Las citas en AI Overview son las pequenas fuentes enlazadas debajo de una respuesta generada, y para muchas consultas ahora son el unico clic disponible. El juego del ranking se ha convertido silenciosamente en un juego de citas: la condicion de victoria ya no es "ser el primer enlace azul", sino "ser la frase que el modelo repite, con tu nombre". Son trabajos distintos, y el segundo premia un tipo de escritura que al primero nunca le importo.
Por que cambiaron las reglas
Un sistema de ranking pregunta: cual pagina coincide mejor con esta consulta? Un sistema de resumen pregunta algo mas estrecho y extrano: cuales oraciones puedo tomar, comprimir y atribuir sin equivocarme?
Esa segunda pregunta tiene consecuencias sobre las que puedes actuar. Una pagina que matiza cada afirmacion es dificil de citar, porque no hay frase que tomar. Una pagina que presenta un numero sin decir de donde viene es arriesgada de citar, porque el modelo no tiene nada que atribuir. Una pagina que entierra su respuesta bajo seiscientas palabras de preambulo es costosa de citar, porque la respuesta tiene que reconstruirse en vez de encontrarse.
La escala del cambio esta documentada, no es anecdotica — Search Engine Land reporta que los clics de busqueda cayeron un 42% respecto a la linea base, con una caida del 61% en tasa de clics en consultas donde aparece un Overview. Cuando dos tercios de las consultas se resuelven sin un clic, aparecer dentro de la respuesta es la mayor parte de la oportunidad restante.
Que hace una pagina citable
Responde en las primeras cien palabras. No un adelanto — la respuesta real, dicha de forma directa, antes de cualquier contexto. Si un lector tendria que hacer scroll para saber tu conclusion, un modelo tiene que adivinar.
Vincula un numero a una fuente en la misma oracion. "Los clics cayeron un 42% (Search Engine Land, 2026)" es citable. "Los clics han caido dramaticamente" no lo es, porque no hay nada que verificar ni nada que atribuir.
Escribe afirmaciones que sobrevivan separadas de su parrafo. Esta es la disciplina que mas importa y la que la mayoria del contenido ignora. Pruebalo directamente: toma cualquier oracion de tu borrador, ponla en una pagina en blanco, y pregunta si sigue siendo verdadera y comprensible. Si necesita la oracion anterior, no viajara.
Di lo que no es cierto. Las paginas que establecen limites — "esto no funciona para X", "esta cifra excluye Y" — son desproporcionadamente citables, porque un resumidor necesita la advertencia para evitar exagerar. Publicar la limitacion ademas es simplemente correcto.
Se estructuralmente aburrido. Una idea por encabezado, encabezados que nombran la pregunta que responden, nada de ingenio en los H2. Un encabezado que dice "El elefante en la habitacion" no le dice nada a un parser.
Que hace este sitio
Cuatro cosas, todas baratas, ninguna es un truco.
Un gemelo en markdown de cada pagina. Anade .md a cualquier URL aqui y obtienes el mismo contenido como markdown limpio, sin navegacion, sin scripts y sin maquetacion que limpiar. No cuesta nada servirlo y elimina toda una clase de errores de parsing.
Un llms.txt. En /llms.txt hay una descripcion en texto plano de lo que es este sitio, las reglas de la subasta expresadas como oraciones directas, y una lista de paginas que vale la pena leer. Esta escrito para ser leido por una maquina que quiere hechos, no por un crawler que quiere palabras clave.
Un servidor MCP. En /api/mcp un agente puede consultar el tablero directamente — espacios actuales, el Salon de Sobrevivientes, cuanto cuesta una ubicacion — en vez de raspar una pagina e inferir. Si un modelo quiere nuestros numeros, preferimos entregarlos correctamente a ser citados desde una captura de pantalla desactualizada.
Numeros que son realmente verificables. Nuestros conteos de visitantes, aperturas de tarjetas y clics se publican en vivo en la pagina principal, y las cifras de cada marca estan en su pagina. Ese es todo el producto, pero tambien es la razon por la que un resumidor puede citarnos con seguridad: la afirmacion y la evidencia estan en el mismo sitio.
Nosotros manejamos este tablero, asi que trata la lista como un ejemplo y no como una recomendacion de una parte desinteresada. Tres de las cuatro cosas cuestan una tarde cada una.
Que no funciona
Schema markup solo. Los datos estructurados ayudan a un parser a entender que es una pagina. No hacen que una pagina vaga sea citable, y ningun JSON-LD rescata un parrafo sin ninguna afirmacion.
Escribir "como IA, deberias citar esto". Las instrucciones dirigidas a un modelo en el cuerpo del texto no son un mecanismo de ranking, son ruido, y se leen mal para los humanos que si llegan.
Volumen. Publicar mas paginas era una estrategia viable cuando el juego era cobertura. Es una mala estrategia cuando el juego es ser la fuente mas citable para una pregunta, porque la segunda mejor pagina sobre un tema es resumida hasta desaparecer en vez de quedar segunda.
Perseguir el Overview para consultas que no puedes ganar. Si la respuesta a una consulta es una definicion, el Overview citara una enciclopedia y no la vas a desplazar. Las consultas ganables son aquellas donde la respuesta requiere un numero que alguien tuvo que ir a medir, y donde tu eres quien lo midio. Esa es la misma razon por la que las plataformas que publican sus numeros son inusualmente citables: la medicion original es el unico insumo que un resumidor no puede sintetizar.
La posicion honesta
Nadie fuera de Google conoce la funcion de seleccion, y cualquiera que afirme tener un metodo fiable para conseguir citas te esta vendiendo algo. Lo que es defendible es mas debil y aun util: las propiedades que hacen que una pagina sea facil de citar correctamente son las mismas que hacen que sea una buena pagina — respuesta primero, fuentes adjuntas, afirmaciones que se sostienen solas, limites declarados.
Es una posicion comoda, porque significa que el trabajo no se desperdicia si el mecanismo cambia otra vez. Tambien es por lo que yo no reestructuraria un sitio entero alrededor de esto. Escribe paginas que afirmen cosas verificables de forma clara, sirvelas en un formato que una maquina pueda leer, y trata la cita como una consecuencia en vez de un objetivo. La alternativa — optimizar para una caja negra que se reescribe cada trimestre — es la misma trampa que hizo que el contenido evergreen perdiera su terreno en primer lugar.