Artículos y referencias

Artículos principales

Autores: Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande
Instituciones: Princeton University, IIT Delhi, Adobe Research
Publicación: KDD 2024 (ACM SIGKDD)
Enlace: arXiv:2311.09735
Resumen: Primer marco académico para optimizar la visibilidad del contenido en motores de búsqueda generativos. Se probaron 9 estrategias de optimización en 10,000 consultas. Hallazgo clave: agregar estadísticas mejoró la visibilidad en +115.1%.
Resumen detallado →

Autor: Jeremy Howard
Enlace: llmstxt.org
Resumen: Una propuesta para un archivo estandarizado que proporciona información a los LLM sobre un sitio web. Análogo a robots.txt pero diseñado para el consumo de IA en lugar del control de rastreadores.

Editor: Microsoft (Bing Webmaster Blog)
Fecha: octubre de 2025
Resumen: Directrices oficiales que identifican 3 principios para la optimización de contenido en IA: Estructura, Autoridad y Actualidad.
Resumen detallado →

Editor: Ahrefs
Conjunto de datos: 75,000 marcas
Resumen: Las menciones web (marca + palabra clave) son 3x más predictivas de la visibilidad en IA que los backlinks tradicionales.

Editor: Gartner
Fecha: febrero de 2024
Resumen: Predicción de que el uso de los motores de búsqueda tradicionales caerá un 25% para 2026 a medida que los usuarios migren hacia alternativas potenciadas por IA.

Editor: Go Fish Digital
Resumen: El tráfico desde búsqueda con IA convierte a una tasa 25x mayor que el tráfico de búsqueda tradicional, gracias a la intención pre-validada del usuario.

URL: schema.org
Relevancia: El estándar de vocabulario utilizado para la implementación de datos estructurados JSON-LD en el Componente 2 de LLMO (Formato estructurado).

URL: developers.google.com/search/docs/appearance/structured-data
Relevancia: Directrices de implementación para datos estructurados reconocidos tanto por motores de búsqueda como por sistemas de IA.

¿Conoces algún artículo o informe relevante? Abre un issue o envía un pull request para agregarlo a esta lista.