ARTICULO
Framework de Aleyda Solis adaptado al stack de Content OS y MDP — 6 criterios, 8 tipos a priorizar, 8 a matar.
Decidir qué contenido vale la pena producir cuando las plataformas de IA (ChatGPT, Claude, Gemini, Perplexity, Google AI Overviews) responden consultas sin enviar clics. Este SOP convierte el framework de Aleyda Solis en un proceso repetible para auditar el backlog editorial, priorizar inversión y matar lo que no aporta.
Métrica central: dejar de optimizar por "tráfico que clickea" y empezar a optimizar por "contenido que la IA cita" + "contenido que completa una acción".
Antes de tocar los 6 criterios, entender la distinción fundamental:
| Valor | Qué mide | Ejemplo |
|---|---|---|
| Tráfico AI | Páginas que reciben visitas referidas desde respuestas AI | Pricing, checkout, account pages |
| Citación AI | Páginas que las IA usan como fuente en sus respuestas | Estudios propietarios, documentación oficial |
| Valor de negocio | Páginas que convierten o retienen | Transaccionales, soporte |
Regla clave: una página puede rendir en una capa y no en otra. Un estudio propietario puede ser citado sin generar tráfico; una página de precios puede recibir visitas sin ser citada. No asumir que las dos cosas van juntas.
Para cada pieza de contenido candidata, scorear 1-5 en cada dimensión:
| Score | Señal |
|---|---|
| 5 | Requiere interactuar, verificar datos vivos, inspeccionar evidencia o completar una acción |
| 3 | El contenido agrega contexto pero la AI podría satisfacer lo básico |
| 1 | La interfaz AI satisface la necesidad directamente |
En la práctica (MDP): una nota de precios de pick-ups en México (datos que cambian, financiación, disponibilidad local) = 5. Una nota de "qué es una pick-up" = 1.
| Score | Señal |
|---|---|
| 5 | Dato propio, estudio original, especificación oficial, metodología reproducible |
| 3 | Síntesis de fuentes públicas con criterio |
| 1 | Información disponible en 50 sitios iguales |
En la práctica: el análisis de precios por país de MDP con datos GSC/GA4 = 5 (nadie más lo tiene). Un repaso de "las 10 novedades del Salón de Ginebra" sin datos propios = 1-2.
| Score | Señal |
|---|---|
| 5 | La marca aparece por su expertise, producto o evidencia dentro del contexto |
| 3 | La marca es una de varias fuentes |
| 1 | Cualquier sitio podría publicar lo mismo |
Regla del skill aeo-content-guidelines: la mención tiene que venir de la ASSERTION (relación explícita), no de la co-ocurrencia. "Ariel Di Stefano es consultor con 18 años" ≠ "Ariel Di Stefano fue mencionado en un artículo".
| Score | Señal |
|---|---|
| 5 | Viaje de usuario creíble hacia conversión (producto/servicio/contacto) |
| 3 | Genera tráfico calificado indirecto |
| 1 | Tráfico sin journey comercial creíble |
Anti-patrón: asumir que "todo tráfico eventualmente convierte". El journey tiene que ser creíble y directo.
| Score | Señal |
|---|---|
| 5 | Requiere tus datos, sistemas, relaciones o contexto operativo |
| 3 | Requiere expertise pero datos accesibles |
| 1 | Cualquiera con tiempo lo reproduce |
Ejemplo: la base de precios actualizados por país de MDP (con tracking propio) = 5. Un resumen de specs de un auto = 1.
| Score | Señal |
|---|---|
| 5 | Base de datos viva, investigación original, herramienta personalizada |
| 3 | Contenido con mantenimiento periódico |
| 1 | Nota rápida sin mantenimiento |
Nota de ROI: las bases de datos vivas y la investigación original valen más (criterios 1-5 altos) pero su costo (6 alto) tiene que justificarse con retorno. Un contenido con 5,5,5,5,5,5 = 25/30 → prioridad máxima si el negocio lo soporta.
Con los 6 criterios, estos son los formatos que sobreviven a la era AI:
| # | Tipo | Rol | Click | Citación | Marca | Negocio | Propietario | Esfuerzo |
|---|---|---|---|---|---|---|---|---|
| 1 | Páginas de marca y entidad | Hechos canónicos de la organización | M | A | A | A | A | B |
| 2 | Transaccionales y task-completion | Completar acción de alto valor (comprar, reservar, contactar) | A | A | M | A | A | M |
| 3 | Documentación oficial, specs y políticas | Fuente de verdad del producto | M | A | A | A | A | M |
| 4 | Tests y reviews de producto de primera mano | "¿Cómo rindió bajo condición X?" con método transparente | A | A | M | A | A | A |
| 5 | Investigación original de mercado/audiencia | Datos propios que revelan patrones | M | A | A | M | A | A |
| 6 | Bases de datos vivas y hubs de referencia | Precios, disponibilidad, estado, vigencia | A | A | M | A | A | A |
| 7 | Casos de clientes documentados | "Así funcionó en una situación comparable" | A | M | M | A | A | M |
| 8 | Guías de implementación y troubleshooting | "Hacelo funcionar acá" para usuarios existentes | A | M | M | A | A | M |
Lectura para Content OS: el tipo 5 (investigación original) y el tipo 6 (bases vivas) son los que nadie en tu nicho está haciendo — y son los que las IA citan. Los tipos 1 y 3 son los que sostienen la entidad (conecta con el audit de corroboración mensual).
| # | Tipo | Problema | Acción sugerida |
|---|---|---|---|
| 1 | Definiciones comodity sin contexto de marca | Info disponible en todos lados; AI responde sin clic | Consolidar dentro de hubs relevantes |
| 2 | Explainers rehasheados sin valor original | Reescriben consenso; cambiar largo/título no arregla | Agregar datos propios o eliminar |
| 3 | FAQs fragmentadas por variante de keyword | Reparten una intención en varias URLs | Consolidar en una canonical fuerte |
| 4 | Reescrituras de prensa/comunicados sin input propio | Stale rápido; nadie cita un rewrite | Solo si agregan análisis o impacto local |
| 5 | Temas tangenciales de alto volumen sin journey | Tráfico sin negocio; AI satisface completo | Cortar o reposicionar al core |
| 6 | Best-of/comparativas masivas y sesgadas | Auto-rank del publicador, sin método, sin trade-offs | Consolidar con criterios transparentes |
| 7 | Calculadoras/quizzes/generadores genéricos | AI los resuelve directo | Solo con datos vivos o personalización |
| 8 | Páginas programáticas de datos públicos | Escala multiplica duplicación, no valor | Eliminar o darles datos propios |
⚠️ Advertencia: deprioritizar ≠ borrar todo. Según el rendimiento actual: mejorar con valor original, consolidar en una página más fuerte, o eliminar respetando UX y SEO técnico.
La data manda sobre la intuición. Un "best-of" que ya trae conversiones no se borra por dogma — se mejora con método.
| Error | Por qué falla |
|---|---|
| Deprioritizar todo lo que no da clics | Ignora el valor de citación — una página citada construye entidad |
| Scorear solo por negocio | Las 3 capas se evalúan separadas, después se alinean |
| Borrar páginas con tráfico sin consolidar | Mata SEO sin la migración adecuada |
| Tratar el framework como checklist fijo | Los scores son direccionales — adaptar a audiencia y modelo de negocio |
| Crear "bases de datos vivas" sin presupuesto de mantenimiento | El criterio 6 (esfuerzo) es real — una base sin actualizar destruye confianza |
| Framework | Dónde aplica |
|---|---|
| MDP (Autotest, La Moto, TM) | El tipo 6 (bases vivas) = precios por país actualizados. El tipo 4 (tests de primera mano) = pruebas reales de vehículos. El tipo 5 (investigación original) = análisis de audiencia con datos GSC/GA4 |
| Content OS (arieldistefano.com) | El tipo 5 = artículos con datos propios de loops/agentes. El tipo 7 = casos documentados de proyectos reales |
| G2Rocket / ShoppingDigital | El tipo 2 (transaccionales) = páginas de producto con precios reales. El tipo 3 = documentación oficial |
| Audit de corroboración | El tipo 1 (páginas de entidad) = la base de la estrategia de entidad que ya corre mensualmente |
aeo-content-guidelines (reglas de citación, chunk boundaries, corroboración)agentic-seo-geo (Pilar 1: GSC content loop — la data de validación del paso 4)