Cada cop més compradors B2B comencen la seva recerca preguntant a un model. No busquen deu enllaços blaus: demanen una recomanació i reben un paràgraf amb tres o quatre fonts citades. Si la teva empresa no hi és, no existeix en aquella conversa.

Això és el que intenta resoldre l’AI-SEO, també anomenat GEO o answer engine optimization. I encara que s’apuntala en el SEO de sempre, no és el mateix.

Què canvia respecte al SEO clàssic

L’objectiu deixa de ser el clic. El SEO tradicional optimitza perquè algú faci clic al teu resultat. L’AI-SEO optimitza perquè un model extregui el teu contingut, l’entengui sense ambigüitat i el citi dins la seva resposta. Sovint sense clic. Això no és una derrota: una citació a la resposta que llegeix el teu comprador és una impressió de marca en el moment exacte de la decisió.

El format importa més. Un model no “llegeix” la teva pàgina com un humà: la trosseja. Els blocs que se citen bé són els que responen una pregunta concreta de manera autocontinguda, sense dependre de tres paràgrafs anteriors per tenir sentit. Definicions clares, comparatives explícites, xifres amb font i data.

Les entitats pesen. Els models i els cercadors necessiten resoldre qui ets: quina empresa, quina categoria, quina relació amb altres entitats. Aquí és on les dades estructurades deixen de ser una casella per marcar i passen a ser infraestructura. Una Organization ben definida, amb identificadors, referenciada per @id des de cada Service i cada Article, fa una feina silenciosa però determinant.

La consistència externa compta. El que diuen de tu altres llocs —directoris, mitjans, comunitats— alimenta el que el model creu saber. Si la teva categoria es descriu de tres maneres diferents en cinc llocs, la resposta que generi serà igual de borrosa.

Què fem a la pràctica

La feina s’assembla força a un SEO ben fet, amb accents diferents:

  1. Definir el set de preguntes que importen. No keywords: preguntes, tal com les escriuria el teu comprador en un xat. Solen ser més llargues, més contextuals i més honestes sobre el dubte real.
  2. Auditar què es respon avui. Qui apareix citat en aquelles respostes i per què. De vegades la resposta incòmoda és que cita un competidor perquè és l’únic que ha escrit la comparativa.
  3. Produir contingut citable. Peces que responguin de manera autocontinguda, amb estructura explícita i dades verificables. Aquest és el punt on la producció amb agents canvia l’equació: cobrir un mapa de cinquanta preguntes amb qualitat editorial deixa de ser inviable.
  4. Resoldre les entitats. Schema com a graf, no com a etiquetes soltes. Un llms.txt que expliqui què és l’empresa i què no, en llenguatge pla.
  5. Mesurar citacions. Comprovació periòdica del set de preguntes i seguiment de quin contingut entra i surt de les respostes.

L’error més comú

Confondre “contingut optimitzat per a IA” amb “contingut escrit per IA sense context”. És exactament al revés: els models citen bé el que aporta alguna cosa que no era ja al seu entrenament —dades pròpies, mètode explícit, criteri— i descarten l’enèsima reformulació del que ja sap.

Dit d’una altra manera: l’AI-SEO premia justament el que el màrqueting de continguts mandrós no va tenir mai. L’avantatge de produir amb agents és de volum i velocitat; la matèria primera continua havent de ser teva.