Hay una corriente de GEO Bros que ha descubierto dos palabras (chunks y embeddings) y ha decidido que el futuro del SEO es atomizar el contenido de tu web.
Su lógica es que "como los LLMs funcionan por fragmentos y vectores, vamos a crear URLs ultra específicas para cada posible pregunta para que la IA lo chunkee mejor"
El problema es que esa recomendación asume que Google funciona como una base de datos vectorial sencilla tipo ChromaDB o Pinecone... y no es así.
Hoy vamos a desmontar esta falacia y a explicar por qué el contenido consolidado en una URL sigue funcionando mejor (a menos que la SERP te pida especificidad como veremos al final).
Uno de los argumentos que más veo últimamente, y promovido en última ocasión por Joshua Budman, es que los buscadores han dejado de hacer ranking para pasar a hacer generación. Lo cual es falso.
El pipeline de un sistema RAG (AI Overviews, ChatGPT...) tiene tres fases. Primero, el buscador recupera documentos candidatos (Recuperación). Luego filtra los mejores según señales de autoridad y relevancia (Selección). Finalmente, el LLM usa esos documentos para construir la respuesta (Generación).
Si tu contenido queda fuera del conjunto de candidatos por falta de señales de ranking clásicas, el LLM nunca lo verá. Da igual lo bonito que sea tu chunk.
Es decir, el pipeline sigue siendo: Recuperación (Ranking/Retrieval) → Selección (Re-ranking/Filtering) → Generación. Si no pasas el filtro de ranking, no existes para la generación y si troceas mal, te llevas de regalo canibalización, duplicidad y señales diluidas.
Además, Budman, en su análisis, elimina las variables de ranking de la ecuación. Curiosamente, el paper original de RAG que él mismo enlaza sí las incluye. Y más curioso es que su propio ejemplo de Zapier (el único que ha usado para demostrar su argumento) muestra la pillar page en posición #1 orgánico, contradiciendo su tesis. Por lo menos él mismo admite que "el SEO clásico sigue ganando por ahora"... ¿entonces por qué hacer tanto ruido?
También se está argumentando que las páginas largas pierden relevancia matemática frente a las cortas. Vamos a ver qué hay de cierto.
Se está diciendo que BM25 penaliza los documentos largos. En realidad, BM25 (evolución de TF-IDF) introduce un término de normalización por longitud (1 − b + b · |D|/avgdl) cuyo objetivo es ajustar la frecuencia del término en función de la densidad del documento, no castigar documentos largos de forma arbitraria.
Además, Google lleva usando Passage Ranking desde 2020. Esto significa que evalúa y recupera pasajes individuales dentro de una página. No necesitas una página corta para ser recuperable porque el sistema ya extrae los fragmentos relevantes por ti.
Otra simplificación típica que no para de aparecer es que "si mezclas subtemas en una página, el vector se vuelve impuro y el coseno de similitud (o producto escalar) baja".
En producción, los sistemas no representan una URL compleja como un único vector. Usan segmentación, agregación, múltiples etapas de ranking, y arquitecturas como Late Interaction (ColBERT) o sistemas propios de Google (RankEmbed, DeepRank) que se entrenan con datos de clics y evaluaciones humanas. Todas permiten manejar documentos complejos sin reducirlos a un único vector.
Y aquí viene la ironía porque los GEO Bros te dicen que trocees tu contenido para que encaje mejor en los chunks que hacen los LLMs. Pero no sabemos cómo lo hacen. ¿Cortes de 500 tokens? ¿1000? ¿Overlap del 20%? ¿Heurísticas semánticas o por estructura DOM? Nadie lo sabe. Estás optimizando para un algoritmo que desconoces.
La realidad creo que es mucho más simple: si un humano puede entender un párrafo sin contexto adicional, cualquier sistema de chunking funcionará bien con él. Escribe claro y directo porque el mejor chunking es el que no tienes que pensar.
Para entender por qué el contenido consolidado funciona, debemos de mirar lo que creemos que sabemos de la arquitectura de Google:
Si mi análisis no te convence, escucha a lo que acaba de decir Microsoft. El equipo de Bing publicó recientemente un aviso sobre el contenido duplicado o "near-duplicate" en la era de la IA. Dicen que cuando existen varias versiones de la misma página, las señales se vuelven confusas/difusas. ¿Lo podríamos llamar Intent Signal Blurring (difuminado de señales de intención)? Es más fancy que dilución de señales 😀
Cuando troceas un tema en cinco páginas con contenido solapado ("Qué es X", "Ventajas de X", "Cómo usar X"), los LLM tienden a agrupar URLs similares y elegir solo una para representarlas. A menudo eligen la equivocada. Mientras tanto, tus enlaces, clics y autoridad se dividen entre cinco URLs débiles en lugar de concentrarse en una fuerte.
Bing acaba diciendo en el artículo que "para el SEO y la IA, menos es más".
No defiendo las Pillar Pages sin más, lo que defiendo consolidar cuando la SERP (tras ser ordenada por el usuario) lo piden.
Mi regla es analizar la SERP para la queries similares. ¿Google muestra resultados distintos que para la query general?
Ojo, porque consolidar sin UX es un suicidio. Defender el contenido consolidado no significa defender un "muro de texto" de 5.000 palabras imposible de navegar.
Si gracias a tu autoridad temática logras rankear para una query muy específica (ej: "cuál tiene mejor cámara telf X o telf Y"), pero el usuario aterriza en la cabecera de tu mega-guía y tiene que hacer scroll manual durante dos minutos para encontrar el dato, se va a ir. Y ahí Navboost te matará igual que si tuvieras una página pobre.
Para que la estrategia de consolidación venza a la especificidad de las micro-páginas, tu contenido debe tener una arquitectura de información impecable que permita la recuperación inmediata de la respuesta:
Si haces esto bien, consigues lo mejor de los dos mundos y la resolución inmediata de intención del chunk sumará puntos a tu Pilar Page.
Así que deja de optimizar para una base de datos vectorial imaginaria y antigua. Los usuarios no quieren visitar cinco páginas para entender un concepto. Los buscadores no quieren gastar recursos rastreando duplicados. Y los sistemas RAG necesitan fuentes de autoridad que hayan pasado primero el filtro del ranking.
Optimiza para la realidad de los buscadores híbridos con señales fuertes, autoridad consolidada y satisfacción de usuario.
Relacionado:
Los algoritmos de Google al descubierto. Cómo funciona el buscador según documentos filtrados
Búsqueda híbrida y su importancia en AI Search: de Google a ChatGPT
Cómo Google define y calcula la Calidad (Q) y la Topicalidad (T) y su influencia en el ranking
Lo que los leaks de ChatGPT nos enseñan sobre SEO para la IA
Los agentes de inteligencia artificial que navegan la web, como los de modelos LLM multimodales, se encuentran con HTML complejo y con interfaces hechas para humanos. Igual que los lectores de pantalla, muchos de estos agentes dependen de la estructura semántica y de la accesibilidad del HTML para entender una página y actuar correctamente. En […]
Leer másDurante décadas, las webs han estado (o deberían estar) centradas en los humanos: cómo buscan, cómo hacen clic, cómo se mueven por una página. Todo medido desde una unidad simple, la URL. Pero este modelo está empezando a cambiar. ¿Por qué? Porque hoy, parte del tráfico web ya no proviene de personas, sino de agentes: […]
Leer más