LinkedIn publicó los resultados de sus pruebas internas sobre lo que impulsa la visibilidad en los resultados de búsqueda generados por IA.
La compañía, que supuestamente se encuentra entre las fuentes más citadas en respuestas de IA, compartió lo que funcionó para mejorar su presencia en LLM y AI Overviews. Para los profesionales que se adaptan a la búsqueda por IA, esta es una mirada poco común a lo que una fuente muy citada probó y midió.
En una publicación de blog, Inna Meklin, directora de marketing digital de LinkedIn, y Cassie Dell, directora de grupo de crecimiento orgánico de LinkedIn, detallaron las tácticas que dieron resultados.
Estructura de contenido y marcado
LinkedIn descubrió que la forma en que se organiza el contenido afecta si los LLM pueden extraerlo y mostrarlo. Los autores escribieron que los títulos y la jerarquía de la información son importantes porque «cuanto más estructurado y lógico sea el contenido, más fácil será para los LLM comprenderlo y revelarlo».
El marcado HTML semántico también jugó un papel importante, con una estructura clara que ayuda a los LLM a interpretar para qué sirve cada sección. Los autores llamaron a esto «legibilidad de la IA».
La conclusión es que la estructura del contenido ya no es solo una consideración de UX. Una jerarquía de encabezados adecuada y un marcado limpio pueden afectar la posibilidad de que su contenido sea citado.
Autoría experta y marcas de tiempo
Las pruebas de LinkedIn también señalaron señales de credibilidad. Los autores escribieron:
«Los LLM prefieren el contenido que indica credibilidad y relevancia, escrito por verdaderos expertos, con fecha clara y escrito en un estilo conversacional y basado en conocimientos».
Los autores nombrados con credenciales visibles y fechas de publicación claras parecieron tener mejores resultados en las pruebas de LinkedIn que el contenido anónimo o sin fecha.
El cambio de medida
LinkedIn agregó nuevos KPI junto con el tráfico para contenido de la etapa de conocimiento, seguimiento del porcentaje de citas, tasa de visibilidad y menciones de LLM utilizando software de visibilidad de IA. La compañía también dijo que está creando una nueva fuente de tráfico en sus análisis internos específicamente para visitas impulsadas por LLM y monitoreando el comportamiento del bot de LLM en los registros de CMS.
Los autores reconocieron el desafío de la medición:
«Simplemente no pudimos cuantificar cómo la visibilidad dentro de las respuestas de LLM afecta el resultado final».
Para los equipos que todavía informan el tráfico como la métrica principal de SEO, aquí existe una brecha. Si el contenido informativo que no es de marca se consume cada vez más dentro de las respuestas de IA en lugar de en su sitio, el tráfico puede subestimar su alcance real.
Por qué esto importa
Lo que me llamó la atención es hasta qué punto esto se superpone con lo que dicen las propias plataformas de inteligencia artificial.
Roger Montti de SEJ entrevistó recientemente a Jesse Dwyer de Perplexity sobre lo que impulsa la visibilidad de la búsqueda de IA. Dwyer explicó que Perplexity recupera contenido a nivel de subdocumento, extrayendo fragmentos granulares en lugar de razonar en páginas completas. Eso significa que la forma en que estructura el contenido afecta si se extrae o no.
Los hallazgos de LinkedIn apuntan en la misma dirección desde el punto de vista del editor. La estructura y el marcado son importantes porque los LLM analizan el contenido en fragmentos. Las señales de credibilidad identificadas por LinkedIn, como la autoría experta y las marcas de tiempo, parecen afectar qué fragmentos salen a la luz.
Cuando una fuente muy citada y una plataforma de búsqueda de IA llegan a las mismas conclusiones de forma independiente, tienes algo con qué trabajar más allá de la especulación.
Mirando hacia el futuro
Los autores están adoptando una mentalidad diferente de la que los profesionales pueden aprender:
«Nos estamos alejando del pensamiento de ‘búsqueda, clic, sitio web’ hacia un nuevo modelo: ser visto, ser mencionado, ser considerado, ser elegido».
LinkedIn indicó que la Parte 3 de la serie incluirá una guía sobre cómo optimizar el contenido propio para la búsqueda de IA, que cubrirá bloques de respuestas y definiciones explícitas.
