Caso Real (2026): GEO Content Factory para un Fabricante B2B — Aparecer en ChatGPT Cuando tu Comprador Industrial Pregunta a Quién Comprar
📅 Actualizado: 9 de julio de 2026 · Próxima revisión: agosto 2026
Soy Javier Santos, consultor de IA en Javadex, y este es un caso real anonimizado que me gusta contar porque es un poco meta: vendo GEO haciendo GEO. Es decir, la misma máquina de contenido que uso para que a mí me citen las IAs es la que monté para un fabricante industrial que estaba desaparecido cuando su comprador preguntaba a ChatGPT "¿quién fabrica esto para mi caso?".
El cliente (lo mantengo anónimo, como siempre) es un fabricante industrial B2B del norte de España, entre 30 y 50 personas, que produce componentes y maquinaria para otras empresas. Tenían web, catálogo, ferias, comerciales. Todo el manual. Y aun así, cuando su comprador —un jefe de compras o un ingeniero de producto de otra fábrica— abría ChatGPT o Perplexity y preguntaba a quién comprarle, la marca no salía por ningún lado. Salían tres competidores grandes y un par de distribuidores. Ellos, invisibles.
Esto va de cómo lo arreglamos con una GEO content factory —una máquina de contenido privada— y de qué resultados dio, con rangos honestos, porque el GEO tarda y prometerte ventas mágicas en tres semanas sería mentirte.
TL;DR
- El problema: un fabricante industrial B2B (30-50 personas, norte de España) era invisible en ChatGPT/Perplexity cuando su comprador preguntaba "quién fabrica X para mi caso". Buena web, cero citaciones en IA.
- La causa: su comprador ya no empieza en Google; empieza preguntando a una IA. Y la IA solo cita a quien tiene contenido técnico citable, con datos y fechas sobre esos casos de uso.
- La solución: le monté una GEO content factory —motor de contenido privado, multi-modelo, con sus datos— que produce material técnico citable con revisión humana de sus ingenieros antes de publicar.
- Qué produce: fichas de caso de uso, comparativas técnicas, tablas de especificaciones y guías de selección, todo con datestamps y densidad de datos que a los LLMs les encanta citar.
- Qué se mide (y qué no): se mide citación y visibilidad en motores generativos (menciones, citaciones, tráfico desde IA), no "ventas mágicas". El GEO es una antena, no un botón de comprar.
- Resultado (rangos honestos): en unos 4-6 meses, la marca pasó de ~0 a aparecer en respuestas de ChatGPT/Perplexity para varias consultas de su nicho, con un aumento claro de menciones y de tráfico cualificado desde IA.
- Cómo lo replico: mismo motor, adaptado a tu catálogo. Proyectos de 5.000 a 20.000 € según alcance, y la máquina se queda tuya, sin lock-in → /contact?service=geo.
¿Por qué un fabricante que lo hacía "todo bien" era invisible en ChatGPT?
Porque el comprador industrial cambió de sitio donde empieza a buscar, y el fabricante no. Antes, el jefe de compras googleaba "fabricante de [componente] para [aplicación]" y comparaba tres webs. Hoy, cada vez más, abre ChatGPT, Perplexity o Copilot y pregunta directamente: "necesito un proveedor de [componente] que aguante [condición] para [sector], ¿a quién me recomiendas y por qué?". Y la IA responde con una lista de nombres. Si tu marca no está en esa lista, no existes para esa compra.
El fabricante de este caso tenía un problema clásico: su web hablaba de la empresa, no de los casos del comprador. Páginas de "quiénes somos", "calidad", "nuestras instalaciones". Bonito para un folleto, invisible para un LLM. Porque un modelo de lenguaje no cita "somos líderes con 30 años de experiencia"; cita datos concretos que resuelven la pregunta: qué material aguanta qué temperatura, qué tolerancia da tu pieza, para qué aplicación encaja tu maquinaria.
Este cambio no es una opinión mía. Un estudio de Gartner proyecta que el volumen de búsquedas tradicionales caerá alrededor de un 25% para 2026 a medida que los usuarios migran a asistentes de IA y chatbots (Gartner, predicciones de búsqueda, 2024). Para un B2B industrial, donde una sola operación vale mucho, quedarte fuera de esas respuestas es carísimo.
"En el B2B industrial, el comprador ya no llega caliente por Google: llega habiendo preguntado a una IA quién es serio en tu nicho. Si el modelo no te ha citado, ni te llaman. El GEO no es marketing de vanidad; es estar en la lista corta antes de que exista la lista corta." — Javier Santos Criado, consultor de IA en Javadex
¿Cómo consigo que ChatGPT cite a mi empresa cuando mi comprador pregunta? El query fan-out
Se consigue produciendo contenido técnico que responda de forma directa, con datos y fechas, a las muchas variantes de la pregunta que hace tu comprador —no una página, sino un abanico— y publicándolo de forma que los modelos lo reconozcan como fuente citable. A eso lo llamo trabajar el query fan-out.
Te lo explico sencillo. Cuando tu comprador le pregunta a ChatGPT "quién fabrica X para mi caso", el modelo por debajo no busca esa frase exacta. La abre en abanico: la descompone en decenas de sub-preguntas relacionadas ("mejores fabricantes de X", "X para el sector Y", "diferencia entre X de acero y de aluminio", "qué tolerancia necesito para Z", "X que cumpla la norma W") y va a buscar fuentes que respondan cada trocito. Luego junta todo y construye la respuesta citando a quien mejor cubrió ese abanico.
Consecuencia práctica: no ganas apareciendo en una página perfecta; ganas cubriendo el abanico entero con contenido citable. Necesitas material que responda a la variante técnica, a la variante por sector, a la variante por norma, a la comparativa, a la guía de selección. Un fabricante no puede escribir eso a mano al ritmo que hace falta. Ahí entra la máquina.
Si quieres el marco conceptual completo de cómo funciona esto, lo desarrollé en mi guía completa de GEO para posicionarte en ChatGPT, Perplexity, Claude y Gemini y en qué es el servicio de GEO para empresas y cómo se mide.
Qué es una GEO content factory (y por qué no es "poner a ChatGPT a escribir posts")
Una GEO content factory es una máquina de contenido privada que produce material técnico citable de forma sistemática, con revisión humana antes de publicar. No es abrir ChatGPT y pedirle 20 artículos —eso genera basura genérica que ningún modelo cita y que además te hunde la marca. Es un motor conectado a tus datos (tu catálogo, tus especificaciones, tus casos de uso reales) que trabaja así:
| Pieza del motor | Qué hace |
|---|---|
| Mapa de fan-out | Descompone las preguntas reales del comprador en el abanico de sub-preguntas técnicas que hay que cubrir |
| Datos propios | Se alimenta de TU catálogo, especificaciones, tolerancias, normativa aplicable y casos reales — no de internet genérico |
| Generación multi-modelo | Usa Claude, GPT y Gemini por debajo, el que mejor rinda en cada pieza; nunca dependes de uno solo |
| Revisión humana (obligatoria) | Un ingeniero del fabricante valida cada dato técnico antes de publicar — cero invenciones |
| Datestamps y densidad | Cada pieza sale con fecha visible, tablas, cifras y especificaciones: justo lo que un LLM cita como fuente |
| Datos en Europa, sin lock-in | El motor vive en la infraestructura del cliente o nube europea; la máquina se queda suya |
En Javadex esto es una configuración de Cortex, mi plataforma de IA privada, orientada a producción de contenido. Es lo mismo que hay detrás de mi servicio de GEO, la máquina de contenidos y de la propia plataforma Cortex. La diferencia con "poner a una IA a escribir" es la misma que entre una imprenta y un niño con rotuladores: sistema, datos reales y control de calidad humano.
Qué montamos, paso a paso (en torno a 6 semanas de setup)
Así fue el despliegue en este fabricante, resumido:
- Escuché a comprar. Me senté con sus comerciales e ingenieros y saqué las 40-50 preguntas reales que hace un comprador antes de elegir proveedor. Esas preguntas son el mapa del fan-out.
- Conecté sus datos. Catálogo, especificaciones técnicas, tolerancias, normativa aplicable y casos de uso reales entraron al motor privado (anonimizando a sus propios clientes finales, claro).
- Definí los formatos citables. Fichas de caso de uso por sector, comparativas técnicas (material A vs material B para condición C), tablas de especificaciones y guías de selección. Formatos que responden el fan-out y que los LLMs adoran citar.
- Arranqué la fábrica con revisión humana. El motor produce el borrador denso y con datos; un ingeniero valida cada cifra antes de publicar. Nada sale sin firma técnica.
- Medí desde el día uno. Monté el seguimiento de menciones y citaciones en ChatGPT, Perplexity, Copilot y Gemini para ver la señal temprana, no para esperar seis meses a ciegas.
El sistema se quedó en su infraestructura, con su marca y sin lock-in. No es una suscripción de horas mías: es un activo que produce solo. Es el mismo principio con el que planteo un departamento de IA externalizado: te monto la capacidad y se queda dentro.
Resultados: qué se mide de verdad en GEO (menciones, citaciones, tráfico IA)
Aquí es donde tengo que ser honesto contigo, porque el GEO se vende mal muy fácil. Lo que se mide en GEO es citación y visibilidad en motores generativos: cuántas veces te mencionan las IAs, para cuántas consultas de tu nicho, y cuánto tráfico cualificado te llega desde ellas. No se mide "ventas que la IA te trajo mágicamente", porque entre la citación y la venta hay un comprador humano, comerciales y un ciclo largo. El GEO pone tu marca en la conversación; cerrar es tu trabajo de siempre.
Con esa honestidad por delante, estos son los rangos del caso (fabricante industrial, 30-50 personas, ventana de unos 4-6 meses desde el arranque, primer semestre de 2026):
| Señal (lo que SÍ se mide) | Antes (arranque) | Después (~4-6 meses) |
|---|---|---|
| Consultas del nicho donde la IA cita la marca | ~0 | ~15-30 consultas |
| Menciones/citaciones en ChatGPT + Perplexity (muestreo mensual) | Prácticamente nulas | Aumento claro y sostenido, de unidades a decenas/mes |
| Tráfico cualificado desde IA (referral LLM) al sitio | Testimonial | Crece mes a mes, ya es un canal identificable |
| Piezas técnicas citables publicadas | Puñado de páginas corporativas | Biblioteca creciente que cubre el fan-out del comprador |
| Peticiones de presupuesto que mencionan "os vi/os encontré vía IA" | 0 | Empiezan a aparecer las primeras |
¿Merece la pena para un fabricante B2B? El cálculo honesto
Para un fabricante industrial donde una sola operación vale mucho, aparecer citado en las IAs cuando el comprador pregunta a quién comprar tiene un retorno enorme aunque solo mueva unas pocas operaciones al año. No hace falta un torrente de leads: en B2B industrial, entrar en la lista corta de una operación importante ya paga el proyecto entero.
| Concepto | Orden de magnitud |
|---|---|
| Inversión típica del motor GEO | 5.000 - 20.000 € (según alcance) + producción continua |
| Valor de una operación B2B industrial media | Desde varias decenas de miles de € |
| Operaciones nuevas necesarias para pagar el proyecto | Habitualmente 1, a veces menos de 1 |
| Lo que realmente compras | Estar en la lista corta antes de que exista la lista corta |
El cálculo no es "cuántos leads por euro". Es: si el comprador que decide una compra grande le pregunta a ChatGPT y tu marca ni aparece, esa operación no existió para ti. El GEO cierra ese agujero. Y a diferencia de la publicidad, el contenido citable no se apaga cuando dejas de pagar: sigue siendo fuente.
¿Tu marca aparece cuando tu comprador le pregunta a una IA por tu sector? Cuéntame tu caso en 2 minutos y te digo si es viable montarte la máquina, sin compromiso → Hablemos de GEO →
Cómo lo monto en tu empresa
Comparar herramientas de contenido es el 10%. Lo que da retorno es conectar la máquina a tu realidad: tu catálogo, tus especificaciones, las preguntas reales de tu comprador, con revisión humana de tu equipo técnico y datos en Europa. Así es como lo replico, normalmente con un setup en torno a 6 semanas y producción continua después:
- Mapeo el fan-out de tu comprador: las 40-50 preguntas reales que hace antes de elegir proveedor en tu nicho.
- Conecto tus datos al motor de contenido privado (Cortex): catálogo, specs, casos, normativa. Anonimizando a tus clientes finales.
- Arranco la fábrica con revisión humana: el motor produce denso y con datos; tu ingeniero valida cada cifra antes de publicar.
- Mido citaciones y menciones en ChatGPT, Perplexity, Copilot y Gemini desde el primer mes, para leer la señal temprana.
- Te entrego la máquina: se queda en tu infraestructura, con tu marca, sin lock-in. Es un activo, no una suscripción de mis horas.
Los proyectos van de 5.000 a 20.000 € según alcance. Si además quieres entender cómo se compara tener tu propia plataforma privada frente a las suscripciones de consumo, lo desgloso en Cortex vs ChatGPT Team/Enterprise para tu PYME. Y si tu caso es más de operativa técnica interna que de visibilidad, mira el ranking de herramientas de IA para ingenierías y estudios técnicos.
Errores comunes al hacer GEO en un fabricante B2B
Error 1: poner a una IA a escribir posts genéricos "para posicionar"
Problema: contenido vacío que ningún modelo cita y que además diluye tu marca ante Google y ante los LLMs. Cantidad sin datos no es GEO, es ruido. Solución: contenido técnico denso, con cifras y specs reales de tu catálogo, y revisión humana. La densidad de datos es lo que hace que un LLM te cite.Error 2: hablar de tu empresa en vez de resolver la pregunta del comprador
Problema: páginas de "quiénes somos" y "calidad". A la IA no le sirven para responder "quién fabrica X para mi caso". Solución: fichas por caso de uso, comparativas técnicas y guías de selección que respondan el fan-out del comprador.Error 3: esperar ventas en tres semanas y abandonar
Problema: el GEO da señales tempranas antes que impacto grande. Quien mide solo ventas al mes uno se frustra y corta justo antes de que arranque. Solución: medir citaciones y menciones desde el día uno, entender que el horizonte útil es de meses, y sostener la producción.Error 4: subir specs y datos sensibles a herramientas de consumo
Problema: catálogo técnico y know-how en cuentas gratuitas sin control ni RGPD. Solución: motor privado, datos en tu infraestructura o nube europea. Es innegociable en industrial.Preguntas frecuentes
¿Cómo consigo que ChatGPT cite a mi empresa cuando mi comprador pregunta?
Produciendo contenido técnico denso y citable que responda al abanico de sub-preguntas (query fan-out) que hace tu comprador, con datos, fechas y comparativas reales de tu catálogo, y publicándolo de forma sistemática. Una GEO content factory automatiza esa producción con revisión humana; es lo que monté en este caso.
¿Cómo consigo que ChatGPT cite a mi empresa en 2026?
En 2026 la combinación que funciona es: mapear las preguntas reales del comprador, cubrir el fan-out con fichas de caso de uso y comparativas técnicas, datestamps visibles, densidad de datos y revisión humana de tu equipo técnico. La herramienta suelta importa menos que tener el motor conectado a tus datos y produciendo de forma continua.
¿Cuánto tarda el GEO en dar resultados?
Las señales tempranas (empezar a salir citado en más consultas, subida de menciones) suelen verse en las primeras semanas o meses. El impacto claro en visibilidad y tráfico cualificado desde IA, en este caso, se consolidó en torno a los 4-6 meses. Quien te prometa ventas mágicas en tres semanas te está vendiendo humo: el ciclo de compra industrial es largo.
¿Qué se mide exactamente en un proyecto de GEO?
Citación y visibilidad en motores generativos: en cuántas consultas de tu nicho te cita la IA, cuántas menciones/citaciones acumulas por mes en ChatGPT/Perplexity/Copilot/Gemini, y cuánto tráfico cualificado te llega desde ellos. No se mide "ventas que trajo la IA" directamente, porque entre la citación y la venta hay un comprador humano y tu equipo comercial.
¿Mis datos técnicos están seguros en una GEO content factory?
Sí, montándola en tu infraestructura o en nube europea con contrato de tratamiento de datos. Tu catálogo, specs y casos no entrenan modelos de terceros. Es lo contrario a usar cuentas de consumo gratuitas, y en un fabricante industrial es un requisito, no un lujo.
Posts relacionados
- GEO para empresas: cómo aparecer en ChatGPT y Claude y cómo se mide
- Guía completa de GEO: posicionarte en ChatGPT, Perplexity, Claude y Gemini
- Cortex vs ChatGPT Team/Enterprise para tu PYME
- Departamento de inteligencia artificial externalizado
- Mejores herramientas de IA para ingenierías y estudios técnicos
- El servicio GEO: la máquina de contenidos · Cortex, la plataforma de IA privada · Quién soy
En Resumen
- Tu comprador industrial ya no empieza en Google; empieza preguntando a una IA a quién comprar. Si el modelo no te cita, no entras en la lista corta.
- Un fabricante B2B (30-50 personas, norte de España) era invisible en ChatGPT/Perplexity pese a tener buena web: su contenido hablaba de la empresa, no resolvía la pregunta del comprador.
- La solución fue una GEO content factory: motor de contenido privado, multi-modelo, con sus datos y revisión humana de sus ingenieros, que produce material técnico citable cubriendo el query fan-out.
- Se mide citación y visibilidad, no ventas mágicas: menciones, citaciones y tráfico cualificado desde IA. El GEO es antena; cerrar sigue siendo tu trabajo.
- Resultado con rangos honestos: en ~4-6 meses pasó de ~0 a salir citado en 15-30 consultas de su nicho, con aumento claro de menciones y de tráfico desde IA, y primeras peticiones "os encontré vía IA".
- Cortex es como lo monto en Javadex: máquina de contenido privada, con tu marca, datos en Europa y sin lock-in. Proyectos de 5.000 a 20.000 €.
- Javier Santos (Javadex) monta esto para PYMEs españolas — vendo GEO haciendo GEO. ¿Tu marca aparece cuando tu comprador pregunta a una IA? → /contact?service=geo
¿Quieres que ChatGPT y Perplexity citen a tu empresa cuando tu comprador pregunta a quién comprar? Te digo si es viable montarte la máquina y qué ganarías, sin compromiso → Cuéntame tu caso →
