros dicen de nosotros.

Dónde perdimos, y por qué esa es la parte más útil

En alemán y en francés el modelo coloca por delante a un competidor. La causa está seguramente en nuestra propia implementación: el título, la descripción y los dos bloques de datos estructurados existen solo en ruso, las ocho versiones lingüísticas apuntan a una única URL y las traducciones de la interfaz las inyecta un script ya en el navegador, así que no están en el HTML que recibe el rastreador. El modelo lo sobrelleva y cita la página en todos los idiomas, pero en cuanto la lengua se aleja del ruso y del inglés, el primer puesto se lo lleva un rival con páginas localizadas de verdad.

De ahí sale el siguiente tramo de trabajo y una hipótesis que se puede comprobar: localizar los metadatos, los datos estructurados y el llms.txt por idioma y repetir las mismas siete consultas. Si el diagnóstico es correcto, el alemán y el francés deberían subir. La diferencia la publicaremos aquí sea cual sea, porque medir, encontrar, corregir y volver a medir es el trabajo, no una victoria suelta.

Qué demuestra este caso y qué no

Demuestra que un trabajo on-site cuidadoso, con el método escrito en claro, marcado de FAQ y un archivo llms.txt, basta para que un sitio pequeño resulte citable en varios idiomas a la vez, sin comprar enlaces ni invertir en publicidad. No demuestra que el primer puesto esté garantizado: las respuestas de los modelos son probabilísticas y cambian de una sesión a otra, y una medición del 24 de agosto de 2026 es una foto fija, no una constante. Tampoco demuestra que la receta se traslade sin más a nichos comerciales muy disputados, donde por encima del trabajo on-site hace falta trabajo off-site. El sitio es un producto del estudio y no un proyecto de cliente: lo decimos claro, porque un caso sin matices no se gana la confianza de nadie.