El líder del mercado pierde la mención local frente a quien hizo el trabajo de SEO local a nivel de ubicación durante meses

Una cadena de restaurantes contactó a nuestro equipo de Solutions con dos ubicaciones en la misma ciudad. Una estaba permanentemente cerrada; la otra estaba abierta. Google mostraba sistemáticamente la cerrada a los usuarios. Realmente frustrante para el equipo. Su plan era dirigir las nuevas reseñas hacia la ubicación abierta hasta que alcanzara a la otra. El diagnóstico de nuestro equipo llevó minutos y no tenía nada que ver con las reseñas. Ambas fichas apuntaban a las URLs incorrectas, y la ubicación abierta no tenía su propia página local. Así es como se envían señales contradictorias.

Esto significaba que Google y las herramientas IA leían una historia confusa sobre la presencia de esa marca en esa ciudad – y su rendimiento en búsqueda sufría. Esto ya era un riesgo cuando el Local Pack de Google era el único que leía los datos de ubicación. Es un riesgo aún mayor ahora que los modelos IA también leen esta información – y generan una lista reducida de negocios locales, no resultados de búsqueda interminables.

Hemos observado este error completamente evitable en los 1,4 millones de ubicaciones de negocios que gestionamos. Ocurre tan fácilmente cuando hay decenas o cientos de ubicaciones más que gestionar y la estrategia consiste en impulsar nuevos proyectos en lugar de reparar lo que ya está online.

He reescrito el artículo que publicamos por primera vez en 2024 (parece una eternidad) con los aprendizajes de este año de la Uberall Academy. Porque el posicionamiento local es aún más importante hoy que entonces – y las marcas con múltiples ubicaciones aún no saben dónde encaja «IA» en el acrónimo «SEO», simplemente porque le faltan las vocales adecuadas. ¿Qué es el SEO local para múltiples ubicaciones y quién es responsable?

‍

¿No se trata hoy exclusivamente de la búsqueda IA, y no del SEO local?

El posicionamiento web local es el trabajo de hacer que cada ubicación de un negocio sea encontrable cuando alguien cercano busca lo que ofrece. Pueden ser servicios de fontanería, una cita con el dentista o un poke bowl fresco y picante.

Es fácil olvidar que puedes trasladar exactamente esta definición simplificada a la optimización local de motores generativos (GEO o AEO). Aunque el resultado sea diferente – una respuesta muy específica en lugar de un ranking – el objetivo final es absolutamente el mismo; no hay duda. Se trata de maximizar clientes o ingresos en el punto físico.

Los clics disminuyen, pero el crawling aumenta. Esto significa que los sistemas IA leen más de tus datos de ubicación de lo que lo hacían los clientes. Las empresas quizá ya no tengan el mismo reparto de tráfico que les ayudaba a alcanzar su objetivo final, pero eso no tiene la menor importancia si ya están realizando gran parte del trabajo crucial de SEO local a nivel de ubicación.

Nuestra investigación sobre visibilidad local en la IA muestra, por ejemplo, que Google está sustituyendo cada vez más el Local Pack por AI Overviews – y una ubicación que no es la elección de la IA es esencialmente invisible, incluso si técnicamente se posiciona en el tercer o cuarto lugar de la página.

Nuestra Technical Product Manager Luma desenreda los acrónimos SEO que los profesionales de la búsqueda usan hoy de forma intercambiable – SEO, GEO, AEO, LLMO – en el Local Marketing Beat. Utiliza una analogía de biblioteca para describir lo que significan unos respecto a otros.

«GEO significa asegurarte de que tu contenido sea tan claro, tan estructurado y con tanta autoridad que la IA – la bibliotecaria – te resuma con precisión y de manera ventajosa para los usuarios finales. … El SEO no desaparece – se convierte en el cimiento. Es tu libro. Ahora lo resume el GEO y lo recomienda el LLMO. Si la bibliotecaria ni siquiera encuentra tu libro, no te van a recomendar.»

Y así volvemos a esto: el posicionamiento seo local en la era de la IA sigue siendo el trabajo de hacer que cada ubicación de un negocio sea encontrable cuando alguien cercano busca lo que ofrece.

Los modelos IA no recomiendan de forma fiable a las grandes marcas «obvias»

La cuota de mercado no predice la cuota de menciones IA.

Esto es lo que nuestra analista AEO/GEO Katya Shishchenko ha medido este año en cinco sectores – hoteles, restaurantes, dentistas, supermercados y bancos. Puedes saber más sobre este experimento aquí.

Descubrió, por ejemplo:

• Un banco nacional posee aproximadamente el 73 % de los depósitos en su mercado doméstico – y recibe alrededor del 12 % de las menciones IA allí.
• Las cadenas hoteleras controlan dos tercios de las habitaciones en Nueva York y captan un sexto de las menciones.
• Las cadenas dentales poseen hasta una quinta parte de las clínicas en Chicago y apenas alcanzan el 4,4 %.

Incluso si eres una empresa con miles de ubicaciones, aún necesitas realizar todo el trabajo local para dominar las respuestas IA.

Cuando la mayoría de los modelos IA «deciden» si mencionan un negocio – un fontanero, un dentista o un restaurante de poke bowls – típicamente plantean tres preguntas distintas: quién es la marca, qué puedo verificar sobre una ubicación específica y qué necesita este cliente ahora mismo.

• Señales de marca: reconocimiento, tamaño, reputación
• Señales de ubicación: precisión de datos, actividad reciente, sentimiento de reseñas
• Contexto: la intención del usuario, la proximidad y lo que necesita en este momento

Los modelos IA miran más allá de la marca – hacia las pruebas que justifican recomendar un negocio local. Se trata de datos de ubicación precisos y coherentes, fichas de negocio actualizadas, contenido rico y específico y un alto volumen de reseñas. Buscan el negocio que mejor pueda satisfacer las necesidades del usuario antes de generar esa lista reducida.

Para una cadena de restaurantes franquiciada, los modelos IA buscan lo siguiente:

• Señales de marca: la reputación nacional, los miles de ubicaciones, la publicidad, el excelente reconocimiento de marca fruto de años de campañas de marketing online y offline
• Señales de ubicación: fichas reclamadas y completas en varios directorios, incluidos los específicos del sector; promociones y eventos regulares publicados a través de redes sociales o fichas; un flujo constante de reseñas
• Contexto: la parte del cliente – quizá busca a las 23 h, a 800 metros, y quiere algo abierto hasta tarde, con drive

En el sector de la restauración, Katya descubrió que el 95,7 % de las menciones IA de restaurantes son específicas de la ubicación – lo que hace imposible ignorar toda esta sección sobre cómo funcionan los modelos IA.

¿Cómo saber si tu marca con múltiples ubicaciones es culpable de satisfacer solo la parte de marca de la ecuación?

Las grandes marcas suelen prometer servicios a nivel nacional, pero no dejan claro si están disponibles a nivel de ubicación. Tienen un fuerte sentimiento de marca que descansa sobre reseñas locales escasas y esporádicas, y sus acciones de marketing apuntan a generar visibilidad local para la marca, no para las ubicaciones. El contenido del sitio web quizá responda a las FAQ nacionales, pero no a las FAQ específicas de cada ubicación. Creo que ves a dónde quiero llegar.

Las pruebas a nivel de ubicación son lo que diferencia a las mejores marcas de sus competidores locales, pero en última instancia, es necesario ganar en los tres niveles para un rendimiento constante de posicionamiento local y visibilidad IA.

¿Cómo hacer SEO local para múltiples ubicaciones – y quién es responsable de qué?

El criterio de éxito en visibilidad online para negocios locales de tipo enterprise o multi-ubicación es, por tanto, responder a estas tres preguntas a escala: quién es la marca, qué puedo verificar sobre una ubicación específica y qué necesita este cliente ahora mismo.

Hemos visto cómo equipos multi-ubicación fracasan en a) responder a estas preguntas, b) responder a estas preguntas a escala, y así sabotean su visibilidad IA con los mismos cuatro errores recurrentes. Aparecen aproximadamente en este orden:

1. Perfiles incompletos o erróneos

Cada ubicación necesita un perfil reclamado y verificado en Google y Apple. Si una ubicación contiene departamentos, cada departamento recibe su propia ficha «ubicado en» con su propio número de teléfono y categoría – sin duplicar los datos de la ubicación matriz.

Esto sale mal constantemente. Hemos auditado una marca con unas 600 sucursales y descubrimos que sus fichas de Apple Maps no estaban reclamadas. Nadie en esa empresa controlaba las fichas en toda una plataforma online.

La completitud del perfil es decisiva. En la investigación de Katya, por ejemplo, los hoteles con 6 a 10 atributos de perfil fueron mencionados en el 22 % de los casos. Con 31 a 50 atributos, subió al 94 %. No decimos «más es mejor» – aunque suene exactamente así. Añade tantos atributos como sean relevantes y posibles para tu categoría de negocio.

Solo una descripción de negocio generó una brecha de mención de 3x en los supermercados que analizó, y la cantidad de fotos del GBP resultó ser el predictor más fuerte de la frecuencia de mención de restaurantes.

Quién es responsable: el o la responsable SEO define la estructura – un perfil por ubicación, fichas «ubicado en», atributos, descripción de negocio optimizada. Una plataforma de gestión de fichas ejecuta este trabajo, porque nadie en su sano juicio revisa 600 fichas manualmente.

2. Páginas de marca en lugar de páginas locales

Cada ubicación necesita su propia página – es el único lugar en la web que controlas completamente, donde tanto Google como los modelos IA pueden confirmar que una ubicación existe, qué ofrece y cuándo está abierta.

Un negocio sin página local propia envía a los usuarios y a los modelos IA a una página de inicio genérica de la marca, que no demuestra nada sobre esa dirección o sus servicios. Un contenido rico, específico y vivo permite a los sistemas de búsqueda resumir cada ubicación con precisión – y recomendarla con convicción.

Después, añade el schema LocalBusiness para que las máquinas puedan parsear la dirección, los horarios y los servicios en lugar de adivinarlos. Los humanos leen tu frontend; la IA lee tu backend. Ambos tienen que estar correctos.

Quién es responsable: contenido y SEO conjuntamente. SEO es responsable de la estructura y el schema, contenido se asegura de que 500 páginas no suenen como la misma página 500 veces.

3. Actividad de reseñas obsoleta

Un flujo constante de reseñas recientes es la prueba de «actividad reciente» que los modelos IA verifican por ubicación.

La investigación de Katya nos ha mostrado que el volumen de reseñas predice de forma constante las menciones IA en los cinco sectores que estudió; las puntuaciones en estrellas, en cambio, no. Deja de lado la obsesión por las cinco estrellas e invierte más energía en generar y responder a las reseñas en cada ubicación.

Quién es responsable: los responsables de punto de venta y atención al cliente o quien trabaje directamente con los clientes. La sede central quizá establezca el estándar de respuesta acorde a la marca y supervise el sentimiento de las reseñas.

4. Demasiado poco monitoring

La tarea no consiste solo en subir y enviar datos de ubicación limpios.

Nadie en tu equipo tiene la culpa si los horarios son sobreescritos por fuentes de datos de terceros, si los marcadores del mapa se mueven por «cambios sugeridos» o si fichas duplicadas y cerradas reaparecen junto a las abiertas.

Pero eso no significa que nadie deba supervisarlas y corregirlas – si siguen siendo erróneas, afecta a tu credibilidad para los sistemas de búsqueda.

Quién es responsable: tu responsable de datos o fichas, si tienes uno – pero lo más decisivo es una plataforma de gestión de fichas que alerte de errores o cambios.

Observa el denominador común de esta lista: las empresas se benefician de medidas hiperlocales; solo tropiezan con el problema de escalabilidad. Luma resume perfectamente esta estructura cuando sugiere: «Requiere una estrategia centralizada con ejecución descentralizada» – los equipos descentralizados hacen su mejor trabajo en una plataforma central diseñada para empresas. Así se consigue alineación de marca con todas las particularidades de contenido local.

El SEO local sigue decidiendo quién es recomendado en la búsqueda

Esta cadena de restaurantes no necesitaba mil reseñas para aparecer como abierta y lista para recibir clientes. Ese equipo podría haber pasado meses corrigiendo eso, y habría tenido un impacto mínimo en su rendimiento de búsqueda.

Necesitaban cubrir la información de marca, ubicación y contexto y (esencialmente) corregir tres de los cuatro errores comunes que hemos descrito arriba.

El posicionamiento local significa hacer que cada ubicación sea encontrable cuando alguien cercano busca lo que ofrece – como con todos los acrónimos. Es solo que ahora, antes de que un modelo IA te recomiende, verifica si tu dirección y horarios son correctos, si reseñas y actualizaciones recientes demuestran que la ubicación está activa, y si enviar a alguien allí podría terminar de forma decepcionante.

En la búsqueda IA, la autoridad de marca y el tamaño no son el factor decisivo detrás de esa recomendación. Si quieres ver cómo se ven tus ubicaciones para los modelos IA hoy, GEO Studio te lo muestra antes de que las conversaciones generadas por la IA de tus clientes lo hagan.