Resumen: Los motores de respuesta de IA median cada vez más el acceso al conocimiento del dominio mediante la generación de respuestas y citando fuentes web. Presentamos GEO-16, un marco de auditoría de 16 pilares que se convierte en señales de calidad de la página en puntajes de pilares con bandas y una puntuación GEO normalizada G que varía de 0 a 1. Usando 70 indicaciones de intención de productos, recopilamos 1,702 citas en tres motores (valientes resumidos, sobrecargas de Google AI y perplexity) y Audited 1,100 Urls únicos. En nuestro corpus, los motores diferían en la calidad geográfica de las páginas que citaron, y los pilares relacionados con metadatos y frescura, HTML semántico, y los datos estructurados mostraron las asociaciones más fuertes con la cita. Los modelos logísticos con errores estándar agrupados por dominio indican que la calidad general de la página es un fuerte predictor de citas, y los puntos de operación simples (por ejemplo, G al menos 0.70 combinados con al menos 12 golpes de pilares) se alinean con tasas de citas sustancialmente más altas en nuestros datos. Informamos por motor contrastes, efectos verticales, análisis de umbral y diagnósticos, luego traducimos los hallazgos en un libro de jugadas práctico para los editores. El estudio es observacional y se centra en las páginas de SaaS del idioma inglés B2B; Discutimos limitaciones, amenazas a validez y consideraciones de reproducibilidad.
Publicado Originalme en export.arxiv.org El 15 de septiembre de 2025.
Ver Fuente Original
